qwen3.7-plus
qwen3.7-plus是阿里通义千问推出的新一代多模态智能体模型，支持图像、视频、屏幕、网页及文本等多模态输入，能够理解视觉内容、调用工具、生成代码并自主执行多步任务，构建从“感知、推理到行动”的完整 Agent 闭环。模型在 GUI 操作、视觉编程和工作流自动化等场景表现突出，适用于软件开发、智能办公及企业级…
支持筛选、搜索与分页浏览（每页 24 款）。
qwen3.7-plus是阿里通义千问推出的新一代多模态智能体模型，支持图像、视频、屏幕、网页及文本等多模态输入，能够理解视觉内容、调用工具、生成代码并自主执行多步任务，构建从“感知、推理到行动”的完整 Agent 闭环。模型在 GUI 操作、视觉编程和工作流自动化等场景表现突出，适用于软件开发、智能办公及企业级…
Qwen3系列30B级MoE模型，支持思考与非思考模式切换，具备强推理、多语言与Agent能力，兼顾性能与效率
Qwen3中型模型，性能与成本均衡
Qwen3-32B 是 Qwen3 系列中一个拥有 328 亿参数的密集因果语言模型，针对复杂推理和高效对话进行了优化。它支持在“思考”模式（用于数学、编程和逻辑推理等任务）和“非思考”模式（用于更快的通用对话）之间无缝切换。
Qwen3 支持思考模式与非思考模式，模型在推理能力上大幅提升，在数学、代码与逻辑推理等评测中显著超过同尺寸非推理模型，达到同级领先水平；在人类偏好与通用能力方面，创意写作、角色扮演、多轮对话与指令遵循能力全面增强；同时在 Agent 场景下具备业界领先的工具调用与任务执行能力。
Qwen3系列视觉理解模型，在视觉coding、空间感知等方向全面升级；视觉感知与识别能力大幅提升，支持超长视频理解，OCR能力迎来重大升级。
Qwen3系列视觉理解模型，多模态思考能力显著增强，模型在STEM与数学推理方面进行了重点优化；视觉感知与识别能力全面提升、OCR能力迎来重大升级。
Qwen3超大模型，具备强指令遵循与通用能力
基于Qwen3的思考模型，在逻辑推理、数学、科学、编码和通常需要人类专业知识的学术基准等推理任务上显著提升性能，适用于高度复杂的推理任务。
Qwen旗舰模型，支持超长上下文与复杂任务处理
Qwen3-Coder-480B-A35B-Instruct 是由 Qwen 团队开发的混合专家 (MoE) 代码生成模型。该模型针对函数调用、工具使用以及基于存储库的长上下文推理等代理编码任务进行了优化。该模型总共包含 4800 亿个参数，每次前向传递有 350 亿个活跃参数（160 位专家中的 8 位）。
Qwen3-Coder-480B-A35B-Instruct是一个总参数量 480B，激活 35B 的 MoE 模型，原生支持 256K token 的上下文并可通过 YaRN 扩展到 1M token，拥有卓越的代码和 Agent 能力。Qwen3-Coder-480B-A35B-Instruct 在 Agen…
Qwen3-Coder-30B-A3B-Instruct在保持卓越性能与效率的同时，在开源模型中，针对代理式编码、代理式浏览器使用及其他基础编码任务表现突出。原生支持256K令牌的长上下文处理能力，通过Yarn扩展可达1M令牌，专为仓库级理解优化。支持Qwen Code、CLINE等主流平台的Agentic编码功…
Qwen3-TTS-Flash模型是通义实验室最新推出的离线语音合成大模型，不仅拥有17种高表现力的拟人音色，且能低延迟高稳定地合成音频；同时支持多种语言，方言，支持同一音色多语言输出。该模型经过海量数据训练，合成音频可以根据文本自适应调节语气，对复杂文本合成也有较好的处理能力。该模型版本功能等同于快照模型qwe…
Qwen3-Embedding-8B 是阿里 Qwen3 系列的文本向量模型，基于 8B 参数规模，支持多语言与长文本理解，最高 32K 上下文和可调 4096 维向量，适用于检索、RAG、分类等任务，在 MTEB 等基准上表现领先。
Qwen3-Reranker-8B 是 Qwen3 系列的文本重排模型，基于 8B 参数，支持 100+ 语言与 32K 上下文，采用 cross-encoder 对查询与文档进行相关性打分，常用于检索精排与 RAG 场景，在多项检索评测中表现领先。
20B 参数 MMDiT 图像生成基础模型，擅长复杂文本渲染（中英文字体）与精细图像编辑，开源许可为 Apache-2.0。
基于 Qwen-Image 的图像编辑模型，继承原模型的文本渲染优势，专注于精准文本编辑任务。
WAN 2.5是阿里推出的尖端图像转视频生成模型。这款强大模型能根据简单的文本或图像提示，生成480p、720p或1080p分辨率的高质量视频，并配备同步音频。相较于Google Veo3，该模型不仅提供更经济实惠的解决方案，视频生成速度也更快，是高效创建音频嵌入视频的理想选择。
WAN 2.5是阿里推出的尖端文本转视频生成模型。这款强大模型能根据简单的文本或图像提示，生成480p、720p或1080p分辨率的高质量视频，并配备同步音频。相较于Google Veo3，该模型不仅提供更经济实惠的解决方案，视频生成速度也更快，是高效创建音频嵌入视频的理想选择。
通义万相2.6-图生视频，智能分镜调度支持多镜头叙事，更高品质的声音生成，多人稳定对话，更自然真实音色，最高支持15秒时长生成。
通义万相2.6-文生视频，智能分镜调度支持多镜头叙事，能够生成主体、场景和氛围一致的多镜头叙事视频，最高支持15秒时长，更高品质的声音生成，更好的指令遵循和视觉质量
万相2.7-图像生成与编辑，支持文生图、文生组图、图生组图、图像编辑、多图参考生成、交互式编辑，在文字渲染、主体一致性、复杂指令遵循上都有更强表现
万相2.7-图像生成与编辑旗舰版模型，支持文生图、文生组图、图生组图、图像编辑、多图参考生成、交互式编辑，在文字渲染、主体一致性、复杂指令遵循上都有更强表现。
没有符合条件的模型，请调整筛选或搜索关键词。
模型清单为展示参考，可能随平台更新增减；调用以开通后网关返回的模型 ID 为准。