Alibaba stellt Qwen3.5-Omni vor und liefert erstklassige multimodale Leistung
Chinas führende KI-Modelle entwickeln sich rasant von Nachahmern zu Pionieren in der multimodalen Interaktion.
Am 30. März stellte Alibaba das multimodale Großmodell der nächsten Generation, Qwen3.5-Omni, vor. Unter Nutzung einer hybriden Aufmerksamkeits-MoE-Architektur ermöglicht dieses Modell eine nahtlose Eingabe und Ausgabe über Bilder, Videos, Audio und Text hinweg und positioniert inländische Großmodelle an der globalen Spitze der audiovisuellen Interaktion.

Umfassende Fähigkeiten: 215 gemeisterte Aufgaben, bessere Ergebnisse als Gemini
In Schlüsselmetriken zur Messung der Gesamtleistung von Großmodulen hat Qwen3.5-Omni außergewöhnliche Leistungen gezeigt:
Führende SOTA-Ergebnisse: In 215 Testfällen, die audiovisuelles Verständnis, Erkennung und Interaktion abdecken, erzielte das Modell State-of-the-Art (SOTA)-Ergebnisse.
Überlegene Leistung: In Benchmarks wie DailyOmni und QualcommInteractive, die sich auf audiovisuelle Interaktion konzentrieren, übertrafen seine Werte die von Google’s Gemini-3.1Pro deutlich.
Robuste Rauschresistenz: Im WenetSpeech-Test, der in lauten Umgebungen durchgeführt wurde, war seine Erkennungsgenauigkeit bemerkenswert hoch, mit einer Fehlerrate, die weit unter der der Wettbewerber lag.
Interaktive Innovation: Unterstützung von 113 Sprachen und „Sprache-zu-Code“-Programmierung
Qwen3.5-Omni ist nicht nur intelligenter, sondern auch darin geübt, „Dialekte“ und „Code“ zu verstehen:
Sprachvielfalt: Es unterstützt die Erkennung von 113 Sprachen und Dialekten und verarbeitet präzise seltene Sprachen wie Māori und den Hainan-Dialekt.
Evolution des Vibe-Codings: Es läutet ein neues Zeitalter der audiovisuellen Programmierung ein. Benutzer müssen lediglich die Kamera öffnen und ihre Anforderungen beschreiben, und das Modell kann direkt Produktprototyp-Schnittstellen mit komplexer Benutzeroberfläche generieren, was tatsächlich „was du sagst, ist was du bekommst“ verwirklicht.
Produktivitätssteigerung: Langzeitverständnis von 10-stündigem Audio
Für professionelle Bereiche bietet das neue Modell leistungsstarke strukturierte Verarbeitungsfähigkeiten:
Tiefe Videoanalyse: Es kann das Hauptmotiv des Bildes, Beziehungen zwischen Personen und emotionale Schwankungen fein zerlegen.
Automatische Segmentierung: Es unterstützt Audioeingaben von über 10 Stunden und kann automatisch die Kapitelsegmentierung von Videos sowie die Zeitstempelannotation abschließen, was die Effizienz der Inhaltserstellung erheblich verbessert.
Inklusives Ökosystem: Der Preis beträgt nur ein Zehntel von Gemini
Die Plattform Alibaba Cloud Bailian hat gleichzeitig drei APIs eingeführt: Plus, Flash und Light, mit dem Ziel, die kosteneffektivste Lösung für Unternehmen bereitzustellen:
Extrem niedrige Kosten: Die Eingabekosten pro Million Tokens liegen unter 0,8 Yuan und kosten weniger als ein Zehntel von Gemini-3.1Pro.
Marktführerschaft: Derzeit hat Qwen mehr als eine Million Kunden bedient und bleibt die erste Wahl im Markt für den Aufruf von Großmodellen auf Unternehmensebene in China.
Fazit: Vom „Textverständnis“ zur „Wahrnehmung der Welt“
Die Veröffentlichung von Qwen3.5-Omni
Verwandter Artikel
Zhou Shen enthüllt „Moon Chronicle“ und verbietet ausdrücklich das Training von KI und die Stimmklone
Am 1. April veröffentlichte der renommierte chinesische Künstler Zhou Shen „Yue Zhi Ji“, das Titellied der historischen Fantasy-Serie „Yue Lin Qi Ji“. Er integrierte eine klare Urheberrechtshinweis in das Vorspiel und die Texte des Tracks und untersa
Anthropic räumt ein, dass seine KI-Modelle während Sicherheitstests drei Unternehmen verletzt haben
Anthropic gab am Donnerstag bekannt, dass eine interne Untersuchung drei separate Vorfälle aufdeckte, bei denen sein KI-Modell Claude während Cybersicherheitsbewertungen die Systeme von drei Organisationen durchbrochen hatte. Diese Offenlegung schlie
Meitu stellt RoboNeo vor, einen KI-Agenten, der auf dem HappyHorse-Modell von Alibaba basiert und einen bedeutenden Fortschritt in der Videoerstellung markiert.
Am 28. April gab RoboNeo, ein KI-Agent des Unternehmens Meitu, die Integration von HappyHorse bekannt, einem multimodalen Video-Generierungsmodell aus der ATH-Innovationsabteilung von Alibaba. Durch die Nutzung von Seedance 2.0 hat RoboNeo die Erstel
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Chinas führende KI-Modelle entwickeln sich rasant von Nachahmern zu Pionieren in der multimodalen Interaktion.
Am 30. März stellte Alibaba das multimodale Großmodell der nächsten Generation, Qwen3.5-Omni, vor. Unter Nutzung einer hybriden Aufmerksamkeits-MoE-Architektur ermöglicht dieses Modell eine nahtlose Eingabe und Ausgabe über Bilder, Videos, Audio und Text hinweg und positioniert inländische Großmodelle an der globalen Spitze der audiovisuellen Interaktion.

Umfassende Fähigkeiten: 215 gemeisterte Aufgaben, bessere Ergebnisse als Gemini
In Schlüsselmetriken zur Messung der Gesamtleistung von Großmodulen hat Qwen3.5-Omni außergewöhnliche Leistungen gezeigt:
Führende SOTA-Ergebnisse: In 215 Testfällen, die audiovisuelles Verständnis, Erkennung und Interaktion abdecken, erzielte das Modell State-of-the-Art (SOTA)-Ergebnisse.
Überlegene Leistung: In Benchmarks wie DailyOmni und QualcommInteractive, die sich auf audiovisuelle Interaktion konzentrieren, übertrafen seine Werte die von Google’s Gemini-3.1Pro deutlich.
Robuste Rauschresistenz: Im WenetSpeech-Test, der in lauten Umgebungen durchgeführt wurde, war seine Erkennungsgenauigkeit bemerkenswert hoch, mit einer Fehlerrate, die weit unter der der Wettbewerber lag.
Interaktive Innovation: Unterstützung von 113 Sprachen und „Sprache-zu-Code“-Programmierung
Qwen3.5-Omni ist nicht nur intelligenter, sondern auch darin geübt, „Dialekte“ und „Code“ zu verstehen:
Sprachvielfalt: Es unterstützt die Erkennung von 113 Sprachen und Dialekten und verarbeitet präzise seltene Sprachen wie Māori und den Hainan-Dialekt.
Evolution des Vibe-Codings: Es läutet ein neues Zeitalter der audiovisuellen Programmierung ein. Benutzer müssen lediglich die Kamera öffnen und ihre Anforderungen beschreiben, und das Modell kann direkt Produktprototyp-Schnittstellen mit komplexer Benutzeroberfläche generieren, was tatsächlich „was du sagst, ist was du bekommst“ verwirklicht.
Produktivitätssteigerung: Langzeitverständnis von 10-stündigem Audio
Für professionelle Bereiche bietet das neue Modell leistungsstarke strukturierte Verarbeitungsfähigkeiten:
Tiefe Videoanalyse: Es kann das Hauptmotiv des Bildes, Beziehungen zwischen Personen und emotionale Schwankungen fein zerlegen.
Automatische Segmentierung: Es unterstützt Audioeingaben von über 10 Stunden und kann automatisch die Kapitelsegmentierung von Videos sowie die Zeitstempelannotation abschließen, was die Effizienz der Inhaltserstellung erheblich verbessert.
Inklusives Ökosystem: Der Preis beträgt nur ein Zehntel von Gemini
Die Plattform Alibaba Cloud Bailian hat gleichzeitig drei APIs eingeführt: Plus, Flash und Light, mit dem Ziel, die kosteneffektivste Lösung für Unternehmen bereitzustellen:
Extrem niedrige Kosten: Die Eingabekosten pro Million Tokens liegen unter 0,8 Yuan und kosten weniger als ein Zehntel von Gemini-3.1Pro.
Marktführerschaft: Derzeit hat Qwen mehr als eine Million Kunden bedient und bleibt die erste Wahl im Markt für den Aufruf von Großmodellen auf Unternehmensebene in China.
Fazit: Vom „Textverständnis“ zur „Wahrnehmung der Welt“
Die Veröffentlichung von Qwen3.5-Omni
Zhou Shen enthüllt „Moon Chronicle“ und verbietet ausdrücklich das Training von KI und die Stimmklone
Am 1. April veröffentlichte der renommierte chinesische Künstler Zhou Shen „Yue Zhi Ji“, das Titellied der historischen Fantasy-Serie „Yue Lin Qi Ji“. Er integrierte eine klare Urheberrechtshinweis in das Vorspiel und die Texte des Tracks und untersa
Anthropic räumt ein, dass seine KI-Modelle während Sicherheitstests drei Unternehmen verletzt haben
Anthropic gab am Donnerstag bekannt, dass eine interne Untersuchung drei separate Vorfälle aufdeckte, bei denen sein KI-Modell Claude während Cybersicherheitsbewertungen die Systeme von drei Organisationen durchbrochen hatte. Diese Offenlegung schlie
Meitu stellt RoboNeo vor, einen KI-Agenten, der auf dem HappyHorse-Modell von Alibaba basiert und einen bedeutenden Fortschritt in der Videoerstellung markiert.
Am 28. April gab RoboNeo, ein KI-Agent des Unternehmens Meitu, die Integration von HappyHorse bekannt, einem multimodalen Video-Generierungsmodell aus der ATH-Innovationsabteilung von Alibaba. Durch die Nutzung von Seedance 2.0 hat RoboNeo die Erstel





Heim






