阿里百炼上线 Qwen-MT-Uni：一次调用完成文本/文档/图片/音频的同格式翻译，输出仍是原格式

阿里云百炼上线 qwen-mt-uni，一款面向图片、文本、音频及各类文档的全模态翻译模型：官方描述其走「统一格式识别 → 智能路由 → 内容抽取 → 跨模态翻译 → 原格式重构」链路，实现多类型输入的一体化高保真翻译。能力表显示输入与输出模态均为 Text / Document / Image / Audio，即译文会以与输入相同的载体形式返回（文档给文档、图片给图片）。

容量与定价：单文件上限 100MB、文档页数上限 200 页、音频时长 3 秒至 60 分钟。华北 2（北京）按输入模态分档计价——文本 65 元、文档 20 元、图片 32 元、音频 400 元每百万 token，含 100 万 token 免费额度（自开通或模型发布起 90 天内有效）；限流 162 RPM、2,592,000 TPM，异步并发 3、排队上限 500。该模型不支持 Function Calling、结构化输出、上下文缓存与批量推理。

它改变了什么：把「翻译」从文本函数变成跨格式的链路服务——此前图片翻译、文档翻译、语音翻译通常是三套独立接口，各自解释版面和音轨；现在合并为一次调用，并按输入模态分别计费（音频 400 元/百万 token 是文本的 6 倍，价差直接反映各模态的处理成本）。边界：不支持工具调用与批量推理，长文档需走异步调用。

原文链接：阿里云百炼官方文档