基于 Perplexity Sonar 模型（perplexity-sonar-ssvip）的 Responses 端点接口，支持文本与图像混合输入，结合实时联网搜索对图像内容进行识别与描述，并附上 URL 引用注释。相比 Sonar Pro，该接口响应更轻量、token 消耗更少，适合对速度和成本

腾讯云联网搜索，提供实时联网检索服务。支持三种返回模式：自然检索结果、多模态 VR 百科结果及二者混合，可按域名、时间范围精准过滤结果。搜索结果以结构化 JSON 数组返回，每条结果包含标题、摘要、来源 URL、发布时间、相关性得分（0–1）及图片列表等字段，适合需要结合实时网络信息进行问答、知识增

基于 Qwen3.8-Omni-Flash 全模态模型的文本对话接口，通过 /v1/chat/completions 端点以 SSE 流式方式调用。模型上下文长度达 1M Token，默认开启思考（reasoning_effort 默认为 xhigh，实际有效档位为 none / low / med

基于 Qwen3.8-Omni-Flash 全模态模型的多模态理解接口，通过 /v1/chat/completions 端点在同一条 user 消息中组合文本、图片、音频和视频输入，并以文本形式流式返回分析结果。图片单张不超过 20MB（URL 方式最多 2048 张），音频最长 3 小时，视频单个

基于 Qwen3.8-Omni-Flash 全模态模型的多轮对话接口，通过 /v1/chat/completions 端点以 OpenAI SDK 流式调用。多轮对话不会由服务端自动保存上下文，客户端需在每次请求中把之前的用户消息和助手回复按顺序放入 messages；preserve_thinki

qwen3.5-omni-plus-all 是阿里巴巴通义千问团队推出的全模态大模型，支持同时输出文本与音频双模态结果。模型内建 55 种可选音色（示例使用 Tina），支持 WAV 音频格式，流式输出配合 include_usage 可在末尾返回完整的 Token 用量统计，适用于智能问答、语音助

qwen3.5-omni-plus-all 是阿里云通义千问最新一代的全模态大模型，能够接收文本、音频等多种模态的组合输入，并同步输出文字与语音形式的回复。该模型支持 113 种输入音频语种（74 种语言 + 39 种方言）、36 种输出音频语种，提供 55 种拟人化音色选择，最长可处理 3 小时的

qwen3.5-omni-plus-all 是 Qwen3.5-Omni 系列最新一代全模态大模型，支持多模态输入（文本、图像、音频、视频）与文本/语音输出。本接口演示通过 /v1/responses 端点，将本地音频（Base64 编码）+ 文本提示一并发送给模型，模型以流式方式同时返回文字回复与

基于阿里云最新一代全模态大模型 qwen3.5-omni-plus-all 的 Responses 端点多模态接口，支持在同一请求中同时传入文本与本地图片（Base64 编码），并以流式方式返回文本与音频（WAV）回复。该模型具备 74 种语言与 39 种方言的理解能力、29 种语言与 7 种方言的

基于阿里通义千问 Qwen3.5-Omni 全模态大模型的多模态对话接口，通过 知能API /v1/responses 端点提供服务。支持文本与图片任意组合作为输入，流式同时返回文字回复与拟人化语音合成（WAV 音频 Base64 编码）。覆盖 55 种拟人音色、36 种输出语音语种（含 29 种语