阿里发布全模态模型 Qwen3.5-Omni：对着镜头说话就能写网页
阿里 Qwen 团队发布原生全模态模型 Qwen3.5-Omni。它能同时理解文本、图像、音频和视频，主打「视听 Vibe Coding」，用户对着摄像头描述需求就能直接生成网站或小游戏。其音频表现超越 Gemini-3.1 Pro，原生支持处理 10 小时音频或 400 秒视频。
阿里 Qwen 团队发布原生全模态模型 Qwen3.5-Omni。它能同时理解文本、图像、音频和视频，主打「视听 Vibe Coding」，用户对着摄像头描述需求就能直接生成网站或小游戏。其音频表现超越 Gemini-3.1 Pro，原生支持处理 10 小时音频或 400 秒视频。