Qwen3-Omni-30B-A3B-Instruct est le membre de Qwen3-Omni qui suit les instructions et génère de la parole. Il comprend le texte, les images, l’audio et la vidéo, y compris les entrées mixtes, et peut renvoyer du texte et une parole naturelle. Qwen décrit l’architecture de famille comme prenant en charge les réponses textuelles et vocales en continu. Le checkpoint Instruct exact contient Thinker et Talker : la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les checkpoints Thinking et Captioner ont des composants et des rôles de sortie différents et restent donc des choix de modèles distincts.
Le périmètre multilingue publié de la famille comprend 119 langues textuelles, 19 langues d’entrée vocale et 10 langues de sortie vocale. Le russe figure dans les deux listes vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec traitement audio et visuel pour la compréhension multimodale et génération vocale à plusieurs dictionnaires de codes. Les prompts système peuvent définir le rôle de l’assistant et le style de réponse. Une tâche adaptée est une explication vocale dépendant d’un objet visible et d’une question parlée de l’utilisateur, plutôt qu’une conversion texte–parole sans rapport.
Les guides pratiques couvrent la reconnaissance vocale, la traduction vocale, l’analyse de musique et de sons, l’audio mixte, les questions d’image, l’OCR, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez d’expliquer la procédure visible à un novice. Pour une question sur un produit, associez une photo à la demande parlée et identifiez le détail à traiter. Précisez l’auditeur visé et le résultat souhaité : une courte réponse parlée, un résumé textuel ou les deux. Conservez les noms de source et mesures qui doivent rester inchangés.
Le flux d’entrée du concepteur utilise le processeur, le modèle de conversation et les utilitaires de traitement de médias correspondants. Les médias peuvent être entrelacés avec du texte et le décodage fait explicitement partie de la préparation de requête. Lorsque l’audio accompagnant une vidéo est utilisé, gardez use_audio_in_video cohérent entre prétraitement, génération et tours successifs. Une question audiovisuelle exige d’inclure la bande sonore ; une tâche uniquement visuelle doit préciser clairement ce périmètre. Sélectionnez un extrait pertinent et utilisez des images lisibles pour fournir les détails nécessaires à la question.
La sortie vocale est contrôlable. L’interface de génération publiée peut demander uniquement du texte avec return_audio=False, et désactiver Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple de lot du concepteur renvoie du texte plutôt que de l’audio. Le checkpoint Instruct documente trois voix — Ethan, Chelsie et Aiden — avec Ethan par défaut. L’exemple enregistre une forme d’onde à 24 000 Hz. Le choix de voix et le format de sortie de cet exemple décrivent le flux publié du modèle, pas toutes les interfaces de service environnantes possibles.
Pour les réponses parlées, le fabricant recommande un style conversationnel facile à prononcer plutôt qu’une mise en forme compliquée. Une requête peut demander une explication concise dans la langue de l’auditeur, tout en conservant un résultat textuel lisible distinct pour la revue. Si la source contient un nom, une formule ou une abréviation peu familière, fournissez son sens et la formulation préférée. Demandez de distinguer le contenu observé des hypothèses pour qu’une voix fluide ne fasse pas disparaître l’incertitude.
Les configurations textuelles Thinker et Talker fixent max_position_embeddings à 65 536. Les exemples vLLM de la fiche partagée choisissent séparément une longueur de modèle de 32 768 jetons et une génération de 16 384 jetons ; cela reste des exemples, pas des plafonds universels indépendants. Le traitement visuel et audio affecte la taille effective de requête. La prise en charge d’interface diffère aussi : l’exemple Transformers peut renvoyer de la parole, tandis que la discussion de service décrit un chemin orienté Thinker et un traitement vidéo/audio séparé. Distinguez les capacités vocales du modèle du chemin de sortie compatible d’un environnement particulier.
Un résultat utile associe la réponse aux sources nécessaires pour la vérifier. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait ; pour une question audio, comparez la réponse aux mots ou sons audibles ; pour un calcul visuel, vérifiez les unités et libellés. La famille comprend un guide pratique d’appel de fonctions audio, mais l’application définit et exécute toujours toute action d’outil externe. Une demande générée d’agir diffère d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse parlée facultative, tandis que la vérification factuelle, les actions ultérieures et le montage de médias nécessitent leurs propres éléments probants et flux de travail.
", "aboutText": "Qwen3-Omni-30B-A3B-Instruct est le membre de Qwen3-Omni qui suit les instructions et génère de la parole. Il comprend le texte, les images, l’audio et la vidéo, y compris les entrées mixtes, et peut renvoyer du texte et une parole naturelle. Qwen décrit l’architecture de famille comme prenant en charge les réponses textuelles et vocales en continu. Le checkpoint Instruct exact contient Thinker et Talker : la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les checkpoints Thinking et Captioner ont des composants et des rôles de sortie différents et restent donc des choix de modèles distincts.\n\nLe périmètre multilingue publié de la famille comprend 119 langues textuelles, 19 langues d’entrée vocale et 10 langues de sortie vocale. Le russe figure dans les deux listes vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec traitement audio et visuel pour la compréhension multimodale et génération vocale à plusieurs dictionnaires de codes. Les prompts système peuvent définir le rôle de l’assistant et le style de réponse. Une tâche adaptée est une explication vocale dépendant d’un objet visible et d’une question parlée de l’utilisateur, plutôt qu’une conversion texte–parole sans rapport.\n\nLes guides pratiques couvrent la reconnaissance vocale, la traduction vocale, l’analyse de musique et de sons, l’audio mixte, les questions d’image, l’OCR, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez d’expliquer la procédure visible à un novice. Pour une question sur un produit, associez une photo à la demande parlée et identifiez le détail à traiter. Précisez l’auditeur visé et le résultat souhaité : une courte réponse parlée, un résumé textuel ou les deux. Conservez les noms de source et mesures qui doivent rester inchangés.\n\nLe flux d’entrée du concepteur utilise le processeur, le modèle de conversation et les utilitaires de traitement de médias correspondants. Les médias peuvent être entrelacés avec du texte et le décodage fait explicitement partie de la préparation de requête. Lorsque l’audio accompagnant une vidéo est utilisé, gardez use_audio_in_video cohérent entre prétraitement, génération et tours successifs. Une question audiovisuelle exige d’inclure la bande sonore ; une tâche uniquement visuelle doit préciser clairement ce périmètre. Sélectionnez un extrait pertinent et utilisez des images lisibles pour fournir les détails nécessaires à la question.\n\nLa sortie vocale est contrôlable. L’interface de génération publiée peut demander uniquement du texte avec return_audio=False, et désactiver Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple de lot du concepteur renvoie du texte plutôt que de l’audio. Le checkpoint Instruct documente trois voix — Ethan, Chelsie et Aiden — avec Ethan par défaut. L’exemple enregistre une forme d’onde à 24 000 Hz. Le choix de voix et le format de sortie de cet exemple décrivent le flux publié du modèle, pas toutes les interfaces de service environnantes possibles.\n\nPour les réponses parlées, le fabricant recommande un style conversationnel facile à prononcer plutôt qu’une mise en forme compliquée. Une requête peut demander une explication concise dans la langue de l’auditeur, tout en conservant un résultat textuel lisible distinct pour la revue. Si la source contient un nom, une formule ou une abréviation peu familière, fournissez son sens et la formulation préférée. Demandez de distinguer le contenu observé des hypothèses pour qu’une voix fluide ne fasse pas disparaître l’incertitude.\n\nLes configurations textuelles Thinker et Talker fixent max_position_embeddings à 65 536. Les exemples vLLM de la fiche partagée choisissent séparément une longueur de modèle de 32 768 jetons et une génération de 16 384 jetons ; cela reste des exemples, pas des plafonds universels indépendants. Le traitement visuel et audio affecte la taille effective de requête. La prise en charge d’interface diffère aussi : l’exemple Transformers peut renvoyer de la parole, tandis que la discussion de service décrit un chemin orienté Thinker et un traitement vidéo/audio séparé. Distinguez les capacités vocales du modèle du chemin de sortie compatible d’un environnement particulier.\n\nUn résultat utile associe la réponse aux sources nécessaires pour la vérifier. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait ; pour une question audio, comparez la réponse aux mots ou sons audibles ; pour un calcul visuel, vérifiez les unités et libellés. La famille comprend un guide pratique d’appel de fonctions audio, mais l’application définit et exécute toujours toute action d’outil externe. Une demande générée d’agir diffère d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse parlée facultative, tandis que la vérification factuelle, les actions ultérieures et le montage de médias nécessitent leurs propres éléments probants et flux de travail.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct comprend le texte, les images, l’audio et la vidéo et peut répondre en texte et en parole naturelle. Son architecture Thinker–Talker prend en charge le dialogue multimodal, avec contrôle explicite du renvoi de parole et du choix de la voix documentée utilisée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3-Omni-30B-A3B-Instruct est le membre de Qwen3-Omni qui suit les instructions et génère de la parole. Il comprend le texte, les images, l’audio et la vidéo, y compris les entrées mixtes, et peut renvoyer du texte et une parole naturelle. Qwen décrit l’architecture de famille comme prenant en charge les réponses textuelles et vocales en continu. Le checkpoint Instruct exact contient Thinker et Talker : la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les checkpoints Thinking et Captioner ont des composants et des rôles de sortie différents et restent donc des choix de modèles distincts.
Le périmètre multilingue publié de la famille comprend 119 langues textuelles, 19 langues d’entrée vocale et 10 langues de sortie vocale. Le russe figure dans les deux listes vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec traitement audio et visuel pour la compréhension multimodale et génération vocale à plusieurs dictionnaires de codes. Les prompts système peuvent définir le rôle de l’assistant et le style de réponse. Une tâche adaptée est une explication vocale dépendant d’un objet visible et d’une question parlée de l’utilisateur, plutôt qu’une conversion texte–parole sans rapport.
Les guides pratiques couvrent la reconnaissance vocale, la traduction vocale, l’analyse de musique et de sons, l’audio mixte, les questions d’image, l’OCR, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez d’expliquer la procédure visible à un novice. Pour une question sur un produit, associez une photo à la demande parlée et identifiez le détail à traiter. Précisez l’auditeur visé et le résultat souhaité : une courte réponse parlée, un résumé textuel ou les deux. Conservez les noms de source et mesures qui doivent rester inchangés.
Le flux d’entrée du concepteur utilise le processeur, le modèle de conversation et les utilitaires de traitement de médias correspondants. Les médias peuvent être entrelacés avec du texte et le décodage fait explicitement partie de la préparation de requête. Lorsque l’audio accompagnant une vidéo est utilisé, gardez use_audio_in_video cohérent entre prétraitement, génération et tours successifs. Une question audiovisuelle exige d’inclure la bande sonore ; une tâche uniquement visuelle doit préciser clairement ce périmètre. Sélectionnez un extrait pertinent et utilisez des images lisibles pour fournir les détails nécessaires à la question.
La sortie vocale est contrôlable. L’interface de génération publiée peut demander uniquement du texte avec return_audio=False, et désactiver Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple de lot du concepteur renvoie du texte plutôt que de l’audio. Le checkpoint Instruct documente trois voix — Ethan, Chelsie et Aiden — avec Ethan par défaut. L’exemple enregistre une forme d’onde à 24 000 Hz. Le choix de voix et le format de sortie de cet exemple décrivent le flux publié du modèle, pas toutes les interfaces de service environnantes possibles.
Pour les réponses parlées, le fabricant recommande un style conversationnel facile à prononcer plutôt qu’une mise en forme compliquée. Une requête peut demander une explication concise dans la langue de l’auditeur, tout en conservant un résultat textuel lisible distinct pour la revue. Si la source contient un nom, une formule ou une abréviation peu familière, fournissez son sens et la formulation préférée. Demandez de distinguer le contenu observé des hypothèses pour qu’une voix fluide ne fasse pas disparaître l’incertitude.
Les configurations textuelles Thinker et Talker fixent max_position_embeddings à 65 536. Les exemples vLLM de la fiche partagée choisissent séparément une longueur de modèle de 32 768 jetons et une génération de 16 384 jetons ; cela reste des exemples, pas des plafonds universels indépendants. Le traitement visuel et audio affecte la taille effective de requête. La prise en charge d’interface diffère aussi : l’exemple Transformers peut renvoyer de la parole, tandis que la discussion de service décrit un chemin orienté Thinker et un traitement vidéo/audio séparé. Distinguez les capacités vocales du modèle du chemin de sortie compatible d’un environnement particulier.
Un résultat utile associe la réponse aux sources nécessaires pour la vérifier. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait ; pour une question audio, comparez la réponse aux mots ou sons audibles ; pour un calcul visuel, vérifiez les unités et libellés. La famille comprend un guide pratique d’appel de fonctions audio, mais l’application définit et exécute toujours toute action d’outil externe. Une demande générée d’agir diffère d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse parlée facultative, tandis que la vérification factuelle, les actions ultérieures et le montage de médias nécessitent leurs propres éléments probants et flux de travail.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Qwen/Qwen3-Omni-30B-A3B-Instruct | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Instruct", "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-Omni-30B-A3B-Instruct',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-Omni-30B-A3B-Instruct',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Utilisez les chemins de méthode indiqués ci-dessus.
Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct comprend le texte, les images, l’audio et la vidéo et peut répondre en texte et en parole naturelle. Son architecture Thinker–Talker prend en charge le dialogue multimodal, avec contrôle explicite du renvoi de parole et du choix de la voix documentée utilisée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3-Omni-30B-A3B-Instruct est le membre de Qwen3-Omni qui suit les instructions et génère de la parole. Il comprend le texte, les images, l’audio et la vidéo, y compris les entrées mixtes, et peut renvoyer du texte et une parole naturelle. Qwen décrit l’architecture de famille comme prenant en charge les réponses textuelles et vocales en continu. Le checkpoint Instruct exact contient Thinker et Talker : la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les checkpoints Thinking et Captioner ont des composants et des rôles de sortie différents et restent donc des choix de modèles distincts.
Le périmètre multilingue publié de la famille comprend 119 langues textuelles, 19 langues d’entrée vocale et 10 langues de sortie vocale. Le russe figure dans les deux listes vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec traitement audio et visuel pour la compréhension multimodale et génération vocale à plusieurs dictionnaires de codes. Les prompts système peuvent définir le rôle de l’assistant et le style de réponse. Une tâche adaptée est une explication vocale dépendant d’un objet visible et d’une question parlée de l’utilisateur, plutôt qu’une conversion texte–parole sans rapport.
Les guides pratiques couvrent la reconnaissance vocale, la traduction vocale, l’analyse de musique et de sons, l’audio mixte, les questions d’image, l’OCR, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez d’expliquer la procédure visible à un novice. Pour une question sur un produit, associez une photo à la demande parlée et identifiez le détail à traiter. Précisez l’auditeur visé et le résultat souhaité : une courte réponse parlée, un résumé textuel ou les deux. Conservez les noms de source et mesures qui doivent rester inchangés.
Le flux d’entrée du concepteur utilise le processeur, le modèle de conversation et les utilitaires de traitement de médias correspondants. Les médias peuvent être entrelacés avec du texte et le décodage fait explicitement partie de la préparation de requête. Lorsque l’audio accompagnant une vidéo est utilisé, gardez use_audio_in_video cohérent entre prétraitement, génération et tours successifs. Une question audiovisuelle exige d’inclure la bande sonore ; une tâche uniquement visuelle doit préciser clairement ce périmètre. Sélectionnez un extrait pertinent et utilisez des images lisibles pour fournir les détails nécessaires à la question.
La sortie vocale est contrôlable. L’interface de génération publiée peut demander uniquement du texte avec return_audio=False, et désactiver Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple de lot du concepteur renvoie du texte plutôt que de l’audio. Le checkpoint Instruct documente trois voix — Ethan, Chelsie et Aiden — avec Ethan par défaut. L’exemple enregistre une forme d’onde à 24 000 Hz. Le choix de voix et le format de sortie de cet exemple décrivent le flux publié du modèle, pas toutes les interfaces de service environnantes possibles.
Pour les réponses parlées, le fabricant recommande un style conversationnel facile à prononcer plutôt qu’une mise en forme compliquée. Une requête peut demander une explication concise dans la langue de l’auditeur, tout en conservant un résultat textuel lisible distinct pour la revue. Si la source contient un nom, une formule ou une abréviation peu familière, fournissez son sens et la formulation préférée. Demandez de distinguer le contenu observé des hypothèses pour qu’une voix fluide ne fasse pas disparaître l’incertitude.
Les configurations textuelles Thinker et Talker fixent max_position_embeddings à 65 536. Les exemples vLLM de la fiche partagée choisissent séparément une longueur de modèle de 32 768 jetons et une génération de 16 384 jetons ; cela reste des exemples, pas des plafonds universels indépendants. Le traitement visuel et audio affecte la taille effective de requête. La prise en charge d’interface diffère aussi : l’exemple Transformers peut renvoyer de la parole, tandis que la discussion de service décrit un chemin orienté Thinker et un traitement vidéo/audio séparé. Distinguez les capacités vocales du modèle du chemin de sortie compatible d’un environnement particulier.
Un résultat utile associe la réponse aux sources nécessaires pour la vérifier. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait ; pour une question audio, comparez la réponse aux mots ou sons audibles ; pour un calcul visuel, vérifiez les unités et libellés. La famille comprend un guide pratique d’appel de fonctions audio, mais l’application définit et exécute toujours toute action d’outil externe. Une demande générée d’agir diffère d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse parlée facultative, tandis que la vérification factuelle, les actions ultérieures et le montage de médias nécessitent leurs propres éléments probants et flux de travail.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Qwen/Qwen3-Omni-30B-A3B-Instruct | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Omni-30B-A3B-Instruct', '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-Omni-30B-A3B-Instruct', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.