Análisis en profundidad · Unos 7 min de lectura
Model Studio incorpora Qwen Audio 3.1 Realtime Flash en Pekín, con límites explícitos de sesión y herramientas
La entrada de Alibaba del 27 de octubre y la especificación completa distinguen las capacidades de voz en tiempo real de los límites de contexto, búsqueda, facturación y conexiones.
- Publicado aquí
- Fecha de la fuente
- Fuente revisada
La tabla de actualizaciones de Model Studio de Alibaba Cloud incorpora qwen-audio-3.1-realtime-flash al apartado de Norte de China 2 (Pekín) el 27 de octubre de 2026. La especificación asociada describe un modelo de texto y audio en tiempo real y dúplex completo. Esto acredita una entrada fechada en la plataforma, no un lanzamiento mundial verificado ni acceso automático para todas las cuentas de Alibaba.
Escucha las noticias
Escucha este artículo o continúa con las noticias.
Preparando la lectura…
Voz del dispositivo
El navegador o dispositivo procesa la voz. AISubHub no envía el texto a una API de audio. Las voces y la reproducción con pantalla bloqueada dependen del dispositivo.
Al continuar puede repetirse una frase breve.
Resumen
- La tabla de Pekín indica el 27 de octubre como fecha de calendario; las horas de actualización documental no establecen un instante exacto de lanzamiento mundial.
- La especificación enumera WebSocket, WebRTC y AOQ, clonación de voz, Function Calling y búsqueda web, con restricciones sobre las funciones que pueden combinarse.
- El contexto se fija en 262144 tokens, con límites separados de entrada, salida e historial de audio.
- La atribución regional de los precios y límites visibles no quedó verificada en esta lectura; no son una cotización para una cuenta ni una garantía de concurrencia ilimitada.
- El artículo interpreta el texto y las tablas oficiales completos; no se realizaron llamadas a la API, pruebas de latencia, comprobaciones de elegibilidad ni experimentos de clonación de voz.
Qué acredita la entrada fechada de Pekín
La noticia es la aparición del identificador del modelo en el apartado de Pekín de la tabla de actualizaciones de Model Studio. La entrada del 27 de octubre atribuye a este modelo interacción de texto y audio en tiempo real, llamadas a herramientas, búsqueda y clonación de voz. Otra página específica identifica a Alibaba Cloud Model Studio como proveedor de inferencia. Ambas fuentes delimitan una oferta alojada concreta. No demuestran que todos los productos Qwen, las suscripciones particulares o las regiones de despliegue recibieran el mismo cambio.
La tabla muestra una actualización documental a las 22:05:53 del 27 de octubre; la página del modelo indica las 21:00:05 del mismo día. Ninguna hora especifica su zona horaria. AISubHub conserva por ello el 27 de octubre con precisión de día y registra por separado la lectura real. No convierte esas horas de mantenimiento en un instante de lanzamiento ni afirma que el producto se estrenara el 28 de octubre.
La conversación dúplex no permite utilizar todas las funciones a la vez
La especificación admite texto y audio como entrada y genera texto y audio como salida. Enumera WebSocket, WebRTC y AOQ como protocolos de acceso, la voz predeterminada longanqian_v3.1 y los modos server_vad, smart_turn y push-to-talk. La mejora del hablante se asocia específicamente a smart_turn. Son opciones documentadas por el proveedor; no implementamos un cliente ni comprobamos cómo responde cada modo al ruido o a las interrupciones.
Hay una restricción importante para diseñar un asistente: la búsqueda web se activa con enable_search y no puede habilitarse junto con Function Calling. Anunciar ambas capacidades no equivale a prometerlas en una misma configuración. La página también indica que enable_thinking no es compatible. Nuestro análisis propone decidir primero qué flujo documentado se necesita antes de elegir las opciones de sesión. Un producto no puede dar por hecha una combinación irrestricta de búsqueda, acciones externas y razonamiento configurable por separado porque esos términos aparezcan en un catálogo más amplio.
El contexto en tokens y el audio retenido tienen topes distintos
La página fija un contexto de 262144 tokens, una entrada máxima de 245760 tokens y una salida máxima de 16384 tokens. Son partes diferentes del presupuesto documentado. No prometen conservar una cantidad arbitraria de audio grabado ni garantizan, mediante mediciones, la misma velocidad al utilizar todos los máximos. El sufijo Flash del nombre no aporta una prueba comparativa de latencia.
El historial de audio tiene límites propios: como máximo 50 turnos y 300 segundos acumulados de audio. Una aplicación de voz debe considerar tanto la historia conversacional retenida como el cómputo de tokens. Nuestra interpretación práctica es evaluar qué información necesita sobrevivir a una conversación larga y cómo se gestionan los límites del historial. La fuente no acredita sesiones de audio ilimitadas, archivos de grabación sin límite ni una implementación concreta de recorte del historial; no probamos ninguno de esos comportamientos.
La facturación y el denominador de las conexiones deben leerse conjuntamente
La tabla de precios visible, cuya región seleccionada no se estableció, expresa yuanes por millón de tokens: entrada de texto a 1.5 CNY, entrada de audio a 6 CNY, salida de texto a 4.5 CNY y salida de audio a 12 CNY. La explicación distingue modos: la salida solo de texto se factura a su tarifa; cuando se emiten texto y audio juntos, se cobra la salida de audio sin un cargo de salida adicional por el texto acompañante. No convertimos esas tarifas en un precio por minuto, porque harían falta una conversión acreditada entre audio y tokens y supuestos de uso reales.
Pekín y Singapur aparecen como etiquetas, pero los encabezados y el estado de selección visibles no permitieron identificar la región de los precios o límites mostrados. Son valores citados de la documentación, no una cotización verificada para una región o cuenta. No comprobamos equivalencia regional, impuestos, elegibilidad ni una factura real. La tabla visible indica 60 RPM y 100000 TPM. Es importante tener en cuenta que las RPM de WebSocket cuentan solicitudes de conexión, no respuestas del modelo. La ausencia de un límite independiente de concurrencia WebSocket no anula los límites de frecuencia aplicables ni garantiza capacidad ilimitada. El comportamiento de reconexión y la demanda de tokens siguen siendo cuestiones de diseño, después de verificar las condiciones de la región prevista.
Qué pueden evaluar los desarrolladores y qué sigue sin verificarse
La combinación ofrece un candidato concreto para asistentes de voz que necesiten interacción en streaming y soporte documentado para herramientas o búsqueda. Es una implicación de uso, no evidencia de que ya se hayan alcanzado un despliegue de atención al cliente, una cobertura de idiomas o un objetivo de calidad vocal determinados. La evaluación útil comienza fijando región, cuenta, protocolo y modo de interacción, y contrasta la combinación necesaria con las restricciones documentadas y las necesidades de la aplicación.
La evidencia comprende la entrada fechada completa y toda la especificación visible del modelo, incluidas las tablas de capacidades, contexto, facturación y límites. No leímos como fuentes adicionales la guía de voz en tiempo real, las instrucciones de integración ni la referencia de eventos del cliente enlazadas. No hicimos solicitudes a la API, pruebas comparativas, pagos, inspecciones de derechos de una cuenta ni demostraciones del producto. El instante del primer lanzamiento mundial, la equivalencia entre regiones y el rendimiento integral quedan fuera de este informe.
Por qué importa
La incorporación ofrece un identificador de modelo concreto y varias restricciones de despliegue que los desarrolladores pueden evaluar para aplicaciones de voz en tiempo real; las combinaciones de funciones y los límites de sesión pueden importar tanto como el tamaño anunciado del contexto.
Límites y disponibilidad
Este es un análisis de la entrada y la documentación de Alibaba, no una prueba del producto. La fecha corresponde al calendario de la plataforma; se desconoce el instante preciso del lanzamiento, no se establecieron la equivalencia entre regiones ni la elegibilidad de las cuentas, y las guías enlazadas no se utilizaron como evidencia. Los precios y límites mostrados no se vincularon a una región seleccionada confirmada y no deben tratarse como universales.
Fuentes y pruebas
Fecha de la fuente: · Fuente revisada:
Fecha de la fuente: · Fuente revisada:
Contenido editorial asistido por IA y contrastado con fuentes primarias. Las afirmaciones del proveedor se atribuyen; la inclusión no implica recomendación.