TL;DR
- Wat: Alibaba's Qwen-team bracht Qwen 3.5 Omni uit, een AI-model dat tekst, beeld, audio én video tegelijk begrijpt — en code kan genereren op basis van gesproken instructies.
- Waarom relevant: Dit soort modellen maakt het mogelijk om zonder technische kennis een werkend prototype te laten bouwen door simpelweg te praten en te wijzen.
- Wat je ermee kunt: Bekijk of multimodale AI een rol kan spelen in het versnellen van prototyping, klantenservice of interne documentatie in je bedrijf.
Eind maart bracht het Qwen-team van Alibaba Cloud een nieuw AI-model uit dat meteen mijn aandacht trok: Qwen 3.5 Omni. Niet vanwege weer een benchmarkrecord, maar vanwege een eigenschap die ik eerlijk gezegd niet had verwacht: je kunt er met je stem een werkende website mee laten bouwen. Dat vond ik het onderzoeken waard.
Wat is Qwen 3.5 Omni precies?
Qwen 3.5 Omni is wat je noemt een omnimodaal model — dat betekent dat het niet beperkt is tot tekst, zoals de meeste AI-tools die je misschien kent. Dit model kan tegelijkertijd tekst, afbeeldingen, audio en video verwerken én begrijpen. Het kan daar vervolgens zowel tekst als spraak op teruggeven.
Het model komt in drie varianten: Plus (het krachtigst, voor complexe taken), Flash (geoptimaliseerd voor snelheid) en Light (de lichtste versie, gericht op efficiëntie). Het Plus-model scoort volgens de makers op meer dan 215 audio- en audiovisuele taken beter dan of gelijkwaardig aan Google's Gemini 3.1 Pro.
Wat mij opvalt is de schaal waarop het audio kan verwerken. Het contextvenster van 256.000 tokens vertaalt zich naar meer dan tien uur aaneengesloten audio. Ter vergelijking: dat is een volledige werkdag aan vergaderingen die het model in één keer kan "beluisteren" en begrijpen. Daarnaast kan het zo'n 400 seconden aan 720p-video verwerken, inclusief het geluid erbij.
De architectuur draait op een zogeheten Thinker-Talker-ontwerp. De Thinker is het denkende deel: dat verwerkt alle binnenkomende informatie en vormt er een samenhangend begrip van. De Talker zet dat begrip om in spraak of tekst. Dat klinkt simpel, maar het betekent dat het model niet — zoals veel concurrenten — aparte systemen aan elkaar knoopt voor beeld, geluid en tekst. Het is één geïntegreerd systeem.
Van stem en schets naar werkende code
Het meest opvallende onderdeel van Qwen 3.5 Omni is wat het team Audio-Visual Vibe Coding noemt. En wat mij hier fascineert: deze vaardigheid is niet expliciet aangeleerd. Het is een zogeheten emergente eigenschap — het model bleek dit te kunnen als bijeffect van het trainen op grote hoeveelheden multimodale data.
Concreet betekent het dat je een schets van een webpagina kunt fotograferen, er mondeling bij kunt vertellen wat je wilt, en dat het model daar werkende HTML en CSS van maakt. Of je filmt een bestaande interface, wijst naar een element en beschrijft een bug — en het model genereert een fix.
Ik vind het eerlijk gezegd bijzonder dat dit niet het resultaat is van gerichte training, maar spontaan ontstond. Dat zegt iets over hoe krachtig de combinatie van beeld- en taalbegrip inmiddels is geworden in deze modellen.
Wat dit niet is
Laat ik wel helder zijn: dit is geen vervanger voor een webdeveloper. De gegenereerde code is geschikt voor prototypes en snelle demonstraties, niet voor productiesystemen. Ik zou het vergelijken met een snelle schets op een whiteboard — handig om een idee te toetsen, maar niet het eindproduct.
Wat betekent dit voor een ondernemer?
Kun je je voorstellen wat dit betekent als je een nieuw product wilt testen? Stel dat je als ondernemer een idee hebt voor een klantportaal. In plaats van eerst een briefing te schrijven, een designer in te schakelen en een developer te betalen voor een eerste versie, zou je in theorie een ruwe schets kunnen maken, je idee inspreken, en binnen minuten een werkend prototype op je scherm hebben.
Ik denk dat de waarde vooral zit in drie gebieden:
1. Sneller van idee naar prototype
Voor MKB-bedrijven die geen eigen ontwikkelteam hebben, verlaagt dit de drempel om digitale ideeën te testen. Je hoeft niet te wachten op een offerte van een bureau om te zien of een concept werkt.
2. Lange audio verwerken
Tien uur audio in één keer verwerken opent mogelijkheden voor bedrijven die veel met gesproken informatie werken. Denk aan het samenvatten van een dag vol klantgesprekken, het analyseren van trainingssessies, of het doorzoeken van opgenomen vergaderingen. Dat bespaart uren handmatig uitluisteren.
3. Meertalige klantenservice
Het model herkent spraak in 113 talen en dialecten en kan in 36 talen spraak genereren. Voor bedrijven met internationale klanten of meertalig personeel is dat interessant — al moet je dat in de praktijk uiteraard goed testen voordat je het inzet.
Open source — en wat dat betekent
Een detail dat ik belangrijk vind: Qwen 3.5 Omni is beschikbaar onder een Apache 2.0-licentie. Dat is een van de meest permissieve open-source licenties die er is. Het betekent dat je het model mag downloaden, aanpassen en commercieel inzetten zonder licentiekosten.
Voor Europese bedrijven die met de AI Act te maken krijgen en waarde hechten aan datasoevereiniteit, is dit relevant. Je kunt het model in principe op eigen servers draaien, zonder dat je data naar een Amerikaans of Chinees cloudplatform hoeft te sturen. De kleinere variant (7 miljard parameters) is beschikbaar op Hugging Face en kan via tools als Ollama lokaal gedraaid worden.
Ik wil hier wel bij zeggen: "open source" betekent niet automatisch "makkelijk te gebruiken." Je hebt technische kennis nodig om zo'n model te installeren, te configureren en te onderhouden. Voor de meeste ondernemers is de API-toegang via Alibaba Cloud realistischer dan een lokale installatie.
De bredere trend
Qwen 3.5 Omni staat niet op zichzelf. Google's Gemini, OpenAI's GPT-4o en Meta's Llama bewegen allemaal richting modellen die meerdere soorten input tegelijk aankunnen. Wat mij opvalt is dat de Chinese modellen — eerst DeepSeek, nu Qwen — steeds vaker op hetzelfde niveau of hoger presteren dan de Amerikaanse concurrenten, en dat tegen lagere kosten of als open source.
Voor ondernemers is de les volgens mij niet dat je nu meteen een omnimodaal model moet implementeren. De les is dat de kosten en complexiteit van AI-toepassingen snel dalen. Wat vorig jaar nog een project van tienduizenden euro's was — een meertalige spraakassistent bouwen, of automatisch prototypes genereren uit schetsen — wordt nu toegankelijk via gratis beschikbare modellen.
Voor mij is dit vooral een signaal dat de afstand tussen een idee en een werkend prototype kleiner wordt dan ooit. En dat vind ik, als iemand die dagelijks met ondernemers over AI praat, een ontwikkeling die het volgen waard is.