Análise aprofundada · Cerca de 7 min de leitura
Model Studio lista Qwen Audio 3.1 Realtime Flash em Pequim, com limites explícitos de sessão e ferramentas
A entrada da Alibaba de 27 de outubro e a especificação completa separam as capacidades de voz em tempo real dos limites de contexto, busca, faturamento e conexões.
- Publicado aqui
- Data da fonte
- Fonte verificada
A tabela de atualizações do Model Studio da Alibaba Cloud acrescenta qwen-audio-3.1-realtime-flash à seção Norte da China 2 (Pequim) em 27 de outubro de 2026. A especificação correspondente descreve um modelo de texto e áudio em tempo real e full-duplex. Isso comprova uma entrada datada na plataforma, sem verificar um lançamento mundial ou acesso automático para toda conta da Alibaba.
Ouça as notícias
Ouça este artigo ou continue ouvindo as notícias.
Preparando a leitura…
Voz do dispositivo
O navegador ou dispositivo processa a voz. O AISubHub não envia o texto a uma API de áudio. As vozes e a reprodução com a tela bloqueada variam conforme o dispositivo.
Ao continuar, uma frase curta pode se repetir.
Resumo
- A tabela de Pequim apresenta 27 de outubro como data de calendário; os horários de atualização documental não estabelecem um instante exato de lançamento mundial.
- A especificação lista WebSocket, WebRTC e AOQ, clonagem de voz, Function Calling e busca na web, com restrições às combinações de recursos.
- O contexto é listado como 262144 tokens, com limites separados para entrada, saída e histórico de áudio.
- A atribuição regional dos preços e limites visíveis não foi confirmada nesta leitura; eles não são uma cotação para uma conta nem garantia de serviço concorrente ilimitado.
- Este artigo interpreta os textos e tabelas oficiais completos; não foram feitas chamadas à API, testes de latência, verificações de elegibilidade ou experiências de clonagem de voz.
O que a entrada datada de Pequim comprova
A notícia relevante é o aparecimento do identificador do modelo na seção de Pequim da tabela de atualizações do Model Studio. A entrada de 27 de outubro atribui ao modelo interação de texto e áudio em tempo real, chamadas a ferramentas, busca e clonagem de voz. Uma página específica identifica o Alibaba Cloud Model Studio como provedor de inferência. Juntas, as fontes delimitam uma oferta hospedada específica. Elas não comprovam que todos os produtos Qwen, assinaturas pessoais ou regiões de implantação receberam a mesma mudança.
A tabela exibe uma atualização do documento às 22:05:53 de 27 de outubro; a página do modelo mostra 21:00:05 do mesmo dia. Nenhum dos horários informa o fuso. O AISubHub preserva, portanto, 27 de outubro com precisão de dia e registra a leitura efetiva separadamente. Não transforma os horários de manutenção documental em um instante de lançamento nem afirma que houve um lançamento de produto em 28 de outubro.
Conversa dúplex não significa simultaneidade de todos os recursos
A especificação aceita texto e áudio como entradas e produz texto e áudio como saídas. Lista WebSocket, WebRTC e AOQ como protocolos de acesso, a voz padrão longanqian_v3.1 e os modos server_vad, smart_turn e push-to-talk. A melhoria de falante é associada especificamente a smart_turn. São opções documentadas pelo fornecedor; não implementamos um cliente nem verificamos o desempenho de cada modo em conversas com ruído ou interrupções.
Uma restrição importa no projeto de um assistente: a busca na web é habilitada por enable_search e não pode ser ativada junto com Function Calling. Anunciar ambas as capacidades não equivale a prometê-las na mesma configuração. A página também informa que enable_thinking não é suportado. Nossa análise recomenda definir primeiro o fluxo documentado necessário e depois escolher as opções da sessão. Um produto não pode pressupor combinações irrestritas de busca, ações externas e um modo de raciocínio configurável separadamente apenas porque esses termos aparecem em um catálogo mais amplo.
O contexto em tokens e o áudio retido têm tetos diferentes
A página informa limite de contexto de 262144 tokens, entrada máxima de 245760 tokens e saída máxima de 16384 tokens. São partes distintas do orçamento documentado. Esses números não prometem armazenar uma quantidade arbitrária de áudio gravado nem garantem, com medições, a mesma velocidade de resposta ao atingir todos os máximos. O sufixo Flash do nome não fornece um teste comparativo de latência.
O histórico de áudio tem seus próprios limites: até 50 turnos e 300 segundos acumulados. Uma aplicação de voz precisa, portanto, considerar o histórico de conversa retido e a contagem de tokens. Nossa interpretação prática é avaliar quais informações devem permanecer em uma interação longa e como a aplicação trata os limites do histórico. A fonte não comprova sessões de áudio ilimitadas, arquivos de gravação ilimitados ou uma implementação específica de corte do histórico; nenhum desses comportamentos foi testado aqui.
Leia a regra de faturamento junto com o denominador das conexões
A tabela de preços visível nesta leitura, cuja região selecionada não foi estabelecida, usa yuans por milhão de tokens: entrada de texto a 1.5 CNY, entrada de áudio a 6 CNY, saída de texto a 4.5 CNY e saída de áudio a 12 CNY. A explicação distingue os modos: saída somente de texto usa a tarifa de saída textual; saída conjunta de texto e áudio cobra a saída de áudio, sem cobrança adicional de saída pelo texto que a acompanha. Não convertemos essas tarifas em preço por minuto, pois seriam necessárias uma conversão comprovada entre áudio e tokens e hipóteses de uso reais.
Pequim e Singapura aparecem como rótulos, mas os cabeçalhos e o estado de seleção visíveis não estabeleceram a qual região pertenciam os preços ou limites exibidos. Permanecem valores citados da documentação, não uma cotação verificada para uma região ou conta. Equivalência regional, impostos, elegibilidade e uma fatura real não foram conferidos. A tabela de limites visível lista 60 RPM e 100000 TPM. É fundamental observar que as RPM do WebSocket contam solicitações de conexão, não respostas do modelo. A ausência de um limite separado de concorrência WebSocket não elimina os limites de taxa aplicáveis nem garante vazão ilimitada. Reconexões e demanda de tokens continuam sendo questões de projeto, depois da verificação dos termos da região pretendida.
O que os desenvolvedores podem avaliar e o que permanece sem verificação
A combinação oferece um candidato concreto a assistentes de voz que precisam de interação em streaming e suporte documentado a ferramentas ou busca. É uma implicação de aplicação, não evidência de que determinado atendimento ao cliente, conjunto de idiomas ou objetivo de qualidade de voz já tenha sido alcançado. Uma avaliação útil começa por região, conta, protocolo e modo de interação específicos e confere a combinação necessária diante das restrições documentadas e das necessidades da aplicação.
A evidência abrange a entrada datada completa e toda a especificação visível do modelo, incluindo tabelas de capacidades, contexto, faturamento e limites. O guia de voz em tempo real, as instruções de integração e a referência de eventos do cliente vinculados não foram lidos como fontes suplementares. Não fizemos solicitações à API, testes comparativos, pagamentos, inspeção de direitos de contas ou demonstrações do produto. O instante do primeiro lançamento mundial, a equivalência entre regiões e o desempenho de ponta a ponta ficam fora deste relato.
Por que importa
A entrada fornece aos desenvolvedores um identificador de modelo concreto e restrições de implantação para avaliar aplicações de voz em tempo real; as combinações de recursos e os limites de sessão podem ser tão importantes quanto o tamanho de contexto anunciado.
Limites e disponibilidade
Esta é uma análise da entrada e da documentação da Alibaba, não um teste de produto. A data é uma entrada no calendário da plataforma; o instante preciso do lançamento é desconhecido, a equivalência regional e a elegibilidade das contas não foram estabelecidas, e os guias vinculados não serviram como evidência. Os preços e limites exibidos não foram associados a uma região selecionada confirmada e não devem ser considerados universais.
Fontes e evidências
Data da fonte: · Fonte verificada:
Data da fonte: · Fonte verificada:
Conteúdo editorial com apoio de IA, verificado em fontes primárias. Alegações dos fornecedores são atribuídas; inclusão não é recomendação.