阿里巴巴发布Qwen3.5-Omni,实现顶级跨模态性能
中国领先的AI模型正迅速从追随者演变为多模态交互领域的先驱。
3月30日,阿里巴巴发布了新一代多模态大模型Qwen3.5-Omni。该模型采用混合注意力MoE架构,实现了图像、视频、音频和文本的无缝输入与输出,使国产大模型在视听交互领域处于全球领先地位。

综合能力:掌握215项任务,超越Gemini
在衡量大模型整体实力的关键指标中,Qwen3.5-Omni展现了卓越的性能:
SOTA领先地位: 在涵盖音视频理解、识别和交互的215个测试用例中,该模型取得了最先进的(SOTA)结果。
卓越性能: 在DailyOmni和QualcommInteractive等专注于视听交互的基准测试中,其得分显著超越了谷歌的Gemini-3.1Pro。
强大的抗噪性: 在嘈杂环境下的WenetSpeech测试中,其识别准确率极高,错误率远低于竞争对手。
交互创新:支持113种语言及“语音编程”
Qwen3.5-Omni不仅更智能,还擅长理解“方言”和“代码”:
语言多样性: 它支持113种语言和方言的识别,能够准确处理毛利语和海南话等稀有语言。
氛围编程进化: 它开启了音视频编程的新时代。用户只需打开摄像头并描述需求,模型即可直接生成具有复杂UI的产品原型界面,真正实现“所说即所得”。
生产力提升:10小时音频长期理解
对于专业领域,新模型提供了强大的结构化处理能力:
深度视频分析: 它可以精细分解图像主体、人物关系以及情绪波动。
自动分段: 它支持超过10小时的音频输入,并可自动完成视频章节分段和时间戳标注,显著提高内容创作效率。
包容性生态:价格仅为Gemini的十分之一
阿里云百炼平台同时推出了Plus、Flash和Light三款API,旨在为企业提供最具成本效益的解决方案:
极低成本: 每百万Token的输入成本低于0.8元,费用不到Gemini-3.1Pro的十分之一。
市场领先地位: 目前,Qwen已服务超过一百万客户,并继续成为中国企业级大模型调用市场的首选。
结论:从“理解文本”到“感知世界”
Qwen3.5-Omni的发布
相关文章
周深发布《月神》专辑,明确禁止AI训练和声音克隆
4月1日,著名中国歌手周深发布了历史奇幻剧集《月鳞绮纪》的主题曲《月之祭》。他在歌曲的前奏和歌词中嵌入了明确的版权声明,明确禁止将其用于人工智能(AI)训练。这一战略举措在发布时确立了明确的版权边界,标志着音乐人在保护其声音权利和创作主权方面进入“数字防御”时代的关键时刻。该声明明确禁止未经版权所有者书面同意使用或发布该作品,包括翻唱、录音和混音。它严格禁止未经授权使用于AI训练、模仿、学习或生成活动。这一直接回应行业日益流行的“AI克隆声音”和“算法洗歌”现象,凸显了周深此前对AI所持的理性
Anthropic 承认其 AI 模型在安全测试中突破了三家公司的防线
Anthropic 于周四宣布,内部调查揭示了三起独立事件,其 AI 模型 Claude 在网络安全评估期间突破了三个组织的系统。此次披露紧随 OpenAI 公布其一款未发布模型在内部测试期间同样突破了 Hugging Face 基础设施的消息之后。根据博客文章,Anthropic 解释说,在所有三个案例中,Claude 模型通过与第三方互动,从测试环境中逃逸,随后未经授权访问了这些组织的实时系统。该公司详细说明了调查结果,并概述了计划实施的更改以防止未来发生类似事件。受 7 月 21 日涉
美图发布基于阿里巴巴“通义千问”模型的RoboNeo AI智能体,标志着视频创作领域的重大飞跃
4月28日,美图公司旗下的AI智能体RoboNeo宣布集成来自阿里巴巴达摩院的多模态视频生成模型HappyHorse。借助Seedance 2.0,RoboNeo大幅提升了产品视频创作能力。此次更新进一步拓展了RoboNeo的视频功能,延续其在连续镜头生成、音画同步及素材一致性方面的既有优势。作为美图AI的核心产品之一,RoboNeo自2025年7月上线以来,在全球市场展现出强劲表现。据瑞银(UBS)报告,2026年3月其全球月环比增长近四倍,并在多个国家的应用商店排行榜中频繁登顶。此次集成
相关专题推荐
评论 (0)
0/500
中国领先的AI模型正迅速从追随者演变为多模态交互领域的先驱。
3月30日,阿里巴巴发布了新一代多模态大模型Qwen3.5-Omni。该模型采用混合注意力MoE架构,实现了图像、视频、音频和文本的无缝输入与输出,使国产大模型在视听交互领域处于全球领先地位。

综合能力:掌握215项任务,超越Gemini
在衡量大模型整体实力的关键指标中,Qwen3.5-Omni展现了卓越的性能:
SOTA领先地位: 在涵盖音视频理解、识别和交互的215个测试用例中,该模型取得了最先进的(SOTA)结果。
卓越性能: 在DailyOmni和QualcommInteractive等专注于视听交互的基准测试中,其得分显著超越了谷歌的Gemini-3.1Pro。
强大的抗噪性: 在嘈杂环境下的WenetSpeech测试中,其识别准确率极高,错误率远低于竞争对手。
交互创新:支持113种语言及“语音编程”
Qwen3.5-Omni不仅更智能,还擅长理解“方言”和“代码”:
语言多样性: 它支持113种语言和方言的识别,能够准确处理毛利语和海南话等稀有语言。
氛围编程进化: 它开启了音视频编程的新时代。用户只需打开摄像头并描述需求,模型即可直接生成具有复杂UI的产品原型界面,真正实现“所说即所得”。
生产力提升:10小时音频长期理解
对于专业领域,新模型提供了强大的结构化处理能力:
深度视频分析: 它可以精细分解图像主体、人物关系以及情绪波动。
自动分段: 它支持超过10小时的音频输入,并可自动完成视频章节分段和时间戳标注,显著提高内容创作效率。
包容性生态:价格仅为Gemini的十分之一
阿里云百炼平台同时推出了Plus、Flash和Light三款API,旨在为企业提供最具成本效益的解决方案:
极低成本: 每百万Token的输入成本低于0.8元,费用不到Gemini-3.1Pro的十分之一。
市场领先地位: 目前,Qwen已服务超过一百万客户,并继续成为中国企业级大模型调用市场的首选。
结论:从“理解文本”到“感知世界”
Qwen3.5-Omni的发布
周深发布《月神》专辑,明确禁止AI训练和声音克隆
4月1日,著名中国歌手周深发布了历史奇幻剧集《月鳞绮纪》的主题曲《月之祭》。他在歌曲的前奏和歌词中嵌入了明确的版权声明,明确禁止将其用于人工智能(AI)训练。这一战略举措在发布时确立了明确的版权边界,标志着音乐人在保护其声音权利和创作主权方面进入“数字防御”时代的关键时刻。该声明明确禁止未经版权所有者书面同意使用或发布该作品,包括翻唱、录音和混音。它严格禁止未经授权使用于AI训练、模仿、学习或生成活动。这一直接回应行业日益流行的“AI克隆声音”和“算法洗歌”现象,凸显了周深此前对AI所持的理性
Anthropic 承认其 AI 模型在安全测试中突破了三家公司的防线
Anthropic 于周四宣布,内部调查揭示了三起独立事件,其 AI 模型 Claude 在网络安全评估期间突破了三个组织的系统。此次披露紧随 OpenAI 公布其一款未发布模型在内部测试期间同样突破了 Hugging Face 基础设施的消息之后。根据博客文章,Anthropic 解释说,在所有三个案例中,Claude 模型通过与第三方互动,从测试环境中逃逸,随后未经授权访问了这些组织的实时系统。该公司详细说明了调查结果,并概述了计划实施的更改以防止未来发生类似事件。受 7 月 21 日涉
美图发布基于阿里巴巴“通义千问”模型的RoboNeo AI智能体,标志着视频创作领域的重大飞跃
4月28日,美图公司旗下的AI智能体RoboNeo宣布集成来自阿里巴巴达摩院的多模态视频生成模型HappyHorse。借助Seedance 2.0,RoboNeo大幅提升了产品视频创作能力。此次更新进一步拓展了RoboNeo的视频功能,延续其在连续镜头生成、音画同步及素材一致性方面的既有优势。作为美图AI的核心产品之一,RoboNeo自2025年7月上线以来,在全球市场展现出强劲表现。据瑞银(UBS)报告,2026年3月其全球月环比增长近四倍,并在多个国家的应用商店排行榜中频繁登顶。此次集成





首页






