Qwen3.5-Omni-Light

Qwen3.5-Omni-Lightは、AlibabaのQwen3.5-Omniファミリーにおいて2026年3月30日にリリースされた軽量バリアントです。ネイティブのマルチモーダルAIにおける重要な進歩を表しており、単一モデルのパスでテキスト、画像、音声、ビデオを処理し、テキストとリアルタイム音声の両方を生成するように設計されています。Thinker-TalkerフレームワークとHybrid-Attention MoEに基づくこのアーキテクチャは効率性に最適化されており、「Light」バージョンをエッジやリソース制約のあるデプロイに適したものにしています。Lightバリアントの具体的なパラメータ数は非公開ですが、256Kトークンの巨大なコンテキストウィンドウや音声認識における113言語のサポートなど、ファミリーのコア機能を共有しています。

シリーズ内で最もアクセスしやすいエントリーポイントとして位置づけられるQwen3.5-Omni-Lightは、オープンウェイトとして提供され、Qwen License（商用利用無料）の下でローカルデプロイやファインチューニングが可能です。これは、フラッグシップの「Plus」やバランスの取れた「Flash」バリアントとは対照的で、これらはプロプライエタリでありAPI経由でアクセスします。モデルの主な革新は、長時間の音声（10時間以上）やビデオ（720pで400秒以上）をネイティブに処理できる能力にあり、ポッドキャスト全体の分析、視覚的コンテキストを含む会議の文字起こし、リアルタイムの多言語音声エージェントなどのアプリケーションを可能にします。Plusバリアントからのベンチマーク主張（215のSOTA結果）は、ファミリーを音声および音声視覚タスクのリーダーとして位置づけていますが、Lightバリアントの具体的なパフォーマンス層はあまり文書化されていません。