Qwen3.5-Omni-Flash est l’alias de famille Qwen multimodal 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 dans une entrée combinée et renvoie du texte ou du texte accompagné de parole. Le fabricant décrit actuellement l’alias comme fonctionnellement équivalent à Qwen3.5-Omni-Flash 2026-03-15. Le nom Flash seul n’établit pas une garantie de délai de réponse ou un instantané permanent particulier.
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.
La fiche du modèle Flash indique la recherche Web et marque Structured Outputs comme non pris en charge dans les deux tableaux régionaux. Vous pouvez demander des sections nommées en texte ordinaire, mais cette instruction est distincte d’un mode JSON contraint. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle et non pris en charge dans le tableau de Singapour; l’application effectue l’action d’outil sélectionnée. La complétion de préfixe, la mise en cache du contexte et l’affinage ne sont pas pris en charge. Le tableau de Beijing de l’alias prend en charge l’inférence par lots, tandis que celui de Singapour ne la prend pas en charge.
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 modèle Flash non daté prend en charge le clonage de voix personnalisé au moyen d’un flux distinct de création de voix. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses d’au plus deux secondes; utilisez de la parole ordinaire sans musique, chant, bruit ou autre locuteur. Pour WAV, utilisez de l’audio 16 bits. La référence produit une voix associée à un modèle cible nommé, et cette cible doit correspondre au modèle utilisé ensuite pour la parole. Alibaba recommande 10–20 secondes d’un enregistrement mono de parole sans bruit à au moins 24 kHz, avec un maximum de 60 secondes et un fichier de moins de 10 MB. Les formats de référence sont WAV, MP3 et M4A. L’instantané Flash du 15 mars ne prend pas en charge ce flux de clonage.
Pour une explication d’assistance combinant plusieurs médias, fournissez une capture d’écran, une question enregistrée et toute terminologie du produit sous forme textuelle. Voici un exemple de demande : « Utilisez les étiquettes de la capture d’écran, répondez à la question audio en français et donnez une courte explication avec un débit plus lent et un ton rassurant. » Pour une analyse plutôt qu’un dialogue, demandez des observations chronologiques, le texte visible exact et la parole dans des sections séparées. Précisez le public visé et si vous voulez une transcription, une interprétation ou un résumé concis.
", "aboutText": "Qwen3.5-Omni-Flash est l’alias de famille Qwen multimodal 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 dans une entrée combinée et renvoie du texte ou du texte accompagné de parole. Le fabricant décrit actuellement l’alias comme fonctionnellement équivalent à Qwen3.5-Omni-Flash 2026-03-15. Le nom Flash seul n’établit pas une garantie de délai de réponse ou un instantané permanent particulier.\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\nLa fiche du modèle Flash indique la recherche Web et marque Structured Outputs comme non pris en charge dans les deux tableaux régionaux. Vous pouvez demander des sections nommées en texte ordinaire, mais cette instruction est distincte d’un mode JSON contraint. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle et non pris en charge dans le tableau de Singapour; l’application effectue l’action d’outil sélectionnée. La complétion de préfixe, la mise en cache du contexte et l’affinage ne sont pas pris en charge. Le tableau de Beijing de l’alias prend en charge l’inférence par lots, tandis que celui de Singapour ne la prend pas en charge.\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 modèle Flash non daté prend en charge le clonage de voix personnalisé au moyen d’un flux distinct de création de voix. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses d’au plus deux secondes; utilisez de la parole ordinaire sans musique, chant, bruit ou autre locuteur. Pour WAV, utilisez de l’audio 16 bits. La référence produit une voix associée à un modèle cible nommé, et cette cible doit correspondre au modèle utilisé ensuite pour la parole. Alibaba recommande 10–20 secondes d’un enregistrement mono de parole sans bruit à au moins 24 kHz, avec un maximum de 60 secondes et un fichier de moins de 10 MB. Les formats de référence sont WAV, MP3 et M4A. L’instantané Flash du 15 mars ne prend pas en charge ce flux de clonage.\n\nPour une explication d’assistance combinant plusieurs médias, fournissez une capture d’écran, une question enregistrée et toute terminologie du produit sous forme textuelle. Voici un exemple de demande : « Utilisez les étiquettes de la capture d’écran, répondez à la question audio en français et donnez une courte explication avec un débit plus lent et un ton rassurant. » Pour une analyse plutôt qu’un dialogue, demandez des observations chronologiques, le texte visible exact et la parole dans des sections séparées. Précisez le public visé et si vous voulez une transcription, une interprétation ou un résumé concis.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.qwen3.5-omni-flashQwen3.5-Omni-Flash combine le texte, les images, l’audio et la vidéo et répond par du texte ou de la parole. Il prend en charge les explications mêlant plusieurs médias et les réponses vocales avec un style dicté par les instructions, avec un contexte de 262,144 jetons et son propre profil d’outils et de format de sortie.
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 est l’alias de famille Qwen multimodal 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 dans une entrée combinée et renvoie du texte ou du texte accompagné de parole. Le fabricant décrit actuellement l’alias comme fonctionnellement équivalent à Qwen3.5-Omni-Flash 2026-03-15. Le nom Flash seul n’établit pas une garantie de délai de réponse ou un instantané permanent particulier.
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.
La fiche du modèle Flash indique la recherche Web et marque Structured Outputs comme non pris en charge dans les deux tableaux régionaux. Vous pouvez demander des sections nommées en texte ordinaire, mais cette instruction est distincte d’un mode JSON contraint. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle et non pris en charge dans le tableau de Singapour; l’application effectue l’action d’outil sélectionnée. La complétion de préfixe, la mise en cache du contexte et l’affinage ne sont pas pris en charge. Le tableau de Beijing de l’alias prend en charge l’inférence par lots, tandis que celui de Singapour ne la prend pas en charge.
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 modèle Flash non daté prend en charge le clonage de voix personnalisé au moyen d’un flux distinct de création de voix. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses d’au plus deux secondes; utilisez de la parole ordinaire sans musique, chant, bruit ou autre locuteur. Pour WAV, utilisez de l’audio 16 bits. La référence produit une voix associée à un modèle cible nommé, et cette cible doit correspondre au modèle utilisé ensuite pour la parole. Alibaba recommande 10–20 secondes d’un enregistrement mono de parole sans bruit à au moins 24 kHz, avec un maximum de 60 secondes et un fichier de moins de 10 MB. Les formats de référence sont WAV, MP3 et M4A. L’instantané Flash du 15 mars ne prend pas en charge ce flux de clonage.
Pour une explication d’assistance combinant plusieurs médias, fournissez une capture d’écran, une question enregistrée et toute terminologie du produit sous forme textuelle. Voici un exemple de demande : « Utilisez les étiquettes de la capture d’écran, répondez à la question audio en français et donnez une courte explication avec un débit plus lent et un ton rassurant. » Pour une analyse plutôt qu’un dialogue, demandez des observations chronologiques, le texte visible exact et la parole dans des sections séparées. Précisez le public visé et si vous voulez une transcription, une interprétation ou un résumé concis.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-flash | 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", "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',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',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
Utilisez les chemins de méthode indiqués ci-dessus.
qwen3.5-omni-flashQwen3.5-Omni-Flash combine le texte, les images, l’audio et la vidéo et répond par du texte ou de la parole. Il prend en charge les explications mêlant plusieurs médias et les réponses vocales avec un style dicté par les instructions, avec un contexte de 262,144 jetons et son propre profil d’outils et de format de sortie.
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 est l’alias de famille Qwen multimodal 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 dans une entrée combinée et renvoie du texte ou du texte accompagné de parole. Le fabricant décrit actuellement l’alias comme fonctionnellement équivalent à Qwen3.5-Omni-Flash 2026-03-15. Le nom Flash seul n’établit pas une garantie de délai de réponse ou un instantané permanent particulier.
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.
La fiche du modèle Flash indique la recherche Web et marque Structured Outputs comme non pris en charge dans les deux tableaux régionaux. Vous pouvez demander des sections nommées en texte ordinaire, mais cette instruction est distincte d’un mode JSON contraint. Function Calling est documenté pour le déploiement Beijing Chat Completions d’Alibaba avec sortie textuelle et non pris en charge dans le tableau de Singapour; l’application effectue l’action d’outil sélectionnée. La complétion de préfixe, la mise en cache du contexte et l’affinage ne sont pas pris en charge. Le tableau de Beijing de l’alias prend en charge l’inférence par lots, tandis que celui de Singapour ne la prend pas en charge.
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 modèle Flash non daté prend en charge le clonage de voix personnalisé au moyen d’un flux distinct de création de voix. La référence doit contenir au moins trois secondes de parole claire ininterrompue, avec des pauses d’au plus deux secondes; utilisez de la parole ordinaire sans musique, chant, bruit ou autre locuteur. Pour WAV, utilisez de l’audio 16 bits. La référence produit une voix associée à un modèle cible nommé, et cette cible doit correspondre au modèle utilisé ensuite pour la parole. Alibaba recommande 10–20 secondes d’un enregistrement mono de parole sans bruit à au moins 24 kHz, avec un maximum de 60 secondes et un fichier de moins de 10 MB. Les formats de référence sont WAV, MP3 et M4A. L’instantané Flash du 15 mars ne prend pas en charge ce flux de clonage.
Pour une explication d’assistance combinant plusieurs médias, fournissez une capture d’écran, une question enregistrée et toute terminologie du produit sous forme textuelle. Voici un exemple de demande : « Utilisez les étiquettes de la capture d’écran, répondez à la question audio en français et donnez une courte explication avec un débit plus lent et un ton rassurant. » Pour une analyse plutôt qu’un dialogue, demandez des observations chronologiques, le texte visible exact et la parole dans des sections séparées. Précisez le public visé et si vous voulez une transcription, une interprétation ou un résumé concis.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.5-omni-flash | 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 $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen3.5-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Organize a transcribed demonstration brief\n\nUse these text notes from a demonstration: 00:03 visible label 'Add water'; narration says 'Use cold water'; 00:09 visible label 'Stir'; narration says 'Stir for ten seconds'. Prepare separate sections for visible instructions, spoken instructions and their combined chronological procedure. Use only the notes and do not generate speech or infer unseen actions.Three text sections preserving timestamps and separating visible wording from spoken content.The combined procedure retains the cold-water condition and the ten-second duration with their stated source.