Alibaba lança Qwen3.5-Omni com 215 recordes em benchmarks e supera Gemini 3.1 Pro
Modelo omnimodal entende texto, imagem, áudio e vídeo, aceita mais de 10h de áudio e tem busca na web em tempo real.
||
31/03 às 09:00
Pontos principais
- Qwen3.5-Omni suporta texto, imagem, áudio e vídeo como input e gera texto e fala
- Variante Plus supera Gemini 3.1 Pro em benchmarks de áudio
- Modelo atingiu 215 resultados estado-da-arte em benchmarks diversos
- Aceita mais de 10 horas de áudio como input
- Inclui busca na web em tempo real integrada
- Suporta 'audio-visual vibe coding' — apontar câmera e descrever o que quer construir
A Alibaba lançou o Qwen3.5-Omni, um modelo de linguagem totalmente omnimodal que entende e gera texto, imagem, áudio e vídeo. O modelo aceita mais de 10 horas de áudio como input e vem com busca na web em tempo real integrada.
A variante Plus superou o Gemini 3.1 Pro do Google em testes de áudio e alcançou 215 resultados estado-da-arte em benchmarks diversos. Entre os recursos de destaque está o 'audio-visual vibe coding', onde o usuário aponta a câmera para algo, descreve o que quer e o modelo gera código a partir disso.
Comentários
Carregando comentários...