Qwen3.5 Omni Flash

POST /v1/chat/completions

Modelo omnimodal econômico para lidar com texto, imagem, áudio e vídeo, com até 3 horas de áudio e 1 hora de vídeo em 90+ idiomas.

De um olhar

Campo	Valor
ID do modelo	`qwen3-5-omni-flash`
Data de lançamento do modelo	2026-03-30
Modalidades de entrada	Texto, Imagem, Vídeo, Áudio
Modalidades de saída	Texto, Áudio
Janela de contexto	256K
Precisão do peso	-
Tokens de saída máxima	32,768
Região	Singapura
Características	visão, audio_in, audio_out, multilíngue
Inferência nativa	Não
Novo	Não
Endpoints suportados	`POST /v1/chat/completions`, `POST /v1/responses`, `POST /v1/messages`, `POST /v1/audio/speech`

Precificação

Carga	Especificação	Taxa
Entrada	por 1M de tokens de prompt	por token de prompt de 1M $0.40; por 1M de tokens de prompt $3.00
Produção	por 1M de tokens gerados	por 1M de tokens gerados $2.20; por 1M de tokens gerados $11.90
Busca na Web	por pedido	$0.015

Exemplo de pedido

$ 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"}]}'

Parâmetros

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
`temperature`	Número	Não	`0.7`	Temperatura de amostragem. 0 = determinística, 2 = aleatoriedade máxima. · Intervalo: 0 – 2
`top_p`	Número	Não	`0.9`	Amostragem do núcleo com a probabilidade de massa. Menor = mais focado. · Intervalo: 0 – 1
`max_tokens`	Número	Não	`4096`	Fichas máximas na resposta. · Intervalo: 1 – 32768
`output_mode`	enum	Não	`"text"`	Modo formato de saída. texto = apenas texto, áudio = incluir fala sintetizada. · Permitido: `text`, `text_audio`
`voice`	String	Não	`"Tina"`	Nome da voz para saída de áudio (quando output_mode = áudio).
`tool_web_search`	Booleano	Não	falso	Permita que o modelo realize buscas na web quando necessário.
`video_fps`	Número	Não	`2`	Frames por segundo amostrados a partir do vídeo de entrada para análise. · Alcance: 0,1 – 10
`vl_high_resolution_images`	Booleano	Não	Verdade	Use resolução maior para as imagens de entrada. Melhor detalhamento a um custo maior.
`max_pixels`	Número	Não	`2621440`	Máximo de pixels por imagem de entrada. Maior = mais detalhes, mas mais lento / mais fichas. · Intervalo: 1 – 99999999

Notas

Faturamento de áudio

O áudio é cobrado com uma taxa de token maior que text/image/vídeo
Quando a saída de áudio está ativada, o texto de saída NÃO é carregado - apenas tokens de áudio

Voz e linguagem

55 timbres de voz disponíveis
A saída de áudio suporta 29 idiomas, 7 dialetos

Faturamento por ferramenta (usage.tool_usage)

Quando esse modelo invoca ferramentas (busca web, interpretador de código, etc.) dentro de uma única requisição, a resposta carrega um mapa de usage.tool_usage normalizado junto com as contagens de tokens. O exemplo abaixo mostra a forma - nomes exatos de campos, unidades e quais ferramentas aparecem podem variar ligeiramente de acordo com o provedor:

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 }

A contagem de ferramentas já está em conta cost_usd - elas são apresentadas para transparência, permitindo auditar o faturamento por ferramenta. O campo é omitido quando nenhuma ferramenta foi invocada.

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