Qwen3.5-Omni-Flash ist Alibabas multimodaler Qwen-Familienalias für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video als kombinierte Eingabe und gibt Text oder Text mit Sprachausgabe zurück. Der Hersteller beschreibt den Alias derzeit als funktional gleichwertig mit Qwen3.5-Omni-Flash 2026-03-15. Der Name Flash allein begründet weder eine Garantie für die Antwortzeit noch einen bestimmten dauerhaft festgelegten Snapshot.
Die Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Verlangen Sie bei einem Medienauftrag getrennt die sichtbare Abfolge, den Text auf dem Bildschirm und den gesprochenen Inhalt. Fordern Sie auf die Quelle bezogene Zeitstempel an, wenn die Ereignisreihenfolge wichtig ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.
Legen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Anleitung dokumentiert Anweisungen für Lautstärke, Sprechtempo und Emotion. Sie führt 113 Sprachen und Dialekte für Audioeingaben sowie 36 Sprachen und Dialekte für Sprachausgaben auf, darunter Englisch, Französisch, Deutsch und Russisch. Im Stimmenkatalog ist Tina als Standard angegeben; weitere Optionen sind beispielsweise Serena und Ethan. Wählen Sie die Stimme und verlangen Sie eine knappe Erklärung in einem bedächtigen Tempo, statt die Ausgabegestaltung von der Stimme in der Eingabe bestimmen zu lassen.
Der dokumentierte HTTP-Sprachworkflow gibt Text als Stream und Base64-kodierte Audioblöcke zurück. Das WAV-Beispiel verwendet 24 kHz, Mono und 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammensetzen oder beim Eintreffen zur Wiedergabe dekodieren. Dies ist eine gestreamte Generierung aus einer eingereichten Anfrage. Die Erkennung von Gesprächswechseln in Echtzeit, das Verarbeiten von Unterbrechungen und Mikrofonunterhaltungen gehören zu separat benannten Echtzeitmodellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für vertieftes Denken.
Die Modellkarte von Flash führt Websuche auf und kennzeichnet Structured Outputs in beiden regionalen Tabellen als nicht unterstützt. Sie können benannte Abschnitte in normalem Text anfordern; diese Anweisung unterscheidet sich jedoch von einem eingeschränkten JSON-Modus. Function Calling ist für Alibabas Bereitstellung von Chat Completions in Peking mit Textausgabe dokumentiert und in der Tabelle für Singapur als nicht unterstützt angegeben. Die Anwendung führt die ausgewählte Werkzeugaktion aus. Präfixvervollständigung, Kontext-Caching und Fine-Tuning werden nicht unterstützt. Die Tabelle des Alias für Peking unterstützt Batch-Inferenz, die Tabelle für Singapur nicht.
Das veröffentlichte Kontextfenster beträgt 262,144 Tokens, bei maximal 196,608 Eingabe-Tokens und 65,536 Ausgabe-Tokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Anleitung erlaubt für diese Serie bis zu drei Stunden Audio oder eine Stunde Video; sie führt die Audioformate AMR, WAV, 3GP, 3GPP, AAC und MP3 sowie die Videoformate MP4, AVI, MKV, MOV, FLV und WMV auf. Über URLs bereitgestellte Audio- oder Videodateien dürfen bis zu 2 GB gross sein, während Base64-kodierte Medien kleiner als 10 MB sein müssen. Dies sind Dateilimits des Herstellerworkflows. Sie unterscheiden sich von der Beschreibung in der Modelleinführung, wonach mehr als zehn Stunden Audio oder mehr als 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS verstanden werden können.
Für Bilder nennt diese Anleitung eigene Vorbereitungsgrenzen: bis zu 20 MB pro URL-basiertem Bild, Abmessungen von mehr als 10 Pixeln pro Seite und ein Seitenverhältnis, das in keiner Ausrichtung extremer als 200:1 ist. Die Anleitung erlaubt bis zu 2,048 URL-basierte Bilder oder Audiodateien und 512 URL-basierte Videodateien; bei Base64-Eingaben sind bis zu 250 Dateien erlaubt. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Budget für Eingabe-Tokens. Die Serie kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, sorgen Sie für lesbare kleine Beschriftungen und erklären Sie den Zusammenhang zwischen separaten Eingaben. Die dokumentierten Höchstzahlen für Dateien variieren je nach Modalität und Übertragungsart; jede Eingabe muss dennoch innerhalb des gemeinsamen Tokenbudgets liegen.
Das undatierte Flash-Modell unterstützt benutzerdefiniertes Stimmenklonen über einen separaten Workflow zur Stimmenerstellung. Die Referenz muss mindestens drei Sekunden ununterbrochene, klare Sprache enthalten, mit Pausen von höchstens zwei Sekunden. Verwenden Sie normale Sprache ohne Musik, Gesang, Störgeräusche oder eine weitere sprechende Person. Für WAV ist 16-Bit-Audio zu verwenden. Die Referenz erzeugt eine Stimme, die einem benannten Zielmodell zugeordnet ist; das Ziel muss mit dem später für die Sprachausgabe verwendeten Modell übereinstimmen. Alibaba empfiehlt 10–20 Sekunden saubere Mono-Sprache mit mindestens 24 kHz, bei höchstens 60 Sekunden und einer Dateigrösse unter 10 MB. Referenzformate sind WAV, MP3 und M4A. Der Flash-Snapshot vom 15. März unterstützt diesen Klonworkflow nicht.
Stellen Sie für eine Supporterklärung mit gemischten Medien einen Screenshot, eine aufgezeichnete Frage und gegebenenfalls Produktbegriffe als Text bereit. Ein Beispielauftrag lautet: «Verwende die Beschriftungen im Screenshot, beantworte die Audiofrage auf Französisch und gib eine kurze Erklärung mit einer langsameren, beruhigenden Sprachausgabe.» Verlangen Sie für eine Analyse statt eines Dialogs chronologische Beobachtungen, den genauen sichtbaren Text und Sprache in getrennten Abschnitten. Nennen Sie die Zielgruppe und legen Sie fest, ob Sie eine Transkription, Interpretation oder knappe Zusammenfassung wünschen.
", "aboutText": "Qwen3.5-Omni-Flash ist Alibabas multimodaler Qwen-Familienalias für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video als kombinierte Eingabe und gibt Text oder Text mit Sprachausgabe zurück. Der Hersteller beschreibt den Alias derzeit als funktional gleichwertig mit Qwen3.5-Omni-Flash 2026-03-15. Der Name Flash allein begründet weder eine Garantie für die Antwortzeit noch einen bestimmten dauerhaft festgelegten Snapshot.\n\nDie Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Verlangen Sie bei einem Medienauftrag getrennt die sichtbare Abfolge, den Text auf dem Bildschirm und den gesprochenen Inhalt. Fordern Sie auf die Quelle bezogene Zeitstempel an, wenn die Ereignisreihenfolge wichtig ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.\n\nLegen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Anleitung dokumentiert Anweisungen für Lautstärke, Sprechtempo und Emotion. Sie führt 113 Sprachen und Dialekte für Audioeingaben sowie 36 Sprachen und Dialekte für Sprachausgaben auf, darunter Englisch, Französisch, Deutsch und Russisch. Im Stimmenkatalog ist Tina als Standard angegeben; weitere Optionen sind beispielsweise Serena und Ethan. Wählen Sie die Stimme und verlangen Sie eine knappe Erklärung in einem bedächtigen Tempo, statt die Ausgabegestaltung von der Stimme in der Eingabe bestimmen zu lassen.\n\nDer dokumentierte HTTP-Sprachworkflow gibt Text als Stream und Base64-kodierte Audioblöcke zurück. Das WAV-Beispiel verwendet 24 kHz, Mono und 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammensetzen oder beim Eintreffen zur Wiedergabe dekodieren. Dies ist eine gestreamte Generierung aus einer eingereichten Anfrage. Die Erkennung von Gesprächswechseln in Echtzeit, das Verarbeiten von Unterbrechungen und Mikrofonunterhaltungen gehören zu separat benannten Echtzeitmodellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für vertieftes Denken.\n\nDie Modellkarte von Flash führt Websuche auf und kennzeichnet Structured Outputs in beiden regionalen Tabellen als nicht unterstützt. Sie können benannte Abschnitte in normalem Text anfordern; diese Anweisung unterscheidet sich jedoch von einem eingeschränkten JSON-Modus. Function Calling ist für Alibabas Bereitstellung von Chat Completions in Peking mit Textausgabe dokumentiert und in der Tabelle für Singapur als nicht unterstützt angegeben. Die Anwendung führt die ausgewählte Werkzeugaktion aus. Präfixvervollständigung, Kontext-Caching und Fine-Tuning werden nicht unterstützt. Die Tabelle des Alias für Peking unterstützt Batch-Inferenz, die Tabelle für Singapur nicht.\n\nDas veröffentlichte Kontextfenster beträgt 262,144 Tokens, bei maximal 196,608 Eingabe-Tokens und 65,536 Ausgabe-Tokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Anleitung erlaubt für diese Serie bis zu drei Stunden Audio oder eine Stunde Video; sie führt die Audioformate AMR, WAV, 3GP, 3GPP, AAC und MP3 sowie die Videoformate MP4, AVI, MKV, MOV, FLV und WMV auf. Über URLs bereitgestellte Audio- oder Videodateien dürfen bis zu 2 GB gross sein, während Base64-kodierte Medien kleiner als 10 MB sein müssen. Dies sind Dateilimits des Herstellerworkflows. Sie unterscheiden sich von der Beschreibung in der Modelleinführung, wonach mehr als zehn Stunden Audio oder mehr als 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS verstanden werden können.\n\nFür Bilder nennt diese Anleitung eigene Vorbereitungsgrenzen: bis zu 20 MB pro URL-basiertem Bild, Abmessungen von mehr als 10 Pixeln pro Seite und ein Seitenverhältnis, das in keiner Ausrichtung extremer als 200:1 ist. Die Anleitung erlaubt bis zu 2,048 URL-basierte Bilder oder Audiodateien und 512 URL-basierte Videodateien; bei Base64-Eingaben sind bis zu 250 Dateien erlaubt. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Budget für Eingabe-Tokens. Die Serie kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, sorgen Sie für lesbare kleine Beschriftungen und erklären Sie den Zusammenhang zwischen separaten Eingaben. Die dokumentierten Höchstzahlen für Dateien variieren je nach Modalität und Übertragungsart; jede Eingabe muss dennoch innerhalb des gemeinsamen Tokenbudgets liegen.\n\nDas undatierte Flash-Modell unterstützt benutzerdefiniertes Stimmenklonen über einen separaten Workflow zur Stimmenerstellung. Die Referenz muss mindestens drei Sekunden ununterbrochene, klare Sprache enthalten, mit Pausen von höchstens zwei Sekunden. Verwenden Sie normale Sprache ohne Musik, Gesang, Störgeräusche oder eine weitere sprechende Person. Für WAV ist 16-Bit-Audio zu verwenden. Die Referenz erzeugt eine Stimme, die einem benannten Zielmodell zugeordnet ist; das Ziel muss mit dem später für die Sprachausgabe verwendeten Modell übereinstimmen. Alibaba empfiehlt 10–20 Sekunden saubere Mono-Sprache mit mindestens 24 kHz, bei höchstens 60 Sekunden und einer Dateigrösse unter 10 MB. Referenzformate sind WAV, MP3 und M4A. Der Flash-Snapshot vom 15. März unterstützt diesen Klonworkflow nicht.\n\nStellen Sie für eine Supporterklärung mit gemischten Medien einen Screenshot, eine aufgezeichnete Frage und gegebenenfalls Produktbegriffe als Text bereit. Ein Beispielauftrag lautet: «Verwende die Beschriftungen im Screenshot, beantworte die Audiofrage auf Französisch und gib eine kurze Erklärung mit einer langsameren, beruhigenden Sprachausgabe.» Verlangen Sie für eine Analyse statt eines Dialogs chronologische Beobachtungen, den genauen sichtbaren Text und Sprache in getrennten Abschnitten. Nennen Sie die Zielgruppe und legen Sie fest, ob Sie eine Transkription, Interpretation oder knappe Zusammenfassung wünschen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 verbindet Text, Bilder, Audio und Video und antwortet mit Text oder Sprache. Es unterstützt Erklärungen zu gemischten Medien und Sprachantworten mit vorgegebener Vortragsweise, mit einem Kontext von 262,144 Tokens und einem eigenen Profil für Werkzeuge und Ausgabeformate.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3.5-Omni-Flash ist Alibabas multimodaler Qwen-Familienalias für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video als kombinierte Eingabe und gibt Text oder Text mit Sprachausgabe zurück. Der Hersteller beschreibt den Alias derzeit als funktional gleichwertig mit Qwen3.5-Omni-Flash 2026-03-15. Der Name Flash allein begründet weder eine Garantie für die Antwortzeit noch einen bestimmten dauerhaft festgelegten Snapshot.
Die Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Verlangen Sie bei einem Medienauftrag getrennt die sichtbare Abfolge, den Text auf dem Bildschirm und den gesprochenen Inhalt. Fordern Sie auf die Quelle bezogene Zeitstempel an, wenn die Ereignisreihenfolge wichtig ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.
Legen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Anleitung dokumentiert Anweisungen für Lautstärke, Sprechtempo und Emotion. Sie führt 113 Sprachen und Dialekte für Audioeingaben sowie 36 Sprachen und Dialekte für Sprachausgaben auf, darunter Englisch, Französisch, Deutsch und Russisch. Im Stimmenkatalog ist Tina als Standard angegeben; weitere Optionen sind beispielsweise Serena und Ethan. Wählen Sie die Stimme und verlangen Sie eine knappe Erklärung in einem bedächtigen Tempo, statt die Ausgabegestaltung von der Stimme in der Eingabe bestimmen zu lassen.
Der dokumentierte HTTP-Sprachworkflow gibt Text als Stream und Base64-kodierte Audioblöcke zurück. Das WAV-Beispiel verwendet 24 kHz, Mono und 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammensetzen oder beim Eintreffen zur Wiedergabe dekodieren. Dies ist eine gestreamte Generierung aus einer eingereichten Anfrage. Die Erkennung von Gesprächswechseln in Echtzeit, das Verarbeiten von Unterbrechungen und Mikrofonunterhaltungen gehören zu separat benannten Echtzeitmodellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für vertieftes Denken.
Die Modellkarte von Flash führt Websuche auf und kennzeichnet Structured Outputs in beiden regionalen Tabellen als nicht unterstützt. Sie können benannte Abschnitte in normalem Text anfordern; diese Anweisung unterscheidet sich jedoch von einem eingeschränkten JSON-Modus. Function Calling ist für Alibabas Bereitstellung von Chat Completions in Peking mit Textausgabe dokumentiert und in der Tabelle für Singapur als nicht unterstützt angegeben. Die Anwendung führt die ausgewählte Werkzeugaktion aus. Präfixvervollständigung, Kontext-Caching und Fine-Tuning werden nicht unterstützt. Die Tabelle des Alias für Peking unterstützt Batch-Inferenz, die Tabelle für Singapur nicht.
Das veröffentlichte Kontextfenster beträgt 262,144 Tokens, bei maximal 196,608 Eingabe-Tokens und 65,536 Ausgabe-Tokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Anleitung erlaubt für diese Serie bis zu drei Stunden Audio oder eine Stunde Video; sie führt die Audioformate AMR, WAV, 3GP, 3GPP, AAC und MP3 sowie die Videoformate MP4, AVI, MKV, MOV, FLV und WMV auf. Über URLs bereitgestellte Audio- oder Videodateien dürfen bis zu 2 GB gross sein, während Base64-kodierte Medien kleiner als 10 MB sein müssen. Dies sind Dateilimits des Herstellerworkflows. Sie unterscheiden sich von der Beschreibung in der Modelleinführung, wonach mehr als zehn Stunden Audio oder mehr als 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS verstanden werden können.
Für Bilder nennt diese Anleitung eigene Vorbereitungsgrenzen: bis zu 20 MB pro URL-basiertem Bild, Abmessungen von mehr als 10 Pixeln pro Seite und ein Seitenverhältnis, das in keiner Ausrichtung extremer als 200:1 ist. Die Anleitung erlaubt bis zu 2,048 URL-basierte Bilder oder Audiodateien und 512 URL-basierte Videodateien; bei Base64-Eingaben sind bis zu 250 Dateien erlaubt. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Budget für Eingabe-Tokens. Die Serie kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, sorgen Sie für lesbare kleine Beschriftungen und erklären Sie den Zusammenhang zwischen separaten Eingaben. Die dokumentierten Höchstzahlen für Dateien variieren je nach Modalität und Übertragungsart; jede Eingabe muss dennoch innerhalb des gemeinsamen Tokenbudgets liegen.
Das undatierte Flash-Modell unterstützt benutzerdefiniertes Stimmenklonen über einen separaten Workflow zur Stimmenerstellung. Die Referenz muss mindestens drei Sekunden ununterbrochene, klare Sprache enthalten, mit Pausen von höchstens zwei Sekunden. Verwenden Sie normale Sprache ohne Musik, Gesang, Störgeräusche oder eine weitere sprechende Person. Für WAV ist 16-Bit-Audio zu verwenden. Die Referenz erzeugt eine Stimme, die einem benannten Zielmodell zugeordnet ist; das Ziel muss mit dem später für die Sprachausgabe verwendeten Modell übereinstimmen. Alibaba empfiehlt 10–20 Sekunden saubere Mono-Sprache mit mindestens 24 kHz, bei höchstens 60 Sekunden und einer Dateigrösse unter 10 MB. Referenzformate sind WAV, MP3 und M4A. Der Flash-Snapshot vom 15. März unterstützt diesen Klonworkflow nicht.
Stellen Sie für eine Supporterklärung mit gemischten Medien einen Screenshot, eine aufgezeichnete Frage und gegebenenfalls Produktbegriffe als Text bereit. Ein Beispielauftrag lautet: «Verwende die Beschriftungen im Screenshot, beantworte die Audiofrage auf Französisch und gib eine kurze Erklärung mit einer langsameren, beruhigenden Sprachausgabe.» Verlangen Sie für eine Analyse statt eines Dialogs chronologische Beobachtungen, den genauen sichtbaren Text und Sprache in getrennten Abschnitten. Nennen Sie die Zielgruppe und legen Sie fest, ob Sie eine Transkription, Interpretation oder knappe Zusammenfassung wünschen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-omni-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | 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— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_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.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00069 / 1K Tokens Ausgabe · Ausgabetoken $0.00418 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 oder SSE
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.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen3.5-omni-flash
Verwenden Sie die oben angezeigten Methodenpfade.
qwen3.5-omni-flashQwen3.5-Omni-Flash verbindet Text, Bilder, Audio und Video und antwortet mit Text oder Sprache. Es unterstützt Erklärungen zu gemischten Medien und Sprachantworten mit vorgegebener Vortragsweise, mit einem Kontext von 262,144 Tokens und einem eigenen Profil für Werkzeuge und Ausgabeformate.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3.5-Omni-Flash ist Alibabas multimodaler Qwen-Familienalias für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video als kombinierte Eingabe und gibt Text oder Text mit Sprachausgabe zurück. Der Hersteller beschreibt den Alias derzeit als funktional gleichwertig mit Qwen3.5-Omni-Flash 2026-03-15. Der Name Flash allein begründet weder eine Garantie für die Antwortzeit noch einen bestimmten dauerhaft festgelegten Snapshot.
Die Eingabe kann ein Bild mit einer gesprochenen Frage verbinden oder Bild und Ton eines Videos mit schriftlichen Anweisungen kombinieren. Das ist nützlich, wenn eine reine Textzusammenfassung den Zusammenhang zwischen Gesehenem und Gehörtem verlieren würde. Verlangen Sie bei einem Medienauftrag getrennt die sichtbare Abfolge, den Text auf dem Bildschirm und den gesprochenen Inhalt. Fordern Sie auf die Quelle bezogene Zeitstempel an, wenn die Ereignisreihenfolge wichtig ist. Neben Sprache können auch Geräuscheffekte und andere nichtsprachliche Audiosignale zur Analyse beitragen.
Legen Sie für eine Sprachantwort Sprache, Zielgruppe und Vortragsweise fest. Qwens Anleitung dokumentiert Anweisungen für Lautstärke, Sprechtempo und Emotion. Sie führt 113 Sprachen und Dialekte für Audioeingaben sowie 36 Sprachen und Dialekte für Sprachausgaben auf, darunter Englisch, Französisch, Deutsch und Russisch. Im Stimmenkatalog ist Tina als Standard angegeben; weitere Optionen sind beispielsweise Serena und Ethan. Wählen Sie die Stimme und verlangen Sie eine knappe Erklärung in einem bedächtigen Tempo, statt die Ausgabegestaltung von der Stimme in der Eingabe bestimmen zu lassen.
Der dokumentierte HTTP-Sprachworkflow gibt Text als Stream und Base64-kodierte Audioblöcke zurück. Das WAV-Beispiel verwendet 24 kHz, Mono und 16-Bit-PCM; eine Anwendung kann die Blöcke zu einer Audiodatei zusammensetzen oder beim Eintreffen zur Wiedergabe dekodieren. Dies ist eine gestreamte Generierung aus einer eingereichten Anfrage. Die Erkennung von Gesprächswechseln in Echtzeit, das Verarbeiten von Unterbrechungen und Mikrofonunterhaltungen gehören zu separat benannten Echtzeitmodellen. Die Familientabelle von Qwen3.5-Omni bietet keinen Modus für vertieftes Denken.
Die Modellkarte von Flash führt Websuche auf und kennzeichnet Structured Outputs in beiden regionalen Tabellen als nicht unterstützt. Sie können benannte Abschnitte in normalem Text anfordern; diese Anweisung unterscheidet sich jedoch von einem eingeschränkten JSON-Modus. Function Calling ist für Alibabas Bereitstellung von Chat Completions in Peking mit Textausgabe dokumentiert und in der Tabelle für Singapur als nicht unterstützt angegeben. Die Anwendung führt die ausgewählte Werkzeugaktion aus. Präfixvervollständigung, Kontext-Caching und Fine-Tuning werden nicht unterstützt. Die Tabelle des Alias für Peking unterstützt Batch-Inferenz, die Tabelle für Singapur nicht.
Das veröffentlichte Kontextfenster beträgt 262,144 Tokens, bei maximal 196,608 Eingabe-Tokens und 65,536 Ausgabe-Tokens. Gemischte Medien und Text teilen sich das Kontextbudget. Alibabas HTTP-Anleitung erlaubt für diese Serie bis zu drei Stunden Audio oder eine Stunde Video; sie führt die Audioformate AMR, WAV, 3GP, 3GPP, AAC und MP3 sowie die Videoformate MP4, AVI, MKV, MOV, FLV und WMV auf. Über URLs bereitgestellte Audio- oder Videodateien dürfen bis zu 2 GB gross sein, während Base64-kodierte Medien kleiner als 10 MB sein müssen. Dies sind Dateilimits des Herstellerworkflows. Sie unterscheiden sich von der Beschreibung in der Modelleinführung, wonach mehr als zehn Stunden Audio oder mehr als 400 Sekunden 720p-Video bei einer Abtastung von 1 FPS verstanden werden können.
Für Bilder nennt diese Anleitung eigene Vorbereitungsgrenzen: bis zu 20 MB pro URL-basiertem Bild, Abmessungen von mehr als 10 Pixeln pro Seite und ein Seitenverhältnis, das in keiner Ausrichtung extremer als 200:1 ist. Die Anleitung erlaubt bis zu 2,048 URL-basierte Bilder oder Audiodateien und 512 URL-basierte Videodateien; bei Base64-Eingaben sind bis zu 250 Dateien erlaubt. Diese Übertragungsgrenzen unterliegen weiterhin dem gemeinsamen Budget für Eingabe-Tokens. Die Serie kann mehrere Medientypen in einer Anfrage kombinieren. Wählen Sie den relevanten Ausschnitt, sorgen Sie für lesbare kleine Beschriftungen und erklären Sie den Zusammenhang zwischen separaten Eingaben. Die dokumentierten Höchstzahlen für Dateien variieren je nach Modalität und Übertragungsart; jede Eingabe muss dennoch innerhalb des gemeinsamen Tokenbudgets liegen.
Das undatierte Flash-Modell unterstützt benutzerdefiniertes Stimmenklonen über einen separaten Workflow zur Stimmenerstellung. Die Referenz muss mindestens drei Sekunden ununterbrochene, klare Sprache enthalten, mit Pausen von höchstens zwei Sekunden. Verwenden Sie normale Sprache ohne Musik, Gesang, Störgeräusche oder eine weitere sprechende Person. Für WAV ist 16-Bit-Audio zu verwenden. Die Referenz erzeugt eine Stimme, die einem benannten Zielmodell zugeordnet ist; das Ziel muss mit dem später für die Sprachausgabe verwendeten Modell übereinstimmen. Alibaba empfiehlt 10–20 Sekunden saubere Mono-Sprache mit mindestens 24 kHz, bei höchstens 60 Sekunden und einer Dateigrösse unter 10 MB. Referenzformate sind WAV, MP3 und M4A. Der Flash-Snapshot vom 15. März unterstützt diesen Klonworkflow nicht.
Stellen Sie für eine Supporterklärung mit gemischten Medien einen Screenshot, eine aufgezeichnete Frage und gegebenenfalls Produktbegriffe als Text bereit. Ein Beispielauftrag lautet: «Verwende die Beschriftungen im Screenshot, beantworte die Audiofrage auf Französisch und gib eine kurze Erklärung mit einer langsameren, beruhigenden Sprachausgabe.» Verlangen Sie für eine Analyse statt eines Dialogs chronologische Beobachtungen, den genauen sichtbaren Text und Sprache in getrennten Abschnitten. Nennen Sie die Zielgruppe und legen Sie fest, ob Sie eine Transkription, Interpretation oder knappe Zusammenfassung wünschen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-omni-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00069 / 1K Tokens Ausgabe · Ausgabetoken $0.00418 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3.5-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 oder SSE
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.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen3.5-omni-flash
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.