Hogar
Alibaba presenta Qwen3.5-Omni, ofreciendo un rendimiento de vanguardia en el procesamiento multimodal
Los principales modelos de inteligencia artificial de China están evolucionando rápidamente de seguidores a pioneros en la interacción multimodal.
El 30 de marzo, Alibaba presentó el modelo grande multimodal de próxima generación, Qwen3.5-Omni. Gracias a una arquitectura MoE de atención híbrida, este modelo permite entradas y salidas fluidas entre imágenes, videos, audio y texto, posicionando a los modelos grandes nacionales a la vanguardia global de la interacción audiovisual.

Capacidad integral: 215 tareas dominadas, superando a Gemini
En las métricas clave que miden la fuerza general de los modelos grandes, Qwen3.5-Omni ha demostrado un rendimiento excepcional:
Liderazgo SOTA: En 215 casos de prueba que cubren la comprensión, el reconocimiento y la interacción audiovisual, el modelo logró resultados de estado del arte (SOTA).
Rendimiento superior: En pruebas de referencia como DailyOmni y QualcommInteractive, centradas en la interacción audiovisual, sus puntuaciones superaron significativamente a las de Gemini-3.1Pro de Google.
Robusta resistencia al ruido: En la prueba WenetSpeech realizada en entornos ruidosos, su precisión de reconocimiento fue notablemente alta, con una tasa de error muy inferior a la de la competencia.
Innovación interactiva: 113 idiomas compatibles y programación "hablando-código"
Qwen3.5-Omni no solo es más inteligente, sino que también es hábil para comprender "dialectos" y "código":
Versatilidad lingüística: Reconoce 113 idiomas y dialectos, manejando con precisión idiomas poco comunes como el maorí y el dialecto de Hainan.
Evolución de la codificación por ambiente: Introduce una nueva era de programación audiovisual. Los usuarios solo necesitan abrir la cámara y describir sus requisitos, y el modelo puede generar directamente interfaces de prototipo de producto con UI compleja, logrando realmente "lo que dices es lo que obtienes".
Aumento de la productividad: comprensión a largo plazo de audio de 10 horas
Para campos profesionales, el nuevo modelo ofrece potentes capacidades de procesamiento estructurado:
Análisis profundo de video: Puede descomponer finamente el sujeto principal de la imagen, las relaciones entre personas y las fluctuaciones emocionales.
Segmentación automática: Admite entradas de audio de más de 10 horas y puede completar automáticamente la segmentación de capítulos de video y la anotación de marcas de tiempo, mejorando significativamente la eficiencia de la creación de contenido.
Ecosistema inclusivo: el precio es solo una décima parte de Gemini
La plataforma Alibaba Cloud Bailian ha lanzado simultáneamente tres API: Plus, Flash y Light, con el objetivo de proporcionar la solución más rentable para las empresas:
Costo extremadamente bajo: El costo de entrada por millón de Tokens es inferior a 0,8 yuanes, costando menos de una décima parte de Gemini-3.1Pro.
Liderazgo del mercado: Actualmente, Qwen ha atendido a más de un millón de clientes y sigue siendo la opción principal en el mercado de llamadas de modelos grandes a nivel empresarial en China.
Conclusión: De "comprender texto" a "percibir el mundo"
El lanzamiento de Qwen3.5-Omni
Artículo relacionado
Zhou Shen presenta Moon Chronicle, prohibiendo explícitamente el entrenamiento de IA y la clonación de voz
El 1 de abril, el aclamado artista chino Zhou Shen lanzó «Yue Zhi Ji», la canción temática de la serie de fantasía histórica «Yue Lin Qi Ji». Incrustó un claro aviso de derechos de autor en la prelude y la letra de la pista, prohibiendo explícitament
Anthropic reconoce que sus modelos de IA vulneraron a tres empresas durante pruebas de seguridad
Anthropic anunció el jueves que una investigación interna reveló tres incidentes separados en los que su modelo de inteligencia artificial, Claude, vulneró los sistemas de tres organizaciones durante evaluaciones de ciberseguridad. Esta divulgación s
Meitu presenta RoboNeo, un agente de IA impulsado por el modelo HappyHorse de Alibaba, marcando un avance en la creación de videos
El 28 de abril, RoboNeo, un agente de IA de Meitu Company, anunció la integración de HappyHorse, un modelo de generación de vídeo multimodal de la División de Innovación ATH de Alibaba. Aprovechando Seedance 2.0, RoboNeo ha mejorado significativament
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Los principales modelos de inteligencia artificial de China están evolucionando rápidamente de seguidores a pioneros en la interacción multimodal.
El 30 de marzo, Alibaba presentó el modelo grande multimodal de próxima generación, Qwen3.5-Omni. Gracias a una arquitectura MoE de atención híbrida, este modelo permite entradas y salidas fluidas entre imágenes, videos, audio y texto, posicionando a los modelos grandes nacionales a la vanguardia global de la interacción audiovisual.

Capacidad integral: 215 tareas dominadas, superando a Gemini
En las métricas clave que miden la fuerza general de los modelos grandes, Qwen3.5-Omni ha demostrado un rendimiento excepcional:
Liderazgo SOTA: En 215 casos de prueba que cubren la comprensión, el reconocimiento y la interacción audiovisual, el modelo logró resultados de estado del arte (SOTA).
Rendimiento superior: En pruebas de referencia como DailyOmni y QualcommInteractive, centradas en la interacción audiovisual, sus puntuaciones superaron significativamente a las de Gemini-3.1Pro de Google.
Robusta resistencia al ruido: En la prueba WenetSpeech realizada en entornos ruidosos, su precisión de reconocimiento fue notablemente alta, con una tasa de error muy inferior a la de la competencia.
Innovación interactiva: 113 idiomas compatibles y programación "hablando-código"
Qwen3.5-Omni no solo es más inteligente, sino que también es hábil para comprender "dialectos" y "código":
Versatilidad lingüística: Reconoce 113 idiomas y dialectos, manejando con precisión idiomas poco comunes como el maorí y el dialecto de Hainan.
Evolución de la codificación por ambiente: Introduce una nueva era de programación audiovisual. Los usuarios solo necesitan abrir la cámara y describir sus requisitos, y el modelo puede generar directamente interfaces de prototipo de producto con UI compleja, logrando realmente "lo que dices es lo que obtienes".
Aumento de la productividad: comprensión a largo plazo de audio de 10 horas
Para campos profesionales, el nuevo modelo ofrece potentes capacidades de procesamiento estructurado:
Análisis profundo de video: Puede descomponer finamente el sujeto principal de la imagen, las relaciones entre personas y las fluctuaciones emocionales.
Segmentación automática: Admite entradas de audio de más de 10 horas y puede completar automáticamente la segmentación de capítulos de video y la anotación de marcas de tiempo, mejorando significativamente la eficiencia de la creación de contenido.
Ecosistema inclusivo: el precio es solo una décima parte de Gemini
La plataforma Alibaba Cloud Bailian ha lanzado simultáneamente tres API: Plus, Flash y Light, con el objetivo de proporcionar la solución más rentable para las empresas:
Costo extremadamente bajo: El costo de entrada por millón de Tokens es inferior a 0,8 yuanes, costando menos de una décima parte de Gemini-3.1Pro.
Liderazgo del mercado: Actualmente, Qwen ha atendido a más de un millón de clientes y sigue siendo la opción principal en el mercado de llamadas de modelos grandes a nivel empresarial en China.
Conclusión: De "comprender texto" a "percibir el mundo"
El lanzamiento de Qwen3.5-Omni
Zhou Shen presenta Moon Chronicle, prohibiendo explícitamente el entrenamiento de IA y la clonación de voz
El 1 de abril, el aclamado artista chino Zhou Shen lanzó «Yue Zhi Ji», la canción temática de la serie de fantasía histórica «Yue Lin Qi Ji». Incrustó un claro aviso de derechos de autor en la prelude y la letra de la pista, prohibiendo explícitament
Anthropic reconoce que sus modelos de IA vulneraron a tres empresas durante pruebas de seguridad
Anthropic anunció el jueves que una investigación interna reveló tres incidentes separados en los que su modelo de inteligencia artificial, Claude, vulneró los sistemas de tres organizaciones durante evaluaciones de ciberseguridad. Esta divulgación s
Meitu presenta RoboNeo, un agente de IA impulsado por el modelo HappyHorse de Alibaba, marcando un avance en la creación de videos
El 28 de abril, RoboNeo, un agente de IA de Meitu Company, anunció la integración de HappyHorse, un modelo de generación de vídeo multimodal de la División de Innovación ATH de Alibaba. Aprovechando Seedance 2.0, RoboNeo ha mejorado significativament











