IT之家 12 月 11 日消息，阿里 Qwen 團(tuán)隊(duì)于 2025 年 12 月 9 日發(fā)布博文，宣布推出新一代原生全模態(tài)大模型 Qwen3-Omni-Flash-2025-12-01，該模型在 Qwen3-Omni 基礎(chǔ)上進(jìn)行了全面升級，支持文本、圖像、音視頻的無縫輸入與實(shí)時流式輸出。

IT之家援引博文介紹，該模型不僅能無縫處理文本、圖像、音頻和視頻等多種輸入形式，還能通過實(shí)時流式響應(yīng)，同步生成高質(zhì)量的文本與自然語音。

作為 Qwen3-Omni 的全面升級版，新模型在保持高效響應(yīng)的同時，著重解決了此前多模態(tài)交互中存在的痛點(diǎn)，致力于實(shí)現(xiàn)“聲形意合，令出智隨”的極致體驗(yàn)。

針對口語化場景中常見的“降智”問題，Qwen3-Omni-Flash 大幅增強(qiáng)了對音視頻指令的理解與執(zhí)行能力。新模型顯著提升了多輪對話的穩(wěn)定性與連貫性，徹底告別了以往語音生成中語速拖沓、機(jī)械呆板的現(xiàn)象。

現(xiàn)在，模型能根據(jù)文本內(nèi)容自適應(yīng)調(diào)節(jié)語速、停頓與韻律，其語音表現(xiàn)的自然度與擬人化程度已逼近真人水平，為用戶帶來更流暢的對話體驗(yàn)。

此次升級最引人注目的功能是系統(tǒng)提示（System Prompt）控制能力的飛躍。Qwen 團(tuán)隊(duì)全面開放了 System Prompt 自定義權(quán)限，用戶可以精細(xì)調(diào)控模型的行為模式 —— 無論是設(shè)定“甜妹”、“御姐”或“日系”等特定人設(shè)風(fēng)格，還是調(diào)整口語化表達(dá)偏好及回復(fù)長度，模型均能精準(zhǔn)執(zhí)行。

此外，模型的多語言能力也更加可靠，支持 119 種文本語言交互、19 種語音識別語言及 10 種語音合成語言，確保在跨語言場景下響應(yīng)準(zhǔn)確一致。

在客觀性能指標(biāo)上，Qwen3-Omni-Flash-2025-12-01 展現(xiàn)了強(qiáng)大的統(tǒng)治力。數(shù)據(jù)顯示，該模型在邏輯推理任務(wù)（ZebraLogic）上得分提升 5.6，在代碼生成（LiveCodeBench-v6）上提升 9.3，在多學(xué)科視覺問答（MMMU）上提升 4.7。這些數(shù)據(jù)表明，新模型不僅能更準(zhǔn)確地“看懂”圖像與視頻內(nèi)容，還在復(fù)雜指令遵循與深度邏輯分析上邁上了新臺階。

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。