Modelvalg: multimedieanalyse med tekstoutput
Qwen3.8 Omni Flash er Qwens model til lyd- og videoforståelse, mødereferater og indholdsanalyse. Dens input er tekst, billeder, lyd og video; dens output er tekst. Et svar kan beskrive en optagelse, besvare et spørgsmål om visuel og hørbar dokumentation eller udarbejde et skriftligt resumé. Producenten skelner udtrykkeligt denne udgave fra Omni-modeller, der genererer tale. Antag ikke, at Omni-navnet giver dette checkpoint en tilstand til taleoutput.
Konteksten er en million tokens, og lydinput omfatter 113 sprog og dialekter. Dette sprogtal beskriver lydforståelse frem for en garanti for ens genkendelseskvalitet for enhver accent, optagebetingelse eller teknisk terminologi. Til et møde skal du medtage dagsordenen eller de begreber, der har betydning, og bede om beslutninger, uafklarede spørgsmål og næste handlinger. Til et audiovisuelt klip skal du bede modellen adskille det synlige fra det sagte, før den kombinerer dokumentationen i en konklusion.
Forberedelse af multimodalt materiale
De dokumenterede eksempler kombinerer medier med et tekstspørgsmål. Angiv det tilsigtede resultat frem for at indsende en uforklaret optagelse: et tematisk resumé, en hændelsesbeskrivelse eller et svar på et specifikt spørgsmål. Mærk separate mediefiler, og bevar deres tidsintervaller i kilden uden for anmodningen, så resultatet kan spores tilbage til originalen. Når flere deltagere eller scener har betydning, skal du angive de skel, rapporten skal bevare.
Mediegrænser i producentens filarbejdsgang
For videofiler dokumenterer producenten op til 64 filer, en varighedsgrænse på to timer og filer på op til 2 GB, når de leveres via en tilgængelig filplacering. De dokumenterede videoformater er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede billeder brugt som video er det dokumenterede interval fra to til 2,048 billeder. Bevar rækkefølge og timing frem for at behandle en vilkårlig billedsamling som en kendt tidssekvens.
For lyd dokumenterer vejledningen op til tre timer, input fra filplacering på op til 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet af lydfiler er op til 2,048, når de leveres via filplaceringer, og op til 250 med Base64-kodning. Kodede Base64-payloads skal være mindre end 10 MB. Det er grænser for producentens arbejdsgang frem for løfter om en applikations uploadgrænseflade eller dokumentation for, at alle input i maksimal størrelse samlet passer inden for tokenbudgettet.
For billeder angiver vejledningen op til 2,048 billedplaceringer eller 250 kodede billeder. En fil leveret via en tilgængelig billedplacering må være på op til 20 MB; begge dimensioner skal overstige ti pixels, og billedformatet skal holde sig inden for 200:1 eller 1:200. Bevar tilstrækkelig opløsning til det konkrete spørgsmål. Et tekstfelt, der bliver ulæseligt under forberedelsen, kan ikke genskabes blot ved at bede om et sikkert svar.
Rumlig lyd
Denne model understøtter tokanals stereo og firekanals førsteordens ambisonisk lyd i WYZX-kanalrækkefølge. Producentens use_multichannel-indstilling er som standard false og fortolker lyd som mono. Når indstillingen er aktiveret, og det understøttede kanallayout er til stede, kan rumlige oplysninger indgå i forståelsen. Bevar kanallayoutet, når opgaven spørger til den hørbare rumlige scene; udled ikke kalibrerede koordinater for en lydkilde af en generel beskrivelse.
Værktøjer og aktuelle oplysninger
Producenten understøtter function calling og websøgning. I dens dokumenterede Responses-arbejdsgang er web_search det eneste understøttede indbyggede værktøj for denne udgave. En værktøjsbevidst opgave kan bede modellen forbinde indhentede aktuelle oplysninger med den medsendte optagelse og samtidig gøre oprindelsen til hver påstand klar. Eksterne handlinger og værktøjsresultater afhænger stadig af applikationens konfigurerede grænseflade. Værktøjsunderstøttelse bør ikke udvides til en ubetinget påstand om kodefortolker eller filsystem. Producenten angiver også kontekstcaching til tilbagevendende input; genbrug vedrører fælles anmodningspræfikser og dokumenterer ikke et cachehit for en bestemt anmodning.
Tænkningstilstande
Tænkning er aktiveret som standard med reasoning_effort indstillet til xhigh. De primære niveauer for tænkningsindsats er low, medium og xhigh; indstillingen none deaktiverer tænkning. Af hensyn til kompatibilitet svarer minimal til low, mens high og max svarer til xhigh. Producenten afviser anmodninger, der indstiller reasoning_effort og thinking_budget samtidig. Disse indstillinger beskriver producentgrænsefladen og dokumenterer ikke, at enhver applikation eksponerer dem.
Vælg et direkte svar til et ligetil resumé og dybere ræsonnering til et spørgsmål, der kræver sammenkobling af flere stykker dokumentation. Hold slutrapporten adskilt fra ræsonnementet, og kontrollér talecitater, hændelsesrækkefølge og dokumentationen bag konklusionerne. Vejledningen fastlægger medie- og kontekstgrænser, men offentliggør ikke en separat hård maksimal tekstoutputlængde i de afsnit, der bruges her. Et klart spørgsmål og et sporbart skriftligt resultat er mere nyttigt end at behandle den størst mulige upload som en garanti for fuldstændig genkaldelse.
", "aboutText": "Modelvalg: multimedieanalyse med tekstoutput\n\nQwen3.8 Omni Flash er Qwens model til lyd- og videoforståelse, mødereferater og indholdsanalyse. Dens input er tekst, billeder, lyd og video; dens output er tekst. Et svar kan beskrive en optagelse, besvare et spørgsmål om visuel og hørbar dokumentation eller udarbejde et skriftligt resumé. Producenten skelner udtrykkeligt denne udgave fra Omni-modeller, der genererer tale. Antag ikke, at Omni-navnet giver dette checkpoint en tilstand til taleoutput.\n\nKonteksten er en million tokens, og lydinput omfatter 113 sprog og dialekter. Dette sprogtal beskriver lydforståelse frem for en garanti for ens genkendelseskvalitet for enhver accent, optagebetingelse eller teknisk terminologi. Til et møde skal du medtage dagsordenen eller de begreber, der har betydning, og bede om beslutninger, uafklarede spørgsmål og næste handlinger. Til et audiovisuelt klip skal du bede modellen adskille det synlige fra det sagte, før den kombinerer dokumentationen i en konklusion.\n\nForberedelse af multimodalt materiale\n\nDe dokumenterede eksempler kombinerer medier med et tekstspørgsmål. Angiv det tilsigtede resultat frem for at indsende en uforklaret optagelse: et tematisk resumé, en hændelsesbeskrivelse eller et svar på et specifikt spørgsmål. Mærk separate mediefiler, og bevar deres tidsintervaller i kilden uden for anmodningen, så resultatet kan spores tilbage til originalen. Når flere deltagere eller scener har betydning, skal du angive de skel, rapporten skal bevare.\n\nMediegrænser i producentens filarbejdsgang\n\nFor videofiler dokumenterer producenten op til 64 filer, en varighedsgrænse på to timer og filer på op til 2 GB, når de leveres via en tilgængelig filplacering. De dokumenterede videoformater er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede billeder brugt som video er det dokumenterede interval fra to til 2,048 billeder. Bevar rækkefølge og timing frem for at behandle en vilkårlig billedsamling som en kendt tidssekvens.\n\nFor lyd dokumenterer vejledningen op til tre timer, input fra filplacering på op til 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet af lydfiler er op til 2,048, når de leveres via filplaceringer, og op til 250 med Base64-kodning. Kodede Base64-payloads skal være mindre end 10 MB. Det er grænser for producentens arbejdsgang frem for løfter om en applikations uploadgrænseflade eller dokumentation for, at alle input i maksimal størrelse samlet passer inden for tokenbudgettet.\n\nFor billeder angiver vejledningen op til 2,048 billedplaceringer eller 250 kodede billeder. En fil leveret via en tilgængelig billedplacering må være på op til 20 MB; begge dimensioner skal overstige ti pixels, og billedformatet skal holde sig inden for 200:1 eller 1:200. Bevar tilstrækkelig opløsning til det konkrete spørgsmål. Et tekstfelt, der bliver ulæseligt under forberedelsen, kan ikke genskabes blot ved at bede om et sikkert svar.\n\nRumlig lyd\n\nDenne model understøtter tokanals stereo og firekanals førsteordens ambisonisk lyd i WYZX-kanalrækkefølge. Producentens use_multichannel-indstilling er som standard false og fortolker lyd som mono. Når indstillingen er aktiveret, og det understøttede kanallayout er til stede, kan rumlige oplysninger indgå i forståelsen. Bevar kanallayoutet, når opgaven spørger til den hørbare rumlige scene; udled ikke kalibrerede koordinater for en lydkilde af en generel beskrivelse.\n\nVærktøjer og aktuelle oplysninger\n\nProducenten understøtter function calling og websøgning. I dens dokumenterede Responses-arbejdsgang er web_search det eneste understøttede indbyggede værktøj for denne udgave. En værktøjsbevidst opgave kan bede modellen forbinde indhentede aktuelle oplysninger med den medsendte optagelse og samtidig gøre oprindelsen til hver påstand klar. Eksterne handlinger og værktøjsresultater afhænger stadig af applikationens konfigurerede grænseflade. Værktøjsunderstøttelse bør ikke udvides til en ubetinget påstand om kodefortolker eller filsystem. Producenten angiver også kontekstcaching til tilbagevendende input; genbrug vedrører fælles anmodningspræfikser og dokumenterer ikke et cachehit for en bestemt anmodning.\n\nTænkningstilstande\n\nTænkning er aktiveret som standard med reasoning_effort indstillet til xhigh. De primære niveauer for tænkningsindsats er low, medium og xhigh; indstillingen none deaktiverer tænkning. Af hensyn til kompatibilitet svarer minimal til low, mens high og max svarer til xhigh. Producenten afviser anmodninger, der indstiller reasoning_effort og thinking_budget samtidig. Disse indstillinger beskriver producentgrænsefladen og dokumenterer ikke, at enhver applikation eksponerer dem.\n\nVælg et direkte svar til et ligetil resumé og dybere ræsonnering til et spørgsmål, der kræver sammenkobling af flere stykker dokumentation. Hold slutrapporten adskilt fra ræsonnementet, og kontrollér talecitater, hændelsesrækkefølge og dokumentationen bag konklusionerne. Vejledningen fastlægger medie- og kontekstgrænser, men offentliggør ikke en separat hård maksimal tekstoutputlængde i de afsnit, der bruges her. Et klart spørgsmål og et sporbart skriftligt resultat er mere nyttigt end at behandle den størst mulige upload som en garanti for fuldstændig genkaldelse.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyserer tekst, billeder, lyd og video og returnerer tekst. Den understøtter mødereferater, multimediespørgsmål, lyd på 113 sprog og dialekter, valgbar ræsonneringsindsats og rumlig lyd med en kontekst på en million tokens dokumenteret af producenten.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Modelvalg: multimedieanalyse med tekstoutput
Qwen3.8 Omni Flash er Qwens model til lyd- og videoforståelse, mødereferater og indholdsanalyse. Dens input er tekst, billeder, lyd og video; dens output er tekst. Et svar kan beskrive en optagelse, besvare et spørgsmål om visuel og hørbar dokumentation eller udarbejde et skriftligt resumé. Producenten skelner udtrykkeligt denne udgave fra Omni-modeller, der genererer tale. Antag ikke, at Omni-navnet giver dette checkpoint en tilstand til taleoutput.
Konteksten er en million tokens, og lydinput omfatter 113 sprog og dialekter. Dette sprogtal beskriver lydforståelse frem for en garanti for ens genkendelseskvalitet for enhver accent, optagebetingelse eller teknisk terminologi. Til et møde skal du medtage dagsordenen eller de begreber, der har betydning, og bede om beslutninger, uafklarede spørgsmål og næste handlinger. Til et audiovisuelt klip skal du bede modellen adskille det synlige fra det sagte, før den kombinerer dokumentationen i en konklusion.
Forberedelse af multimodalt materiale
De dokumenterede eksempler kombinerer medier med et tekstspørgsmål. Angiv det tilsigtede resultat frem for at indsende en uforklaret optagelse: et tematisk resumé, en hændelsesbeskrivelse eller et svar på et specifikt spørgsmål. Mærk separate mediefiler, og bevar deres tidsintervaller i kilden uden for anmodningen, så resultatet kan spores tilbage til originalen. Når flere deltagere eller scener har betydning, skal du angive de skel, rapporten skal bevare.
Mediegrænser i producentens filarbejdsgang
For videofiler dokumenterer producenten op til 64 filer, en varighedsgrænse på to timer og filer på op til 2 GB, når de leveres via en tilgængelig filplacering. De dokumenterede videoformater er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede billeder brugt som video er det dokumenterede interval fra to til 2,048 billeder. Bevar rækkefølge og timing frem for at behandle en vilkårlig billedsamling som en kendt tidssekvens.
For lyd dokumenterer vejledningen op til tre timer, input fra filplacering på op til 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet af lydfiler er op til 2,048, når de leveres via filplaceringer, og op til 250 med Base64-kodning. Kodede Base64-payloads skal være mindre end 10 MB. Det er grænser for producentens arbejdsgang frem for løfter om en applikations uploadgrænseflade eller dokumentation for, at alle input i maksimal størrelse samlet passer inden for tokenbudgettet.
For billeder angiver vejledningen op til 2,048 billedplaceringer eller 250 kodede billeder. En fil leveret via en tilgængelig billedplacering må være på op til 20 MB; begge dimensioner skal overstige ti pixels, og billedformatet skal holde sig inden for 200:1 eller 1:200. Bevar tilstrækkelig opløsning til det konkrete spørgsmål. Et tekstfelt, der bliver ulæseligt under forberedelsen, kan ikke genskabes blot ved at bede om et sikkert svar.
Rumlig lyd
Denne model understøtter tokanals stereo og firekanals førsteordens ambisonisk lyd i WYZX-kanalrækkefølge. Producentens use_multichannel-indstilling er som standard false og fortolker lyd som mono. Når indstillingen er aktiveret, og det understøttede kanallayout er til stede, kan rumlige oplysninger indgå i forståelsen. Bevar kanallayoutet, når opgaven spørger til den hørbare rumlige scene; udled ikke kalibrerede koordinater for en lydkilde af en generel beskrivelse.
Værktøjer og aktuelle oplysninger
Producenten understøtter function calling og websøgning. I dens dokumenterede Responses-arbejdsgang er web_search det eneste understøttede indbyggede værktøj for denne udgave. En værktøjsbevidst opgave kan bede modellen forbinde indhentede aktuelle oplysninger med den medsendte optagelse og samtidig gøre oprindelsen til hver påstand klar. Eksterne handlinger og værktøjsresultater afhænger stadig af applikationens konfigurerede grænseflade. Værktøjsunderstøttelse bør ikke udvides til en ubetinget påstand om kodefortolker eller filsystem. Producenten angiver også kontekstcaching til tilbagevendende input; genbrug vedrører fælles anmodningspræfikser og dokumenterer ikke et cachehit for en bestemt anmodning.
Tænkningstilstande
Tænkning er aktiveret som standard med reasoning_effort indstillet til xhigh. De primære niveauer for tænkningsindsats er low, medium og xhigh; indstillingen none deaktiverer tænkning. Af hensyn til kompatibilitet svarer minimal til low, mens high og max svarer til xhigh. Producenten afviser anmodninger, der indstiller reasoning_effort og thinking_budget samtidig. Disse indstillinger beskriver producentgrænsefladen og dokumenterer ikke, at enhver applikation eksponerer dem.
Vælg et direkte svar til et ligetil resumé og dybere ræsonnering til et spørgsmål, der kræver sammenkobling af flere stykker dokumentation. Hold slutrapporten adskilt fra ræsonnementet, og kontrollér talecitater, hændelsesrækkefølge og dokumentationen bag konklusionerne. Vejledningen fastlægger medie- og kontekstgrænser, men offentliggør ikke en separat hård maksimal tekstoutputlængde i de afsnit, der bruges her. Et klart spørgsmål og et sporbart skriftligt resultat er mere nyttigt end at behandle den størst mulige upload som en garanti for fuldstændig genkaldelse.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen/qwen3.8-omni-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.00094 / 1K tokens Input · Cachelæsning $0.000032 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.00094 / 1K tokens Input · Cachelæsning $0.000032 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-omni-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Brug metodestierne vist ovenfor.
qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyserer tekst, billeder, lyd og video og returnerer tekst. Den understøtter mødereferater, multimediespørgsmål, lyd på 113 sprog og dialekter, valgbar ræsonneringsindsats og rumlig lyd med en kontekst på en million tokens dokumenteret af producenten.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Modelvalg: multimedieanalyse med tekstoutput
Qwen3.8 Omni Flash er Qwens model til lyd- og videoforståelse, mødereferater og indholdsanalyse. Dens input er tekst, billeder, lyd og video; dens output er tekst. Et svar kan beskrive en optagelse, besvare et spørgsmål om visuel og hørbar dokumentation eller udarbejde et skriftligt resumé. Producenten skelner udtrykkeligt denne udgave fra Omni-modeller, der genererer tale. Antag ikke, at Omni-navnet giver dette checkpoint en tilstand til taleoutput.
Konteksten er en million tokens, og lydinput omfatter 113 sprog og dialekter. Dette sprogtal beskriver lydforståelse frem for en garanti for ens genkendelseskvalitet for enhver accent, optagebetingelse eller teknisk terminologi. Til et møde skal du medtage dagsordenen eller de begreber, der har betydning, og bede om beslutninger, uafklarede spørgsmål og næste handlinger. Til et audiovisuelt klip skal du bede modellen adskille det synlige fra det sagte, før den kombinerer dokumentationen i en konklusion.
Forberedelse af multimodalt materiale
De dokumenterede eksempler kombinerer medier med et tekstspørgsmål. Angiv det tilsigtede resultat frem for at indsende en uforklaret optagelse: et tematisk resumé, en hændelsesbeskrivelse eller et svar på et specifikt spørgsmål. Mærk separate mediefiler, og bevar deres tidsintervaller i kilden uden for anmodningen, så resultatet kan spores tilbage til originalen. Når flere deltagere eller scener har betydning, skal du angive de skel, rapporten skal bevare.
Mediegrænser i producentens filarbejdsgang
For videofiler dokumenterer producenten op til 64 filer, en varighedsgrænse på to timer og filer på op til 2 GB, når de leveres via en tilgængelig filplacering. De dokumenterede videoformater er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede billeder brugt som video er det dokumenterede interval fra to til 2,048 billeder. Bevar rækkefølge og timing frem for at behandle en vilkårlig billedsamling som en kendt tidssekvens.
For lyd dokumenterer vejledningen op til tre timer, input fra filplacering på op til 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet af lydfiler er op til 2,048, når de leveres via filplaceringer, og op til 250 med Base64-kodning. Kodede Base64-payloads skal være mindre end 10 MB. Det er grænser for producentens arbejdsgang frem for løfter om en applikations uploadgrænseflade eller dokumentation for, at alle input i maksimal størrelse samlet passer inden for tokenbudgettet.
For billeder angiver vejledningen op til 2,048 billedplaceringer eller 250 kodede billeder. En fil leveret via en tilgængelig billedplacering må være på op til 20 MB; begge dimensioner skal overstige ti pixels, og billedformatet skal holde sig inden for 200:1 eller 1:200. Bevar tilstrækkelig opløsning til det konkrete spørgsmål. Et tekstfelt, der bliver ulæseligt under forberedelsen, kan ikke genskabes blot ved at bede om et sikkert svar.
Rumlig lyd
Denne model understøtter tokanals stereo og firekanals førsteordens ambisonisk lyd i WYZX-kanalrækkefølge. Producentens use_multichannel-indstilling er som standard false og fortolker lyd som mono. Når indstillingen er aktiveret, og det understøttede kanallayout er til stede, kan rumlige oplysninger indgå i forståelsen. Bevar kanallayoutet, når opgaven spørger til den hørbare rumlige scene; udled ikke kalibrerede koordinater for en lydkilde af en generel beskrivelse.
Værktøjer og aktuelle oplysninger
Producenten understøtter function calling og websøgning. I dens dokumenterede Responses-arbejdsgang er web_search det eneste understøttede indbyggede værktøj for denne udgave. En værktøjsbevidst opgave kan bede modellen forbinde indhentede aktuelle oplysninger med den medsendte optagelse og samtidig gøre oprindelsen til hver påstand klar. Eksterne handlinger og værktøjsresultater afhænger stadig af applikationens konfigurerede grænseflade. Værktøjsunderstøttelse bør ikke udvides til en ubetinget påstand om kodefortolker eller filsystem. Producenten angiver også kontekstcaching til tilbagevendende input; genbrug vedrører fælles anmodningspræfikser og dokumenterer ikke et cachehit for en bestemt anmodning.
Tænkningstilstande
Tænkning er aktiveret som standard med reasoning_effort indstillet til xhigh. De primære niveauer for tænkningsindsats er low, medium og xhigh; indstillingen none deaktiverer tænkning. Af hensyn til kompatibilitet svarer minimal til low, mens high og max svarer til xhigh. Producenten afviser anmodninger, der indstiller reasoning_effort og thinking_budget samtidig. Disse indstillinger beskriver producentgrænsefladen og dokumenterer ikke, at enhver applikation eksponerer dem.
Vælg et direkte svar til et ligetil resumé og dybere ræsonnering til et spørgsmål, der kræver sammenkobling af flere stykker dokumentation. Hold slutrapporten adskilt fra ræsonnementet, og kontrollér talecitater, hændelsesrækkefølge og dokumentationen bag konklusionerne. Vejledningen fastlægger medie- og kontekstgrænser, men offentliggør ikke en separat hård maksimal tekstoutputlængde i de afsnit, der bruges her. Et klart spørgsmål og et sporbart skriftligt resultat er mere nyttigt end at behandle den størst mulige upload som en garanti for fuldstændig genkaldelse.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen/qwen3.8-omni-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.00094 / 1K tokens Input · Cachelæsning $0.000032 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.00094 / 1K tokens Input · Cachelæsning $0.000032 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwen/qwen3.8-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.