近日，阿里Qwen团队推出新一代原生全模态大模型Qwen3-Omni-Flash-2025-12-01，该模型在Qwen3-Omni基础上实现全面升级，支持文本、图像、音视频的无缝输入与实时流式输出。新模型通过同步生成高质量文本和自然语音，显著提升了多模态交互体验，彻底解决了此前语音生成中语速拖沓、机械呆板的问题，其语音自然度已逼近真人水平。
此次升级的核心亮点是系统提示（System Prompt）控制能力的突破。用户可自由设定“甜妹”“御姐”或“日系”等AI人设风格，并精准调节口语化表达偏好及回复长度。此外，模型的多语言能力全面增强，支持119种文本语言交互、19种语音识别语言及10种语音合成语言，确保跨场景响应一致性。在性能表现上，Qwen3-Omni-Flash在逻辑推理（ZebraLogic）、代码生成（LiveCodeBench-v6）和多学科视觉问答（MMMU）等任务中分别提升5.6、9.3和4.7分，展现出更强的视觉内容理解与逻辑分析能力。
阿里团队表示，新模型致力于实现“声形意合，令出智随”的交互体验，其技术突破将为教育、娱乐、客服等领域提供更智能的解决方案。随着多模态AI竞争加剧，Qwen3-Omni-Flash的推出进一步巩固了阿里在全球AI生态中的技术领先地位。
原创文章，作者：小丸子，如若转载，请注明出处：https://www.kejixun.co/article/740755.html
