概要
Qwen3-Omni-Flashのリアルタイム版マルチモーダルモデルです。Thinker–Talker型のMoEアーキテクチャを採用し、テキスト、画像、音声、動画を理解して、テキストや音声で応答します。2025年12月1日時点のスナップショットで、公式発表日は2025年12月4日です。(docs.modelstudio.console.alibabacloud.com)
能力と用途
- テキスト119言語、音声20言語での対話に対応すると公式に説明されています。
- 指示やシステムプロンプトによって、会話スタイルやキャラクター設定を調整できます。
- 主な用途は、音声アシスタント、文章作成、マルチメディア分析、リアルタイムのマルチモーダル対話です。(docs.modelstudio.console.alibabacloud.com)
制限と提供状況
過去の公式モデル情報では、コンテキストウィンドウは65,536トークン、最大入力は49,152トークン、最大出力は16,384トークンとされていました。また、Function Calling、構造化出力、Web検索、コンテキストキャッシュ、バッチ推論、ファインチューニングは非対応と記載されています。(help.aliyun.com)
Alibaba Cloudは、このモデルを対象に2026年10月10日を予定日とする提供終了を告知しています。実際の変更時刻は変動し得るため、利用可否はサービス側で確認してください。(alibabacloud.com)
料金
2026年11月17日確認。 以下は、このスナップショットについて過去の公式掲載内容で確認できた通常料金です。現在の中国国内・国際公式料金表には当該IDが掲載されておらず、現在適用される料金としては未確認です。地域別料金は別々のサービス条件であり、換算値ではありません。(help.aliyun.com)
| 料金区分 | 中国国内・北京(CNY) | 国際版・シンガポール(USD) |
|---|---|---|
| 入力:テキスト | 2.2 / 100万トークン | 0.52 / 100万トークン |
| 入力:音声 | 18.9 / 100万トークン | 4.57 / 100万トークン |
| 入力:画像 | 3.9 / 100万トークン | 0.94 / 100万トークン |
| 出力:テキスト、入力がテキストのみ | 8.3 / 100万トークン | 1.99 / 100万トークン |
| 出力:テキスト、マルチモーダル入力 | 15.2 / 100万トークン | 3.67 / 100万トークン |
| 出力:テキスト+音声 | 75.1 / 100万トークン | 18.13 / 100万トークン |
テキスト+音声出力では、音声のみが課金対象で、対応する出力テキストには課金されないと公式料金表に記載されています。割引・無料枠は上記金額に含めていません。(help.aliyun.com)