Qwen3.5-Omni-Flash-Realtime
Alibaba · Chine
- Poids fermés (selon Artificial Analysis)
En bref : 29e sur 38 en raisonnement à l'écoute (Big Bench Audio) ; 9e sur 34 au délai avant le premier son.
Présentation
Version temps réel de Qwen3.5-Omni Flash, le modèle omnimodal d'Alibaba, servie par l'API Qwen-Omni-Realtime en flux audio et image. Elle répond en voix, appelle des fonctions, fait des recherches web et détecte les interruptions selon le sens. Lu sur alibabacloud.com, le 23/10/2026.
- Sortie
- 26 mars 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 60+ langues en entrée audio, 30+ en sortie vocale. Lu sur alibabacloud.com.
- Évaluées par nos sources : anglais.
- Le français : pas évalué en français par nos sources.
Ses 2 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
Raisonnement à l'écoute, Big Bench Audio
29e sur 38part de réussite 59,0 %
Coût mesuré : 0 $ 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
9e sur 34délai avant le premier son 0,79 s
Coût mesuré : 0 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
Modèles proches
- Raisonnement à l'écoute, Big Bench Audio : devant, GPT-Realtime Mini (28e, 63,6 %) · derrière, Qwen3 Omni 30B A3B Instruct (flash) (30e, 58,7 %)
- Délai avant le premier son : devant, Grok Voice Fast 1.0 (8e, 0,78 s) · derrière, GPT-Realtime Mini (10e, 0,81 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) :
Qwen3.5 Omni Flash Realtime - Fiche
- Registre de QUELLE IA.
- Pages lues
- https://www.alibabacloud.com/help/en/model-studio/newly-released-models (« Realtime omni-modal 2026-03-26 International qwen3.5-omni-flash-realtime qwen3.5-omni-flash-realtime-2026-03-15 Qwen 3.5-Omni is the latest generation of Qwen's multimodal large model, supporting text, image, audio, and audio-visual understanding and interaction. As a fully evolved version of Qwen3-Omni, it supports audio input in 60+ languages, voice output in 30+ languages, and controllable voice dialogue, WebSearch and complex FunctionCall invocation, and has intelligent semantic interruption interaction capabilities. »), 23/10/2026
- https://www.alibabacloud.com/help/en/model-studio/realtime (« Qwen-Omni-Realtime processes streaming audio and image inputs (including video frames) and generates text and audio responses in real time. »), 23/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, la voix à voix, ou cette fiche en texte.