阿里云百炼提供千问及第三方模型服务，覆盖文本、图像、音频、视频等多种模态。
文本生成
 qwen3.8-max | qwen3.7-plus | qwen3.8-flash |
 deepseek-v4-pro-0813 | deepseek-v4.1-flash |  kimi/kimi-k3 |
| kimi-k3 | glm-5.2 | ZHIPU/GLM-5.3 |
 MiniMax-M3 |  mimo-v2.5-pro |
图像与视频
理解
分析图片和视频内容，返回文本描述或结构化结果
| qwen3.8-max | qwen3.7-plus | qwen3.8-omni-flash |
| kimi/kimi-k3 |
生成
通过文本或图片生成图像与视频，支持编辑、参考与高分辨率输出
| qwen-image-3.0-pro | wan2.7-image-pro |  happyhorse-1.1-t2v |
| happyhorse-1.1-i2v | happyhorse-1.1-r2v | happyhorse-1.0-video-edit |
| wan3.0-video |
世界模型
实时交互的开放式世界模型，覆盖世界探索、实时导演、角色演绎三种模式
 happyoyster-1.0-adventure | happyoyster-1.0-directing | happyoyster-1.0-acting邀测 |
3D模型生成
文生3D模型或图生3D模型，构建三维资产
 Tripo/Tripo-H3.1 | Tripo/Tripo-P1.0 |
音频与语音
语音合成
适用于有声阅读、语音播报、虚拟人等场景
| qwen-audio-3.0-tts-plus | MiniMax/speech-2.8-hd |
音乐生成
根据提示词或歌词生成音乐
| fun-music-v1 |
语音识别
专业 ASR 与大模型两种方案，按精度与灵活性选择
| qwen-audio-3.1-asr-flash-streaming | qwen-audio-3.1-asr-flash-filetrans | qwen3.8-omni-flash-realtime |
| qwen3.8-omni-flash |
语音转语音
端到端语音对话，无需分别调用 ASR 和 TTS
| qwen-audio-3.1-realtime-plus | qwen3.5-omni-plus | qwen3.8-omni-flash-realtime |
全模态
融合文本、图像、音频、视频等多种模态的理解与生成能力。音视频分析与文本生成选择 qwen3.8-omni-flash，通过 Chat Completions 或 Responses 调用；实时音视频对话选择 qwen3.8-omni-flash-realtime。
如需离线语音输出，请使用 qwen3.5-omni-plus。
| qwen3.8-omni-flash-realtime | qwen3.8-omni-flash |
向量与重排序
文本或图文向量化，配合重排序提升检索精度
| qwen3.7-text-embedding-flash | qwen3.7-text-embedding | qwen3-vl-embedding |
| qwen3.7-text-rerank |
决策模型
面向高频业务判断的结构化决策模型，一次前向完成分类、是非判断与评分，并返回概率分布与置信度。
| decision-model-preview |