Qwen3.5-Omni-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video, auch als gemischte Eingaben, und erzeugt Text oder Text mit Sprachausgabe. Diese datierte Ausgabe unterscheidet sich vom undatierten Alias Qwen3.5-Omni-Plus und den Echtzeitausgaben. Bewahren Sie den vollständigen Namen auf, wenn ein Workflow festhalten muss, welche benannte Version ausgewählt ist.
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 Fähigkeitentabelle des Snapshots führt Websuche und Function Calling auf, wobei Function Calling auf Chat Completions in Peking und Textausgaben beschränkt ist. Sie nennt strukturierte Ausgaben als JSON Object; die regionalen Familientabellen unterscheiden zwischen Unterstützung in Peking und fehlender Unterstützung in Singapur. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und gibt das Werkzeugergebnis zurück, damit das Modell fortfahren kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.
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.
Der benannte Snapshot vom 15. März unterstützt gemäss der Qwen3.5-Omni-Anleitung des Herstellers kein benutzerdefiniertes Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der separate Workflow des undatierten Alias zum Erstellen und anschliessenden Verwenden einer geklonten Stimme für diese Ausgabe gilt. Stimmenwahl und Vortragsweise sind separate Entscheidungen: Der Stimmenparameter identifiziert eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.
Kombinieren Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielauftrag lautet: «Erkläre den hier gezeigten Mechanismus, verknüpfe die gesprochene Erklärung mit den beschrifteten Teilen und gib sowohl eine englische Textantwort als auch eine ruhige Sprachantwort.» Verlangen Sie für einen Textbericht getrennte chronologische Ereignisse, sichtbare Formulierungen und Sprache mit Zeitstempeln, die sich auf die Quelle beziehen. Bewahren Sie den Snapshot-Namen, den Eingabeausschnitt und die Ausgabeanweisungen auf, damit eine weitere Prüfung vom gleichen dokumentierten Auftrag ausgeht.
", "aboutText": "Qwen3.5-Omni-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video, auch als gemischte Eingaben, und erzeugt Text oder Text mit Sprachausgabe. Diese datierte Ausgabe unterscheidet sich vom undatierten Alias Qwen3.5-Omni-Plus und den Echtzeitausgaben. Bewahren Sie den vollständigen Namen auf, wenn ein Workflow festhalten muss, welche benannte Version ausgewählt ist.\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 Fähigkeitentabelle des Snapshots führt Websuche und Function Calling auf, wobei Function Calling auf Chat Completions in Peking und Textausgaben beschränkt ist. Sie nennt strukturierte Ausgaben als JSON Object; die regionalen Familientabellen unterscheiden zwischen Unterstützung in Peking und fehlender Unterstützung in Singapur. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und gibt das Werkzeugergebnis zurück, damit das Modell fortfahren kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.\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\nDer benannte Snapshot vom 15. März unterstützt gemäss der Qwen3.5-Omni-Anleitung des Herstellers kein benutzerdefiniertes Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der separate Workflow des undatierten Alias zum Erstellen und anschliessenden Verwenden einer geklonten Stimme für diese Ausgabe gilt. Stimmenwahl und Vortragsweise sind separate Entscheidungen: Der Stimmenparameter identifiziert eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.\n\nKombinieren Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielauftrag lautet: «Erkläre den hier gezeigten Mechanismus, verknüpfe die gesprochene Erklärung mit den beschrifteten Teilen und gib sowohl eine englische Textantwort als auch eine ruhige Sprachantwort.» Verlangen Sie für einen Textbericht getrennte chronologische Ereignisse, sichtbare Formulierungen und Sprache mit Zeitstempeln, die sich auf die Quelle beziehen. Bewahren Sie den Snapshot-Namen, den Eingabeausschnitt und die Ausgabeanweisungen auf, damit eine weitere Prüfung vom gleichen dokumentierten Auftrag ausgeht.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Align a spoken script with written scene notes\n\nUse these text records only. Scene notes: at 00:05 the presenter opens the lid; at 00:10 they remove the filter. Transcript: 00:05 'First remove the filter'; 00:10 'Then open the lid.' Identify the mismatch and draft corrected narration aligned to the scene notes. Return text only; no audio or video is attached or requested.A timestamped mismatch report and two corrected narration lines matching the supplied scene order.The corrected 00:05 line opens the lid, and the 00:10 line removes the filter, without claiming media analysis or speech generation.qwen3.5-omni-plus-2026-03-15Qwen3.5-Omni-Plus 2026-03-15 ist ein benannter multimodaler Snapshot für Text, Bilder, Audio und Video. Er erzeugt Text- oder Sprachantworten und verbindet visuelle Belege mit Ton. Dabei gelten seine eigenen dokumentierten Limits und die Besonderheiten seines Sprachworkflows.
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-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video, auch als gemischte Eingaben, und erzeugt Text oder Text mit Sprachausgabe. Diese datierte Ausgabe unterscheidet sich vom undatierten Alias Qwen3.5-Omni-Plus und den Echtzeitausgaben. Bewahren Sie den vollständigen Namen auf, wenn ein Workflow festhalten muss, welche benannte Version ausgewählt ist.
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 Fähigkeitentabelle des Snapshots führt Websuche und Function Calling auf, wobei Function Calling auf Chat Completions in Peking und Textausgaben beschränkt ist. Sie nennt strukturierte Ausgaben als JSON Object; die regionalen Familientabellen unterscheiden zwischen Unterstützung in Peking und fehlender Unterstützung in Singapur. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und gibt das Werkzeugergebnis zurück, damit das Modell fortfahren kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.
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.
Der benannte Snapshot vom 15. März unterstützt gemäss der Qwen3.5-Omni-Anleitung des Herstellers kein benutzerdefiniertes Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der separate Workflow des undatierten Alias zum Erstellen und anschliessenden Verwenden einer geklonten Stimme für diese Ausgabe gilt. Stimmenwahl und Vortragsweise sind separate Entscheidungen: Der Stimmenparameter identifiziert eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.
Kombinieren Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielauftrag lautet: «Erkläre den hier gezeigten Mechanismus, verknüpfe die gesprochene Erklärung mit den beschrifteten Teilen und gib sowohl eine englische Textantwort als auch eine ruhige Sprachantwort.» Verlangen Sie für einen Textbericht getrennte chronologische Ereignisse, sichtbare Formulierungen und Sprache mit Zeitstempeln, die sich auf die Quelle beziehen. Bewahren Sie den Snapshot-Namen, den Eingabeausschnitt und die Ausgabeanweisungen auf, damit eine weitere Prüfung vom gleichen dokumentierten Auftrag ausgeht.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-omni-plus-2026-03-15 | 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 $0.0022 / 1K Tokens Ausgabe · Ausgabetoken $0.012584 / 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-plus-2026-03-15", "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-plus-2026-03-15',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-plus-2026-03-15',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-plus-2026-03-15
Verwenden Sie die oben angezeigten Methodenpfade.
qwen3.5-omni-plus-2026-03-15Qwen3.5-Omni-Plus 2026-03-15 ist ein benannter multimodaler Snapshot für Text, Bilder, Audio und Video. Er erzeugt Text- oder Sprachantworten und verbindet visuelle Belege mit Ton. Dabei gelten seine eigenen dokumentierten Limits und die Besonderheiten seines Sprachworkflows.
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-Plus 2026-03-15 ist Alibabas multimodaler Snapshot vom 15. März für Texterstellung, Sprachassistenten und Multimedia-Analysen. Er verarbeitet Text, Bilder, Audio und Video, auch als gemischte Eingaben, und erzeugt Text oder Text mit Sprachausgabe. Diese datierte Ausgabe unterscheidet sich vom undatierten Alias Qwen3.5-Omni-Plus und den Echtzeitausgaben. Bewahren Sie den vollständigen Namen auf, wenn ein Workflow festhalten muss, welche benannte Version ausgewählt ist.
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 Fähigkeitentabelle des Snapshots führt Websuche und Function Calling auf, wobei Function Calling auf Chat Completions in Peking und Textausgaben beschränkt ist. Sie nennt strukturierte Ausgaben als JSON Object; die regionalen Familientabellen unterscheiden zwischen Unterstützung in Peking und fehlender Unterstützung in Singapur. Das Modell schlägt einen Werkzeugaufruf vor; die Anwendung führt die angeforderte Aktion aus und gibt das Werkzeugergebnis zurück, damit das Modell fortfahren kann. Dieser Snapshot kennzeichnet Präfixvervollständigung, Kontext-Caching, Batch-Inferenz und Fine-Tuning als nicht unterstützt.
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.
Der benannte Snapshot vom 15. März unterstützt gemäss der Qwen3.5-Omni-Anleitung des Herstellers kein benutzerdefiniertes Stimmenklonen. Verwenden Sie für seine Sprachausgabe eine dokumentierte Katalogstimme, statt anzunehmen, dass der separate Workflow des undatierten Alias zum Erstellen und anschliessenden Verwenden einer geklonten Stimme für diese Ausgabe gilt. Stimmenwahl und Vortragsweise sind separate Entscheidungen: Der Stimmenparameter identifiziert eine Katalogstimme, während schriftliche Anweisungen Tempo, Lautstärke und Emotion beschreiben.
Kombinieren Sie für eine aufgezeichnete Lektion den relevanten Videoausschnitt mit einem Diagramm und einer schriftlichen Frage. Ein Beispielauftrag lautet: «Erkläre den hier gezeigten Mechanismus, verknüpfe die gesprochene Erklärung mit den beschrifteten Teilen und gib sowohl eine englische Textantwort als auch eine ruhige Sprachantwort.» Verlangen Sie für einen Textbericht getrennte chronologische Ereignisse, sichtbare Formulierungen und Sprache mit Zeitstempeln, die sich auf die Quelle beziehen. Bewahren Sie den Snapshot-Namen, den Eingabeausschnitt und die Ausgabeanweisungen auf, damit eine weitere Prüfung vom gleichen dokumentierten Auftrag ausgeht.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-omni-plus-2026-03-15 | 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 $0.0022 / 1K Tokens Ausgabe · Ausgabetoken $0.012584 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3.5-omni-plus-2026-03-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-plus-2026-03-15', '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-plus-2026-03-15', '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-plus-2026-03-15
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Align a spoken script with written scene notes\n\nUse these text records only. Scene notes: at 00:05 the presenter opens the lid; at 00:10 they remove the filter. Transcript: 00:05 'First remove the filter'; 00:10 'Then open the lid.' Identify the mismatch and draft corrected narration aligned to the scene notes. Return text only; no audio or video is attached or requested.A timestamped mismatch report and two corrected narration lines matching the supplied scene order.The corrected 00:05 line opens the lid, and the 00:10 line removes the filter, without claiming media analysis or speech generation.