詳しい解説 · 読了目安 8 分
百炼の北京一覧にQwen Audio 3.1 Realtime Flashが追加、会話・ツール・課金の制約を確認
Alibabaの10月27日付一覧と完全なモデル仕様を基に、リアルタイム音声の機能とコンテキスト、検索、課金、接続制限を区別する。
- 当サイトの公開日
- 原典の公開日
- 出典確認日
Alibaba CloudのModel Studio（百炼）更新表は、2026年10月27日にqwen-audio-3.1-realtime-flashを華北2（北京）の一覧へ追加した。対応仕様は、テキストと音声を入出力するリアルタイム全二重モデルと説明する。確認できるのは日付付きのプラットフォーム掲載であり、世界初のモデル公開や、すべてのAlibabaアカウントへの自動開放を確認したわけではない。
ニュースを聴く
この記事を読み上げるか、ニュースを続けて聴けます。
読み上げを準備中…
端末の音声
読み上げはブラウザーまたは端末が処理します。AISubHub は文章を音声 API に送りません。利用できる音声やロック画面での再生は端末によって異なります。
再開時に短い部分を繰り返す場合があります。
要点
- 北京の更新表は10月27日という暦日を示す。文書の更新時計は正確な世界共通の公開時刻を示さない。
- 仕様にはWebSocket、WebRTC、AOQ、声の複製、Function Calling、Web検索があるが、機能の組み合わせには制約がある。
- コンテキストは262,144トークンで、入力、出力、音声履歴には別の上限がある。
- 今回見えた価格・レート数値の地域帰属は未確認であり、アカウント向け見積もりでも無制限の同時接続保証でもない。
- 公式本文と表全体を解読した記事であり、API呼び出し、遅延ベンチマーク、アカウント資格確認、声の複製実験は行っていない。
北京の日付付き掲載で分かること
今回のニュースは、Model Studioのモデル更新表の北京部分に、このモデルIDが登場したことだ。10月27日付の項目は、リアルタイムのテキスト・音声対話、ツール呼び出し、検索、声の複製を列挙する。別のモデル専用ページは推論サービス提供元をAlibaba Cloud Model Studioと明記している。両資料は具体的なホスト型サービスを示すが、全Qwen製品、個人契約、全展開地域が同じ変更を受けたことは証明しない。
更新表は10月27日22:05:53、モデルページは同日21:00:05という文書更新時計を表示するが、どちらもタイムゾーンを示していない。AISubHubは掲載日を10月27日の日付精度で保持し、実際の読取時間を別に記録する。文書の時計を公開タイムスタンプへ変換したり、10月28日の製品公開としたりはしない。
全二重対話でも全機能を同時に使えるわけではない
仕様はテキストと音声の入力・出力に対応する。接続プロトコルはWebSocket、WebRTC、AOQ、既定の音声はlonganqian_v3.1、対話モードはserver_vad、smart_turn、push-to-talkだ。話者強調はsmart_turnに限って記載されている。これはベンダーの文書上の選択肢であり、こちらでクライアントを実装したり、騒音や割り込みのある会話で各モードの性能を確かめたりしたわけではない。
アシスタント設計で重要なのは、enable_searchで有効にするWeb検索をFunction Callingと同時に有効化できないことだ。両方を機能として掲げることと、同じ設定で同時利用を約束することは異なる。ページはenable_thinkingも非対応と明記する。私たちの分析では、開発者はセッション設定を選ぶ前に、必要な業務フローを決めるべきだ。広いモデル一覧に用語が並んでいるだけで、検索、外部操作、別設定の思考モードを自由に組み合わせられると考えてはならない。
トークンコンテキストと保持音声には別々の上限がある
ページの上限はコンテキスト262,144トークン、最大入力245,760トークン、最大出力16,384トークンだ。これらは文書上の予算の異なる部分を示す。任意の量の録音を会話に含められるという約束でも、すべてを上限まで使って同じ応答速度になるという実測保証でもない。モデル名のFlashという接尾辞は遅延ベンチマークにはならない。
音声履歴には最大50ターン、累積音声300秒という別の制約がある。したがって音声アプリケーションは、トークン計算だけでなく保持する会話履歴も考慮する必要がある。実用上の解釈は、長い対話でどの情報を残すべきか、履歴の境界をどう扱うかを評価することだ。原文は無制限の音声セッション、無制限の録音保管、特定の履歴切り詰め実装を証明しておらず、こちらでも試験していない。
課金規則と接続数の分母を一緒に読む
今回見えた価格表は選択中の地域を確認できていない。単位は1,000,000トークン当たり人民元で、文書値はテキスト入力CNY 1.5、音声入力CNY 6、テキスト出力CNY 4.5、音声出力CNY 12だ。説明は出力モードを区別する。テキストのみならテキスト出力単価、テキストと音声を同時出力する場合は音声出力にだけ課金し、付随テキストの出力料を別途取らない。音声からトークンへの換算と実用量の前提がないため、毎分価格には換算しない。
北京とシンガポールのラベルはあるが、見えた表頭と選択状態では、表示中の価格や制限値がどちらの地域か判断できない。これは引用した文書値であり、特定の地域やアカウントで確認済みの見積もりではない。地域間の一致、税、アカウント資格、実際の請求も未確認だ。表には60 RPM、100,000 TPMがある。特にWebSocketのRPMはモデルの返信ではなく接続要求を数える。「WebSocketの同時接続数に別の上限がない」は、適用されるレート制限を無効にせず、無制限の処理量も保証しない。対象地域の条件を確認したうえで、再接続とトークン需要を設計する必要がある。
開発者が評価できる価値と、未検証の範囲
この組み合わせは、ストリーミング対話と、文書化されたツールまたは検索の支援を必要とする音声アシスタントの具体的な候補になる。ただしこれは応用上の示唆であり、特定の顧客対応導入、言語群、音質目標をすでに達成した証拠ではない。まず地域、アカウント、プロトコル、対話モードを一つずつ定め、必要な機能の組み合わせを制約とアプリケーションの要件に照らすのが有用だ。
証拠は日付付き掲載項目全体と、モデル専用仕様の完全な可視本文であり、機能、コンテキスト、課金、レート表を含む。リンク先のリアルタイムガイド、接続手順、クライアントイベント資料は追加資料として読んでいない。API要求、ベンチマーク、支払い、アカウント権益の確認、製品デモも実施していない。世界初の公開時期、地域間の一致、エンドツーエンド性能は本稿の範囲外だ。
注目する理由
掲載により、開発者はリアルタイム音声用途に向け、具体的なモデルIDと展開制約を評価できる。機能の組み合わせとセッション上限は、見出し上のコンテキスト容量と同じくらい重要になり得る。
制約と提供状況
Alibabaの掲載と文書の分析であり製品試験ではない。日付はプラットフォームの暦日で、正確な公開時刻は不明。地域間の一致とアカウント資格は未確認で、リンク先の接続ガイドも証拠に用いていない。表示された価格・レート値は選択中の地域に結び付けられておらず、普遍的に適用できる値と扱ってはならない。
出典と根拠
原典の公開日: · 出典確認日:
AI を活用した編集記事を、記載した一次情報で確認しています。企業の主張は出典を明示し、掲載は推奨を意味しません。