Uso principal declarado o inferido con cautela desde la documentación oficial.
Q
ALIBABA QWEN / qwen-audio-3.1-realtime-flash
Qwen Audio 3.1 Realtime Flash
Modelo de conversación dúplex en tiempo real con entrada y salida de texto y audio. Admite WebSocket, WebRTC y AOQ, herramientas y clonación de voz; no admite enable_thinking.
01 / RESUMEN
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
02 / FICHA TÉCNICA
Límites e integración
| ID de API | qwen-audio-3.1-realtime-flash |
|---|---|
| Tipo de modelo | Voz y audio |
| Modelo de acceso | Propietario de pago |
| Licencia | Propietaria |
| Despliegue | API alojada |
| Lanzamiento | 27 OCT 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto · Audio |
| Salida | Texto · Audio |
| Ventana de contexto | 262.144 tokens |
| Salida máxima | 16.384 tokens |
| Razonamiento | No publicado |
| Herramientas publicadas | Funciones · Búsqueda web · Clonación de voz |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Alibaba Cloud Model Studio |
Asistentes de voz con detección de turnos, interacción continua y herramientas externas, tras validar permisos, calidad y latencia de extremo a extremo.
Búsqueda web y funciones no se activan simultáneamente. La entrada máxima es de 245.760 tokens; el historial sonoro admite hasta 50 turnos y 300 segundos, no audio ilimitado.
03 / CAPACIDADES
Qué puede hacer
Orientación
Asistentes de voz con detección de turnos, interacción continua y herramientas externas, tras validar permisos, calidad y latencia de extremo a extremo.
Contexto
262.144 tokens · 16.384 tokens
Herramientas e integración
Funciones · Búsqueda web · Clonación de voz
Acceso
Alibaba Cloud Model Studio
Modalidades de entrada
TextoAudio
04 / PRECIOS
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | 0,23 USD / 1M tokens de texto | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | 0,70 USD / 1M tokens de texto | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
Singapur, USD por millón de tokens: texto 0,23 de entrada y 0,70 de salida; audio 0,93 y 1,87. Si la respuesta incluye voz, el texto acompañante no se cobra aparte. Pekín tiene tarifas propias; los campos comparables numéricos reflejan solo texto en Singapur.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
05 / EVALUACIONES
Cómo leer los resultados
“
No se han verificado puntuaciones públicas específicas de esta versión Flash. No se transfieren clasificaciones de Qwen Audio 3.0 ni resultados de la variante Plus.
i Sin puntuaciones verificadas para este checkpoint.
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
06 / VERSIONES
Cronología
Qwen Audio 3.1 Realtime Flash
Versión incorporada al catálogo verificado de Inferama.
07 / FUENTES