阿里千问发布全模态大模型 Qwen3.5-Omni，支持音视频理解与代码生成等多项能力

阿里千问近日发布全模态大模型 Qwen3.5-Omni，可无缝理解文本、图片、音频及音视频输入，支持 256K 超长上下文与 113 种语言识别，原生集成 WebSearch 和复杂工具调用，能自主完成信息查询与任务执行。

该模型具备自然涌现的音视频 Vibe Coding 能力，可根据画面生成代码；还支持语义打断、音色克隆及语音控制，让对话更贴近真人交互。此外，它能生成带时间戳的细粒度音视频 Caption，帮助结构化长视频内容。

Qwen3.5-Omni 在 215 项任务中取得 SOTA 成绩，在音频及音视频分析等方向超越 Gemini3.1-Pro。用户可通过阿里云百炼调用其 API，提供 Plus、Flash、Light 三种尺寸以适配不同场景需求。