阿里又一个王炸！Qwen3.5-Omni 全模态硬核实测

兄弟们，源神又发力了！

阿里刚刚发布了最新一代全模态大模型 Qwen3.5-Omni，在通用音频理解、推理、翻译和对话等维度，已全面超越 Gemini 3.1 Pro。

所谓全模态，在于它拥有了接近人类的“感官”。它能听、能看、能说、能写。

其实上一代 Omni 就已经很猛了，但这次 3.5 版本经过超过 1 亿小时原生音视频数据的淬炼，直接在 216 项音视频 Benchmark 里刷出了 SOTA 成绩。

我用三句话总结一下这次的升级幅度：

架构大换血： Thinker 和 Talker 模块均升级为混合注意力 MoE 架构，提供大中小三个尺寸，从云到端全覆盖。

256K 超长上下文： 能一口气吃透 10 小时的会议录音，或者 400 多秒的 720P 视频。

语种库扩容： 直接支持多达 113 种语种方言的精准识别，以及 36 种语音生成。相比上代翻了好几倍。

既然参数这么顶，实战到底能不能打？废话不多说，我们直接进入极限测试

测试一、Vibe Coding 跨代

这个是我最期待的功能，也是我觉得最能体现 Qwen3.5-Omni 代际升级的能力。

莫理之前写过不少关于 Vibe Coding 的内容，从最早的用文字描述需求，到后来的给AI看一张图，但这些本质上还是文字和图片作为输入。

而 Qwen3.5-Omni 把这件事推到了一个新阶段，我们可以给 AI 一个完整需求的视频，它就能直接帮你落地。真正实现了音视频 Vibe Coding。

为了验证这一点，我在 A4 纸上画了一个非常粗糙的产品手绘稿，就是一个外卖点餐页面的草图。然后用手机录了一段视频，一边拍这个手绘稿一边说着话描述交互逻辑：

然后把这段视频直接丢给Qwen3.5-Omni，让它根据视频内容，制作符合要求的 html 文件。

它不仅听懂了我说的每一个交互逻辑，还看懂了我画的那个潦草的手绘稿，先是仔细分析了我的需求，说明了网页包含的内容，最后直接输出了一套带有完整UI的前端代码。

搜索栏、分类标签、菜品列表、加减按钮、底部购物车，全都有，而且交互逻辑和我口述的基本一致。甚至我在草图中没有画出来的底部购物车展开页面，它只听我说，就记住了要求。

从打字到动嘴，从画原型到拍视频，Vibe Coding 的门槛被再次击穿

哪怕是完全不懂技术的业务人员，只需像跟同事开会一样边画边聊，AI 就能将想法转化为可运行的代码。这对整个开发流程来说，无疑是降维打击。

测试二：实时语音对话

这个环节，我原本是抱着找茬的心态来的。因为市面上的语音助手大多有个通病：要么疯狂抢话，要么反应极其迟钝（比如你说句“嗯嗯”，它就以为你在下指令而强行打断）。

但 Qwen3.5-Omni 这次强化的“语义打断”，据称能精准区分用户的真实指令与无意识附和。为了探探它的底，莫理专门设计了一个充满陷阱的实战场景——“武汉一日游规划”，连续对它进行四重抗压测试：

① 联网搜索

得益于原生支持 WebSearch，我先让它查武汉明天的天气，并推荐 3 个适合带老人小孩的户外景点。它准确播报天气后，顺势推荐了地势平坦的东湖绿道，起步很稳。

② 无意识附和识别

当它滔滔不绝介绍东湖时，我故意用极其随意的语气插话：“嗯”、“哦，这样啊”。关键点来了：Qwen3.5-Omni 毫无波澜。它没有卡顿，没有傻乎乎地回一句“我在”，而是保持原有节奏继续介绍。也就是说，它知道这是人类交流时习惯性的附和，而非打断指令。

③ 强语义打断与需求急转弯

这是最核心的测试。当它介绍到第二个景点时，我突然提高音量：“哎等一下！别说了。我突然想起来……” 就在听到“等等”的瞬间，系统干净利落地闭嘴了。没有把剩余的半句话硬憋出来。紧接着，我要求把户外景点全换成室内无障碍场所，它在几秒内迅速完成了逻辑的转弯，给出了全新方案。

④ 短期记忆回溯

最后莫理还设了一个陷阱。

我问它：“你最开始给我推荐的第一个户外景点是哪儿来着？附近有吃正宗热干面的地方吗？”。

要知道“东湖绿道”已经是好几轮对话之前且被打断的信息了。结果它不仅精准调取了记忆，还给出了一份极其诚实的美食攻略。回看聊天记录，它把我说瓢的那几个字也给自动修复了

这套行云流水的表现，已经完全达到了一个优秀人类助理的基准线。联网、识音、急停、回溯，四个能力全部满分通过。该听时听，该停时停，交流质感与真人无异。

并且，它还支持端到端的语音控制，可调节情绪、音量，甚至支持音色克隆。甚至于你可以让模型像人一样遵循指令来对声音的大小、语速、情绪等自由控制。

测试三：复杂音频与方言解析

最后，我们来看看它在多语言和复杂声学环境下的解析力。

① 高噪环境 + 多方言混杂

我找了一段极具年味的“各地方言拜年合集”。这段 34 秒的音频里，不仅有男女老少混杂的普通话与各地方言，还有嘈杂的乐器音。

在转录指令下达后，不到十秒就完成了带有时间戳的逐句分析。

这个输出结果确实意外。

因为这段音频的声学环境极其恶劣，全程都伴随着高分贝的背景音乐。但最让人惊喜的，是它展现出来的推理深度，是真正听懂了方言背后的文化特征：

你仔细看分析过程，它把判断依据讲得清清楚楚：

面对四川话，是因为“乐”和“康”在西南方言里的声调起伏；听到“老少爷们”、“吃嘛嘛都香”，就能凭借这些极具地方特色的词汇锁定天津话；甚至连台湾腔那种语速平缓、咬字温柔的声学特质，都被它敏锐地解析了出来。这已经完全脱离了传统语音识别单纯听字的范畴

② 粤语俚语 + 情绪音效解析

拜年那个还算规矩，我又找了个更刁钻的，一段粤语麻将梗的搞笑音频。

这段音频 32 秒，一个女生用撒娇又带点俏皮的语气反复问对方"你想我叫牌呀？"，中间还夹杂着弹簧声、whoosh音效，结尾还有突兀的牛叫。

结果同样令我惊叹。它不仅一字不差地转录了“你唔出声，我点知你想我叫牌呢”这种极具地方特色的俚语。

还可以让它交付一份音频特征报告，从说话人的性别、语气，到背景音乐的节奏感，再到那几个搞笑的物理音效，全部分门别类地标注得清清楚楚。

从这几个刁钻的测试不难看出，Qwen3.5-Omni 在多语种和复杂音频环境下的解析力，已经具备了极高的商用价值。对于出海企业或需要高频处理跨国会议的团队来说，无疑是重塑工作流的顶级利器。

压轴测试：视频深度解析

刚才我们测的都是极端条件下的纯音频环境。但既然叫全模态，音画高度协同的理解能力也必须得拉出来溜溜。这几天我正好被拉片折磨得够呛，干脆就把这个纯粹拿命熬的苦力活丢给了它。

我找了一段两分半的《沙丘》预告片，给它的指令非常直接：“对视频进行切片，标注时间戳，细致分析每个镜头的构图、色彩和运镜。”

为了直观，我截取了其中两个反差比较大的切片节点，大家可以看一下它的原话：

00:10.500 – 00:19.700

画面突变为辽阔沙漠远景，暖黄色调，阳光洒满沙丘。一对年轻男女坐在帐篷内，女子头带蓝色发带，男子轻抚她肩膀。两人低声交谈，字幕同步出现：“如果我们有女儿…给她取甚么名字？”、“她的名字会是甘尼玛”。镜头由中景推近至面部特写，捕捉眼神交流，背景虚化，突出情感细腻。

00:54.000 – 01:04.800

快速剪辑战斗场面：激光束划破夜空、爆炸碎片四溅。镜头多用手持晃动模拟临场感，配合激昂合唱与鼓点。字幕：“我越是战斗，敌人就越会反击”。视觉冲击力强，节奏紧凑。

平心而论，作为一份由机器生成的拉片报告，已经非常扎实了。

学过影视的同学都知道拉片有多折磨人。以前这就是个纯体力活，你得一帧帧按空格键暂停，肉眼死抠画面，再把构图法则、调色倾向、镜头的推拉摇移以及背景配乐的情绪变化。

但你看 Qwen3.5-Omni 的输出，它没有在这里给你强行抒情或者瞎编剧情，而是像一个极其严谨的场记。它不仅准确踩中了时间轴上的每一个切分点，还能准确抓取了“低角度仰拍”与“心理张力”的对应关系，看懂了武戏里“手持晃动”带来的临场感，甚至连背景音里“低频弦乐”和“激昂合唱”的切换都没放过。

它在做的事情，本质上是把一段极其复杂、非结构化的音视频流，扒成了一份高度结构化的数据字典。对于影视创作者找视听参考、或者相关专业的学生做拉片分析来说，这省下的是结结实实的几个小时的“垃圾时间”。

写在最后

从刚才那些实测场景中抽离出来，纵观整个赛道，这两年国产大模型的进化速度，用一个“卷”字都不足以形容。

我们见证了它从最初只能单纯敲字聊天，到后来学会看图写诗，再到今天 Qwen3.5-Omni 展现出的全模态融合：听、看、说、写、实时交互，一气呵成。

256K 的超长上下文、10 小时的极限音频解析、113 种语种方言精准识别、音视频原生的 Vibe Coding、真人级别的语义打断、甚至音色克隆与原生 WebSearch 工具调用……

这些能力单拎出来，每一个都足够硬核。但它最恐怖的地方在于，它们都生长在同一个底层架构里，是一种真正意义上的原生全模态，而不是靠多个单模态模型东拼西凑出来的“缝合怪”。

这种底层技术的质变，可以说在 B 端产业界撕开了一个巨大的想象空间。比如海量短视频和直播智能审核、长视频平台的自动打标签分类。

而对于我们普通玩家来说，你可以把 Qwen3.5-Omni 当成“龙虾”的大脑，让它去后台挂机收听那些动辄几小时的硬核播客、纪录片或者公开课。

纸上得来终觉浅。目前模型已经全面开放，想要亲自给它上上强度的兄弟们，即刻就可以登录阿里云百炼以及 Qwen Chat 去实操体验啦

Qwen Chat: https://chat.qwen.ai

API 离线(国内):

https://help.aliyun.com/zh/model-studio/qwen-omni

API 实时(国内):

https://help.aliyun.com/zh/model-studio/realtime

文章来自于微信公众号 "莫理"，作者 "莫理"