अलीबाबा ने पेश किया Qwen3-Omni: ओपन सोर्स मल्टीमॉडल AI मॉडल

यह अभी क्यों मायने रखता है: ओपन मल्टीमॉडल AI मुख्यधारा में

अलीबाबा ने Qwen3-Omni जारी किया है। यह मुफ्त में उपलब्ध मल्टीमॉडल कृत्रिम बुद्धिमत्ता मॉडल टेक्स्ट, तस्वीरों, ऑडियो और वीडियो को इनपुट के रूप में ले सकता है और वास्तविक समय में टेक्स्ट या स्वाभाविक बोली के रूप में जवाब दे सकता है। कंपनी इसे पहला नेटिव एंड-टू-एंड ओम्नी-मॉडल सिस्टम बताती है, जो चारों तरह के इनपुट को बाद में जोड़ने के बजाय एक ही मॉडल में एकीकृत करता है। यह ऐसे बाजार में आया है जहां OpenAI और Google के अग्रणी सिस्टम अब भी मालिकाना हैं। इससे बंद प्लेटफॉर्म और Apache 2.0 लाइसेंस के तहत कोई भी डाउनलोड, संशोधित और तैनात कर सकने वाले ओपन सोर्स विकल्प के बीच स्पष्ट अंतर उभरता है।

इसका वादा सीधा है। उद्यमों और डेवलपर्स को ऐसा मॉडल मिलता है जो कम विलंबता, कई भाषाओं के व्यापक समर्थन और जवाबों को अपनी जरूरत के मुताबिक ढालने वाले टूल के साथ अलग-अलग माध्यमों पर काम करता है। इसके निहितार्थ तकनीकी बेंचमार्क से आगे तक जाते हैं। उद्यमों के अनुकूल खुला लाइसेंस किसी एक विक्रेता पर निर्भरता खत्म करता है और संगठनों को अपने बुनियादी ढांचे पर मॉडल चलाने का विकल्प देता है। ऐसे समय में यह एक अहम अंतर है, जब कई कंपनियां अपने AI सिस्टम में लागत, नियंत्रण और प्रदर्शन के बीच संतुलन बनाने की कोशिश कर रही हैं।

Qwen3-Omni ओम्नी मॉडल की एक नई लहर के बाद आया है। OpenAI के GPT-4o ने टेक्स्ट, तस्वीर और ऑडियो को जोड़ा। Google के Gemini 2.5 Pro में वीडियो विश्लेषण जोड़ा गया। ये सिस्टम अब भी सशुल्क और बंद हैं। Qwen3-Omni एक ही पैकेज में वीडियो की समझ, वाणी इनपुट और वाणी आउटपुट देता है, जिसकी समुदाय जांच कर सकती है और जिस पर आगे काम कर सकती है। यह रिलीज चीनी ओपन AI परियोजनाओं के बढ़ते चलन को भी दर्शाती है, जिन्हें डेवलपर प्लेटफॉर्म पर बड़े पैमाने पर अपनाया जा रहा है और जो प्रतिस्पर्धा का नक्शा बदल रही हैं।

Qwen3-Omni क्या है और यह कैसे काम करता है

Qwen3-Omni में Thinker और Talker नाम के दो हिस्सों वाला डिजाइन है, जिन्हें प्रक्रिया के अलग-अलग चरणों के लिए अनुकूलित किया गया है। Thinker मल्टीमॉडल समझ, तर्क और टेक्स्ट निर्माण संभालता है। Talker स्वीकृत आउटपुट को वाणी में बदलता है और वाणी का दृश्य सामग्री के साथ तालमेल बिठाता है। दोनों हिस्से Mixture of Experts आर्किटेक्चर पर आधारित हैं। इसमें मॉडल के पैरामीटर को विशेषज्ञ समूहों में बांटा जाता है, जो केवल जरूरत पड़ने पर सक्रिय होते हैं। इससे अनुमान प्रक्रिया तेज और अधिक विस्तार योग्य होती है, क्योंकि हर अनुरोध के लिए मॉडल के सभी पैरामीटर चलाने की जरूरत नहीं पड़ती।

Thinker और Talker की व्याख्या

Qwen3-Omni में Thinker इनपुट प्राप्त करता है, टेक्स्ट, तस्वीर, ऑडियो और वीडियो के संकेतों को मिलाता है और टेक्स्ट में मूल जवाब तैयार करता है। यहीं लंबे संदर्भ में तर्क, टूल का इस्तेमाल, जानकारी पुनः प्राप्त करना और सुरक्षा फिल्टर काम कर सकते हैं। अहम बात यह है कि Talker को Thinker के टेक्स्ट टोकन के आधार पर काम करने के लिए बाध्य नहीं किया गया है। इसके बजाय, यह सीधे ऑडियो और दृश्य विशेषताओं पर निर्भर करता है। इस फैसले से सिस्टम अनुवाद के दौरान मूल वक्ता के समय और जोर से मेल खाती वाणी तैयार कर सकता है, या बोलने की गति को स्क्रीन पर दिख रही चीजों के साथ तालमेल में रख सकता है। इससे कार्यप्रवाह पर नियंत्रण भी संभव होता है, क्योंकि बाहरी मॉड्यूल Thinker के आउटपुट की समीक्षा या उसमें बदलाव कर सकते हैं, इससे पहले कि Talker उन्हें ऑडियो में बदले।

वाणी के लिए Qwen3-Omni मल्टी-कोडबुक ऑटोरेग्रेसीव तरीका अपनाता है, जो छोटे ध्वनिक टोकन का अनुमान लगाता है और फिर हल्के Code2Wav नेटवर्क के जरिए उन्हें तरंग-रूप में बदलता है। यह डिजाइन आवाज की बारीकियां बनाए रखते हुए विलंबता घटाता है। Audio Transformer नाम का ऑडियो एनकोडर स्ट्रीमिंग और ऑफलाइन, दोनों तरह के इस्तेमाल को समर्थन देने के लिए शुरू से प्रशिक्षित किया गया था।

कम विलंबता वाली स्ट्रीमिंग के लिए तैयार

Qwen3-Omni को लाइव बातचीत के लिए बनाया गया है। सिस्टम के अनुसार, ऑडियो के लिए एंड-टू-एंड पहला पैकेट आने की विलंबता करीब 234 मिलीसेकंड और वीडियो के लिए करीब 547 मिलीसेकंड है। यह एक रियल-टाइम फैक्टर से नीचे रहता है, यानी यह इनपुट मिलने जितनी तेजी से या उससे भी तेजी से आउटपुट तैयार कर सकता है। वॉइस एजेंट, कॉल सेंटर सहायक, बैठक की लिप्यंतरण सेवा और ऐसे सभी मामलों में यह मायने रखता है जहां देरी बातचीत का प्रवाह तोड़ती है।

भाषा समर्थन और संदर्भ सीमाएं

यह मॉडल टेक्स्ट में 119 भाषाओं, वाणी इनपुट में 19 और वाणी आउटपुट में 10 भाषाओं का समर्थन करता है। यह लंबी बातचीत संभाल सकता है। Thinking Mode में संदर्भ विंडो 65,536 टोकन की है और तर्क की सबसे लंबी श्रृंखला 32,768 टोकन तक जाती है। Non Thinking Mode में 49,152 टोकन का संदर्भ इस्तेमाल होता है। अधिकतम इनपुट और आउटपुट, दोनों 16,384 टोकन हैं। ये सीमाएं तय करती हैं कि एक सत्र में मॉडल कितनी सामग्री ले और तैयार कर सकता है। वीडियो के प्रतिलेख और लंबे दस्तावेजों के लिए यह खास तौर पर अहम है।

संस्करण और तैनाती के विकल्प

अलीबाबा Qwen3-Omni-30B-A3B के तीन संस्करण जारी कर रहा है, जिनमें से हर एक को अलग काम के लिए अनुकूलित किया गया है।

Instruct मॉडल में Thinker और Talker दोनों शामिल हैं। यह टेक्स्ट, तस्वीर, ऑडियो और वीडियो स्वीकार करता है और टेक्स्ट तथा वाणी में जवाब देता है। Thinking मॉडल तर्क और लंबी विचार-श्रृंखला वाले कार्यों पर केंद्रित है। यह वही इनपुट स्वीकार करता है, लेकिन केवल टेक्स्ट आउटपुट देता है। इसलिए यह उन परिस्थितियों के लिए उपयुक्त है जहां आवाज से ज्यादा विस्तृत लिखित जवाब मायने रखते हैं। Captioner मॉडल को ऑडियो कैप्शनिंग के लिए फाइन-ट्यून किया गया है और यह मनगढ़ंत जानकारी कम रखने पर ध्यान देते हुए विस्तृत टेक्स्ट विवरण तैयार करता है। ये तीनों मिलकर व्यापक मल्टीमॉडल बातचीत, गहन तर्क और विशेषीकृत ऑडियो समझ की जरूरतें पूरी करते हैं।

Qwen3-Omni स्थानीय इस्तेमाल और क्लाउड, दोनों के लिए उपलब्ध है। डेवलपर्स आधिकारिक रिपॉजिटरी और सामुदायिक हब से इसके वेट डाउनलोड कर सकते हैं या अलीबाबा के API के जरिए तेज Flash संस्करण का इस्तेमाल कर सकते हैं। परियोजना के दस्तावेजों में त्वरित शुरुआत गाइड, वाणी पहचान, अनुवाद, संगीत विश्लेषण, OCR और ऑडियो-विजुअल बातचीत जैसे कार्यों के लिए कुकबुक, साथ ही Docker तैनाती से जुड़े निर्देश दिए गए हैं। GitHub रिपॉजिटरी यहां है: https://github.com/QwenLM/Qwen3-Omni.

होस्टेड API आजमाने वाली टीमों को अलीबाबा अलग-अलग माध्यमों में कुल दस लाख टोकन का मुफ्त कोटा देता है, जो सक्रियण के बाद 90 दिनों तक वैध है। API इस्तेमाल करते समय ऑडियो आउटपुट केवल Non Thinking Mode में उपलब्ध है। शुरुआती प्रयोगों के दौरान पायलट की योजना बनाने और लागत का अनुमान लगाने के लिए ये बातें अहम हैं।

प्रशिक्षण प्रक्रिया एक नजर में

Qwen3-Omni को कई चरणों वाली प्रक्रिया में प्रशिक्षित किया गया, जिसमें बड़े पैमाने पर प्रीट्रेनिंग को लक्षित पोस्ट-ट्रेनिंग के साथ जोड़ा गया। Audio Transformer ऑडियो एनकोडर के रूप में काम करता है और इसमें करीब 0.6 अरब पैरामीटर हैं। इसे 2 करोड़ घंटे के पर्यवेक्षित ऑडियो पर प्रशिक्षित किया गया। डेटा में करीब 80 प्रतिशत चीनी और अंग्रेजी वाणी पहचान, 10 प्रतिशत अन्य भाषाओं की वाणी पहचान और 10 प्रतिशत ऑडियो समझने के कार्य शामिल थे। यह एनकोडर रियल-टाइम कैशिंग और ऑफलाइन प्रोसेसिंग, दोनों के लिए बनाया गया है।

प्रीट्रेनिंग तीन चरणों में हुई। पहले चरण को encoder alignment कहा गया, जिसमें भाषा मॉडल का मूल हिस्सा स्थिर रखते हुए विजन और ऑडियो एनकोडर को प्रशिक्षित किया गया। इससे शुरुआती फ्यूजन के दौरान मॉडल की ग्रहण क्षमता कमजोर होने से बची। दूसरे चरण, general training, में करीब 2 ट्रिलियन टोकन के डेटासेट का इस्तेमाल किया गया, जिसमें टेक्स्ट, ऑडियो, तस्वीरें और वीडियो तथा ऑडियो-वीडियो के नमूनों की कम मात्रा शामिल थी। तीसरे चरण में अधिकतम टोकन लंबाई 8,192 से बढ़ाकर 32,768 की गई और लंबे ऑडियो तथा वीडियो सामग्री को बढ़ाया गया, ताकि लंबी अनुक्रमों को संभालने की क्षमता मजबूत हो।

पोस्ट-ट्रेनिंग में तर्क और वाणी की गुणवत्ता, दोनों पर काम किया गया। Thinker को पर्यवेक्षित फाइन-ट्यूनिंग, मजबूत से कमजोर मॉडल तक डिस्टिलेशन और नियम-आधारित फीडबैक तथा मॉडल-जज स्कोरिंग के मिश्रण के साथ GSPO अनुकूलन दिया गया। Talker ने करोड़ों मल्टीमॉडल वाणी नमूनों के साथ चार चरणों की प्रक्रिया पूरी की और चुने हुए डेटा पर लगातार प्रीट्रेनिंग की। लक्ष्य मनगढ़ंत जवाबों की दर घटाना और वाणी को अधिक स्वाभाविक बनाना था।

प्रदर्शन और इसकी खासियतें

कंपनी के बताए सार्वजनिक बेंचमार्क में Qwen3-Omni टेक्स्ट और विजन में ऊंचे स्कोर बनाए रखते हुए वाणी, ऑडियो और वीडियो समझने में मजबूत परिणाम दिखाता है। यह कई ओपन लीडरबोर्ड पर आगे है और बंद सिस्टमों के मुकाबले प्रतिस्पर्धी नतीजे देता है।

टेक्स्ट और तर्क में मॉडल का AIME25 पर स्कोर 65.0 और ZebraLogic पर 76.0 है। WritingBench पर इसे 82.6 अंक मिले। वाणी और ऑडियो में Wenetspeech पर इसकी शब्द त्रुटि दर 4.69 और 5.89 तथा Librispeech other पर 2.48 है। संगीत संबंधी कार्यों में भी इसके नतीजे मजबूत हैं: GTZAN पर 93.0 और RUL MuchoMusic पर 52.0। तस्वीर और विजन के लिए HallusionBench पर 59.7, MMMU pro पर 57.0 और MathVision full पर 56.3 अंक हैं। वीडियो में इसका स्कोर MLVU पर 75.2 है। अगर बाहरी मूल्यांकन में भी ये आंकड़े दोहराए जाते हैं, तो ये ऐसे मॉडल का संकेत देते हैं जो पारंपरिक टेक्स्ट कार्यों और उन्नत ऑडियो-वीडियो समझ के बीच संतुलन बनाता है।

दो बातों पर ध्यान देना जरूरी है। पहली, कई नतीजे कंपनी ने खुद बताए हैं। रोजमर्रा के प्रदर्शन की पूरी तस्वीर के लिए व्यापक परीक्षणों में स्वतंत्र रूप से इनकी पुष्टि जरूरी होगी। दूसरी, एक ही मॉडल में चार तरह के इनपुट शामिल करने से कुछ समझौते करने पड़ सकते हैं। कंपनी की सामग्री अलग-अलग माध्यमों में समान प्रदर्शन दिखाने का प्रयास करती है, लेकिन समुदाय के कुछ समीक्षकों ने ऐसे मामले देखे हैं जहां Qwen के पहले के टेक्स्ट-केंद्रित संस्करण सीमित कार्यों में थोड़ा बेहतर शुद्ध टेक्स्ट आउटपुट देते हैं। विशेषज्ञ और बहुउद्देश्यीय मॉडल के बीच यह जाना-पहचाना तनाव है। मौजूदा रिलीज इस अंतर को कम करती है और साथ ही ऐसा क्रॉस-मॉडल व्यवहार संभव बनाती है, जिसकी बराबरी विशेषज्ञ मॉडल नहीं कर सकते।

कीमत, कोटा और इस्तेमाल की सीमाएं

स्थानीय तैनाती के लिए Qwen3-Omni Apache 2.0 लाइसेंस के तहत ओपन सोर्स है। अलीबाबा के API के जरिए प्रबंधित पहुंच की कीमत इस्तेमाल किए गए टोकन के हिसाब से तय होती है। Thinking Mode और Non Thinking Mode में प्रति टोकन दर समान है। ऑडियो आउटपुट केवल Non Thinking Mode में उपलब्ध है।

हर 1,000 इनपुट टोकन की लागत

• टेक्स्ट इनपुट: 0.00025 अमेरिकी डॉलर
• ऑडियो इनपुट: 0.00221 अमेरिकी डॉलर
• तस्वीर या वीडियो इनपुट: 0.00046 अमेरिकी डॉलर

हर 1,000 आउटपुट टोकन की लागत

• केवल टेक्स्ट इनपुट पर टेक्स्ट आउटपुट: 0.00096 अमेरिकी डॉलर
• इनपुट में तस्वीर या ऑडियो शामिल होने पर टेक्स्ट आउटपुट: 0.00178 अमेरिकी डॉलर
• टेक्स्ट और ऑडियो आउटपुट: ऑडियो हिस्से के लिए 0.00876 अमेरिकी डॉलर, टेक्स्ट मुफ्त

मुफ्त स्तर: अलग-अलग माध्यमों में दस लाख टोकन, सक्रियण के बाद 90 दिनों तक वैध। संदर्भ सीमाएं काफी बड़ी हैं: Thinking Mode में 65,536 टोकन और Non Thinking Mode में 49,152 टोकन। एक बार में अधिकतम इनपुट 16,384 टोकन और अधिकतम आउटपुट 16,384 टोकन है। तर्क की सबसे लंबी श्रृंखला 32,768 टोकन तक जाती है। उत्पादन में लंबे मीडिया और दस्तावेजों को हिस्सों में बांटने की योजना इन्हीं सीमाओं के आधार पर बनती है।

यह उद्यमों के लिए क्यों अहम है

लाइसेंस इस कहानी का मुख्य हिस्सा है। Apache 2.0 व्यावसायिक इस्तेमाल, संशोधन और पुनर्वितरण के अधिकार देता है। इसमें पेटेंट लाइसेंस भी शामिल है, जिससे मॉडल को मालिकाना सिस्टम का हिस्सा बनाने पर कानूनी जोखिम घटता है। बदले हुए काम को प्रकाशित करने की कोई बाध्यता नहीं है, जिससे फाइन-ट्यून किए गए संस्करण निजी रखने वाली कंपनियों के लिए इसे अपनाना आसान होता है। यह विक्रेता-नियंत्रित ब्लैक बॉक्स के ठीक उलट है, जहां लागत, उपयोग दर की सीमाएं और मॉडल का व्यवहार बिना किसी उपाय के बदल सकते हैं।

यह रिलीज आर्किटेक्चर से जुड़े फैसलों को भी प्रभावित करती है। कई संगठन अब कई मॉडलों वाले सिस्टम की ओर बढ़ रहे हैं। वे काम के हिसाब से खुले और बंद मॉडल मिलाते हैं, नियमित कार्यों के लिए तेज और छोटे मॉडल को जटिल तर्क के लिए बड़े मॉडल के साथ जोड़ते हैं और डेटा पर नियंत्रण के लिए कुछ काम अपने परिसर में रखते हैं। Qwen3-Omni की व्यापक क्षमताएं इसे वाणी-प्रधान स्थितियों, बहुभाषी परिवेश और वीडियो-समृद्ध कार्यप्रवाहों के लिए उपयुक्त विकल्प बनाती हैं। एक मॉडल में कई माध्यम संभालने से अलग-अलग सिस्टमों को प्रशिक्षित और बनाए रखने की संख्या घट सकती है।

सफल तैनाती के लिए अब भी अनुशासित तरीका जरूरी है। सुरक्षा समीक्षा, निजता नियंत्रण, मूल्यांकन ढांचे और फाइन-ट्यूनिंग प्रक्रिया बुनियादी जरूरतें बनी रहती हैं। मॉडल का खुला स्वरूप उसकी जांच और अनुकूलन को आसान बनाता है, लेकिन सुरक्षा और अनुपालन की जिम्मेदारी अपनाने वाले संगठन पर भी डालता है। MLOps, टूल के इस्तेमाल और सुरक्षा उपायों में निवेश करने वाली टीमें इससे सबसे ज्यादा लाभ लेंगी।

इस्तेमाल के मामले: संपर्क केंद्र से लेकर फील्ड सेवा तक

अलीबाबा ने ऐसे कई परिदृश्य गिनाए हैं जो मॉडल की खूबियों के अनुकूल हैं। बहुभाषी लिप्यंतरण और अनुवाद को लाइव बातचीत के लिए कम विलंबता वाले वाणी आउटपुट के साथ जोड़ा जा सकता है। ऑडियो कैप्शनिंग मीडिया निर्माण और सामग्री की सुलभता में मदद करती है। OCR और दस्तावेज समझने की क्षमता फॉर्म, रसीदों और आरेखों की तस्वीरों पर भी लागू होती है। संगीत टैगिंग और ध्वनि विश्लेषण मीडिया लाइब्रेरी तथा रचनात्मक टूल के काम आते हैं। वीडियो समझने की क्षमता ट्यूटोरियल या उपकरण की प्रक्रिया दिखाने वाले वीडियो से सामग्री का अनुक्रमण, उसमें खोज और निर्देशों का पालन संभव बनाती है।

तकनीकी सहायता इसका एक उदाहरण है। ग्राहक फोन से वीडियो स्ट्रीम कर सकता है, जबकि मॉडल स्क्रीन पर मौजूद टेक्स्ट पढ़ता है, आसपास की आवाज सुनता है और बोलकर चरणबद्ध मार्गदर्शन देता है। दूसरा उदाहरण ऐसा पहनने योग्य सहायक है जो मेन्यू या संकेतों का वास्तविक समय में अनुवाद करता है। डेवलपर्स सिस्टम प्रॉम्प्ट के जरिए लहजा, व्यक्तित्व और क्षेत्र की सीमाएं तय करके मॉडल का व्यवहार निर्देशित कर सकते हैं। क्षमता बढ़ाने के लिए वे जानकारी पुनः प्राप्त करने वाले सिस्टम, कैलकुलेटर या तीसरे पक्ष के टूल भी जोड़ सकते हैं।

अपनाए जाने के संकेत और वैश्विक संदर्भ

शुरुआती लोकप्रियता से डेवलपर समुदाय की मजबूत दिलचस्पी का संकेत मिलता है। Qwen3-Omni के संस्करण लोकप्रिय AI हब पर ट्रेंडिंग मॉडल सूचियों में शीर्ष पर पहुंच गए, जबकि Qwen के दूसरे मॉडलों ने भी कई शीर्ष स्थान हासिल किए। यह उछाल चीनी टीमों के ओपन सिस्टम की ओर हो रहे व्यापक बदलाव को दर्शाता है, जो पश्चिमी कंपनियों के स्थापित मॉडलों से सीधे मुकाबला कर रहे हैं। बाजार में, रिलीज को व्यापक चर्चा मिलने के दिन हांगकांग में अलीबाबा के शेयर चार प्रतिशत से कुछ अधिक चढ़े।

यह खुला विकल्प बंद सिस्टमों की कीमत और उत्पाद रणनीति पर दबाव डालेगा, खासकर ऑडियो और वीडियो के अधिक इस्तेमाल वाले मामलों में। जिन उद्यमों को लंबी खरीद प्रक्रिया के बिना विचारों को परखना है, वे अब कम लागत में ओम्नी-मॉडल चला सकते हैं। अगर वास्तविक दुनिया का प्रदर्शन बताए गए बेंचमार्क के अनुरूप रहता है, तो यह रिलीज संपर्क केंद्रों, मीडिया निर्माण, शिक्षा, स्वास्थ्य सेवा में लिप्यंतरण और औद्योगिक रखरखाव में मल्टीमॉडल सहायकों को अपनाने की रफ्तार बढ़ा सकती है।

निष्कर्ष

• Qwen3-Omni एक ओपन सोर्स मॉडल है, जो टेक्स्ट, तस्वीर, ऑडियो और वीडियो स्वीकार करता है और टेक्स्ट तथा वाणी में जवाब देता है। इसे वास्तविक समय के इस्तेमाल के लिए अनुकूलित किया गया है।
• यह सिस्टम गति और विस्तार के लिए Mixture of Experts के साथ Thinker और Talker आर्किटेक्चर का इस्तेमाल करता है। इसमें खास Audio Transformer और Code2Wav रेंडरर भी है।
• लक्ष्य ऑडियो के लिए करीब 234 मिलीसेकंड और वीडियो के लिए करीब 547 मिलीसेकंड विलंबता है। स्ट्रीमिंग एक रियल-टाइम फैक्टर से नीचे रहती है।
• यह टेक्स्ट में 119, वाणी इनपुट में 19 और वाणी आउटपुट में 10 भाषाओं का समर्थन करता है। संदर्भ विंडो 65,536 टोकन तक है।
• इसके तीन संस्करण उपलब्ध हैं: पूरे मल्टीमॉडल इनपुट-आउटपुट के लिए Instruct, केवल टेक्स्ट में तर्क के लिए Thinking और विस्तृत ऑडियो कैप्शनिंग के लिए Captioner।
• यह Apache 2.0 के तहत ओपन सोर्स है। API परीक्षणों के लिए दस लाख टोकन का मुफ्त कोटा और होस्टेड इस्तेमाल के लिए प्रति टोकन कीमत उपलब्ध है।
• कंपनी के बताए बेंचमार्क वाणी, ऑडियो, वीडियो और टेक्स्ट में मजबूत नतीजे तथा कई अत्याधुनिक स्कोर दिखाते हैं।
• उद्यमों को विक्रेता पर निर्भर हुए बिना मल्टीमॉडल AI तैनात करने, उसे अपनी जरूरत के मुताबिक ढालने और चलाने का बिना लाइसेंस लागत वाला विकल्प मिलता है, बशर्ते वे मूल्यांकन और सुरक्षा में निवेश करें।
• समुदाय में इसे तेजी से अपनाया जा रहा है। डेवलपर प्लेटफॉर्म पर Qwen मॉडल ट्रेंड कर रहे हैं और चीनी ओपन AI सिस्टमों में दिलचस्पी बढ़ रही है।