Alibaba анонсировала обновленную версию своей мультимодальной модели Qwen3-Omni-Flash, которая теперь может обрабатывать текст, изображения, аудио и видео, а также отвечать голосом в режиме онлайн. В условиях жёсткой конкуренции на рынке, эта модель демонстрирует впечатляющие результаты в основных аудио-бенчмарках, сравниваясь с Gemini 2.5 Pro и опережая GPT-4o, который остается основным голосовым ассистентом в ChatGPT.
По данным тестов распознавания речи (ASR), Qwen3-Omni-Flash показывает ошибку 2,74% на английском языке и 2,19% на китайском, что ставит её выше конкурентов: Gemini 2.5 Pro с показателями 2,94% и 2,71%, а также GPT-4o с 3,32% и 2,44%. Особенно заметно преимущество Qwen в сложных задачах, таких как распознавание вокала: 5,85% ошибок против 9,85% у Gemini и 11,87% у GPT-4o.
Одним из значительных обновлений является увеличение числа поддерживаемых голосов с 17 до 49. Alibaba акцентирует внимание на том, что это не только разные тембры, но и полноценные «персонажи», начиная от различий в характере до моделей возрастов и манер речевой подачи. Среди языков озвучки доступны английский, китайский, французский, немецкий, русский, итальянский, испанский, португальский, японский и корейский. Распознавание речи теперь поддерживает 19 языков, включая арабский, турецкий, вьетнамский и кантонский. Также отмечено улучшение в способности модели следовать инструкциям, что позволяет лучше понимать запросы пользователей.
Важным фактором, отличающим Qwen3-Omni-Flash от конкурентов, является её конкурентоспособная цена. Стоимость составляет $0,43 (примерно 33 рубля) за миллион входных токенов и $2 (154 рубля) за миллион выходных. Для сравнения, стоимость использования GPT-4o варьируется от $2,50 до $10 за выходные токены, а Gemini 2.5 Pro стоит от $1,25 до $2,50 на входе и до $15 на выходе. Разница в цене делает Qwen3-Omni-Flash значительно более доступной опцией.
В свете недавних событий, когда правительство Китая запретило использование иностранных AI-чипов в государственных проектах, выход Qwen3-Omni-Flash приобретает несомненно важное значение. Alibaba сможет более эффективно конкурировать в условиях, когда предпочтение отдается местным технологиям. Эта новая версия доступна исключительно через Qwen API и облачные сервисы Alibaba, без возможности доступа к открытому коду. Такие изменения могут благоприятно сказаться как на развитии компании, так и на рынке AI в Китае.