Qwen3-Omni-Flash-2025-12-01是一款拥有300亿参数和30亿活跃参数的下一代原生多模态大模型，继承了之前的7B全模态模型。它被定位为Qwen3-Omni-30B-A3B-Instruct的继任者，尽管其权重目前不在开源框架中，这使得其使用受限，尽管其性能表现强劲。该模型包含650M音频编码器、540M视觉编码器、30B-A3B LLM、3B-A0.3B音频LLM以及80M Transformer/200M卷积网络，用于音频token到波形的转换。存在一个推理版本，可能在语音交互过程中发出思考token，增加了一个有趣的交互元素。虽然一些人推测它可能是一个闭权重模型即服务，因为其'Flash'设计，但其他人指出，鉴于其基准测试性能与更大模型的对比，它可能是Qwen3-235B-A22B的全模态版本。该模型的上下文窗口可能扩展至200K+ tokens，但截至文章撰写时，其权重仍未在Hugging Face或ModelScope上发布。确认了实时对话支持，但本地硬件实现尚未由社区验证。