千问全新多模态理解生成大模型，支持文本, 图像，语音，视频输入理解和混合输入理解，具备文本和语音同时流式生成能力，多模态内容理解速度显著提升，提供了4种自然对话音色，此版本为2025年3月26日的快照版本，相比1月19日的快照版本在视觉能力上有大幅提升。