阿里巴巴推出Qwen-Audio-3.0，四大維度全面升級

阿里巴巴全新語音AI模型挑戰OpenAI與百度，搶佔即時對話式AI賽道。

阿里巴巴集團於周三發布Qwen-Audio-3.0-Realtime語音對話模型，該模型在智能體工具調用及共情對話能力上進行升級，加劇了中國語音AI市場的競爭。

「我們設計這款模型旨在兼顧速度與智慧，拉近語音助手與真實對話之間的差距，」一位阿里雲發言人表示。

該模型提供兩個版本：Plus版專注於複雜推理任務，Flash版則針對低延遲響應進行優化。阿里巴巴表示，該模型在四大維度——推理能力、智能體工具整合、共情對話及全雙工對話流暢度——均有提升，但未披露具體基準測試分數或其宣稱改進的測試條件。全雙工能力允許雙方自然打斷彼此、無需輪流等待，這是OpenAI於2024年透過GPT-4o引入的語音AI關鍵差異化功能。

Qwen模型系列是阿里巴巴AI戰略的核心支柱，該公司在企業及消費者語音AI應用領域與百度的文心一言（ERNIE Bot）及字節跳動的豆包（Doubao）展開競爭，涵蓋智慧客服、教育、娛樂及情感陪伴等場景。

Plus版本鎖定需要複雜多步驟推理的企業用例，例如客服升級與教育輔導，模型必須理解上下文、從資料庫檢索資訊並透過工具調用執行操作。Flash版本則優先考慮速度，適用於互動娛樂與情感陪伴等即時應用場景，低延遲對自然對話流程至關重要。阿里巴巴未透露任一版本的每Token定價或推理成本——這些指標決定了企業能否大規模部署該模型。

此次發布正值中國AI公司在智能體網絡時代加速產品推出之際，AI系統不再只是生成回應，而是能自主執行任務。百度已將語音功能整合至文心一言，而字節跳動的豆包在面向消費者的語音應用中獲得關注。OpenAI的GPT-4o語音模式支援即時情緒語調偵測與打斷處理，樹立了全球標杆，中國開發者正力爭追上。

阿里巴巴的Qwen模型系列已成為該公司雲端業務的核心支柱。雲端事業部在企業AI工作負載領域與華為雲及騰訊雲競爭，而語音AI正隨著企業自動化客服及開發虛擬助手成為快速增長的領域。阿里巴巴近期投資AI影片生成平台PixVerse，作為其核心電商業務之外全面進軍AI應用的一部分。

對投資人而言，Qwen-Audio-3.0的發布顯示阿里巴巴致力於維持其在中國AI競賽中的地位，然而缺乏公開的基準數據令外界難以評估該模型是否真正縮小了與競爭對手的差距。阿里巴巴預計將在8月公布截至6月止的季度財報，屆時雲端營收增長及AI相關支出將成為關鍵指標。該公司能否透過雲端服務及企業部署將AI投資變現，將決定Qwen系列能否轉化為可持續的營收增長。

本文僅供資訊參考，不構成投資建議。