Maison
Alibaba dévoile Qwen3.5-Omni, offrant des performances intermodales de premier ordre
Les principaux modèles d’IA de Chine évoluent rapidement de suiveurs à pionniers dans l’interaction multimodale.
Le 30 mars, Alibaba a dévoilé le modèle de grande taille multimodal de nouvelle génération, Qwen3.5-Omni. S’appuyant sur une architecture MoE à attention hybride, ce modèle permet des entrées et sorties fluides à travers les images, les vidéos, l’audio et le texte, positionnant les modèles de grande taille nationaux à l’avant-garde mondiale de l’interaction audiovisuelle.

Capacités complètes : 215 tâches maîtrisées, surpassant Gemini
Dans les indicateurs clés mesurant la force globale des grands modèles, Qwen3.5-Omni a démontré des performances exceptionnelles :
Leadership SOTA : Sur 215 cas de test couvrant la compréhension, la reconnaissance et l’interaction audio-visuelle, le modèle a obtenu des résultats de pointe (SOTA).
Performances supérieures : Dans des benchmarks tels que DailyOmni et QualcommInteractive, axés sur l’interaction audio-visuelle, ses scores ont largement dépassé ceux de Gemini-3.1Pro de Google.
Robustesse face au bruit : Lors du test WenetSpeech réalisé dans des environnements bruyants, sa précision de reconnaissance était remarquablement élevée, avec un taux d’erreur bien inférieur à celui des concurrents.
Innovation interactive : 113 langues prises en charge et programmation « Speak-to-Code »
Qwen3.5-Omni n’est pas seulement plus intelligent, il excelle également dans la compréhension des « dialectes » et du « code » :
Polyvalence linguistique : Il prend en charge la reconnaissance de 113 langues et dialectes, gérant avec précision des langues rares telles que le maori et le dialecte de Hainan.
Évolution du « Vibe Coding » : Il inaugure une nouvelle ère de programmation audio-visuelle. Les utilisateurs n’ont qu’à ouvrir la caméra et décrire leurs besoins, et le modèle peut directement générer des interfaces de prototype de produit avec une interface utilisateur complexe, réalisant véritablement « ce que vous dites est ce que vous obtenez ».
Augmentation de la productivité : Compréhension à long terme de l’audio sur 10 heures
Pour les domaines professionnels, le nouveau modèle offre des capacités puissantes de traitement structuré :
Analyse vidéo approfondie : Il peut décomposer finement le sujet principal de l’image, les relations entre les personnes et les fluctuations émotionnelles.
Segmentation automatique : Il prend en charge plus de 10 heures d’entrée audio et peut automatiquement effectuer la segmentation des chapitres vidéo et l’annotation des horodatages, améliorant considérablement l’efficacité de la création de contenu.
Écosystème inclusif : Le prix n’est que le dixième de celui de Gemini
La plateforme Alibaba Cloud Bailian a simultanément lancé trois API : Plus, Flash et Light, visant à fournir la solution la plus rentable pour les entreprises :
Coût extrêmement faible : Le coût d’entrée par million de Tokens est inférieur à 0,8 yuan, représentant moins du dixième du coût de Gemini-3.1Pro.
Leadership sur le marché : Actuellement, Qwen a servi plus d’un million de clients et reste le premier choix sur le marché des appels de modèles de grande taille au niveau des entreprises en Chine.
Conclusion : De la « compréhension du texte » à la « perception du monde »
Le lancement de Qwen3.5-Omni
Article connexe
Zhou Shen dévoile Moon Chronicle, interdisant explicitement l'entraînement des IA et le clonage de voix
Le 1er avril, l’artiste chinois de renom Zhou Shen a lancé « Yue Zhi Ji », la chanson-thème de la série fantastique historique « Yue Lin Qi Ji ». Il a intégré une mention claire des droits d’auteur dans l’introduction et les paroles du titre, interdi
Anthropic admet que ses modèles d’IA ont violé trois entreprises lors de tests de sécurité
Anthropic a annoncé jeudi qu’une enquête interne a révélé trois incidents distincts au cours desquels son modèle d’IA, Claude, a franchi les systèmes de trois organisations lors d’évaluations de cybersécurité. Cette divulgation fait écho à la révélat
Meitu dévoile RoboNeo, un agent d’IA alimenté par le modèle HappyHorse d’Alibaba, marquant une avancée majeure dans la création vidéo
Le 28 avril, RoboNeo, un agent d’IA de Meitu Company, a annoncé l’intégration de HappyHorse, un modèle de génération vidéo multimodale issu de la Division d’Innovation ATH d’Alibaba. S’appuyant sur Seedance 2.0, RoboNeo a considérablement amélioré la
Recommandations de sujets spéciaux liés
commentaires (0)
Les principaux modèles d’IA de Chine évoluent rapidement de suiveurs à pionniers dans l’interaction multimodale.
Le 30 mars, Alibaba a dévoilé le modèle de grande taille multimodal de nouvelle génération, Qwen3.5-Omni. S’appuyant sur une architecture MoE à attention hybride, ce modèle permet des entrées et sorties fluides à travers les images, les vidéos, l’audio et le texte, positionnant les modèles de grande taille nationaux à l’avant-garde mondiale de l’interaction audiovisuelle.

Capacités complètes : 215 tâches maîtrisées, surpassant Gemini
Dans les indicateurs clés mesurant la force globale des grands modèles, Qwen3.5-Omni a démontré des performances exceptionnelles :
Leadership SOTA : Sur 215 cas de test couvrant la compréhension, la reconnaissance et l’interaction audio-visuelle, le modèle a obtenu des résultats de pointe (SOTA).
Performances supérieures : Dans des benchmarks tels que DailyOmni et QualcommInteractive, axés sur l’interaction audio-visuelle, ses scores ont largement dépassé ceux de Gemini-3.1Pro de Google.
Robustesse face au bruit : Lors du test WenetSpeech réalisé dans des environnements bruyants, sa précision de reconnaissance était remarquablement élevée, avec un taux d’erreur bien inférieur à celui des concurrents.
Innovation interactive : 113 langues prises en charge et programmation « Speak-to-Code »
Qwen3.5-Omni n’est pas seulement plus intelligent, il excelle également dans la compréhension des « dialectes » et du « code » :
Polyvalence linguistique : Il prend en charge la reconnaissance de 113 langues et dialectes, gérant avec précision des langues rares telles que le maori et le dialecte de Hainan.
Évolution du « Vibe Coding » : Il inaugure une nouvelle ère de programmation audio-visuelle. Les utilisateurs n’ont qu’à ouvrir la caméra et décrire leurs besoins, et le modèle peut directement générer des interfaces de prototype de produit avec une interface utilisateur complexe, réalisant véritablement « ce que vous dites est ce que vous obtenez ».
Augmentation de la productivité : Compréhension à long terme de l’audio sur 10 heures
Pour les domaines professionnels, le nouveau modèle offre des capacités puissantes de traitement structuré :
Analyse vidéo approfondie : Il peut décomposer finement le sujet principal de l’image, les relations entre les personnes et les fluctuations émotionnelles.
Segmentation automatique : Il prend en charge plus de 10 heures d’entrée audio et peut automatiquement effectuer la segmentation des chapitres vidéo et l’annotation des horodatages, améliorant considérablement l’efficacité de la création de contenu.
Écosystème inclusif : Le prix n’est que le dixième de celui de Gemini
La plateforme Alibaba Cloud Bailian a simultanément lancé trois API : Plus, Flash et Light, visant à fournir la solution la plus rentable pour les entreprises :
Coût extrêmement faible : Le coût d’entrée par million de Tokens est inférieur à 0,8 yuan, représentant moins du dixième du coût de Gemini-3.1Pro.
Leadership sur le marché : Actuellement, Qwen a servi plus d’un million de clients et reste le premier choix sur le marché des appels de modèles de grande taille au niveau des entreprises en Chine.
Conclusion : De la « compréhension du texte » à la « perception du monde »
Le lancement de Qwen3.5-Omni
Zhou Shen dévoile Moon Chronicle, interdisant explicitement l'entraînement des IA et le clonage de voix
Le 1er avril, l’artiste chinois de renom Zhou Shen a lancé « Yue Zhi Ji », la chanson-thème de la série fantastique historique « Yue Lin Qi Ji ». Il a intégré une mention claire des droits d’auteur dans l’introduction et les paroles du titre, interdi
Anthropic admet que ses modèles d’IA ont violé trois entreprises lors de tests de sécurité
Anthropic a annoncé jeudi qu’une enquête interne a révélé trois incidents distincts au cours desquels son modèle d’IA, Claude, a franchi les systèmes de trois organisations lors d’évaluations de cybersécurité. Cette divulgation fait écho à la révélat
Meitu dévoile RoboNeo, un agent d’IA alimenté par le modèle HappyHorse d’Alibaba, marquant une avancée majeure dans la création vidéo
Le 28 avril, RoboNeo, un agent d’IA de Meitu Company, a annoncé l’intégration de HappyHorse, un modèle de génération vidéo multimodale issu de la Division d’Innovation ATH d’Alibaba. S’appuyant sur Seedance 2.0, RoboNeo a considérablement amélioré la











