Vertiefende Analyse · Etwa 6 Min. Lesezeit
Model Studio listet Qwen Audio 3.1 Realtime Flash in Peking mit ausdrücklichen Sitzungs- und Werkzeuggrenzen
Alibabas Eintrag vom 27. Oktober und die vollständige Modellspezifikation trennen Echtzeit-Sprachfähigkeiten von Kontext-, Such-, Abrechnungs- und Verbindungsgrenzen.
- Hier veröffentlicht
- Datum der Quelle
- Quelle geprüft
Die Aktualisierungstabelle von Alibaba Cloud Model Studio führt qwen-audio-3.1-realtime-flash am 27. Oktober 2026 im Abschnitt Nordchina 2 (Peking) auf. Die zugehörige Spezifikation beschreibt ein Echtzeitmodell für Text und Audio mit Vollduplexbetrieb. Dies belegt einen datierten Plattformeintrag, keinen verifizierten weltweiten Modellstart oder automatischen Zugang für jedes Alibaba-Konto.
Nachrichten anhören
Diesen Artikel vorlesen oder mit den Nachrichten fortfahren.
Vorlesen wird vorbereitet…
Gerätestimme
Browser oder Gerät verarbeiten die Sprache. AISubHub sendet den Text nicht an eine Audio-API. Stimmen und Wiedergabe bei gesperrtem Bildschirm hängen vom Gerät ab.
Beim Fortsetzen kann sich ein kurzer Satzteil wiederholen.
Auf einen Blick
- Die Peking-Tabelle nennt den 27. Oktober als Kalendertag; Uhrzeiten der Dokumentaktualisierung belegen keinen genauen Zeitpunkt eines weltweiten Starts.
- Die Spezifikation nennt WebSocket, WebRTC und AOQ, Stimmenklonen, Function Calling und Websuche mit Einschränkungen für Funktionskombinationen.
- Der Kontext wird mit 262144 Tokens angegeben; für Eingabe, Ausgabe und Audioverlauf gelten gesonderte Grenzen.
- Die regionale Zuordnung der sichtbaren Preise und Ratenlimits wurde bei dieser Lektüre nicht bestätigt; sie sind weder ein Kontoangebot noch eine Garantie für unbegrenzten Parallelbetrieb.
- Der Artikel wertet vollständige offizielle Texte und Tabellen aus; es gab keinen API-Aufruf, Latenztest, Kontoberechtigungscheck oder Versuch zum Stimmenklonen.
Was der datierte Peking-Eintrag belegt
Die relevante Nachricht ist die Aufnahme der Modell-ID in den Peking-Abschnitt der Modellaktualisierungstabelle von Model Studio. Der Eintrag vom 27. Oktober schreibt dem Modell Text- und Audiointeraktion in Echtzeit, Werkzeugaufrufe, Suche und Stimmenklonen zu. Eine eigene Modellseite nennt Alibaba Cloud Model Studio als Inferenzanbieter. Zusammen bestimmen die Quellen ein konkretes gehostetes Angebot. Sie belegen nicht, dass alle Qwen-Produkte, privaten Abonnements oder Bereitstellungsregionen dieselbe Änderung erhalten haben.
Die Tabelle zeigt für die Dokumentaktualisierung den 27. Oktober um 22:05:53, die Modellseite denselben Tag um 21:00:05. Keine der beiden Uhrzeiten nennt eine Zeitzone. AISubHub bewahrt deshalb den 27. Oktober mit Tagesgenauigkeit und erfasst den tatsächlichen Lesezeitpunkt getrennt. Keine Dokumentpflege-Uhrzeit wird in einen Veröffentlichungszeitpunkt umgerechnet; ein Produktstart am 28. Oktober wird nicht behauptet.
Vollduplex-Gespräche machen nicht alle Funktionen gleichzeitig nutzbar
Die Spezifikation akzeptiert Text und Audio als Eingaben und erzeugt Text und Audio als Ausgaben. Als Zugangsprotokolle nennt sie WebSocket, WebRTC und AOQ, als Standardstimme longanqian_v3.1 sowie die Interaktionsmodi server_vad, smart_turn und push-to-talk. Eine Sprecherverbesserung wird ausdrücklich mit smart_turn verbunden. Dies sind dokumentierte Anbieteroptionen; wir haben weder einen Client implementiert noch die einzelnen Modi bei Hintergrundgeräuschen oder unterbrochenen Gesprächen geprüft.
Für die Gestaltung eines Assistenten ist eine Einschränkung wichtig: Websuche wird mit enable_search eingeschaltet und kann nicht gleichzeitig mit Function Calling aktiviert werden. Die Werbung für beide Fähigkeiten verspricht sie somit nicht in derselben Konfiguration. Laut Seite wird auch enable_thinking nicht unterstützt. Unsere Analyse empfiehlt, den benötigten dokumentierten Ablauf vor der Wahl der Sitzungsoptionen festzulegen. Ein Produkt darf aus Begriffen in einem breiteren Modellkatalog keine uneingeschränkte Kombination aus Suche, externen Aktionen und gesondert konfigurierbarem Denkmodus ableiten.
Tokenkontext und gespeicherter Audioverlauf haben getrennte Obergrenzen
Die Seite nennt ein Kontextlimit von 262144 Tokens, eine maximale Eingabelänge von 245760 Tokens und eine maximale Ausgabelänge von 16384 Tokens. Diese Werte bezeichnen verschiedene Teile des dokumentierten Budgets. Sie versprechen weder beliebig viel gespeichertes Audio noch eine gemessene Garantie gleicher Antwortgeschwindigkeit beim Ausschöpfen aller Höchstwerte. Der Namenszusatz Flash liefert keinen Latenzbenchmark.
Für den Audioverlauf gelten eigene Grenzen: höchstens 50 Gesprächsrunden und insgesamt 300 Sekunden Audio. Eine Sprachanwendung muss deshalb neben dem Tokenverbrauch auch den gespeicherten Gesprächsverlauf berücksichtigen. Praktisch empfehlen wir zu prüfen, welche Informationen bei einer langen Interaktion erhalten bleiben müssen und wie die Anwendung Verlaufslimits behandelt. Die Quelle belegt weder unbegrenzte Audiositzungen, unbegrenzte Aufzeichnungsarchive noch ein bestimmtes Verfahren zum Kürzen des Verlaufs; solches Verhalten wurde hier nicht getestet.
Abrechnungsregel und Bezugsgröße der Verbindungen gemeinsam lesen
Die bei dieser Lektüre sichtbare Preistabelle, deren ausgewählte Region nicht festgestellt wurde, nennt Yuan je Million Tokens: Texteingabe 1.5 CNY, Audioeingabe 6 CNY, Textausgabe 4.5 CNY und Audioausgabe 12 CNY. Die Erläuterung unterscheidet Ausgabemodi: Reine Textausgabe wird zum Textausgabetarif berechnet; kombinierte Text- und Audioausgabe kostet den Audioausgabepreis, ohne zusätzliche Ausgabegebühr für den begleitenden Text. Wir rechnen diese Tokenpreise nicht in Minutenpreise um, weil dafür eine belegte Audio-Token-Umrechnung und tatsächliche Nutzungsannahmen nötig wären.
Peking und Singapur erscheinen als Beschriftungen; aus den sichtbaren Tabellenköpfen und dem Auswahlzustand ging jedoch nicht hervor, für welche Region die Preise oder Ratenwerte angezeigt wurden. Sie bleiben zitierte Dokumentationswerte, kein verifiziertes Angebot für eine Region oder ein Konto. Regionale Gleichwertigkeit, Steuern, Kontoberechtigungen und eine tatsächliche Rechnung wurden nicht geprüft. Die sichtbare Ratentabelle nennt 60 RPM und 100000 TPM. Entscheidend ist: WebSocket-RPM zählen Verbindungsanfragen, nicht Modellantworten. Das Fehlen einer gesonderten Grenze für gleichzeitige WebSocket-Verbindungen hebt die anwendbaren Ratenlimits nicht auf und garantiert keinen unbegrenzten Durchsatz. Wiederverbindungen und Tokenbedarf bleiben daher Gestaltungsfragen, nachdem die Bedingungen der vorgesehenen Region geprüft wurden.
Was Entwickler bewerten können und was ungeprüft bleibt
Die Kombination bietet einen konkreten Kandidaten für Sprachassistenten, die Streaminginteraktion und dokumentierte Unterstützung für Werkzeuge oder Suche benötigen. Das ist eine Anwendungsschlussfolgerung, kein Nachweis für einen bereits erreichten Kundendiensteinsatz, einen bestimmten Sprachumfang oder ein Ziel bei der Stimmqualität. Eine sinnvolle Bewertung legt zunächst Region, Konto, Protokoll und Interaktionsmodus fest und vergleicht die benötigte Funktionskombination mit den dokumentierten Einschränkungen und den eigenen Anforderungen.
Unsere Belege umfassen den vollständigen datierten Listeneintrag und die vollständig sichtbare Modellspezifikation einschließlich Tabellen zu Fähigkeiten, Kontext, Abrechnung und Ratenlimits. Der verlinkte Echtzeitleitfaden, die Integrationsanweisungen und die Referenz für Client-Ereignisse wurden nicht als zusätzliche Quellen gelesen. Es gab weder API-Anfrage, Benchmark, Zahlung, Prüfung privater Kontorechte noch Produktdemonstration. Der Zeitpunkt der weltweiten Erstveröffentlichung, regionale Gleichwertigkeit und durchgängige Leistung bleiben außerhalb dieses Berichts.
Warum es wichtig ist
Der Eintrag liefert Entwicklern eine konkrete Modell-ID und Bereitstellungsbedingungen zur Bewertung von Echtzeit-Sprachanwendungen; Funktionskombinationen und Sitzungsgrenzen können ebenso wichtig sein wie die beworbene Kontextgröße.
Grenzen und Verfügbarkeit
Dies ist eine Analyse von Alibabas Eintrag und Dokumentation, kein Produkttest. Das Datum ist ein Kalendereintrag der Plattform; der genaue Startzeitpunkt bleibt unbekannt. Regionale Gleichwertigkeit und Kontoberechtigungen wurden nicht festgestellt, verlinkte Integrationsanleitungen nicht als Belege genutzt. Die angezeigten Preise und Ratenwerte wurden keiner bestätigt ausgewählten Region zugeordnet und dürfen nicht als allgemein gültig behandelt werden.
Quellen und Belege
Datum der Quelle: · Quelle geprüft:
Datum der Quelle: · Quelle geprüft:
KI-gestützte redaktionelle Beiträge, anhand der genannten Primärquellen geprüft. Anbieterangaben werden zugeordnet; eine Aufnahme ist keine Empfehlung.