Uso primário declarado ou inferido com cautela a partir da documentação oficial.
Q
ALIBABA QWEN / qwen-audio-3.1-realtime-flash
Qwen Audio 3.1 Realtime Flash
Modelo de conversação duplex em tempo real com entrada e saída de texto e áudio. Suporta WebSocket, WebRTC e AOQ, ferramentas e clonagem de voz; não suporta enable_thinking.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | qwen-audio-3.1-realtime-flash |
|---|---|
| Tipo de modelo | Voz e áudio |
| Modelo de acesso | Proprietário pago |
| Licença | Proprietária |
| Implantação | API alojada |
| Lançamento | 27 OUT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto · Áudio |
| Saída | Texto · Áudio |
| Janela de contexto | 262.144 tokens |
| saída máxima | 16.384 tokens |
| Raciocínio | Não publicado |
| Ferramentas publicadas | Funções · Pesquisa na Web · Clonagem de voz |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Alibaba Cloud Model Studio |
Assistentes de voz com deteção de turnos, interação contínua e ferramentas externas, após validar permissões, qualidade e latência de ponta a ponta.
A pesquisa web e as funções não podem ser ativadas simultaneamente. A entrada máxima é de 245.760 tokens; o histórico sonoro suporta até 50 turnos e 300 segundos, não áudio ilimitado.
03 / CAPACIDADES
O que pode fazer
Orientação
Assistentes de voz com deteção de turnos, interação contínua e ferramentas externas, após validar permissões, qualidade e latência de ponta a ponta.
Contexto
262.144 tokens · 16.384 tokens
Ferramentas e integração
Funções · Pesquisa web · Clonagem de voz
Acesso
Alibaba Cloud Model Studio
Modalidades de entrada
TextoÁudio
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | 0,23 USD / 1M de tokens de texto | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | 0,70 USD / 1M de tokens de texto | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Singapura, USD por milhão de tokens: texto 0,23 de entrada e 0,70 de saída; áudio 0,93 e 1,87. Se a resposta incluir voz, o texto acompanhante não é cobrado separadamente. Pequim tem preços próprios; os campos numéricos comparáveis refletem apenas texto em Singapura.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
Não foram verificadas pontuações públicas específicas desta versão Flash. Não se transferem classificações do Qwen Audio 3.0 nem resultados da variante Plus.
i Sem pontuações verificadas para este checkpoint.
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
Qwen Audio 3.1 Realtime Flash
Versão incorporada no catálogo verificado da Inferama.
07 / FONTES