Source: https://ailoot.ai/models/de-at/qwen-qwen3-omni-30b-a3b-thinking/ Canonical: https://ailoot.ai/models/de-at/qwen-qwen3-omni-30b-a3b-thinking/ Language: de-at # Qwen3 Omni 30B A3B Thinking [Markdown](https://ailoot.ai/models/de-at/qwen-qwen3-omni-30b-a3b-thinking/index.md) · [JSON](https://ailoot.ai/models/de-at/qwen-qwen3-omni-30b-a3b-thinking/facts.json) ## [Qwen3 Omni 30B A3B Thinking](https://ailoot.ai/models/de-at/qwen-qwen3-omni-30b-a3b-thinking/) Qwen3-Omni-30B-A3B-Thinking schlussfolgert über Text, Bilder, Audio und Videos und gibt Text aus. Diese reine Thinker-Ausgabe eignet sich für visuelle Mathematik, Audioanalyse und Fragen, die Belege aus mehreren Modalitäten benötigen; Spracherzeugung gehört zu einer anderen Omni-Veröffentlichung. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/qwen-qwen3-omni-30b-a3b-thinking/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/qwen-qwen3-omni-30b-a3b-thinking/#method-1) Über das Modell Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt. Qwen3-Omni-30B-A3B-Thinking ist das auf Schlussfolgern ausgerichtete Mitglied von Qwen3-Omni. Es versteht Text, Bilder, Audio und Videos, einschließlich Kombinationen innerhalb desselben Gesprächs, und erzeugt ein Textergebnis. Die konkrete Thinking-Ausgabe enthält die Thinker-Komponente und ist für Schlussfolgern ausgestattet; sie enthält nicht den Talker, der im Instruct-Checkpoint für gesprochene Ausgaben verwendet wird. Dieser Unterschied ist wichtig, wenn ein Modell für einen analytischen Bericht statt für ein gesprochenes Gespräch ausgewählt wird. Der Hersteller beschreibt Qwen3-Omni als mehrsprachige Mixture-of-Experts-Familie mit 119 Textsprachen und 19 Sprachen für Spracheingaben. Russisch steht in der veröffentlichten Liste für Spracheingaben. Die konkrete Thinking-Konfiguration umfasst 48 Text-Transformer-Schichten, 128 Experten und acht pro Token ausgewählte Experten. Sie hat außerdem Komponenten für Audio- und Bildverarbeitung. Das sind Eigenschaften des benannten Checkpoints; sein multimodales Verständnis sollte nicht durch die Fähigkeiten eines reinen Textmodells Qwen3 mit ähnlicher Größenbezeichnung ersetzt werden. Die Anwendungsanleitungen behandeln Spracherkennung und Übersetzung, Musik- und Umgebungsgeräuschanalyse, gemischtes Audio, Bildfragen, OCR, Objekt-Grounding, Videobeschreibungen und audiovisuelle Fragen. Bei Bildmathematik wird ausdrücklich die Thinking-Ausgabe hervorgehoben. Stellen Sie für eine Geometrieaufgabe das vollständige Diagramm, lesbare Beschriftungen und die Frage bereit und verlangen Sie eine Lösung, die sichtbare Angaben von Annahmen unterscheidet. Benennen Sie bei einer aufgezeichneten Demonstration die zu untersuchende Aktion oder Abweichung und verlangen Sie Beobachtungen mit Bezug zu den relevanten Materialabschnitten. Das erwartete Artefakt kann eine schriftliche Lösung, eine strukturierte Beobachtungsliste oder eine Erklärung dessen sein, was die Belege stützen. Bereiten Sie die Eingabe als multimodales Gespräch mit dem passenden Prozessor und der passenden Chatvorlage vor. Das Verarbeitungswerkzeugpaket des Herstellers verarbeitet abwechselnd eingefügten Text, Bilder, Audio und Videos. Qwen beschreibt gestreamte Textantworten als Teil des Interaktionskonzepts der Familie und demonstriert Batch-Inferenz für gemischte Medien mit reiner Textausgabe. In jeder Dialogrunde empfiehlt der Hersteller neben den Medien eine ausdrückliche Textanweisung. Ein Video allein lässt die Aufgabe offen: Geben Sie an, ob Aktionen zusammengefasst, zwei Szenen verglichen, ein Geräusch erklärt oder die gezeigte Aufgabe gelöst werden soll. Kennzeichnen Sie mehrere Eingaben und ihren Zusammenhang, damit der endgültige Text die richtige Frage mit dem richtigen Material verbinden kann. Entscheiden Sie bei einem Video mit Sprache oder Ereignisgeräuschen, ob dessen Audio Teil der Aufgabe ist. Der dokumentierte Ablauf verwendet use\_audio\_in\_video bei Vorverarbeitung und Generierung durchgehend einheitlich; die Modellkarte warnt, dass Änderungen dieser Einstellung zwischen Dialogrunden zu unerwarteten Ergebnissen führen können. Eine reine Szenenfrage und eine audiovisuelle Frage benötigen daher unterschiedliche Vorbereitung. Halten Sie den ursprünglichen Clip verfügbar, wählen Sie das relevante Intervall aus und lassen Sie die Tonspur nicht weg, wenn die angeforderte Schlussfolgerung davon abhängt, was gesagt oder gehört wurde. Die veröffentlichte Textkonfiguration setzt max\_position\_embeddings auf 65,536. Die vLLM-Beispiele der Modellkarte verwenden gesondert eine Modelllängeneinstellung von 32,768 Tokens und eine Generierungseinstellung von 16,384 Tokens. Sie zeigen ein konfiguriertes Inferenzbeispiel und keine einzelne allgemeingültige maximale Ausgabegrenze. Medien werden durch den Prozessor dargestellt, daher ist die Anfragegröße mehr als nur die Anzahl getippter Zeichen. Reservieren Sie Platz für das Textergebnis und verwenden Sie einen begrenzten Quellabschnitt, wenn eine lange Aufnahme nur ein kurzes für die Frage relevantes Ereignis enthält. Der Hersteller demonstriert Arbeitsabläufe mit Transformers und vLLM, wobei Prozessorunterstützung und Mediendekodierung ausdrückliche Abhängigkeiten sind. Die gemeinsame Modellkarte dokumentiert außerdem Schnittstellenunterschiede, darunter getrennte Verarbeitung von Video und Audio in einem Bereitstellungsbeispiel. Wählen Sie den konkreten Thinking-Checkpoint und seinen unterstützten Verarbeitungspfad, statt anzunehmen, dass jedes Beispiel der Familienkarte dasselbe Ausgabeverhalten hat. Stimmen und Talker-Steuerungen auf dieser Seite gelten für Instruct und nicht für dieses reine Thinker-Modell. Verlangen Sie für ein hilfreiches Endergebnis eine beleggestützte Erklärung und eine klar getrennte Schlussfolgerung. Erhalten Sie bei einer visuellen Aufgabe Einheiten, Symbole und Beschriftungen; unterscheiden Sie bei Audio hörbaren Inhalt von einer abgeleiteten Quelle; unterscheiden Sie bei Videos beobachtete Aktionen von einer Interpretation der Absicht. Prüfen Sie das Ergebnis anhand des bereitgestellten Materials und benennen Sie unsichere oder unleserliche Details ausdrücklich. Die Textantwort des Modells kann eine Analyse oder einen späteren Anwendungsschritt unterstützen, während jede Werkzeugausführung, Faktenbestätigung oder Medientransformation ein eigener Vorgang bleibt, der eine eigene Eingabe und ein eigenes Ergebnis benötigt. Praktische Aufgabe ### Praktische Aufgabe Technisches Beispiel auf Englisch ``` Reconcile demonstration annotations Analyze these supplied text annotations of a demonstration. T0 visual note: valve indicator reads Closed. T1 speech transcript: "I am opening the valve now." T2 visual note: indicator still reads Closed; valve mechanism is off camera. State what each source establishes, whether successful opening is confirmed and what evidence would resolve the discrepancy. ``` #### Erwartetes Ergebnis ``` An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need. ``` #### Ergebnis prüfen ``` Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen/Qwen3-Omni-30B-A3B-Thinking` [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=chat) Alibaba /`Qwen/Qwen3-Omni-30B-A3B-Thinking` ### Einstieg Qwen3-Omni-30B-A3B-Thinking schlussfolgert über Text, Bilder, Audio und Videos und gibt Text aus. Diese reine Thinker-Ausgabe eignet sich für visuelle Mathematik, Audioanalyse und Fragen, die Belege aus mehreren Modalitäten benötigen; Spracherzeugung gehört zu einer anderen Omni-Veröffentlichung. Zulässige Eingaben Text Ergebnisse Text ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Eingabe `text` Ausgabe `text` Ausgabeformat json oder SSE | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits Qwen/Qwen3-Omni-30B-A3B-Thinking | Standard— | | Feld`messages` | Typ`message[]` | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— | | Feld`messages[].role` | Typ`string` | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— | | Feld`messages[].content` | Typ`string\|content_part[]\|null` | AnforderungOptional | Werte und Limits | Standard— | | Feld`messages[].tool_calls` | Typ`tool_call[]` | AnforderungOptional | Werte und Limits | Standard— | | Feld`messages[].tool_call_id` | Typ`string` | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— | | Feld`messages[].name` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— | | Feld`messages[].reasoning_content` | Typ`string` | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— | | Feld`messages[].reasoning_details` | Typ`object\|array` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`max_tokens` | Typ`integer` | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— | | Feld`max_completion_tokens` | Typ`integer` | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— | | Feld`stream` | Typ`boolean` | AnforderungOptional | Werte und Limits | Standardfalse | | Feld`stream_options.include_usage` | Typ`boolean` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`temperature` | Typ`number` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`top_p` | Typ`number` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`stop` | Typ`string\|string[]` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`tools` | Typ`function_tool[]` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`tools[].type` | Typ`string` | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— | | Feld`tools[].function.name` | Typ`string` | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— | | Feld`tools[].function.description` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— | | Feld`tools[].function.parameters` | Typ`JSON_schema` | AnforderungOptional | Werte und Limits | Standard— | | Feld`tool_choice` | Typ`string\|object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`parallel_tool_calls` | Typ`boolean` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`response_format` | Typ`object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`reasoning_effort` | Typ`string` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`reasoning` | Typ`object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`service_tier` | Typ`string` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`instructions` | Typ`string` | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— | | Feld`functions` | Typ`function[]` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`function_call` | Typ`string\|object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`prompt_cache_options` | Typ`object` | AnforderungOptional | Werte und Limits Modellabhängig | Standard— | | Feld`modalities` | Typ`string[]` | AnforderungOptional | Werte und Limits text | Standard— | | Feld`provider` | Typ`object` | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— | | Feld`cache_control.ttl` | Typ`string` | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— | Kombinationen von Eingabematerialien **Text** · UTF8-Text `messages[].content` Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, messages | | Parameter`material_types` | Vertragtext | | Parameter`messages` | VertragNachrichtenarray mit role/content-Struktur | | Parameter`file_material` | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet | | Parameter`optional_controls` | Vertragstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen | | Parameter`output_modalities` | Vertragtext | | Parameter`hosted_operations` | Vertragfalse | | Parameter`multimodal_input_binding` | Vertragnull | Lebenszyklus: `synchronous_or_streamed` Die genaue Modell-ID zusammen mit messages senden. Die Kontextlänge ist keine Ausgabeobergrenze. Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung. ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Ailoot-Tarife #### Preise nach Konfiguration | Konfiguration | Tarifstaffel | Gebühr | | --- | --- | --- | | KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken **$0.0002** / 1K Tokens Ausgabe · Ausgabetoken **$0.0008** / 1K Tokens Eingabe · Cache lesen **$0** / 1K Tokens Eingabe · In Cache schreiben **$0** / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde **—** / 1K Tokens | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-at/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-Stream ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · OpenAI Chat json oder SSE ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten. ##### Wenn die ursprüngliche Antwort geprüft werden muss Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben. Antwortfelder | Feld | Typ | | --- | --- | | Feld`choices[].index` | Typinteger | | Feld`choices[].message.content` | Typstring\|null | | Feld`choices[].message.tool_calls` | Typtool\_call\[\] | | Feld`choices[].message.reasoning_content` | Typstring | | Feld`choices[].message.reasoning_details` | Typobject\|array | | Feld`choices[].finish_reason` | Typstring\|null | | Feld`usage` | Typobject | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=chat) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen/Qwen3-Omni-30B-A3B-Thinking` [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=messages) Alibaba /`Qwen/Qwen3-Omni-30B-A3B-Thinking` ### Einstieg Qwen3-Omni-30B-A3B-Thinking schlussfolgert über Text, Bilder, Audio und Videos und gibt Text aus. Diese reine Thinker-Ausgabe eignet sich für visuelle Mathematik, Audioanalyse und Fragen, die Belege aus mehreren Modalitäten benötigen; Spracherzeugung gehört zu einer anderen Omni-Veröffentlichung. Zulässige Eingaben Text Ergebnisse json · sse ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Eingabe `text` Ausgabe `json`, `sse` Ausgabeformat JSON oder SSE | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits Qwen/Qwen3-Omni-30B-A3B-Thinking | Standard— | | Feld`messages` | Typ`message[]` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`messages[].role` | Typ`string` | AnforderungErforderlich | Werte und Limits user, assistant | Standard— | | Feld`messages[].content` | Typ`string` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`max_tokens` | Typ`integer` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`stream` | Typ`boolean` | AnforderungOptional | Werte und Limits | Standardfalse | Kombinationen von Eingabematerialien **Text** · UTF-8-Text `Zeichenfolge messages[].content` Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, messages, max\_tokens | | Parameter`optional_controls` | Vertragstream | | Parameter`material_types` | Vertragtext | | Parameter`text_file_material` | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. | Lebenszyklus: `synchronous_or_streamed` ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Ailoot-Tarife #### Preise nach Konfiguration | Konfiguration | Tarifstaffel | Gebühr | | --- | --- | --- | | KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken **$0.0002** / 1K Tokens Ausgabe · Ausgabetoken **$0.0008** / 1K Tokens Eingabe · Cache lesen **$0** / 1K Tokens Eingabe · In Cache schreiben **$0** / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde **—** / 1K Tokens | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-at/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Anthropic Messages Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern ```json { "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Anthropic Messages JSON oder SSE ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe. ##### Wenn die ursprüngliche Antwort geprüft werden muss Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben. Antwortfelder | Feld | Typ | | --- | --- | | Feld`id` | Typstring | | Feld`model` | Typstring | | Feld`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Feld`stop_reason` | Typstring\|null | | Feld`usage` | Typobject | Fehler und nächste Schritte | Antwort | Bedingung | Nächster Schritt | | --- | --- | --- | | Antwort400 · `invalid_request_error` | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=messages) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/de-at/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=messages) FAQ · Qwen/Qwen3-Omni-30B-A3B-Thinking Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `text` → `text` `POST /v1/messages` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `text` → `json`, `sse` Welche Felder verwendet die Anfrage? `POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `model`, `messages`, `max_tokens`, `stream` Welche Grenzen gelten? `POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `messages.min_items`: `1` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-at/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-at/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-at) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.