Selección del modelo: análisis multimedia con salida de texto
Qwen3.8 Omni Flash es el modelo de Qwen para comprensión de audio y video, resúmenes de reuniones y análisis de contenido. Sus entradas son texto, imágenes, audio y video; su salida es texto. Una respuesta puede describir una grabación, responder una pregunta sobre evidencia visual y audible o preparar un resumen escrito. El fabricante distingue explícitamente esta edición de los modelos Omni que generan voz. No supongas que el nombre Omni otorga a este checkpoint un modo de salida hablada.
El contexto es de un millón de tokens y la entrada de audio abarca 113 idiomas y dialectos. Esa cantidad de idiomas describe la comprensión de audio, no una garantía de calidad de reconocimiento idéntica para cada acento, condición de grabación o vocabulario técnico. Para una reunión, proporciona la agenda o los términos importantes y solicita decisiones, preguntas sin resolver y próximas acciones. Para un clip audiovisual, pide al modelo que separe lo visible de lo dicho antes de combinar la evidencia en una conclusión.
Preparación de material multimodal
Los ejemplos documentados combinan medios con una pregunta de texto. Indica el resultado previsto en lugar de enviar una grabación sin explicación: un resumen temático, un relato de eventos o una respuesta a una pregunta específica. Etiqueta los recursos separados y conserva sus rangos de tiempo de origen fuera de la solicitud para que el resultado pueda rastrearse hasta el original. Cuando importen varios participantes o escenas, nombra las diferencias que el informe deba preservar.
Límites de medios en el flujo de archivos del fabricante
Para archivos de video, el fabricante documenta hasta 64 archivos, un límite de duración de dos horas y archivos de hasta 2 GB cuando se proporcionan mediante una ubicación de archivo accesible. Los formatos de video documentados son MP4, AVI, MKV, MOV, FLV y WMV. Para imágenes ordenadas usadas como video, el rango documentado es de dos a 2,048 imágenes. Conserva el orden y los tiempos, en lugar de tratar una colección arbitraria de imágenes como una secuencia temporal conocida.
Para audio, la guía documenta hasta tres horas, entradas mediante ubicación de archivo de hasta 2 GB y AMR, WAV, 3GP, 3GPP, AAC o MP3. La cantidad de archivos de audio es de hasta 2,048 cuando se suministran mediante ubicaciones de archivo y de hasta 250 con codificación Base64. Las cargas codificadas en Base64 deben ser menores de 10 MB. Estos son límites del flujo del productor, no promesas sobre la interfaz de carga de una aplicación ni evidencia de que todas las entradas de tamaño máximo quepan juntas en el presupuesto de tokens.
Para imágenes, la guía lista hasta 2,048 ubicaciones de imagen o 250 imágenes codificadas. Un archivo suministrado mediante una ubicación de imagen accesible puede ser de hasta 20 MB; ambas dimensiones deben superar los diez píxeles y la relación de aspecto debe mantenerse dentro de 200:1 o 1:200. Conserva suficiente resolución para la pregunta concreta. Un campo de texto que se vuelve ilegible durante la preparación no puede recuperarse simplemente solicitando una respuesta segura.
Audio espacial
Este modelo admite estéreo de dos canales y audio ambisónico de primer orden de cuatro canales en orden de canales WYZX. El control use_multichannel del fabricante tiene el valor predeterminado false, que interpreta el audio como mono. Con el control habilitado y una disposición de canales compatible, la información espacial puede participar en la comprensión. Conserva la disposición de canales cuando la tarea pregunte sobre la escena espacial audible; no infieras coordenadas calibradas de una fuente sonora a partir de una descripción general.
Herramientas e información actual
El fabricante admite llamadas a funciones y búsqueda web. En su flujo Responses documentado, web_search es la única herramienta integrada compatible con esta edición. Una tarea que use herramientas puede pedir al modelo que vincule información actual recuperada con la grabación proporcionada, manteniendo claro el origen de cada afirmación. Las acciones externas y los resultados de herramientas siguen dependiendo de la interfaz configurada de la aplicación. La compatibilidad con herramientas no debe ampliarse a una afirmación sin condiciones sobre intérprete de código o sistema de archivos. El productor también lista caché de contexto para entradas recurrentes; la reutilización se refiere a prefijos compartidos de solicitudes y no establece un acierto de caché para una solicitud particular.
Modos de pensamiento
El pensamiento está habilitado de forma predeterminada, con reasoning_effort establecido en xhigh. Los niveles principales de esfuerzo de pensamiento son low, medium y xhigh; el ajuste none desactiva el pensamiento. Por compatibilidad, minimal se asigna a low, mientras que high y max se asignan a xhigh. El fabricante rechaza las solicitudes que establecen reasoning_effort y thinking_budget juntos. Estos controles describen la interfaz del productor y no establecen que todas las aplicaciones los expongan.
Elige una respuesta directa para un resumen sencillo y razonamiento más profundo para una pregunta que requiera conectar varias piezas de evidencia. Mantén el informe final separado del razonamiento y verifica las citas textuales del audio, el orden de los eventos y la evidencia detrás de las conclusiones. La guía establece límites de medios y contexto, pero no publica un máximo estricto independiente de longitud de salida de texto en las secciones usadas aquí. Una pregunta clara y un resultado escrito rastreable son más útiles que tratar la mayor carga posible como garantía de recuerdo completo.
", "aboutText": "Selección del modelo: análisis multimedia con salida de texto\n\nQwen3.8 Omni Flash es el modelo de Qwen para comprensión de audio y video, resúmenes de reuniones y análisis de contenido. Sus entradas son texto, imágenes, audio y video; su salida es texto. Una respuesta puede describir una grabación, responder una pregunta sobre evidencia visual y audible o preparar un resumen escrito. El fabricante distingue explícitamente esta edición de los modelos Omni que generan voz. No supongas que el nombre Omni otorga a este checkpoint un modo de salida hablada.\n\nEl contexto es de un millón de tokens y la entrada de audio abarca 113 idiomas y dialectos. Esa cantidad de idiomas describe la comprensión de audio, no una garantía de calidad de reconocimiento idéntica para cada acento, condición de grabación o vocabulario técnico. Para una reunión, proporciona la agenda o los términos importantes y solicita decisiones, preguntas sin resolver y próximas acciones. Para un clip audiovisual, pide al modelo que separe lo visible de lo dicho antes de combinar la evidencia en una conclusión.\n\nPreparación de material multimodal\n\nLos ejemplos documentados combinan medios con una pregunta de texto. Indica el resultado previsto en lugar de enviar una grabación sin explicación: un resumen temático, un relato de eventos o una respuesta a una pregunta específica. Etiqueta los recursos separados y conserva sus rangos de tiempo de origen fuera de la solicitud para que el resultado pueda rastrearse hasta el original. Cuando importen varios participantes o escenas, nombra las diferencias que el informe deba preservar.\n\nLímites de medios en el flujo de archivos del fabricante\n\nPara archivos de video, el fabricante documenta hasta 64 archivos, un límite de duración de dos horas y archivos de hasta 2 GB cuando se proporcionan mediante una ubicación de archivo accesible. Los formatos de video documentados son MP4, AVI, MKV, MOV, FLV y WMV. Para imágenes ordenadas usadas como video, el rango documentado es de dos a 2,048 imágenes. Conserva el orden y los tiempos, en lugar de tratar una colección arbitraria de imágenes como una secuencia temporal conocida.\n\nPara audio, la guía documenta hasta tres horas, entradas mediante ubicación de archivo de hasta 2 GB y AMR, WAV, 3GP, 3GPP, AAC o MP3. La cantidad de archivos de audio es de hasta 2,048 cuando se suministran mediante ubicaciones de archivo y de hasta 250 con codificación Base64. Las cargas codificadas en Base64 deben ser menores de 10 MB. Estos son límites del flujo del productor, no promesas sobre la interfaz de carga de una aplicación ni evidencia de que todas las entradas de tamaño máximo quepan juntas en el presupuesto de tokens.\n\nPara imágenes, la guía lista hasta 2,048 ubicaciones de imagen o 250 imágenes codificadas. Un archivo suministrado mediante una ubicación de imagen accesible puede ser de hasta 20 MB; ambas dimensiones deben superar los diez píxeles y la relación de aspecto debe mantenerse dentro de 200:1 o 1:200. Conserva suficiente resolución para la pregunta concreta. Un campo de texto que se vuelve ilegible durante la preparación no puede recuperarse simplemente solicitando una respuesta segura.\n\nAudio espacial\n\nEste modelo admite estéreo de dos canales y audio ambisónico de primer orden de cuatro canales en orden de canales WYZX. El control use_multichannel del fabricante tiene el valor predeterminado false, que interpreta el audio como mono. Con el control habilitado y una disposición de canales compatible, la información espacial puede participar en la comprensión. Conserva la disposición de canales cuando la tarea pregunte sobre la escena espacial audible; no infieras coordenadas calibradas de una fuente sonora a partir de una descripción general.\n\nHerramientas e información actual\n\nEl fabricante admite llamadas a funciones y búsqueda web. En su flujo Responses documentado, web_search es la única herramienta integrada compatible con esta edición. Una tarea que use herramientas puede pedir al modelo que vincule información actual recuperada con la grabación proporcionada, manteniendo claro el origen de cada afirmación. Las acciones externas y los resultados de herramientas siguen dependiendo de la interfaz configurada de la aplicación. La compatibilidad con herramientas no debe ampliarse a una afirmación sin condiciones sobre intérprete de código o sistema de archivos. El productor también lista caché de contexto para entradas recurrentes; la reutilización se refiere a prefijos compartidos de solicitudes y no establece un acierto de caché para una solicitud particular.\n\nModos de pensamiento\n\nEl pensamiento está habilitado de forma predeterminada, con reasoning_effort establecido en xhigh. Los niveles principales de esfuerzo de pensamiento son low, medium y xhigh; el ajuste none desactiva el pensamiento. Por compatibilidad, minimal se asigna a low, mientras que high y max se asignan a xhigh. El fabricante rechaza las solicitudes que establecen reasoning_effort y thinking_budget juntos. Estos controles describen la interfaz del productor y no establecen que todas las aplicaciones los expongan.\n\nElige una respuesta directa para un resumen sencillo y razonamiento más profundo para una pregunta que requiera conectar varias piezas de evidencia. Mantén el informe final separado del razonamiento y verifica las citas textuales del audio, el orden de los eventos y la evidencia detrás de las conclusiones. La guía establece límites de medios y contexto, pero no publica un máximo estricto independiente de longitud de salida de texto en las secciones usadas aquí. Una pregunta clara y un resultado escrito rastreable son más útiles que tratar la mayor carga posible como garantía de recuerdo completo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analiza texto, imágenes, audio y video y devuelve texto. Admite resúmenes de reuniones, preguntas multimedia, 113 idiomas y dialectos de audio, esfuerzo de razonamiento seleccionable y audio espacial, con un contexto de un millón de tokens documentado por el productor.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Selección del modelo: análisis multimedia con salida de texto
Qwen3.8 Omni Flash es el modelo de Qwen para comprensión de audio y video, resúmenes de reuniones y análisis de contenido. Sus entradas son texto, imágenes, audio y video; su salida es texto. Una respuesta puede describir una grabación, responder una pregunta sobre evidencia visual y audible o preparar un resumen escrito. El fabricante distingue explícitamente esta edición de los modelos Omni que generan voz. No supongas que el nombre Omni otorga a este checkpoint un modo de salida hablada.
El contexto es de un millón de tokens y la entrada de audio abarca 113 idiomas y dialectos. Esa cantidad de idiomas describe la comprensión de audio, no una garantía de calidad de reconocimiento idéntica para cada acento, condición de grabación o vocabulario técnico. Para una reunión, proporciona la agenda o los términos importantes y solicita decisiones, preguntas sin resolver y próximas acciones. Para un clip audiovisual, pide al modelo que separe lo visible de lo dicho antes de combinar la evidencia en una conclusión.
Preparación de material multimodal
Los ejemplos documentados combinan medios con una pregunta de texto. Indica el resultado previsto en lugar de enviar una grabación sin explicación: un resumen temático, un relato de eventos o una respuesta a una pregunta específica. Etiqueta los recursos separados y conserva sus rangos de tiempo de origen fuera de la solicitud para que el resultado pueda rastrearse hasta el original. Cuando importen varios participantes o escenas, nombra las diferencias que el informe deba preservar.
Límites de medios en el flujo de archivos del fabricante
Para archivos de video, el fabricante documenta hasta 64 archivos, un límite de duración de dos horas y archivos de hasta 2 GB cuando se proporcionan mediante una ubicación de archivo accesible. Los formatos de video documentados son MP4, AVI, MKV, MOV, FLV y WMV. Para imágenes ordenadas usadas como video, el rango documentado es de dos a 2,048 imágenes. Conserva el orden y los tiempos, en lugar de tratar una colección arbitraria de imágenes como una secuencia temporal conocida.
Para audio, la guía documenta hasta tres horas, entradas mediante ubicación de archivo de hasta 2 GB y AMR, WAV, 3GP, 3GPP, AAC o MP3. La cantidad de archivos de audio es de hasta 2,048 cuando se suministran mediante ubicaciones de archivo y de hasta 250 con codificación Base64. Las cargas codificadas en Base64 deben ser menores de 10 MB. Estos son límites del flujo del productor, no promesas sobre la interfaz de carga de una aplicación ni evidencia de que todas las entradas de tamaño máximo quepan juntas en el presupuesto de tokens.
Para imágenes, la guía lista hasta 2,048 ubicaciones de imagen o 250 imágenes codificadas. Un archivo suministrado mediante una ubicación de imagen accesible puede ser de hasta 20 MB; ambas dimensiones deben superar los diez píxeles y la relación de aspecto debe mantenerse dentro de 200:1 o 1:200. Conserva suficiente resolución para la pregunta concreta. Un campo de texto que se vuelve ilegible durante la preparación no puede recuperarse simplemente solicitando una respuesta segura.
Audio espacial
Este modelo admite estéreo de dos canales y audio ambisónico de primer orden de cuatro canales en orden de canales WYZX. El control use_multichannel del fabricante tiene el valor predeterminado false, que interpreta el audio como mono. Con el control habilitado y una disposición de canales compatible, la información espacial puede participar en la comprensión. Conserva la disposición de canales cuando la tarea pregunte sobre la escena espacial audible; no infieras coordenadas calibradas de una fuente sonora a partir de una descripción general.
Herramientas e información actual
El fabricante admite llamadas a funciones y búsqueda web. En su flujo Responses documentado, web_search es la única herramienta integrada compatible con esta edición. Una tarea que use herramientas puede pedir al modelo que vincule información actual recuperada con la grabación proporcionada, manteniendo claro el origen de cada afirmación. Las acciones externas y los resultados de herramientas siguen dependiendo de la interfaz configurada de la aplicación. La compatibilidad con herramientas no debe ampliarse a una afirmación sin condiciones sobre intérprete de código o sistema de archivos. El productor también lista caché de contexto para entradas recurrentes; la reutilización se refiere a prefijos compartidos de solicitudes y no establece un acierto de caché para una solicitud particular.
Modos de pensamiento
El pensamiento está habilitado de forma predeterminada, con reasoning_effort establecido en xhigh. Los niveles principales de esfuerzo de pensamiento son low, medium y xhigh; el ajuste none desactiva el pensamiento. Por compatibilidad, minimal se asigna a low, mientras que high y max se asignan a xhigh. El fabricante rechaza las solicitudes que establecen reasoning_effort y thinking_budget juntos. Estos controles describen la interfaz del productor y no establecen que todas las aplicaciones los expongan.
Elige una respuesta directa para un resumen sencillo y razonamiento más profundo para una pregunta que requiera conectar varias piezas de evidencia. Mantén el informe final separado del razonamiento y verifica las citas textuales del audio, el orden de los eventos y la evidencia detrás de las conclusiones. La guía establece límites de medios y contexto, pero no publica un máximo estricto independiente de longitud de salida de texto en las secciones usadas aquí. Una pregunta clara y un resultado escrito rastreable son más útiles que tratar la mayor carga posible como garantía de recuerdo completo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3.8-omni-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.00094 / 1K tokens Entrada · Lectura de caché $0.000032 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.00094 / 1K tokens Entrada · Lectura de caché $0.000032 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-omni-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Usa las rutas de método indicadas arriba.
qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analiza texto, imágenes, audio y video y devuelve texto. Admite resúmenes de reuniones, preguntas multimedia, 113 idiomas y dialectos de audio, esfuerzo de razonamiento seleccionable y audio espacial, con un contexto de un millón de tokens documentado por el productor.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Selección del modelo: análisis multimedia con salida de texto
Qwen3.8 Omni Flash es el modelo de Qwen para comprensión de audio y video, resúmenes de reuniones y análisis de contenido. Sus entradas son texto, imágenes, audio y video; su salida es texto. Una respuesta puede describir una grabación, responder una pregunta sobre evidencia visual y audible o preparar un resumen escrito. El fabricante distingue explícitamente esta edición de los modelos Omni que generan voz. No supongas que el nombre Omni otorga a este checkpoint un modo de salida hablada.
El contexto es de un millón de tokens y la entrada de audio abarca 113 idiomas y dialectos. Esa cantidad de idiomas describe la comprensión de audio, no una garantía de calidad de reconocimiento idéntica para cada acento, condición de grabación o vocabulario técnico. Para una reunión, proporciona la agenda o los términos importantes y solicita decisiones, preguntas sin resolver y próximas acciones. Para un clip audiovisual, pide al modelo que separe lo visible de lo dicho antes de combinar la evidencia en una conclusión.
Preparación de material multimodal
Los ejemplos documentados combinan medios con una pregunta de texto. Indica el resultado previsto en lugar de enviar una grabación sin explicación: un resumen temático, un relato de eventos o una respuesta a una pregunta específica. Etiqueta los recursos separados y conserva sus rangos de tiempo de origen fuera de la solicitud para que el resultado pueda rastrearse hasta el original. Cuando importen varios participantes o escenas, nombra las diferencias que el informe deba preservar.
Límites de medios en el flujo de archivos del fabricante
Para archivos de video, el fabricante documenta hasta 64 archivos, un límite de duración de dos horas y archivos de hasta 2 GB cuando se proporcionan mediante una ubicación de archivo accesible. Los formatos de video documentados son MP4, AVI, MKV, MOV, FLV y WMV. Para imágenes ordenadas usadas como video, el rango documentado es de dos a 2,048 imágenes. Conserva el orden y los tiempos, en lugar de tratar una colección arbitraria de imágenes como una secuencia temporal conocida.
Para audio, la guía documenta hasta tres horas, entradas mediante ubicación de archivo de hasta 2 GB y AMR, WAV, 3GP, 3GPP, AAC o MP3. La cantidad de archivos de audio es de hasta 2,048 cuando se suministran mediante ubicaciones de archivo y de hasta 250 con codificación Base64. Las cargas codificadas en Base64 deben ser menores de 10 MB. Estos son límites del flujo del productor, no promesas sobre la interfaz de carga de una aplicación ni evidencia de que todas las entradas de tamaño máximo quepan juntas en el presupuesto de tokens.
Para imágenes, la guía lista hasta 2,048 ubicaciones de imagen o 250 imágenes codificadas. Un archivo suministrado mediante una ubicación de imagen accesible puede ser de hasta 20 MB; ambas dimensiones deben superar los diez píxeles y la relación de aspecto debe mantenerse dentro de 200:1 o 1:200. Conserva suficiente resolución para la pregunta concreta. Un campo de texto que se vuelve ilegible durante la preparación no puede recuperarse simplemente solicitando una respuesta segura.
Audio espacial
Este modelo admite estéreo de dos canales y audio ambisónico de primer orden de cuatro canales en orden de canales WYZX. El control use_multichannel del fabricante tiene el valor predeterminado false, que interpreta el audio como mono. Con el control habilitado y una disposición de canales compatible, la información espacial puede participar en la comprensión. Conserva la disposición de canales cuando la tarea pregunte sobre la escena espacial audible; no infieras coordenadas calibradas de una fuente sonora a partir de una descripción general.
Herramientas e información actual
El fabricante admite llamadas a funciones y búsqueda web. En su flujo Responses documentado, web_search es la única herramienta integrada compatible con esta edición. Una tarea que use herramientas puede pedir al modelo que vincule información actual recuperada con la grabación proporcionada, manteniendo claro el origen de cada afirmación. Las acciones externas y los resultados de herramientas siguen dependiendo de la interfaz configurada de la aplicación. La compatibilidad con herramientas no debe ampliarse a una afirmación sin condiciones sobre intérprete de código o sistema de archivos. El productor también lista caché de contexto para entradas recurrentes; la reutilización se refiere a prefijos compartidos de solicitudes y no establece un acierto de caché para una solicitud particular.
Modos de pensamiento
El pensamiento está habilitado de forma predeterminada, con reasoning_effort establecido en xhigh. Los niveles principales de esfuerzo de pensamiento son low, medium y xhigh; el ajuste none desactiva el pensamiento. Por compatibilidad, minimal se asigna a low, mientras que high y max se asignan a xhigh. El fabricante rechaza las solicitudes que establecen reasoning_effort y thinking_budget juntos. Estos controles describen la interfaz del productor y no establecen que todas las aplicaciones los expongan.
Elige una respuesta directa para un resumen sencillo y razonamiento más profundo para una pregunta que requiera conectar varias piezas de evidencia. Mantén el informe final separado del razonamiento y verifica las citas textuales del audio, el orden de los eventos y la evidencia detrás de las conclusiones. La guía establece límites de medios y contexto, pero no publica un máximo estricto independiente de longitud de salida de texto en las secciones usadas aquí. Una pregunta clara y un resultado escrito rastreable son más útiles que tratar la mayor carga posible como garantía de recuerdo completo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3.8-omni-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.00094 / 1K tokens Entrada · Lectura de caché $0.000032 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0003 / 1K tokens Salida · Tokens de salida $0.00094 / 1K tokens Entrada · Lectura de caché $0.000032 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3.8-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.