第6章 选择模型

阿里云百炼提供千问及第三方模型服务，覆盖文本、图像、音频、视频等多种模态。 ​文本生成 qwen3.8-maxqwen3.7-plusqwen3.8-flashdeepseek-v4-pro-0813deepseek-v4.1-flashkimi/kimi-k3kimi-k3glm-5.2ZHIPU/GLM-5.3MiniMax-M3mimo-v2.5-pro 查看更多 ​图像与视频 ​理解 分析图片和视频内容，返回文本描述或结构化结果 qwen3.8-maxqwen3.7-plusqwen3.8-omni-flashkimi/kimi-k3 查看更多 ​生成 通过文本或图片生成图像与视频，支持编辑、参考与高分辨率输出 qwen-image-3.0-prowan2.7-image-prohappyhorse-1.1-t2vhappyhorse-1.1-i2vhappyhorse-1.1-r2vhappyhorse-1.0-video-editwan3.0-video 查看更多 ​世界模型 实时交互的开放式世界模型，覆盖世界探索、实时导演、角色演绎三种模式 happyoyster-1.0-adventurehappyoyster-1.0-directinghappyoyster-1.0-acting邀测 查看更多 ​3D模型生成 文生3D模型或图生3D模型，构建三维资产 Tripo/Tripo-H3.1Tripo/Tripo-P1.0 查看更多 ​音频与语音 ​语音合成 适用于有声阅读、语音播报、虚拟人等场景 qwen-audio-3.0-tts-plusMiniMax/speech-2.8-hd 查看更多 ​语音识别 专业 ASR 与大模型两种方案，按精度与灵活性选择 qwen-audio-3.1-asr-flash-streamingqwen-audio-3.1-asr-flash-filetransqwen3.8-omni-flash-realtimeqwen3.8-omni-flash 查看更多 ​语音转语音 端到端语音对话，无需分别调用 ASR 和 TTS qwen-audio-3.1-realtime-plusqwen3.5-omni-plusqwen3.8-omni-flash-realtime 查看更多 ​全模态 融合文本、图像、音频、视频等多种模态的理解与生成能力。音视频分析与文本生成选择 qwen3.8-omni-flash，通过 Chat Completions 或 Responses 调用；实时音视频对话选择 qwen3.8-omni-flash-realtime。 如需离线语音输出，请使用 qwen3.5-omni-plus。 qwen3.8-omni-flash-realtimeqwen3.8-omni-flash 查看更多 ​向量与重排序 文本或图文向量化，配合重排序提升检索精度 qwen3.7-text-embedding-flashqwen3.7-text-embeddingqwen3-vl-embeddingqwen3.7-text-rerank 查看更多 ​决策模型 面向高频业务判断的结构化决策模型，一次前向完成分类、是非判断与评分，并返回概率分布与置信度。 decision-model-preview 查看更多 ​查看所有模型 前往模型广场查看所有千问、三方、领域及历史版本模型。