Qwen3.5-Omni-Flash er Alibabas multimodale Qwen-familiealias til tekstproduktion, stemmeassistenter og multimedieanalyse. Den accepterer tekst, billeder, lyd og video i kombineret input og returnerer tekst eller tekst med tale. Producenten beskriver aktuelt aliaset som funktionelt svarende til Qwen3.5-Omni-Flash 2026-03-15. Flash-navnet alene dokumenterer ikke en garanti for svartid eller et bestemt permanent snapshot.
Dets input kan kombinere et billede med et mundtligt spørgsmål eller en videos billeder og lyd med skriftlige instruktioner. Det gør det nyttigt, når et rent tekstresumé ville miste forbindelsen mellem det, der ses, og det, der høres. Til et medieoplæg skal du spørge særskilt til det synlige forløb, teksten på skærmen og det talte indhold og bede om tidsstempler i forhold til kilden, når hændelsernes rækkefølge har betydning. Lydeffekter og anden lyd uden tale kan bidrage til analysen sammen med talen.
Til et talesvar skal du angive svarets sprog, målgruppe og fremførelse. Qwens vejledning dokumenterer instruktioner om lydstyrke, taletempo og følelse. Den angiver 113 sprog og dialekter til lydinput og 36 sprog og dialekter til taleoutput, herunder engelsk, fransk, tysk og russisk. Stemmekataloget angiver Tina som standard og omfatter valgmuligheder som Serena og Ethan. Vælg stemmen, og bed om en kort forklaring i et afmålt tempo frem for at lade stemmen i inputtet bestemme outputtets stil.
Den dokumenterede HTTP-arbejdsgang til tale returnerer streamet tekst og Base64-kodede lydblokke. Dens WAV-eksempel bruger 24 kHz, mono, 16-bit PCM; en applikation kan samle blokkene til en lydfil eller afkode dem til afspilning, efterhånden som de ankommer. Det er streamet generering fra en indsendt anmodning. Registrering af samtaleture i realtid, håndtering af afbrydelser og samtale via mikrofon hører til særskilt navngivne realtime-modeller. Qwen3.5-Omnis familietabel tilbyder ikke en tilstand til dyb tænkning.
Flashs modelkort angiver websøgning og markerer Structured Outputs som ikke understøttet i begge regionale tabeller. Du kan anmode om navngivne afsnit i almindelig tekst, men denne instruktion er adskilt fra en begrænset JSON-tilstand. Function Calling er dokumenteret for Alibabas Beijing Chat Completions-implementering med tekstoutput og som ikke understøttet i Singapore-tabellen; applikationen udfører den valgte værktøjshandling. Præfiksfuldførelse, kontekstcaching og finjustering understøttes ikke. Aliasets Beijing-tabel understøtter batchinferens, mens Singapores tabel ikke gør.
Det offentliggjorte kontekstvindue er 262,144 tokens med maksimalt input på 196,608 tokens og maksimalt output på 65,536 tokens. Blandede medier og tekst deler kontekstbudgettet. Alibabas HTTP-vejledning tillader op til tre timers lyd eller en times video for denne serie; den angiver lydformaterne AMR, WAV, 3GP, 3GPP, AAC og MP3 samt videoformaterne MP4, AVI, MKV, MOV, FLV og WMV. URL-baserede lyd- eller videofiler må være på op til 2 GB, mens Base64-kodede medier skal være mindre end 10 MB. Det er producentens grænser for filarbejdsgangen, adskilt fra modelintroduktionens beskrivelse af forståelse af over ti timers lyd eller over 400 sekunders 720p-video med sampling ved 1 FPS.
Billeder har deres egne forberedelsesgrænser i denne vejledning: op til 20 MB pr. URL-baseret billede, dimensioner over 10 pixels på hver led og et billedformat, der ikke er mere ekstremt end 200:1. Vejledningen tillader op til 2,048 URL-baserede billeder eller lydfiler og 512 URL-baserede videofiler; Base64-input tillader op til 250 filer. Disse overførselsgrænser er fortsat underlagt det fælles inputtokenbudget. Serien kan kombinere flere medietyper i én anmodning. Vælg det relevante uddrag, gør små etiketter læselige, og forklar forholdet mellem separate input. De dokumenterede lofter for antal filer varierer efter modalitet og overførselsmetode, mens hvert input stadig skal passe inden for det fælles tokenbudget.
Den udaterede Flash-model understøtter brugerdefineret stemmekloning gennem en separat arbejdsgang til stemmeoprettelse. Referencen skal indeholde mindst tre sekunders uafbrudt, tydelig tale med pauser på højst to sekunder; brug almindelig tale uden musik, sang, støj eller en anden taler. Brug 16-bit lyd til WAV. Referencen producerer en stemme, der er tilknyttet en navngiven målmodel, og målet skal svare til den model, der efterfølgende bruges til tale. Alibaba anbefaler 10–20 sekunders ren tale i mono med mindst 24 kHz, højst 60 sekunder og en fil på under 10 MB. Referenceformaterne er WAV, MP3 og M4A. Flash-snapshottet fra 15. marts understøtter ikke denne kloningsarbejdsgang.
Til en supportforklaring baseret på blandede medier skal du levere et skærmbillede, et optaget spørgsmål og eventuel produktterminologi som tekst. Et illustrativt oplæg er: »Brug etiketterne i skærmbilledet, besvar lydspørgsmålet på fransk, og giv en kort forklaring med en langsommere, beroligende mundtlig fremførelse.« Til analyse frem for dialog skal du bede om kronologiske observationer, præcis synlig tekst og tale i separate afsnit. Angiv den tilsigtede målgruppe, og om du ønsker transskription, fortolkning eller et kort resumé.
", "aboutText": "Qwen3.5-Omni-Flash er Alibabas multimodale Qwen-familiealias til tekstproduktion, stemmeassistenter og multimedieanalyse. Den accepterer tekst, billeder, lyd og video i kombineret input og returnerer tekst eller tekst med tale. Producenten beskriver aktuelt aliaset som funktionelt svarende til Qwen3.5-Omni-Flash 2026-03-15. Flash-navnet alene dokumenterer ikke en garanti for svartid eller et bestemt permanent snapshot.\n\nDets input kan kombinere et billede med et mundtligt spørgsmål eller en videos billeder og lyd med skriftlige instruktioner. Det gør det nyttigt, når et rent tekstresumé ville miste forbindelsen mellem det, der ses, og det, der høres. Til et medieoplæg skal du spørge særskilt til det synlige forløb, teksten på skærmen og det talte indhold og bede om tidsstempler i forhold til kilden, når hændelsernes rækkefølge har betydning. Lydeffekter og anden lyd uden tale kan bidrage til analysen sammen med talen.\n\nTil et talesvar skal du angive svarets sprog, målgruppe og fremførelse. Qwens vejledning dokumenterer instruktioner om lydstyrke, taletempo og følelse. Den angiver 113 sprog og dialekter til lydinput og 36 sprog og dialekter til taleoutput, herunder engelsk, fransk, tysk og russisk. Stemmekataloget angiver Tina som standard og omfatter valgmuligheder som Serena og Ethan. Vælg stemmen, og bed om en kort forklaring i et afmålt tempo frem for at lade stemmen i inputtet bestemme outputtets stil.\n\nDen dokumenterede HTTP-arbejdsgang til tale returnerer streamet tekst og Base64-kodede lydblokke. Dens WAV-eksempel bruger 24 kHz, mono, 16-bit PCM; en applikation kan samle blokkene til en lydfil eller afkode dem til afspilning, efterhånden som de ankommer. Det er streamet generering fra en indsendt anmodning. Registrering af samtaleture i realtid, håndtering af afbrydelser og samtale via mikrofon hører til særskilt navngivne realtime-modeller. Qwen3.5-Omnis familietabel tilbyder ikke en tilstand til dyb tænkning.\n\nFlashs modelkort angiver websøgning og markerer Structured Outputs som ikke understøttet i begge regionale tabeller. Du kan anmode om navngivne afsnit i almindelig tekst, men denne instruktion er adskilt fra en begrænset JSON-tilstand. Function Calling er dokumenteret for Alibabas Beijing Chat Completions-implementering med tekstoutput og som ikke understøttet i Singapore-tabellen; applikationen udfører den valgte værktøjshandling. Præfiksfuldførelse, kontekstcaching og finjustering understøttes ikke. Aliasets Beijing-tabel understøtter batchinferens, mens Singapores tabel ikke gør.\n\nDet offentliggjorte kontekstvindue er 262,144 tokens med maksimalt input på 196,608 tokens og maksimalt output på 65,536 tokens. Blandede medier og tekst deler kontekstbudgettet. Alibabas HTTP-vejledning tillader op til tre timers lyd eller en times video for denne serie; den angiver lydformaterne AMR, WAV, 3GP, 3GPP, AAC og MP3 samt videoformaterne MP4, AVI, MKV, MOV, FLV og WMV. URL-baserede lyd- eller videofiler må være på op til 2 GB, mens Base64-kodede medier skal være mindre end 10 MB. Det er producentens grænser for filarbejdsgangen, adskilt fra modelintroduktionens beskrivelse af forståelse af over ti timers lyd eller over 400 sekunders 720p-video med sampling ved 1 FPS.\n\nBilleder har deres egne forberedelsesgrænser i denne vejledning: op til 20 MB pr. URL-baseret billede, dimensioner over 10 pixels på hver led og et billedformat, der ikke er mere ekstremt end 200:1. Vejledningen tillader op til 2,048 URL-baserede billeder eller lydfiler og 512 URL-baserede videofiler; Base64-input tillader op til 250 filer. Disse overførselsgrænser er fortsat underlagt det fælles inputtokenbudget. Serien kan kombinere flere medietyper i én anmodning. Vælg det relevante uddrag, gør små etiketter læselige, og forklar forholdet mellem separate input. De dokumenterede lofter for antal filer varierer efter modalitet og overførselsmetode, mens hvert input stadig skal passe inden for det fælles tokenbudget.\n\nDen udaterede Flash-model understøtter brugerdefineret stemmekloning gennem en separat arbejdsgang til stemmeoprettelse. Referencen skal indeholde mindst tre sekunders uafbrudt, tydelig tale med pauser på højst to sekunder; brug almindelig tale uden musik, sang, støj eller en anden taler. Brug 16-bit lyd til WAV. Referencen producerer en stemme, der er tilknyttet en navngiven målmodel, og målet skal svare til den model, der efterfølgende bruges til tale. Alibaba anbefaler 10–20 sekunders ren tale i mono med mindst 24 kHz, højst 60 sekunder og en fil på under 10 MB. Referenceformaterne er WAV, MP3 og M4A. Flash-snapshottet fra 15. marts understøtter ikke denne kloningsarbejdsgang.\n\nTil en supportforklaring baseret på blandede medier skal du levere et skærmbillede, et optaget spørgsmål og eventuel produktterminologi som tekst. Et illustrativt oplæg er: »Brug etiketterne i skærmbilledet, besvar lydspørgsmålet på fransk, og giv en kort forklaring med en langsommere, beroligende mundtlig fremførelse.« Til analyse frem for dialog skal du bede om kronologiske observationer, præcis synlig tekst og tale i separate afsnit. Angiv den tilsigtede målgruppe, og om du ønsker transskription, fortolkning eller et kort resumé.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.qwen3.5-omni-flashQwen3.5-Omni-Flash kombinerer tekst, billeder, lyd og video og svarer med tekst eller tale. Den understøtter forklaringer baseret på blandede medier og talesvar med instrueret fremførelse, med en kontekst på 262,144 tokens og sin egen profil for værktøjer og outputformater.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen3.5-Omni-Flash er Alibabas multimodale Qwen-familiealias til tekstproduktion, stemmeassistenter og multimedieanalyse. Den accepterer tekst, billeder, lyd og video i kombineret input og returnerer tekst eller tekst med tale. Producenten beskriver aktuelt aliaset som funktionelt svarende til Qwen3.5-Omni-Flash 2026-03-15. Flash-navnet alene dokumenterer ikke en garanti for svartid eller et bestemt permanent snapshot.
Dets input kan kombinere et billede med et mundtligt spørgsmål eller en videos billeder og lyd med skriftlige instruktioner. Det gør det nyttigt, når et rent tekstresumé ville miste forbindelsen mellem det, der ses, og det, der høres. Til et medieoplæg skal du spørge særskilt til det synlige forløb, teksten på skærmen og det talte indhold og bede om tidsstempler i forhold til kilden, når hændelsernes rækkefølge har betydning. Lydeffekter og anden lyd uden tale kan bidrage til analysen sammen med talen.
Til et talesvar skal du angive svarets sprog, målgruppe og fremførelse. Qwens vejledning dokumenterer instruktioner om lydstyrke, taletempo og følelse. Den angiver 113 sprog og dialekter til lydinput og 36 sprog og dialekter til taleoutput, herunder engelsk, fransk, tysk og russisk. Stemmekataloget angiver Tina som standard og omfatter valgmuligheder som Serena og Ethan. Vælg stemmen, og bed om en kort forklaring i et afmålt tempo frem for at lade stemmen i inputtet bestemme outputtets stil.
Den dokumenterede HTTP-arbejdsgang til tale returnerer streamet tekst og Base64-kodede lydblokke. Dens WAV-eksempel bruger 24 kHz, mono, 16-bit PCM; en applikation kan samle blokkene til en lydfil eller afkode dem til afspilning, efterhånden som de ankommer. Det er streamet generering fra en indsendt anmodning. Registrering af samtaleture i realtid, håndtering af afbrydelser og samtale via mikrofon hører til særskilt navngivne realtime-modeller. Qwen3.5-Omnis familietabel tilbyder ikke en tilstand til dyb tænkning.
Flashs modelkort angiver websøgning og markerer Structured Outputs som ikke understøttet i begge regionale tabeller. Du kan anmode om navngivne afsnit i almindelig tekst, men denne instruktion er adskilt fra en begrænset JSON-tilstand. Function Calling er dokumenteret for Alibabas Beijing Chat Completions-implementering med tekstoutput og som ikke understøttet i Singapore-tabellen; applikationen udfører den valgte værktøjshandling. Præfiksfuldførelse, kontekstcaching og finjustering understøttes ikke. Aliasets Beijing-tabel understøtter batchinferens, mens Singapores tabel ikke gør.
Det offentliggjorte kontekstvindue er 262,144 tokens med maksimalt input på 196,608 tokens og maksimalt output på 65,536 tokens. Blandede medier og tekst deler kontekstbudgettet. Alibabas HTTP-vejledning tillader op til tre timers lyd eller en times video for denne serie; den angiver lydformaterne AMR, WAV, 3GP, 3GPP, AAC og MP3 samt videoformaterne MP4, AVI, MKV, MOV, FLV og WMV. URL-baserede lyd- eller videofiler må være på op til 2 GB, mens Base64-kodede medier skal være mindre end 10 MB. Det er producentens grænser for filarbejdsgangen, adskilt fra modelintroduktionens beskrivelse af forståelse af over ti timers lyd eller over 400 sekunders 720p-video med sampling ved 1 FPS.
Billeder har deres egne forberedelsesgrænser i denne vejledning: op til 20 MB pr. URL-baseret billede, dimensioner over 10 pixels på hver led og et billedformat, der ikke er mere ekstremt end 200:1. Vejledningen tillader op til 2,048 URL-baserede billeder eller lydfiler og 512 URL-baserede videofiler; Base64-input tillader op til 250 filer. Disse overførselsgrænser er fortsat underlagt det fælles inputtokenbudget. Serien kan kombinere flere medietyper i én anmodning. Vælg det relevante uddrag, gør små etiketter læselige, og forklar forholdet mellem separate input. De dokumenterede lofter for antal filer varierer efter modalitet og overførselsmetode, mens hvert input stadig skal passe inden for det fælles tokenbudget.
Den udaterede Flash-model understøtter brugerdefineret stemmekloning gennem en separat arbejdsgang til stemmeoprettelse. Referencen skal indeholde mindst tre sekunders uafbrudt, tydelig tale med pauser på højst to sekunder; brug almindelig tale uden musik, sang, støj eller en anden taler. Brug 16-bit lyd til WAV. Referencen producerer en stemme, der er tilknyttet en navngiven målmodel, og målet skal svare til den model, der efterfølgende bruges til tale. Alibaba anbefaler 10–20 sekunders ren tale i mono med mindst 24 kHz, højst 60 sekunder og en fil på under 10 MB. Referenceformaterne er WAV, MP3 og M4A. Flash-snapshottet fra 15. marts understøtter ikke denne kloningsarbejdsgang.
Til en supportforklaring baseret på blandede medier skal du levere et skærmbillede, et optaget spørgsmål og eventuel produktterminologi som tekst. Et illustrativt oplæg er: »Brug etiketterne i skærmbilledet, besvar lydspørgsmålet på fransk, og giv en kort forklaring med en langsommere, beroligende mundtlig fremførelse.« Til analyse frem for dialog skal du bede om kronologiske observationer, præcis synlig tekst og tale i separate afsnit. Angiv den tilsigtede målgruppe, og om du ønsker transskription, fortolkning eller et kort resumé.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen3.5-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.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00069 / 1K tokens Output · Outputtokens $0.00418 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-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='qwen3.5-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='qwen3.5-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 qwen3.5-omni-flash
Brug metodestierne vist ovenfor.
qwen3.5-omni-flashQwen3.5-Omni-Flash kombinerer tekst, billeder, lyd og video og svarer med tekst eller tale. Den understøtter forklaringer baseret på blandede medier og talesvar med instrueret fremførelse, med en kontekst på 262,144 tokens og sin egen profil for værktøjer og outputformater.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen3.5-Omni-Flash er Alibabas multimodale Qwen-familiealias til tekstproduktion, stemmeassistenter og multimedieanalyse. Den accepterer tekst, billeder, lyd og video i kombineret input og returnerer tekst eller tekst med tale. Producenten beskriver aktuelt aliaset som funktionelt svarende til Qwen3.5-Omni-Flash 2026-03-15. Flash-navnet alene dokumenterer ikke en garanti for svartid eller et bestemt permanent snapshot.
Dets input kan kombinere et billede med et mundtligt spørgsmål eller en videos billeder og lyd med skriftlige instruktioner. Det gør det nyttigt, når et rent tekstresumé ville miste forbindelsen mellem det, der ses, og det, der høres. Til et medieoplæg skal du spørge særskilt til det synlige forløb, teksten på skærmen og det talte indhold og bede om tidsstempler i forhold til kilden, når hændelsernes rækkefølge har betydning. Lydeffekter og anden lyd uden tale kan bidrage til analysen sammen med talen.
Til et talesvar skal du angive svarets sprog, målgruppe og fremførelse. Qwens vejledning dokumenterer instruktioner om lydstyrke, taletempo og følelse. Den angiver 113 sprog og dialekter til lydinput og 36 sprog og dialekter til taleoutput, herunder engelsk, fransk, tysk og russisk. Stemmekataloget angiver Tina som standard og omfatter valgmuligheder som Serena og Ethan. Vælg stemmen, og bed om en kort forklaring i et afmålt tempo frem for at lade stemmen i inputtet bestemme outputtets stil.
Den dokumenterede HTTP-arbejdsgang til tale returnerer streamet tekst og Base64-kodede lydblokke. Dens WAV-eksempel bruger 24 kHz, mono, 16-bit PCM; en applikation kan samle blokkene til en lydfil eller afkode dem til afspilning, efterhånden som de ankommer. Det er streamet generering fra en indsendt anmodning. Registrering af samtaleture i realtid, håndtering af afbrydelser og samtale via mikrofon hører til særskilt navngivne realtime-modeller. Qwen3.5-Omnis familietabel tilbyder ikke en tilstand til dyb tænkning.
Flashs modelkort angiver websøgning og markerer Structured Outputs som ikke understøttet i begge regionale tabeller. Du kan anmode om navngivne afsnit i almindelig tekst, men denne instruktion er adskilt fra en begrænset JSON-tilstand. Function Calling er dokumenteret for Alibabas Beijing Chat Completions-implementering med tekstoutput og som ikke understøttet i Singapore-tabellen; applikationen udfører den valgte værktøjshandling. Præfiksfuldførelse, kontekstcaching og finjustering understøttes ikke. Aliasets Beijing-tabel understøtter batchinferens, mens Singapores tabel ikke gør.
Det offentliggjorte kontekstvindue er 262,144 tokens med maksimalt input på 196,608 tokens og maksimalt output på 65,536 tokens. Blandede medier og tekst deler kontekstbudgettet. Alibabas HTTP-vejledning tillader op til tre timers lyd eller en times video for denne serie; den angiver lydformaterne AMR, WAV, 3GP, 3GPP, AAC og MP3 samt videoformaterne MP4, AVI, MKV, MOV, FLV og WMV. URL-baserede lyd- eller videofiler må være på op til 2 GB, mens Base64-kodede medier skal være mindre end 10 MB. Det er producentens grænser for filarbejdsgangen, adskilt fra modelintroduktionens beskrivelse af forståelse af over ti timers lyd eller over 400 sekunders 720p-video med sampling ved 1 FPS.
Billeder har deres egne forberedelsesgrænser i denne vejledning: op til 20 MB pr. URL-baseret billede, dimensioner over 10 pixels på hver led og et billedformat, der ikke er mere ekstremt end 200:1. Vejledningen tillader op til 2,048 URL-baserede billeder eller lydfiler og 512 URL-baserede videofiler; Base64-input tillader op til 250 filer. Disse overførselsgrænser er fortsat underlagt det fælles inputtokenbudget. Serien kan kombinere flere medietyper i én anmodning. Vælg det relevante uddrag, gør små etiketter læselige, og forklar forholdet mellem separate input. De dokumenterede lofter for antal filer varierer efter modalitet og overførselsmetode, mens hvert input stadig skal passe inden for det fælles tokenbudget.
Den udaterede Flash-model understøtter brugerdefineret stemmekloning gennem en separat arbejdsgang til stemmeoprettelse. Referencen skal indeholde mindst tre sekunders uafbrudt, tydelig tale med pauser på højst to sekunder; brug almindelig tale uden musik, sang, støj eller en anden taler. Brug 16-bit lyd til WAV. Referencen producerer en stemme, der er tilknyttet en navngiven målmodel, og målet skal svare til den model, der efterfølgende bruges til tale. Alibaba anbefaler 10–20 sekunders ren tale i mono med mindst 24 kHz, højst 60 sekunder og en fil på under 10 MB. Referenceformaterne er WAV, MP3 og M4A. Flash-snapshottet fra 15. marts understøtter ikke denne kloningsarbejdsgang.
Til en supportforklaring baseret på blandede medier skal du levere et skærmbillede, et optaget spørgsmål og eventuel produktterminologi som tekst. Et illustrativt oplæg er: »Brug etiketterne i skærmbilledet, besvar lydspørgsmålet på fransk, og giv en kort forklaring med en langsommere, beroligende mundtlig fremførelse.« Til analyse frem for dialog skal du bede om kronologiske observationer, præcis synlig tekst og tale i separate afsnit. Angiv den tilsigtede målgruppe, og om du ønsker transskription, fortolkning eller et kort resumé.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen3.5-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.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00069 / 1K tokens Output · Outputtokens $0.00418 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwen3.5-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-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': 'qwen3.5-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 qwen3.5-omni-flash
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.