Qwen3.5 Omni Flash

POST /v1/chat/completions

Modelo omnimodal rentable que maneja texto, imagen, audio y vídeo, con hasta 3 horas de audio y 1 hora de vídeo en 90+ idiomas.

A simple vista

Campo	Valor
ID de modelo	`qwen3-5-omni-flash`
Fecha de lanzamiento del modelo	2026-03-30
Modalidades de entrada	Texto, Imagen, Vídeo, Audio
Modalidades de salida	Texto, Audio
Ventana de contexto	256K
Precisión del peso	-
Tokens de salida máximo	32,768
Región	Singapur
Características	Visión, audio_in, audio_out, multilingüe
Inferencia nativa	No
Nuevo	No
Puntos finales soportados	`POST /v1/chat/completions`, `POST /v1/responses`, `POST /v1/messages`, `POST /v1/audio/speech`

Precios

Carga	Especificaciones	Tarifa
Entrada	por 1M de fichas de prompt	por 1M de tokens de prompt $0.40; por cada 1M de tokens de prompt $3.00
Producción	por cada 1M de tokens generados	por cada 1M de tokens generados $2.20; por cada 1M de tokens generados $11.90
Búsqueda web	por petición	$0.015

Solicitud de ejemplo

$ curl https://api.empiriolabs.ai/v1/chat/completions \
>   -H 'Authorization: Bearer $EMPIRIOLABS_API_KEY' \
>   -H 'Content-Type: application/json' \
>   -d '{"model": "qwen3-5-omni-flash", "messages": [{"role":"user","content":"Hello"}]}'

Parámetros

Parámetro	Tipo	Obligatorio	Default	Descripción
`temperature`	Número	no	`0.7`	Temperatura de muestreo. 0 = determinista, 2 = máxima aleatoriedad. · Rango: 0 – 2
`top_p`	Número	no	`0.9`	Masa de probabilidad de muestreo del núcleo. Más bajo = más enfocado. · Rango: 0 – 1
`max_tokens`	Número	no	`4096`	Máximo de tokens en la respuesta. · Rango: 1 – 32768
`output_mode`	enum	no	`"text"`	Modo formato de salida. texto = solo texto, audio = incluir voz sintetizada. · Permitidos: `text`, `text_audio`
`voice`	Cuerda	no	`"Tina"`	Nombre de voz para la salida de audio (cuando output_mode = audio).
`tool_web_search`	Booleano	no	falso	Permite que el modelo realice búsquedas en la web cuando sea necesario.
`video_fps`	Número	no	`2`	Fotogramas por segundo muestreados del vídeo de entrada para análisis. · Rango: 0,1 – 10
`vl_high_resolution_images`	Booleano	no	Cierto	Usa una resolución más alta para las imágenes de entrada. Mejor detalle a mayor coste.
`max_pixels`	Número	no	`2621440`	Píxeles máximos por imagen de entrada. Más grande = más detalle pero más lento / más fichas. · Rango: 1 – 99999999

Notas

Facturación de audio

El audio se factura a una tasa de token más alta que text/image/vídeo
Cuando la salida de audio está activada, el texto de salida NO se carga - solo los tokens de audio

Voz y lenguaje

55 timbres de voz disponibles
La salida de audio soporta 29 idiomas, 7 dialectos

Facturación por herramienta (usage.tool_usage)

Cuando este modelo invoca herramientas (búsqueda web, intérprete de código, etc.) dentro de una sola petición, la respuesta lleva un mapa de usage.tool_usage normalizado junto con los conteos de tokens. El siguiente ejemplo muestra la forma - los nombres exactos de campos, unidades y qué herramientas aparecen pueden variar ligeramente según el proveedor:

1 "usage": {
2   "prompt_tokens": 123,
3   "completion_tokens": 456,
4   "cost_usd": 0.0042,
5   "tool_usage": {"web_search": 3, "code_interpreter": 1}
6 }

El número de herramientas ya está en cost_usd - se perfilan para transparencia y así puedes auditar la facturación por herramienta. El campo se omite cuando no se invocan herramientas.

Machine-legible esquema: GET https://api.empiriolabs.ai/v1/models/qwen3-5-omni-flash.