关于Qwen3-Omni-30B-A3B-Instruct
Qwen3-Omni-30B-A3B-Instruct 是阿里巴巴 Qwen 团队最新 Qwen3 系列中的一员。它是一个专家混合（MoE）模型，具有 300 亿个总参数和 30 亿个活跃参数，可以有效降低推理成本，同时保持强大的性能。该模型经过基于高质量、多来源和多语言数据的训练，在多语言对话等基本能力以及代码、数学等方面表现出色。
探索Qwen3-Omni-30B-A3B-Instruct的高级Multimodal和多语言能力如何解决复杂的现实世界问题。
Multimodal内容创作
生成并完善多样化内容——Text，Images，Audio，Video——确保所有格式的一致性和品牌一致性。
使用案例示例：
"从Text简报中，模型生成了一个营销Video脚本，选择了相关的库存Images，并用三种语言合成了自然声音的旁白，大大减少了生产时间。"
实时多语言支持
在多种语言和模态下提供即时自然语言的客户帮助，包括语音、Chat和Video分析。
使用案例示例：
"一个说法语的客户通过Video通话展示了一个故障设备；AI立即理解问题，以法语提供口头故障排除步骤，并显示相关的图解。"
高级媒体分析
从大量Audio和Video档案中提取深刻的可操作见解，识别物体，转录语音，并检测复杂事件。
使用案例示例：
"自动索引了数小时的安全录像，识别特定车辆模型，转录噪音环境中的对话，并标记异常的声音模式，如玻璃破碎。"
互动学习与培训
通过Multimodal反馈、问题解决和自适应内容交付创建动态、个性化的学习体验。
使用案例示例：
"一位工程学学生上传了一张手绘电路图；AI口头解释了设计缺陷，指导他们进行修正，并对他们修正后的图纸提供实时反馈。"
元数据
规格
州
Deprecated
建筑
Multimodal MoE
校准的
不
专家混合
是
总参数
30B
激活的参数
3B
推理
不
精度
FP8
上下文长度
66K
最大输出长度
66K
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
Qwen
chat
Qwen3-VL-32B-Instruct
发行日期：2025年10月21日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens
Qwen
chat
Qwen3-VL-32B-Thinking
发行日期：2025年10月21日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Instruct
发行日期：2025年10月15日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.18
/ M Tokens
Output:
$
0.68
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Thinking
发行日期：2025年10月15日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.18
/ M Tokens
Output:
$
2
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Instruct
发行日期：2025年10月4日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.3
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Thinking
发行日期：2025年10月4日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.45
/ M Tokens
Output:
$
3.5
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Instruct
发行日期：2025年10月5日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Thinking
发行日期：2025年10月11日
上下文长度：
262K
最大输出长度：
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens
Qwen
image-to-video
Wan2.2-I2V-A14B
发行日期：2025年8月13日
$
0.29
/ Video
