Qwen3-Omni-30B-A3B-Instruct
Tentang Qwen3-Omni-30B-A3B-Instruct
Qwen3-Omni-30B-A3B-Instruct adalah anggota dari seri terbaru Qwen3 dari tim Qwen Alibaba. Ini adalah model Mixture of Experts (MoE) dengan total 30 miliar parameter dan 3 miliar parameter aktif, yang secara efektif mengurangi biaya inference sambil mempertahankan kinerja yang kuat. Model ini dilatih pada data multibahasa, multi-sumber, dan berkualitas tinggi, menunjukkan kinerja yang sangat baik dalam kemampuan dasar seperti dialog multibahasa, serta dalam pengkodean dan matematika.
Jelajahi bagaimana kemampuan multimodal dan multibahasa Qwen3-Omni-30B-A3B-Instruct yang canggih dapat memecahkan masalah dunia nyata yang kompleks.
Pembuatan Konten Multimodal
Hasilkan dan perbaiki beragam konten—Text, Image, Audio, Video—dengan memastikan koherensi dan konsistensi merek di semua format.
Contoh Kasus Penggunaan:
"Dari ringkasan Text, Model ini menghasilkan skrip video pemasaran, memilih Image stok yang relevan, dan menyintesis narasi suara yang terdengar alami dalam tiga bahasa, secara signifikan mengurangi waktu produksi."
Dukungan Multibahasa Waktu Nyata
Menyediakan bantuan pelanggan instan dengan suara alami dalam berbagai bahasa dan modalitas, termasuk suara, Chat, dan analisis Video.
Contoh Kasus Penggunaan:
"Seorang pelanggan yang berbicara dalam bahasa Prancis menunjukkan perangkat yang rusak melalui panggilan Video; AI segera memahami masalahnya, memberikan langkah pemecahan masalah secara verbal dalam bahasa Prancis, dan menampilkan diagram yang relevan."
Analisis Media Lanjutan
Ekstrak wawasan mendalam yang dapat ditindaklanjuti dari arsip Audio dan Video yang luas, mengidentifikasi objek, mentranskripsi ucapan, dan mendeteksi peristiwa kompleks.
Contoh Kasus Penggunaan:
"Secara otomatis mengindeks jam video keamanan, mengidentifikasi Model kendaraan tertentu, mentranskripsi percakapan di lingkungan berisik, dan menandai pola suara tidak biasa seperti kaca pecah."
Pembelajaran & Pelatihan Interaktif
Ciptakan pengalaman belajar yang dinamis dan personal dengan umpan balik multimodal, pemecahan masalah, dan pengiriman konten adaptif.
Contoh Kasus Penggunaan:
"Seorang mahasiswa teknik mengupload diagram sirkuit tulisan tangan; AI menjelaskan secara verbal kesalahan desainnya, membimbing mereka melalui koreksi, dan memberikan umpan balik waktu nyata pada gambar revisi mereka."
Metadata
Spesifikasi
Negara
Deprecated
Arsitektur
Multimodal MoE
Terkalibrasi
Tidak
Campuran Ahli
Ya
Total Parameter
30B
Parameter yang Diaktifkan
3B
Penalaran
Tidak
Precision
FP8
Text panjang konteks
66K
Max Tokens
66K
Bandingkan dengan Model Lain
Lihat bagaimana model ini dibandingkan dengan yang lain.
Qwen
chat
Qwen3-VL-32B-Instruct
Dirilis pada: 21 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens
Qwen
chat
Qwen3-VL-32B-Thinking
Dirilis pada: 21 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Instruct
Dirilis pada: 15 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.18
/ M Tokens
Output:
$
0.68
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Thinking
Dirilis pada: 15 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.18
/ M Tokens
Output:
$
2
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Instruct
Dirilis pada: 4 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.3
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Thinking
Dirilis pada: 4 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.45
/ M Tokens
Output:
$
3.5
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Instruct
Dirilis pada: 5 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Thinking
Dirilis pada: 11 Okt 2025
Total Context:
262K
Max output:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens
Qwen
image-to-video
Wan2.2-I2V-A14B
Dirilis pada: 13 Agu 2025
$
0.29
/ Video
