Qwen3.5-Omni-Flash 2026-03-15 est l’instantané multimodal nommé du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte accompagné de parole. Son identité datée est distincte de l’alias Flash non daté et des modèles temps réel. Une tâche enregistrée peut conserver ce nom d’édition avec les médias et les instructions examinés.
Son entrée peut réunir une image et une question parlée, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé purement textuel perdrait le lien entre ce qui est vu et ce qui est entendu. Pour une demande sur des médias, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, puis des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres contenus audio non parlés peuvent contribuer à l’analyse aux côtés de la parole.
Pour une réponse vocale, précisez la langue, le public et la façon de s’exprimer. Le guide de Qwen documente les instructions de volume, de débit de parole et d’émotion. Il indique 113 langues et dialectes en entrée audio et 36 langues et dialectes en sortie vocale, notamment l’anglais, le français, l’allemand et le russe. Le catalogue de voix indique Tina par défaut et inclut des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de laisser la voix d’entrée déterminer le style de sortie.
Le flux vocal HTTP documenté renvoie du texte en continu et des segments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits, mono, à 24 kHz; une application peut réunir les segments dans un fichier audio ou les décoder pour les lire au fur et à mesure. Il s’agit de génération en continu à partir d’une demande soumise. La détection des tours en direct, la gestion des interruptions et la conversation au microphone relèvent de modèles temps réel portant des noms distincts. Le tableau de la famille Qwen3.5-Omni n’offre pas de mode de réflexion approfondie.
Cet instantané Flash indique la recherche Web et Function Calling, cette dernière étant limitée à Beijing Chat Completions et à la sortie textuelle. Structured Outputs est indiqué comme non pris en charge : une demande de sections chronologiques est une instruction de format textuel plutôt qu’un mode JSON contraint. L’exécution des outils relève de l’application environnante, qui renvoie le résultat de l’outil pour l’étape suivante du modèle. La complétion de préfixe, la mise en cache du contexte, l’inférence par lots et l’affinage sont aussi indiqués comme non pris en charge pour cet instantané.
La fenêtre de contexte publiée est de 262,144 jetons, avec une entrée maximale de 196,608 jetons et une sortie maximale de 65,536 jetons. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba permet jusqu’à trois heures d’audio ou une heure de vidéo pour cette série; il énumère les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo transmis par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites de traitement des fichiers du fabricant, distinctes de la description introductive du modèle qui évoque la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.
Les images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide permet jusqu’à 2,048 images ou fichiers audio transmis par URL et 512 fichiers vidéo transmis par URL; l’entrée Base64 permet jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget partagé de jetons d’entrée. La série peut combiner plusieurs types de médias dans une seule demande. Choisissez l’extrait pertinent, rendez les petites étiquettes lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés de nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget partagé de jetons.
Le clonage de voix personnalisé n’est pas pris en charge par l’instantané nommé du 15 mars dans le guide Qwen3.5-Omni. Choisissez une voix documentée du catalogue pour la sortie parlée et décrivez la façon de s’exprimer souhaitée dans la demande écrite. Ne transférez pas le processus distinct de création d’une voix de l’alias Flash non daté dans cette édition. Une voix du catalogue identifie le style du locuteur, tandis que les instructions peuvent façonner le volume, le débit de parole et l’émotion.
Pour un rapport reproductible sur des médias, fournissez l’extrait pertinent et demandez les événements, le texte visible et la parole dans des sections chronologiques distinctes, chacune liée aux horodatages de la source. Pour une réponse pédagogique, ajoutez un schéma et la question enregistrée d’un apprenant : « Expliquez les parties identifiées, répondez à la question audio en anglais et fournissez une réponse écrite et une réponse parlée sur un ton calme. » Conservez ensemble l’extrait d’entrée, le nom d’édition et la consigne, puis précisez si la sortie doit transcrire la source ou l’expliquer à un nouveau public.
", "aboutText": "Qwen3.5-Omni-Flash 2026-03-15 est l’instantané multimodal nommé du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte accompagné de parole. Son identité datée est distincte de l’alias Flash non daté et des modèles temps réel. Une tâche enregistrée peut conserver ce nom d’édition avec les médias et les instructions examinés.\n\nSon entrée peut réunir une image et une question parlée, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé purement textuel perdrait le lien entre ce qui est vu et ce qui est entendu. Pour une demande sur des médias, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, puis des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres contenus audio non parlés peuvent contribuer à l’analyse aux côtés de la parole.\n\nPour une réponse vocale, précisez la langue, le public et la façon de s’exprimer. Le guide de Qwen documente les instructions de volume, de débit de parole et d’émotion. Il indique 113 langues et dialectes en entrée audio et 36 langues et dialectes en sortie vocale, notamment l’anglais, le français, l’allemand et le russe. Le catalogue de voix indique Tina par défaut et inclut des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de laisser la voix d’entrée déterminer le style de sortie.\n\nLe flux vocal HTTP documenté renvoie du texte en continu et des segments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits, mono, à 24 kHz; une application peut réunir les segments dans un fichier audio ou les décoder pour les lire au fur et à mesure. Il s’agit de génération en continu à partir d’une demande soumise. La détection des tours en direct, la gestion des interruptions et la conversation au microphone relèvent de modèles temps réel portant des noms distincts. Le tableau de la famille Qwen3.5-Omni n’offre pas de mode de réflexion approfondie.\n\nCet instantané Flash indique la recherche Web et Function Calling, cette dernière étant limitée à Beijing Chat Completions et à la sortie textuelle. Structured Outputs est indiqué comme non pris en charge : une demande de sections chronologiques est une instruction de format textuel plutôt qu’un mode JSON contraint. L’exécution des outils relève de l’application environnante, qui renvoie le résultat de l’outil pour l’étape suivante du modèle. La complétion de préfixe, la mise en cache du contexte, l’inférence par lots et l’affinage sont aussi indiqués comme non pris en charge pour cet instantané.\n\nLa fenêtre de contexte publiée est de 262,144 jetons, avec une entrée maximale de 196,608 jetons et une sortie maximale de 65,536 jetons. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba permet jusqu’à trois heures d’audio ou une heure de vidéo pour cette série; il énumère les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo transmis par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites de traitement des fichiers du fabricant, distinctes de la description introductive du modèle qui évoque la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.\n\nLes images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide permet jusqu’à 2,048 images ou fichiers audio transmis par URL et 512 fichiers vidéo transmis par URL; l’entrée Base64 permet jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget partagé de jetons d’entrée. La série peut combiner plusieurs types de médias dans une seule demande. Choisissez l’extrait pertinent, rendez les petites étiquettes lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés de nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget partagé de jetons.\n\nLe clonage de voix personnalisé n’est pas pris en charge par l’instantané nommé du 15 mars dans le guide Qwen3.5-Omni. Choisissez une voix documentée du catalogue pour la sortie parlée et décrivez la façon de s’exprimer souhaitée dans la demande écrite. Ne transférez pas le processus distinct de création d’une voix de l’alias Flash non daté dans cette édition. Une voix du catalogue identifie le style du locuteur, tandis que les instructions peuvent façonner le volume, le débit de parole et l’émotion.\n\nPour un rapport reproductible sur des médias, fournissez l’extrait pertinent et demandez les événements, le texte visible et la parole dans des sections chronologiques distinctes, chacune liée aux horodatages de la source. Pour une réponse pédagogique, ajoutez un schéma et la question enregistrée d’un apprenant : « Expliquez les parties identifiées, répondez à la question audio en anglais et fournissez une réponse écrite et une réponse parlée sur un ton calme. » Conservez ensemble l’extrait d’entrée, le nom d’édition et la consigne, puis précisez si la sortie doit transcrire la source ou l’expliquer à un nouveau public.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Separate speech from scene notes\n\nPrepare a chronological report from these transcribed media notes: 00:00 a green indicator is visible; 00:03 speaker says “Wait for the light”; 00:05 indicator turns amber; 00:08 speaker says “Now disconnect.” Separate described visuals from quoted speech and list the action instruction with its time. Return text only.A timeline with distinct visual and speech entries, followed by the timed instruction.Check that the instruction stays at 00:08 and that the indicator change is not described as something the speaker said.qwen3.5-omni-flash-2026-03-15Qwen3.5-Omni-Flash 2026-03-15 est un instantané multimodal qui accepte le texte, les images, l’audio et la vidéo et renvoie du texte ou de la parole. Utilisez son édition distincte pour des demandes reproductibles sur les médias et des explications parlées, avec des limites d’entrée et de sortie documentées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3.5-Omni-Flash 2026-03-15 est l’instantané multimodal nommé du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte accompagné de parole. Son identité datée est distincte de l’alias Flash non daté et des modèles temps réel. Une tâche enregistrée peut conserver ce nom d’édition avec les médias et les instructions examinés.
Son entrée peut réunir une image et une question parlée, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé purement textuel perdrait le lien entre ce qui est vu et ce qui est entendu. Pour une demande sur des médias, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, puis des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres contenus audio non parlés peuvent contribuer à l’analyse aux côtés de la parole.
Pour une réponse vocale, précisez la langue, le public et la façon de s’exprimer. Le guide de Qwen documente les instructions de volume, de débit de parole et d’émotion. Il indique 113 langues et dialectes en entrée audio et 36 langues et dialectes en sortie vocale, notamment l’anglais, le français, l’allemand et le russe. Le catalogue de voix indique Tina par défaut et inclut des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de laisser la voix d’entrée déterminer le style de sortie.
Le flux vocal HTTP documenté renvoie du texte en continu et des segments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits, mono, à 24 kHz; une application peut réunir les segments dans un fichier audio ou les décoder pour les lire au fur et à mesure. Il s’agit de génération en continu à partir d’une demande soumise. La détection des tours en direct, la gestion des interruptions et la conversation au microphone relèvent de modèles temps réel portant des noms distincts. Le tableau de la famille Qwen3.5-Omni n’offre pas de mode de réflexion approfondie.
Cet instantané Flash indique la recherche Web et Function Calling, cette dernière étant limitée à Beijing Chat Completions et à la sortie textuelle. Structured Outputs est indiqué comme non pris en charge : une demande de sections chronologiques est une instruction de format textuel plutôt qu’un mode JSON contraint. L’exécution des outils relève de l’application environnante, qui renvoie le résultat de l’outil pour l’étape suivante du modèle. La complétion de préfixe, la mise en cache du contexte, l’inférence par lots et l’affinage sont aussi indiqués comme non pris en charge pour cet instantané.
La fenêtre de contexte publiée est de 262,144 jetons, avec une entrée maximale de 196,608 jetons et une sortie maximale de 65,536 jetons. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba permet jusqu’à trois heures d’audio ou une heure de vidéo pour cette série; il énumère les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo transmis par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites de traitement des fichiers du fabricant, distinctes de la description introductive du modèle qui évoque la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.
Les images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide permet jusqu’à 2,048 images ou fichiers audio transmis par URL et 512 fichiers vidéo transmis par URL; l’entrée Base64 permet jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget partagé de jetons d’entrée. La série peut combiner plusieurs types de médias dans une seule demande. Choisissez l’extrait pertinent, rendez les petites étiquettes lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés de nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget partagé de jetons.
Le clonage de voix personnalisé n’est pas pris en charge par l’instantané nommé du 15 mars dans le guide Qwen3.5-Omni. Choisissez une voix documentée du catalogue pour la sortie parlée et décrivez la façon de s’exprimer souhaitée dans la demande écrite. Ne transférez pas le processus distinct de création d’une voix de l’alias Flash non daté dans cette édition. Une voix du catalogue identifie le style du locuteur, tandis que les instructions peuvent façonner le volume, le débit de parole et l’émotion.
Pour un rapport reproductible sur des médias, fournissez l’extrait pertinent et demandez les événements, le texte visible et la parole dans des sections chronologiques distinctes, chacune liée aux horodatages de la source. Pour une réponse pédagogique, ajoutez un schéma et la question enregistrée d’un apprenant : « Expliquez les parties identifiées, répondez à la question audio en anglais et fournissez une réponse écrite et une réponse parlée sur un ton calme. » Conservez ensemble l’extrait d’entrée, le nom d’édition et la consigne, puis précisez si la sortie doit transcrire la source ou l’expliquer à un nouveau public.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-flash-2026-03-15 | 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 $0.00069 / 1K jetons Sortie · Jetons en sortie $0.00418 / 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": "qwen3.5-omni-flash-2026-03-15", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3.5-omni-flash-2026-03-15',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3.5-omni-flash-2026-03-15',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen3.5-omni-flash-2026-03-15
Utilisez les chemins de méthode indiqués ci-dessus.
qwen3.5-omni-flash-2026-03-15Qwen3.5-Omni-Flash 2026-03-15 est un instantané multimodal qui accepte le texte, les images, l’audio et la vidéo et renvoie du texte ou de la parole. Utilisez son édition distincte pour des demandes reproductibles sur les médias et des explications parlées, avec des limites d’entrée et de sortie documentées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3.5-Omni-Flash 2026-03-15 est l’instantané multimodal nommé du 15 mars d’Alibaba pour la création de texte, les assistants vocaux et l’analyse multimédia. Il accepte du texte, des images, de l’audio et de la vidéo, y compris des entrées mixtes, et produit du texte ou du texte accompagné de parole. Son identité datée est distincte de l’alias Flash non daté et des modèles temps réel. Une tâche enregistrée peut conserver ce nom d’édition avec les médias et les instructions examinés.
Son entrée peut réunir une image et une question parlée, ou combiner les images et le son d’une vidéo avec des instructions écrites. Cela le rend utile lorsqu’un résumé purement textuel perdrait le lien entre ce qui est vu et ce qui est entendu. Pour une demande sur des médias, demandez séparément la séquence visible, le texte à l’écran et le contenu parlé, puis des horodatages relatifs à la source lorsque l’ordre des événements compte. Les effets sonores et les autres contenus audio non parlés peuvent contribuer à l’analyse aux côtés de la parole.
Pour une réponse vocale, précisez la langue, le public et la façon de s’exprimer. Le guide de Qwen documente les instructions de volume, de débit de parole et d’émotion. Il indique 113 langues et dialectes en entrée audio et 36 langues et dialectes en sortie vocale, notamment l’anglais, le français, l’allemand et le russe. Le catalogue de voix indique Tina par défaut et inclut des options comme Serena et Ethan. Choisissez la voix et demandez une explication concise à un rythme mesuré plutôt que de laisser la voix d’entrée déterminer le style de sortie.
Le flux vocal HTTP documenté renvoie du texte en continu et des segments audio encodés en Base64. Son exemple WAV utilise du PCM 16 bits, mono, à 24 kHz; une application peut réunir les segments dans un fichier audio ou les décoder pour les lire au fur et à mesure. Il s’agit de génération en continu à partir d’une demande soumise. La détection des tours en direct, la gestion des interruptions et la conversation au microphone relèvent de modèles temps réel portant des noms distincts. Le tableau de la famille Qwen3.5-Omni n’offre pas de mode de réflexion approfondie.
Cet instantané Flash indique la recherche Web et Function Calling, cette dernière étant limitée à Beijing Chat Completions et à la sortie textuelle. Structured Outputs est indiqué comme non pris en charge : une demande de sections chronologiques est une instruction de format textuel plutôt qu’un mode JSON contraint. L’exécution des outils relève de l’application environnante, qui renvoie le résultat de l’outil pour l’étape suivante du modèle. La complétion de préfixe, la mise en cache du contexte, l’inférence par lots et l’affinage sont aussi indiqués comme non pris en charge pour cet instantané.
La fenêtre de contexte publiée est de 262,144 jetons, avec une entrée maximale de 196,608 jetons et une sortie maximale de 65,536 jetons. Les médias mixtes et le texte partagent le budget de contexte. Le guide HTTP d’Alibaba permet jusqu’à trois heures d’audio ou une heure de vidéo pour cette série; il énumère les formats audio AMR, WAV, 3GP, 3GPP, AAC et MP3 et les formats vidéo MP4, AVI, MKV, MOV, FLV et WMV. Les fichiers audio ou vidéo transmis par URL peuvent atteindre 2 GB, tandis que les médias encodés en Base64 doivent faire moins de 10 MB. Ce sont les limites de traitement des fichiers du fabricant, distinctes de la description introductive du modèle qui évoque la compréhension de plus de dix heures d’audio ou de plus de 400 secondes de vidéo 720p échantillonnée à 1 FPS.
Les images ont leurs propres limites de préparation dans ce guide : jusqu’à 20 MB par image transmise par URL, des dimensions supérieures à 10 pixels de chaque côté et un rapport entre le côté le plus long et le côté le plus court ne dépassant pas 200:1. Le guide permet jusqu’à 2,048 images ou fichiers audio transmis par URL et 512 fichiers vidéo transmis par URL; l’entrée Base64 permet jusqu’à 250 fichiers. Ces limites de transfert restent soumises au budget partagé de jetons d’entrée. La série peut combiner plusieurs types de médias dans une seule demande. Choisissez l’extrait pertinent, rendez les petites étiquettes lisibles et expliquez les relations entre les entrées distinctes. Les plafonds documentés de nombre de fichiers varient selon la modalité et la méthode de transfert, tandis que chaque entrée doit toujours tenir dans le budget partagé de jetons.
Le clonage de voix personnalisé n’est pas pris en charge par l’instantané nommé du 15 mars dans le guide Qwen3.5-Omni. Choisissez une voix documentée du catalogue pour la sortie parlée et décrivez la façon de s’exprimer souhaitée dans la demande écrite. Ne transférez pas le processus distinct de création d’une voix de l’alias Flash non daté dans cette édition. Une voix du catalogue identifie le style du locuteur, tandis que les instructions peuvent façonner le volume, le débit de parole et l’émotion.
Pour un rapport reproductible sur des médias, fournissez l’extrait pertinent et demandez les événements, le texte visible et la parole dans des sections chronologiques distinctes, chacune liée aux horodatages de la source. Pour une réponse pédagogique, ajoutez un schéma et la question enregistrée d’un apprenant : « Expliquez les parties identifiées, répondez à la question audio en anglais et fournissez une réponse écrite et une réponse parlée sur un ton calme. » Conservez ensemble l’extrait d’entrée, le nom d’édition et la consigne, puis précisez si la sortie doit transcrire la source ou l’expliquer à un nouveau public.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-flash-2026-03-15 | 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 $0.00069 / 1K jetons Sortie · Jetons en sortie $0.00418 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen3.5-omni-flash-2026-03-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-flash-2026-03-15', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.5-omni-flash-2026-03-15', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen3.5-omni-flash-2026-03-15
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Separate speech from scene notes\n\nPrepare a chronological report from these transcribed media notes: 00:00 a green indicator is visible; 00:03 speaker says “Wait for the light”; 00:05 indicator turns amber; 00:08 speaker says “Now disconnect.” Separate described visuals from quoted speech and list the action instruction with its time. Return text only.A timeline with distinct visual and speech entries, followed by the timed instruction.Check that the instruction stays at 00:08 and that the indicator change is not described as something the speaker said.