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 produire à la fois du texte et une parole naturelle. Qwen décrit l’architecture de la famille comme prenant en charge les réponses textuelles et vocales diffusées en continu. Le point de contrôle Instruct exact contient les composants Thinker et Talker: la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les points de contrôle Thinking et Captioner ont des composants et des rôles de sortie différents; ils demeurent donc des choix de modèles distincts.
La portée multilingue publiée 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 de langues vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec un traitement audio et visuel pour la compréhension multimodale et une génération vocale à plusieurs dictionnaires de codes. Les instructions système peuvent définir le rôle de l’assistant et le style de ses réponses. Une tâche adaptée est une explication vocale qui dépend d’un objet visible et d’une question posée oralement par l’utilisateur, plutôt qu’une conversion indépendante de texte en parole.
Les guides pratiques couvrent la reconnaissance de la parole, la traduction de la parole, l’analyse de la musique et des sons, l’audio mixte, les questions sur les images, la reconnaissance optique de caractères, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez-lui d’expliquer la procédure visible à une personne débutante. Pour une question sur un produit, combinez une photo avec la demande orale et précisez le détail à aborder. Indiquez l’auditeur visé et le résultat souhaité: une courte réponse vocale, un résumé textuel ou les deux. Conservez les noms de sources et les mesures qui doivent rester inchangés.
Le flux d’entrée du fabricant utilise le processeur, le gabarit de conversation et les utilitaires de traitement des médias correspondants. Les médias peuvent être entrelacés avec le texte, et le décodage est une étape explicite de préparation d’une requête. Lorsque vous utilisez l’audio qui accompagne une vidéo, gardez use_audio_in_video cohérent pendant le prétraitement, la génération et les tours de dialogue successifs. Une question audiovisuelle nécessite l’inclusion de la piste sonore; une tâche purement visuelle doit en préciser clairement la portée. Sélectionnez un extrait pertinent et utilisez des images lisibles afin que l’assistant reçoive les détails nécessaires à la question.
La sortie vocale est contrôlable. L’interface de génération publiée peut demander du texte seulement avec return_audio=False, et la désactivation de Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple par lots du fabricant produit du texte plutôt que de l’audio. Le point de contrôle Instruct documente trois choix de voix — Ethan, Chelsie et Aiden — avec Ethan comme valeur par défaut. L’exemple enregistre une forme d’onde à 24,000 Hz. La sélection de la voix et le format de sortie de cet exemple décrivent le flux de travail publié du modèle, et non toutes les interfaces de service possibles qui l’entourent.
Pour les réponses vocales, 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 distinct et lisible pour examen. Si la source contient un nom, une formule ou une abréviation inhabituelle, fournissez sa signification et la formulation préférée. Demandez que la réponse distingue le contenu observé des hypothèses afin qu’une voix fluide ne fasse pas disparaître l’incertitude.
Les configurations textuelles de Thinker et de Talker définissent max_position_embeddings à 65,536. Les exemples vLLM de la fiche commune choisissent séparément un réglage de longueur du modèle de 32,768 jetons et un réglage de génération de 16,384 jetons; ils demeurent des exemples, et non des plafonds universels établis indépendamment. Le traitement visuel et audio influe sur la taille effective de la requête. La prise en charge varie aussi selon l’interface: l’exemple Transformers de la fiche peut produire de la parole, tandis que sa présentation du service d’inférence décrit un chemin axé sur Thinker et un traitement séparé de la vidéo et de l’audio. Distinguez les capacités vocales du modèle du chemin de sortie pris en charge par un environnement d’exécution particulier.
Un résultat utile combine la réponse avec le contenu source nécessaire pour l’examiner. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait; pour une question audio, comparez la réponse aux mots ou aux sons audibles; pour un calcul visuel, vérifiez les unités et les libellés. La famille comprend un guide pratique d’appels de fonctions audio, mais c’est toujours l’application qui définit et exécute les actions des outils externes. Une demande d’action générée est différente d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse vocale facultative, tandis que la vérification factuelle, les actions en aval 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 produire à la fois du texte et une parole naturelle. Qwen décrit l’architecture de la famille comme prenant en charge les réponses textuelles et vocales diffusées en continu. Le point de contrôle Instruct exact contient les composants Thinker et Talker: la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les points de contrôle Thinking et Captioner ont des composants et des rôles de sortie différents; ils demeurent donc des choix de modèles distincts.\n\nLa portée multilingue publiée 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 de langues vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec un traitement audio et visuel pour la compréhension multimodale et une génération vocale à plusieurs dictionnaires de codes. Les instructions système peuvent définir le rôle de l’assistant et le style de ses réponses. Une tâche adaptée est une explication vocale qui dépend d’un objet visible et d’une question posée oralement par l’utilisateur, plutôt qu’une conversion indépendante de texte en parole.\n\nLes guides pratiques couvrent la reconnaissance de la parole, la traduction de la parole, l’analyse de la musique et des sons, l’audio mixte, les questions sur les images, la reconnaissance optique de caractères, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez-lui d’expliquer la procédure visible à une personne débutante. Pour une question sur un produit, combinez une photo avec la demande orale et précisez le détail à aborder. Indiquez l’auditeur visé et le résultat souhaité: une courte réponse vocale, un résumé textuel ou les deux. Conservez les noms de sources et les mesures qui doivent rester inchangés.\n\nLe flux d’entrée du fabricant utilise le processeur, le gabarit de conversation et les utilitaires de traitement des médias correspondants. Les médias peuvent être entrelacés avec le texte, et le décodage est une étape explicite de préparation d’une requête. Lorsque vous utilisez l’audio qui accompagne une vidéo, gardez use_audio_in_video cohérent pendant le prétraitement, la génération et les tours de dialogue successifs. Une question audiovisuelle nécessite l’inclusion de la piste sonore; une tâche purement visuelle doit en préciser clairement la portée. Sélectionnez un extrait pertinent et utilisez des images lisibles afin que l’assistant reçoive les détails nécessaires à la question.\n\nLa sortie vocale est contrôlable. L’interface de génération publiée peut demander du texte seulement avec return_audio=False, et la désactivation de Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple par lots du fabricant produit du texte plutôt que de l’audio. Le point de contrôle Instruct documente trois choix de voix — Ethan, Chelsie et Aiden — avec Ethan comme valeur par défaut. L’exemple enregistre une forme d’onde à 24,000 Hz. La sélection de la voix et le format de sortie de cet exemple décrivent le flux de travail publié du modèle, et non toutes les interfaces de service possibles qui l’entourent.\n\nPour les réponses vocales, 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 distinct et lisible pour examen. Si la source contient un nom, une formule ou une abréviation inhabituelle, fournissez sa signification et la formulation préférée. Demandez que la réponse distingue le contenu observé des hypothèses afin qu’une voix fluide ne fasse pas disparaître l’incertitude.\n\nLes configurations textuelles de Thinker et de Talker définissent max_position_embeddings à 65,536. Les exemples vLLM de la fiche commune choisissent séparément un réglage de longueur du modèle de 32,768 jetons et un réglage de génération de 16,384 jetons; ils demeurent des exemples, et non des plafonds universels établis indépendamment. Le traitement visuel et audio influe sur la taille effective de la requête. La prise en charge varie aussi selon l’interface: l’exemple Transformers de la fiche peut produire de la parole, tandis que sa présentation du service d’inférence décrit un chemin axé sur Thinker et un traitement séparé de la vidéo et de l’audio. Distinguez les capacités vocales du modèle du chemin de sortie pris en charge par un environnement d’exécution particulier.\n\nUn résultat utile combine la réponse avec le contenu source nécessaire pour l’examiner. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait; pour une question audio, comparez la réponse aux mots ou aux sons audibles; pour un calcul visuel, vérifiez les unités et les libellés. La famille comprend un guide pratique d’appels de fonctions audio, mais c’est toujours l’application qui définit et exécute les actions des outils externes. Une demande d’action générée est différente d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse vocale facultative, tandis que la vérification factuelle, les actions en aval 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 par du texte et une parole naturelle. Son architecture Thinker–Talker prend en charge le dialogue multimodal, avec un contrôle explicite de la production d’une réponse vocale et du choix de la voix documentée à utiliser.
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 produire à la fois du texte et une parole naturelle. Qwen décrit l’architecture de la famille comme prenant en charge les réponses textuelles et vocales diffusées en continu. Le point de contrôle Instruct exact contient les composants Thinker et Talker: la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les points de contrôle Thinking et Captioner ont des composants et des rôles de sortie différents; ils demeurent donc des choix de modèles distincts.
La portée multilingue publiée 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 de langues vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec un traitement audio et visuel pour la compréhension multimodale et une génération vocale à plusieurs dictionnaires de codes. Les instructions système peuvent définir le rôle de l’assistant et le style de ses réponses. Une tâche adaptée est une explication vocale qui dépend d’un objet visible et d’une question posée oralement par l’utilisateur, plutôt qu’une conversion indépendante de texte en parole.
Les guides pratiques couvrent la reconnaissance de la parole, la traduction de la parole, l’analyse de la musique et des sons, l’audio mixte, les questions sur les images, la reconnaissance optique de caractères, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez-lui d’expliquer la procédure visible à une personne débutante. Pour une question sur un produit, combinez une photo avec la demande orale et précisez le détail à aborder. Indiquez l’auditeur visé et le résultat souhaité: une courte réponse vocale, un résumé textuel ou les deux. Conservez les noms de sources et les mesures qui doivent rester inchangés.
Le flux d’entrée du fabricant utilise le processeur, le gabarit de conversation et les utilitaires de traitement des médias correspondants. Les médias peuvent être entrelacés avec le texte, et le décodage est une étape explicite de préparation d’une requête. Lorsque vous utilisez l’audio qui accompagne une vidéo, gardez use_audio_in_video cohérent pendant le prétraitement, la génération et les tours de dialogue successifs. Une question audiovisuelle nécessite l’inclusion de la piste sonore; une tâche purement visuelle doit en préciser clairement la portée. Sélectionnez un extrait pertinent et utilisez des images lisibles afin que l’assistant reçoive les détails nécessaires à la question.
La sortie vocale est contrôlable. L’interface de génération publiée peut demander du texte seulement avec return_audio=False, et la désactivation de Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple par lots du fabricant produit du texte plutôt que de l’audio. Le point de contrôle Instruct documente trois choix de voix — Ethan, Chelsie et Aiden — avec Ethan comme valeur par défaut. L’exemple enregistre une forme d’onde à 24,000 Hz. La sélection de la voix et le format de sortie de cet exemple décrivent le flux de travail publié du modèle, et non toutes les interfaces de service possibles qui l’entourent.
Pour les réponses vocales, 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 distinct et lisible pour examen. Si la source contient un nom, une formule ou une abréviation inhabituelle, fournissez sa signification et la formulation préférée. Demandez que la réponse distingue le contenu observé des hypothèses afin qu’une voix fluide ne fasse pas disparaître l’incertitude.
Les configurations textuelles de Thinker et de Talker définissent max_position_embeddings à 65,536. Les exemples vLLM de la fiche commune choisissent séparément un réglage de longueur du modèle de 32,768 jetons et un réglage de génération de 16,384 jetons; ils demeurent des exemples, et non des plafonds universels établis indépendamment. Le traitement visuel et audio influe sur la taille effective de la requête. La prise en charge varie aussi selon l’interface: l’exemple Transformers de la fiche peut produire de la parole, tandis que sa présentation du service d’inférence décrit un chemin axé sur Thinker et un traitement séparé de la vidéo et de l’audio. Distinguez les capacités vocales du modèle du chemin de sortie pris en charge par un environnement d’exécution particulier.
Un résultat utile combine la réponse avec le contenu source nécessaire pour l’examiner. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait; pour une question audio, comparez la réponse aux mots ou aux sons audibles; pour un calcul visuel, vérifiez les unités et les libellés. La famille comprend un guide pratique d’appels de fonctions audio, mais c’est toujours l’application qui définit et exécute les actions des outils externes. Une demande d’action générée est différente d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse vocale facultative, tandis que la vérification factuelle, les actions en aval 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.0008 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | 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 par du texte et une parole naturelle. Son architecture Thinker–Talker prend en charge le dialogue multimodal, avec un contrôle explicite de la production d’une réponse vocale et du choix de la voix documentée à utiliser.
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 produire à la fois du texte et une parole naturelle. Qwen décrit l’architecture de la famille comme prenant en charge les réponses textuelles et vocales diffusées en continu. Le point de contrôle Instruct exact contient les composants Thinker et Talker: la compréhension et la formation de la réponse textuelle sont reliées au chemin de génération vocale. Les points de contrôle Thinking et Captioner ont des composants et des rôles de sortie différents; ils demeurent donc des choix de modèles distincts.
La portée multilingue publiée 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 de langues vocales. Le fabricant décrit une conception Thinker–Talker à mélange d’experts, avec un traitement audio et visuel pour la compréhension multimodale et une génération vocale à plusieurs dictionnaires de codes. Les instructions système peuvent définir le rôle de l’assistant et le style de ses réponses. Une tâche adaptée est une explication vocale qui dépend d’un objet visible et d’une question posée oralement par l’utilisateur, plutôt qu’une conversion indépendante de texte en parole.
Les guides pratiques couvrent la reconnaissance de la parole, la traduction de la parole, l’analyse de la musique et des sons, l’audio mixte, les questions sur les images, la reconnaissance optique de caractères, l’ancrage d’objets, la description vidéo et le dialogue audiovisuel. Pour un assistant de formation, fournissez un extrait de démonstration et demandez-lui d’expliquer la procédure visible à une personne débutante. Pour une question sur un produit, combinez une photo avec la demande orale et précisez le détail à aborder. Indiquez l’auditeur visé et le résultat souhaité: une courte réponse vocale, un résumé textuel ou les deux. Conservez les noms de sources et les mesures qui doivent rester inchangés.
Le flux d’entrée du fabricant utilise le processeur, le gabarit de conversation et les utilitaires de traitement des médias correspondants. Les médias peuvent être entrelacés avec le texte, et le décodage est une étape explicite de préparation d’une requête. Lorsque vous utilisez l’audio qui accompagne une vidéo, gardez use_audio_in_video cohérent pendant le prétraitement, la génération et les tours de dialogue successifs. Une question audiovisuelle nécessite l’inclusion de la piste sonore; une tâche purement visuelle doit en préciser clairement la portée. Sélectionnez un extrait pertinent et utilisez des images lisibles afin que l’assistant reçoive les détails nécessaires à la question.
La sortie vocale est contrôlable. L’interface de génération publiée peut demander du texte seulement avec return_audio=False, et la désactivation de Talker retire ce composant du chemin de sortie vocale du modèle chargé. L’exemple par lots du fabricant produit du texte plutôt que de l’audio. Le point de contrôle Instruct documente trois choix de voix — Ethan, Chelsie et Aiden — avec Ethan comme valeur par défaut. L’exemple enregistre une forme d’onde à 24,000 Hz. La sélection de la voix et le format de sortie de cet exemple décrivent le flux de travail publié du modèle, et non toutes les interfaces de service possibles qui l’entourent.
Pour les réponses vocales, 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 distinct et lisible pour examen. Si la source contient un nom, une formule ou une abréviation inhabituelle, fournissez sa signification et la formulation préférée. Demandez que la réponse distingue le contenu observé des hypothèses afin qu’une voix fluide ne fasse pas disparaître l’incertitude.
Les configurations textuelles de Thinker et de Talker définissent max_position_embeddings à 65,536. Les exemples vLLM de la fiche commune choisissent séparément un réglage de longueur du modèle de 32,768 jetons et un réglage de génération de 16,384 jetons; ils demeurent des exemples, et non des plafonds universels établis indépendamment. Le traitement visuel et audio influe sur la taille effective de la requête. La prise en charge varie aussi selon l’interface: l’exemple Transformers de la fiche peut produire de la parole, tandis que sa présentation du service d’inférence décrit un chemin axé sur Thinker et un traitement séparé de la vidéo et de l’audio. Distinguez les capacités vocales du modèle du chemin de sortie pris en charge par un environnement d’exécution particulier.
Un résultat utile combine la réponse avec le contenu source nécessaire pour l’examiner. Pour une démonstration, vérifiez l’action décrite par rapport à l’extrait; pour une question audio, comparez la réponse aux mots ou aux sons audibles; pour un calcul visuel, vérifiez les unités et les libellés. La famille comprend un guide pratique d’appels de fonctions audio, mais c’est toujours l’application qui définit et exécute les actions des outils externes. Une demande d’action générée est différente d’un résultat confirmé. La force de cette édition est l’interaction multimodale avec une réponse vocale facultative, tandis que la vérification factuelle, les actions en aval 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.0008 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | 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.