千问3-Omni-Flash多模态大模型，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。该模型版本功能等同于快照模型 qwen3-omni-flash-2025-12-01。
推理服务供应商
qwen3-omni-flash模型的推理服务供应商为阿里云百炼。
模型能力
华北2（北京）
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 |
Text Image Video Audio |
输出模态 |
Text Audio |
模型体验 |
Function Calling |
||
结构化输出 |
联网搜索 |
||
前缀续写 |
上下文缓存 |
||
批量推理 |
模型调优 |
新加坡
部署范围：国际
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 |
Text Image Audio Video |
输出模态 |
Text Audio |
模型体验 |
Function Calling |
||
结构化输出 |
联网搜索 |
||
前缀续写 |
上下文缓存 |
||
批量推理 |
模型调优 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 |
49152 |
最大输出长度 |
16384 |
上下文长度 |
65536 |
最大输入长度（思考模式下） |
16384 |
最大输出长度（思考模式下） |
16384 |
最大思维链长度 |
32768 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
华北2（北京）
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入：文本 |
1.8 |
每百万tokens |
输入：音频 |
15.8 |
每百万tokens |
输入：图片/视频 |
3.3 |
每百万tokens |
输出：文本（输入仅包含文本时） |
6.9 |
每百万tokens |
输出：文本（输入包含图片/音频/视频时） |
12.7 |
每百万tokens |
输出：文本+音频（输出的文本不计费） |
62.6 |
每百万tokens |
输入：文本（思考） |
1.8 |
每百万tokens |
输入：音频（思考） |
15.8 |
每百万tokens |
输入：图片/视频（思考） |
3.3 |
每百万tokens |
输出：文本（思考模式下，输入仅包含文本时） |
6.9 |
每百万tokens |
输出：文本（思考模式下，输入包含图片/音频/视频时） |
12.7 |
每百万tokens |
新加坡
部署范围：国际
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入：文本 |
3.156 |
每百万tokens |
输入：音频 |
27.962 |
每百万tokens |
输入：图片/视频 |
5.725 |
每百万tokens |
输出：文本（输入仅包含文本时） |
12.183 |
每百万tokens |
输出：文本（输入包含图片/音频/视频时） |
22.458 |
每百万tokens |
输出：文本+音频（输出的文本不计费） |
110.896 |
每百万tokens |
输入：文本（思考） |
3.156 |
每百万tokens |
输入：音频（思考） |
27.962 |
每百万tokens |
输入：图片/视频（思考） |
5.725 |
每百万tokens |
输出：文本（思考模式下，输入仅包含文本时） |
12.183 |
每百万tokens |
输出：文本（思考模式下，输入包含图片/音频/视频时） |
22.458 |
每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
60 |
TPM（每分钟tokens） |
100,000 |
新加坡
部署范围：国际
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
60 |
TPM（每分钟tokens） |
100,000 |
快照版本
qwen3-omni-flash-2025-12-01
千问3-Omni-Flash多模态大模型，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，支持49种语音音色，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。此版本为2025年12月01日的快照版本。
推理服务供应商
qwen3-omni-flash-2025-12-01模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 |
Text Image Audio Video |
输出模态 |
Text Audio |
模型体验 |
Function Calling |
||
结构化输出 |
联网搜索 |
||
前缀续写 |
上下文缓存 |
||
批量推理 |
模型调优 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 |
49152 |
最大输出长度 |
16384 |
上下文长度 |
65536 |
最大输入长度（思考模式下） |
16384 |
最大输出长度（思考模式下） |
16384 |
最大思维链长度 |
32768 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
华北2（北京）
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入：文本 |
1.8 |
每百万tokens |
输入：音频 |
15.8 |
每百万tokens |
输入：图片/视频 |
3.3 |
每百万tokens |
输出：文本（输入仅包含文本时） |
6.9 |
每百万tokens |
输出：文本（输入包含图片/音频/视频时） |
12.7 |
每百万tokens |
输出：文本+音频（输出的文本不计费） |
62.6 |
每百万tokens |
输入：文本（思考） |
1.8 |
每百万tokens |
输入：音频（思考） |
15.8 |
每百万tokens |
输入：图片/视频（思考） |
3.3 |
每百万tokens |
输出：文本（思考模式下，输入仅包含文本时） |
6.9 |
每百万tokens |
输出：文本（思考模式下，输入包含图片/音频/视频时） |
12.7 |
每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
60 |
TPM（每分钟tokens） |
100,000 |
新加坡
部署范围：国际
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
60 |
TPM（每分钟tokens） |
100,000 |
qwen3-omni-flash-2025-09-15
Qwen3-Omni-Flash多模态大模型，基于Thinker–Talker混合专家（MoE）架构，支持文本、图像、音频、视频的高效理解与语音生成能力，可进行119种语言文本交互和20种语言语音交互，生成类人语音实现跨语言精准沟通。模型具备强大指令跟随与系统提示定制功能，灵活适配对话风格与角色设定，广泛应用于文本创作、语音助手、多媒体分析等场景，提供自然流畅的多模态交互体验。此版本为2025年9月15日的快照版本。
推理服务供应商
qwen3-omni-flash-2025-09-15模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 |
Text Image Video Audio |
输出模态 |
Text Audio |
模型体验 |
Function Calling |
||
结构化输出 |
联网搜索 |
||
前缀续写 |
上下文缓存 |
||
批量推理 |
模型调优 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 |
49152 |
最大输出长度 |
16384 |
上下文长度 |
65536 |
最大输入长度（思考模式下） |
16384 |
最大输出长度（思考模式下） |
16384 |
最大思维链长度 |
32768 |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
华北2（北京）
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入：文本 |
1.8 |
每百万tokens |
输入：音频 |
15.8 |
每百万tokens |
输入：图片/视频 |
3.3 |
每百万tokens |
输出：文本（输入仅包含文本时） |
6.9 |
每百万tokens |
输出：文本（输入包含图片/音频/视频时） |
12.7 |
每百万tokens |
输出：文本+音频（输出的文本不计费） |
62.6 |
每百万tokens |
输入：文本（思考） |
1.8 |
每百万tokens |
输入：音频（思考） |
15.8 |
每百万tokens |
输入：图片/视频（思考） |
3.3 |
每百万tokens |
输出：文本（思考模式下，输入仅包含文本时） |
6.9 |
每百万tokens |
输出：文本（思考模式下，输入包含图片/音频/视频时） |
12.7 |
每百万tokens |
新加坡
部署范围：国际
| 计费项 | 价格（元） | 单位 |
|---|---|---|
输入：文本 |
3.156 |
每百万tokens |
输入：音频 |
27.962 |
每百万tokens |
输入：图片/视频 |
5.725 |
每百万tokens |
输出：文本（输入仅包含文本时） |
12.183 |
每百万tokens |
输出：文本（输入包含图片/音频/视频时） |
22.458 |
每百万tokens |
输出：文本+音频（输出的文本不计费） |
110.896 |
每百万tokens |
输入：文本（思考） |
3.156 |
每百万tokens |
输入：音频（思考） |
27.962 |
每百万tokens |
输入：图片/视频（思考） |
5.725 |
每百万tokens |
输出：文本（思考模式下，输入仅包含文本时） |
12.183 |
每百万tokens |
输出：文本（思考模式下，输入包含图片/音频/视频时） |
22.458 |
每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
60 |
TPM（每分钟tokens） |
100,000 |
新加坡
部署范围：国际
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
60 |
TPM（每分钟tokens） |
100,000 |