Qwen Audio 3.0 Realtime Flash
Alibaba · Chine
- Poids fermés (selon Artificial Analysis)
En bref : 6e sur 12 à l'indice voix à voix d'Artificial Analysis ; 13e sur 38 en raisonnement à l'écoute (Big Bench Audio) ; 4e sur 31 en tenue de la conversation (Full Duplex Bench) (ex æquo à valeur égale) ; 29e sur 34 au délai avant le premier son.
Présentation
Édition Flash du modèle de dialogue vocal en duplex d'Alibaba, servie par l'API Model Studio et réglée pour répondre vite. Elle s'appuie sur l'inférence parallèle et un traitement entièrement en flux. Lu sur alibabacloud.com, le 23/10/2026.
- Sortie
- 10 août 2026 lu sur la page de l'éditeur
Langues
- Évaluées par nos sources : anglais.
- Le français : pas évalué en français par nos sources.
Ses 4 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Voix à voix
Indice voix à voix d'Artificial Analysis
6e sur 12indice sur 100 76,3
Coût mesuré : 4,77 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
- En anglais · Voix à voix
Raisonnement à l'écoute, Big Bench Audio
13e sur 38part de réussite 96,1 %
Coût mesuré : 4,77 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
- En anglais · Voix à voix
Tenue de la conversation, Full Duplex Bench
4e sur 31part de réussite 97,0 %
Coût mesuré : 4,77 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
- En anglais · Voix à voix
Délai avant le premier son
29e sur 34délai avant le premier son 1,55 s
Coût mesuré : 4,77 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
Modèles proches
- Indice voix à voix d'Artificial Analysis : devant, GPT-Realtime-2 (5e, 77,2) · derrière, Grok Voice 1.0 (7e, 75,7)
- Raisonnement à l'écoute, Big Bench Audio : devant, GPT-Realtime-2 (11e, 96,6 %) · derrière, GPT-Realtime-2.1 (14e, 95,8 %)
- Tenue de la conversation, Full Duplex Bench : devant, Grok Voice 3.0 (même rang, 97,0 %) · derrière, Gemini 3.8 Live (6e, 96,1 %)
- Délai avant le premier son : devant, Qwen Audio 3.0 Realtime Plus (28e, 1,54 s) · derrière, Qwen3.5-Omni-Plus-Realtime (30e, 2,64 s)
Comment lire ces chiffres
Voix à voix : Un agent vocal écoute et répond de vive voix. Artificial Analysis le mesure sur plusieurs épreuves en anglais : son indice les résume sur 100, Big Bench Audio compte les bonnes réponses à des questions posées à l'oral, la tenue de la conversation compte les situations bien gérées (pauses, interruptions), plus c'est haut, mieux c'est ; le délai avant le premier son se lit à l'inverse, plus il est court, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis (voix à voix) :
Qwen Audio 3.0 Realtime Flash - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://www.alibabacloud.com/help/en/model-studio/newly-released-models (« Realtime chat 2026-08-10 International qwen-audio-3.0-realtime-flash Qwen 3.0 Realtime Speech Dialogue Model Flash Edition - a next-generation duplex speech model »), 23/10/2026
- https://www.alibabacloud.com/help/en/model-studio/newly-released-models (« Combines high intelligence with optimized duplex rhythm for low-latency (parallel inference, full-streaming optimization) 'fast and smart' dialogue experience focusing on response speed. »), 23/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, la voix à voix, ou cette fiche en texte.