3月30日，阿里发布新一代全模态大模型Qwen3.5-Omni，在音视频理解、跨模态推理等215项任务中取得SOTA，超越Gemini-3.1 Pro，成为全球最强全模态模型之一。该模型支持113种语言及方言识别，具备音视频Vibe Coding能力，可基于用户口述需求生成复杂产品代码。采用混合注意力MoE架构，Qwen3.5-Omni在DailyOmni、WenetSpeech等多项测试中表现优异，抗干扰能力强，多语言语音生成质量领先。此外，模型能实时交互、调用工具，并精准拆解音视频内容，适用于短视频、直播、游戏等行业。目前，开发者可通过阿里云百炼平台调用，每百万Tokens成本不到0.8元，已服务超100万家企业客户。