通义 Qwen3-Omni-30B
阿里巴巴 · 30B-A3B（MoE）
唯一真正把音频纳入统一接口的开源选择
图像、音频、视频、文本单接口输入，30B-A3B 的推理成本低。它是“全模态原型”最现实的开源起点，但上下文只有 32K，长文档需分段。
最后更新于 2026 年 10 月 18 日编辑部评分
结论先行
八维评分拆解
编辑部映射分 · 0–100- 通义 Qwen3-Omni-30B88.9
权重：视觉 20 / 文档 18 / 图表 14 / 视频 14 / Agent 14 / 生成 6 / 中文 6 / 生态 8。分数含义与证据来源见方法页。
公开基准与数据
按来源口径，不换算| 基准 / 指标 | 数值 | 说明 |
|---|---|---|
| 模态覆盖 | 4 | 文/图/音/视频 |
| 激活参数 | 3B | 30B 总参 MoE |
公开分数来自不同版本与提示词设置，不能与本站综合分直接互换；我们仅将其作为评分证据之一。
场景映射
同一把尺子的五项压力测试| 场景 | 映射分 | 观察 |
|---|---|---|
| 中文票据 OCR | 89 · 清晰票面可用 | |
| 图表取数 | 86 · 复杂图偶有误读 | |
| 30 分钟视频问答 | 87 · 需分段，时序一般 | |
| 手机 GUI 操作 | 82 · 非强项 | |
| 中文文化理解 | 90 · 通义系中文底子好 |
优势与局限
优势
- 文本/图像/音频/视频统一输入，少一套胶水代码。
- Apache-2.0，商用限制少。
- 30B-A3B 激活参数小，推理成本可控。
局限
- 32K 上下文，长视频与长文档吃亏。
- 音频中文方言识别一般。
- 复杂图表推理弱于旗舰 VL。
价格与真实成本
公开单价
¥4/M tokens
开源；API 约 ¥4 / 百万输出。以 1,000 张 1,024px 图片、每张约 1,100 图像 token、300 输出 token 估算，单月成本约为 ¥2.4（按输入价为输出价 25% 的假设）。
按你的量计算关于通义 Qwen3-Omni-30B
通义 Qwen3-Omni-30B 是开源的吗？
许可证：Apache-2.0。可获取权重，但商用前请核对具体条款与备案要求。
通义 Qwen3-Omni-30B 的价格是多少？
开源；API 约 ¥4 / 百万输出。按本站 8 维评分，它排在第 10 位，综合 88.9 分。实际账单受分辨率、切块、缓存与阶梯折扣影响。
通义 Qwen3-Omni-30B 最适合什么场景？
语音 + 画面联合分析；开源全模态原型；成本敏感的批量多模态任务。
为什么 通义 Qwen3-Omni-30B 的综合分是 88.9？
综合分由 8 个维度按权重加权：视觉 20%、文档 18%、图表 14%、视频 14%、Agent 14%、生成 6%、中文 6%、生态 8%。它的强项是文档解析与中文 OCR，短板是GUI Agent 与工具调用。
个人榜单 · 非官方评分
本页所有排名、分数与对比均为个人评测榜单，不是官方评分，也不代表任何厂商、机构或监管口径。分数是公开证据在自定权重下的主观映射，换一组权重名次就会变。如有不同意见或发现事实错误，欢迎联系站长：jizhi2024@foxmail.com——我们会逐条核对并在更新日志中记录订正。