阿里Qwen3.5-Omni新突破：音视频交互登顶，全模态能力全球领先
全球全模态大模型竞赛迎来新变数。
3月30日，阿里巴巴正式推出千问系列新一代全模态大模型Qwen3.5-Omni。
这款模型在音视频理解、跨模态推理、实时交互等215项第三方评测中拿下SOTA（State of the Art），直接对标并超越了谷歌Gemini-3.1 Pro的诸多核心指标。
Qwen3.5-Omni跑分图
与市面上多数“拼接式”多模态方案不同，Qwen3.5-Omni采用混合注意力MoE架构，在海量文本、视觉数据及超过1亿小时的音视频素材上完成了端到端的原生预训练。
这意味着，Qwen3.5-Omni并非简单地将语音转文字再处理，而是真正具备对视频画面、人物情绪、对话逻辑的深层次理解能力。
据最新披露，Qwen3.5-Omni支持113种语言及方言的语音识别（包括毛利语、海南方言等小语种），以及36种语言的语音合成。在考察抗噪能力的WenetSpeech测试中，其错误率远低于Gemini；而在Multi-Lingual 30语言语音生成评测中，表现同样压过Gemini-2.5-Pro-TTS一头。
Qwen3.5-Omni跑分图
更值得关注的是其实时交互的“情商”——Qwen3.5-Omni能精准区分用户的有效指令与随口附和，自主判断是否需要调用工具获取实时信息（如天气查询），对话流畅度已接近真人水平。
如果说年初爆火的Vibe Coding还停留在文字/图片生成代码阶段，Qwen3.5-Omni则直接将这一概念推进到了音视频维度。
用户只需打开摄像头，对着草图或实物口述需求，哪怕是包含复杂产品逻辑的描述，模型也能直接输出带UI界面的产品原型代码。有意思的是，这一能力并非人工刻意调教的结果，而是模型在扩展原生多模态能力过程中自然涌现的副产品。
这种所见即所得的编程方式，对于产品经理、设计师乃至普通用户而言，意味着从想法到原型的路径被压缩到了分钟级。
除此之外，Qwen3.5-Omni在专业内容生产领域同样展现出降本增效的潜力。
模型可对视频画面主体、人物关系、情绪起伏进行像素级拆解，自动完成章节切片与时间戳标注，支持超过10小时的长音频输入。以往需要数小时的人工后期梳理工作，如今可被缩短至秒级。短视频平台、直播平台、内容审核机构、游戏厂商等内容密集型行业，或将成为首批受益者。
难能可贵的是，阿里在商业化路径上延续了千问系列的高性价比策略。
目前，Qwen3.5-Omni已通过阿里云百炼平台开放Plus、Flash、Light三档API接口，普通用户也可在Qwen Chat免费体验。定价方面，每百万Tokens输入价格不到0.8元人民币，不足Gemini-3.1 Pro的十分之一。
据第三方数据，千问系列目前稳居中国企业级大模型调用市场头把交椅，覆盖互联网、金融、消费电子及汽车等行业的超100万家企业客户。
过去半年，市场注意力被OpenAI和谷歌多模态迭代牵引，国内厂商多被质疑为跟随者。但这次，阿里在音视频理解、方言识别和实时交互等细分维度实现了反超，且选择了完全开放的API策略。这或许正是中国AI企业在全球化竞争中找到的有效路径：不追求在所有榜单上霸榜，但在特定高价值场景建立不可替代性。
如今大模型技术门槛被抹平，剩下的就是执行力的较量了。
相关攻略
4月7日，阿里巴巴旗下AI助手通义千问宣布，其核心的“深度研究”专业能力迎来重磅升级。本次升级不仅新增了财经分析等关键模块，更接入了覆盖A股、港股、美股等市场超过1 3万支股票的实时行情数据，以及近百万家上市公司的财报与公告信息。在当前AI高阶功能普遍转向付费订阅的行业趋势下，千问团队选择将此次升级
宇树科技与阿里酝酿合作，机器人现身西溪园区 最近科技圈里有个消息传得挺热：宇树科技和阿里巴巴，这两家分别在机器人和电商领域举足轻重的公司，可能正在联手谋划一项重要的出海战略。这事儿要是成了，对行业格局的影响，恐怕不小。 消息的源头，是几张颇有故事感的现场照片。宇树科技最新的机器人产品R1，近日出现在
阿里发布 Wan2 7-Video 视频生成模型：“能导擅演”，聚焦创作全链路 今天下午，AI视频创作领域迎来一个重要更新：阿里正式上线了其视频生成模型Wan2 7-Video。这款新模型主打一个“全”字，支持文本、图像、视频、音频全模态输入，并将目光聚焦在“创作”的每一个环节上。从生成到编辑，从复
阿里云加码全球AI基建：五国新建数据中心，首次进入墨西哥市场 5月23日，阿里云的一则公告，在全球云计算市场投下了一枚重磅消息。他们宣布，将在韩国、马来西亚、菲律宾、泰国和墨西哥这五个国家，投资新建数据中心。这一轮海外扩张，目标非常明确——重点布局AI基础设施，为下一阶段的全球竞争全力冲刺。 值得注
告别“标准脸”与“色彩盲盒”：阿里Wan2 7-Image如何重塑AI生图体验 4月1日，阿里巴巴正式发布了图像生成与编辑统一模型Wan2 7-Image。这款新模型直指当前AI生图领域的两大核心痛点——千篇一律的“标准脸”审美疲劳和难以预测的“色彩盲盒”效应。它带来的，是真正意义上的“千人千面”生
热门专题
热门推荐
在内容创作领域，效率是核心竞争力。随着AIGC技术浪潮的全面到来，一个能够整合文案、图像、音频、视频全流程的智能创作平台，已成为创作者提升生产力的关键工具。今天我们要深入解析的“秒创”，正是这样一个旨在实现“秒级”内容生成的一站式AI创作解决方案。 秒创是什么？一站式AI创作平台详解 秒创，其前身为
UNI是Uniswap平台的治理代币，持有者可参与协议决策。其总量10亿枚，分配注重社区发展。关键转折在于“UNIfication”提案通过后，平台部分手续费用于回购销毁UNI，使代币具备价值积累功能。Uniswap作为领先的去中心化交易所，其交易活跃度直接支撑UNI价值。未来发展与平台交易量及监管环境密切相关，需关注相关风险。
自动做市商通过算法和流动性池革新了加密资产交易，消除了对订单簿和中介的依赖。其核心是恒定乘积公式，能实时定价并降低参与门槛，但也伴随无常损失风险。未来，AMM将向可编程、跨链互操作、AI赋能及拓展至真实世界资产等方向发展，并在合规框架下演进，以提升交易效率与安全性。
在中国广播影视与网络视听行业的技术演进历程中，中国电影电视技术学会始终扮演着关键角色。作为该领域内唯一的国家级学术组织，学会依托中央广播电视总台的强大支撑，核心使命在于推动行业技术交流、协同创新与高质量发展。它不仅是我国广播、电影、电视及网络视听科技事业的重要社会力量，更是连接产学研用、促进行业整体
iPhone硬重置可将设备彻底恢复至出厂状态，清除所有个人数据和设置，常用于解决系统故障或转让前清理隐私。具体可通过设备设置、连接电脑使用iTunes或Finder、以及借助专业解锁工具三种方法实现。其中专业工具能在忘记密码时强制清除设备数据。重置后所有内容将被永久删除，需提前备份重要信息。