Alibaba lanza Qwen3.5-Omni, modelo multimodal que genera código desde instrucciones de voz y vídeo
Hecho Qué ha ocurrido
Alibaba ha lanzado Qwen3.5-Omni, un modelo de IA omnimmodal que procesa texto, imágenes, audio y vídeo. El modelo supera a Gemini 3.1 Pro en tareas de audio y desarrolló una capacidad emergente no entrenada explícitamente: escribir código desde instrucciones habladas y entrada de vídeo. El modelo maneja contextos de hasta 256.000 tokens, procesa más de 10 horas de audio y más de 400 segundos de vídeo en 720p, y está disponible como servicio API.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
La capacidad emergente de generación de código multimodal (audio-visual) sin entrenamiento específico sugiere que los modelos omnimmodales pueden desarrollar habilidades impredecibles al escalar. Para empresas, esto abre nuevas formas de interacción con sistemas de IA y mejora significativamente la experiencia en interfaces conversacionales reales.
- Quién se ve afectado
- Desarrolladores, empresas de software, plataformas de IA conversacional, servicios de atención al cliente y sectores que requieren procesamiento multimodal en tiempo real.
- Qué puede cambiar
- Las interfaces de programación podrían evolucionar hacia sistemas capaces de entender descripciones verbales y visuales complejas sin código tradicional. Los asistentes de IA en tiempo real ganarán robustez en manejo de múltiples modalidades y contextos prolongados.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Adopción de Qwen3.5-Omni en aplicaciones empresariales y evaluaciones independientes de la calidad de código generado. Reacción de OpenAI y Google ante estas capacidades multimodales. Salida de talento clave en Alibaba (partida de Junyang Lin) y su impacto en futuras iteraciones.
Recomendación Qué debería hacer una empresa
Evaluar Qwen3.5-Omni como alternativa para aplicaciones que requieren procesamiento de audio y vídeo en tiempo real en los próximos 6-12 meses, especialmente en atención al cliente y automatización de flujos complejos.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗multimodalomnimodalLLMspeech synthesisaudio AlibabaGoogle DeepMindOpenAI Alibaba código desde voz IA conversacional modelos multimodales Qwen3.5-Omni
Relacionadas
Google DeepMind lanza Gemini Omni Flash, modelo multimodal para generar y editar vídeo con lenguaje natural
Google DeepMind presenta Gemini Omni, familia de modelos capaces de crear contenido a partir de cualquier entrada (imagen, audio, vídeo, texto) empezando por…
Por qué importaMarca un salto en la generación multimodal integrada con capacidad de razonamiento, permitiendo edición conversacional de vídeo de forma iterativa…
Alibaba lanza Qwen3.5, modelo multimodal con 397B parámetros y velocidad 19x superior
Alibaba ha publicado Qwen3.5-397B-A17B, un modelo de código abierto con 397 mil millones de parámetros totales pero solo 17 mil millones activos por consulta…
Por qué importaDemuestra que los laboratorios chinos de IA mantienen ritmo acelerado de innovación en modelos abiertos, compitiendo directamente con GPT-5.2, Claude…
Alibaba lanza Qwen3.8-Omni-Flash, modelo multimodal más barato que Gemini Flash
Alibaba presentó Qwen3.8-Omni-Flash, su primer modelo multimodal para agentes de IA, que procesa audio y vídeo conjuntamente con ventana de contexto de un…
Por qué importaOfrece capacidades multimodales similares a un modelo líder de Google a un coste sensiblemente menor, lo que presiona los precios del mercado de IA…
Qwen3.5 llega a Ollama con multimodal nativo y agentes con 256K de contexto
Alibaba ha lanzado Qwen3.5, una familia de modelos disponible ahora en Ollama con capacidades multimodales integradas, soporte para agentes con tool calling y…
Por qué importaPara desarrolladores y empresas que ejecutan IA localmente, Qwen3.5 combina tres capacidades ausentes en la mayoría de modelos abiertos…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.