量子位
·
实测拿215项SOTA的Qwen3.5-Omni：摄像头一开，AI给我现场讲论文、撸代码
内容提要
Qwen3.5-Omni是一款全模态AI，支持视频会议、论文解读和代码生成。在215项SOTA测试中表现优异，其音视频理解能力与Gemini 3.1-Pro相当。新功能如实时语义打断和自然对话提升了用户体验。
关键要点
-
Qwen3.5-Omni是一款全模态AI，支持视频会议、论文解读和代码生成。
-
在215项SOTA测试中表现优异，音视频理解能力与Gemini 3.1-Pro相当。
-
新功能如实时语义打断和自然对话提升了用户体验。
-
Qwen3.5-Omni能够无缝理解文本、图片、音频及音视频输入，生成带时间戳的音视频脚本。
-
支持256K上下文与113种语言识别，处理10小时音频或1小时视频。
-
在音频理解、推理、识别、翻译、对话等方面超越Gemini 3.1-Pro。
-
具有自然涌现的vibe coding能力，可以在视频通话中生成代码。
-
支持实时对话解读论文，能够根据画面直接讲解复杂内容。
-
模型架构采用Thinker-Talker结构，提升了理解和输出效率。
-
引入ARIA技术，改善语音输出的稳定性和自然度。
延伸解读
全模态AI的优势
Qwen3.5-Omni作为全模态AI，能够无缝处理文本、音频、视频等多种输入形式。这种能力使其在视频会议和论文解读中表现出色，用户可以通过摄像头直接与AI互动，提升了工作效率和沟通体验。
与Gemini 3.1-Pro的比较
在215项SOTA测试中，Qwen3.5-Omni的音视频理解能力与Gemini 3.1-Pro相当，但在音频理解、推理和对话等方面超越了后者。这表明Qwen3.5-Omni在多模态处理能力上有显著优势，值得关注其在实际应用中的表现。
实时交互的潜力
Qwen3.5-Omni引入的实时语义打断功能，使得用户可以在与AI对话时随时提问或打断。这种灵活性在学术论文解读中尤为重要，能够帮助用户更好地理解复杂内容，提升学习效果。
延伸问答
Qwen3.5-Omni的主要功能是什么？
Qwen3.5-Omni是一款全模态AI，支持视频会议、论文解读和代码生成。
Qwen3.5-Omni在SOTA测试中的表现如何？
Qwen3.5-Omni在215项SOTA测试中表现优异，音视频理解能力与Gemini 3.1-Pro相当。
Qwen3.5-Omni如何处理视频通话中的代码生成？
Qwen3.5-Omni可以在视频通话中根据画面逻辑生成Python代码或前端原型。
Qwen3.5-Omni的语音输出有什么新技术？
Qwen3.5-Omni引入了ARIA技术，改善了语音输出的稳定性和自然度。
Qwen3.5-Omni如何解读论文？
Qwen3.5-Omni可以通过摄像头实时解读论文，并支持语义打断功能。
Qwen3.5-Omni的模型架构是什么？
Qwen3.5-Omni采用Thinker-Talker结构，提升了理解和输出效率。
