Choix du modèle : analyse multimédia avec sortie textuelle
Qwen3.8 Omni Flash est le modèle Qwen pour la compréhension audio et vidéo, les résumés de réunions et l’analyse de contenus. Ses entrées sont le texte, les images, l’audio et la vidéo ; sa sortie est textuelle. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visibles et audibles ou préparer un résumé écrit. Le concepteur distingue explicitement cette édition des modèles Omni qui génèrent de la parole. Ne supposez pas que le nom Omni donne à ce checkpoint un mode de sortie parlée.
Le contexte est d’un million de tokens et l’entrée audio couvre 113 langues et dialectes. Ce nombre de langues décrit la compréhension audio et ne garantit pas une qualité de reconnaissance identique pour chaque accent, condition d’enregistrement ou vocabulaire technique. Pour une réunion, fournissez l’ordre du jour ou les termes importants et demandez les décisions, les questions non résolues et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de distinguer ce qui est visible de ce qui est dit avant de combiner les éléments dans une conclusion.
Préparer les contenus multimodaux
Les exemples documentés associent des médias à une question textuelle. Indiquez le résultat visé au lieu de soumettre un enregistrement sans explication : un résumé thématique, un compte rendu d’événements ou une réponse à une question précise. Étiquetez les ressources distinctes et conservez leurs plages temporelles sources en dehors de la requête afin de pouvoir remonter du résultat à l’original. Lorsque plusieurs participants ou scènes comptent, nommez les distinctions que le rapport doit préserver.
Limites des médias dans le flux de fichiers du concepteur
Pour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée limite de deux heures et des fichiers jusqu’à 2 GB lorsqu’ils sont fournis par un emplacement de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour les images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Préservez l’ordre et le minutage plutôt que de traiter une collection quelconque d’images comme une séquence temporelle connue.
Pour l’audio, le guide documente jusqu’à trois heures, une entrée par emplacement de fichier jusqu’à 2 GB et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio peut aller jusqu’à 2,048 lorsqu’ils sont fournis par emplacement de fichier et jusqu’à 250 avec l’encodage Base64. Les charges utiles encodées en Base64 doivent être inférieures à 10 MB. Ce sont des limites du flux du producteur, et non des promesses sur l’interface de téléversement d’une application, ni la preuve que toutes les entrées de taille maximale tiennent ensemble dans le budget de tokens.
Pour les images, le guide annonce jusqu’à 2,048 emplacements d’images ou 250 images encodées. Un fichier fourni par un emplacement d’image accessible peut atteindre 20 MB ; les deux dimensions doivent dépasser dix pixels et le rapport d’aspect doit rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question précise. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré simplement en demandant une réponse assurée.
Audio spatial
Ce modèle prend en charge la stéréo à deux canaux et l’audio ambisonique du premier ordre à quatre canaux dans l’ordre WYZX. La commande use_multichannel du concepteur est définie sur false par défaut, interprétant l’audio en mono. Lorsque la commande est activée et que la disposition de canaux prise en charge est présente, les informations spatiales peuvent contribuer à la compréhension. Préservez cette disposition lorsque la tâche porte sur la scène spatiale audible ; ne déduisez pas des coordonnées calibrées d’une source sonore à partir d’une description générale.
Outils et informations actuelles
Le concepteur prend en charge l’appel de fonctions et la recherche web. Dans son flux Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander au modèle de relier des informations actuelles récupérées à l’enregistrement fourni, en clarifiant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée de l’application. La prise en charge d’outils ne doit pas devenir une affirmation sans réserve sur un interpréteur de code ou un système de fichiers. Le producteur annonce aussi la mise en cache du contexte pour les entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et n’établit pas qu’une requête donnée bénéficie du cache.
Modes de réflexion
La réflexion est activée par défaut, avec reasoning_effort fixé à xhigh. Les principaux niveaux d’effort de réflexion sont low, medium et xhigh ; le réglage none désactive la réflexion. Pour la compatibilité, minimal correspond à low, tandis que high et max correspondent à xhigh. Le concepteur rejette les requêtes définissant simultanément reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur et n’établissent pas que chaque application les expose.
Choisissez une réponse directe pour un résumé simple et un raisonnement plus approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de parole, l’ordre des événements et les éléments étayant les conclusions. Le guide établit des limites de médias et de contexte, mais ne publie pas de longueur maximale stricte distincte de sortie textuelle dans les sections utilisées ici. Une question claire et un résultat écrit traçable sont plus utiles que de considérer le plus grand téléversement possible comme une garantie de rappel complet.
", "aboutText": "Choix du modèle : analyse multimédia avec sortie textuelle\n\nQwen3.8 Omni Flash est le modèle Qwen pour la compréhension audio et vidéo, les résumés de réunions et l’analyse de contenus. Ses entrées sont le texte, les images, l’audio et la vidéo ; sa sortie est textuelle. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visibles et audibles ou préparer un résumé écrit. Le concepteur distingue explicitement cette édition des modèles Omni qui génèrent de la parole. Ne supposez pas que le nom Omni donne à ce checkpoint un mode de sortie parlée.\n\nLe contexte est d’un million de tokens et l’entrée audio couvre 113 langues et dialectes. Ce nombre de langues décrit la compréhension audio et ne garantit pas une qualité de reconnaissance identique pour chaque accent, condition d’enregistrement ou vocabulaire technique. Pour une réunion, fournissez l’ordre du jour ou les termes importants et demandez les décisions, les questions non résolues et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de distinguer ce qui est visible de ce qui est dit avant de combiner les éléments dans une conclusion.\n\nPréparer les contenus multimodaux\n\nLes exemples documentés associent des médias à une question textuelle. Indiquez le résultat visé au lieu de soumettre un enregistrement sans explication : un résumé thématique, un compte rendu d’événements ou une réponse à une question précise. Étiquetez les ressources distinctes et conservez leurs plages temporelles sources en dehors de la requête afin de pouvoir remonter du résultat à l’original. Lorsque plusieurs participants ou scènes comptent, nommez les distinctions que le rapport doit préserver.\n\nLimites des médias dans le flux de fichiers du concepteur\n\nPour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée limite de deux heures et des fichiers jusqu’à 2 GB lorsqu’ils sont fournis par un emplacement de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour les images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Préservez l’ordre et le minutage plutôt que de traiter une collection quelconque d’images comme une séquence temporelle connue.\n\nPour l’audio, le guide documente jusqu’à trois heures, une entrée par emplacement de fichier jusqu’à 2 GB et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio peut aller jusqu’à 2,048 lorsqu’ils sont fournis par emplacement de fichier et jusqu’à 250 avec l’encodage Base64. Les charges utiles encodées en Base64 doivent être inférieures à 10 MB. Ce sont des limites du flux du producteur, et non des promesses sur l’interface de téléversement d’une application, ni la preuve que toutes les entrées de taille maximale tiennent ensemble dans le budget de tokens.\n\nPour les images, le guide annonce jusqu’à 2,048 emplacements d’images ou 250 images encodées. Un fichier fourni par un emplacement d’image accessible peut atteindre 20 MB ; les deux dimensions doivent dépasser dix pixels et le rapport d’aspect doit rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question précise. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré simplement en demandant une réponse assurée.\n\nAudio spatial\n\nCe modèle prend en charge la stéréo à deux canaux et l’audio ambisonique du premier ordre à quatre canaux dans l’ordre WYZX. La commande use_multichannel du concepteur est définie sur false par défaut, interprétant l’audio en mono. Lorsque la commande est activée et que la disposition de canaux prise en charge est présente, les informations spatiales peuvent contribuer à la compréhension. Préservez cette disposition lorsque la tâche porte sur la scène spatiale audible ; ne déduisez pas des coordonnées calibrées d’une source sonore à partir d’une description générale.\n\nOutils et informations actuelles\n\nLe concepteur prend en charge l’appel de fonctions et la recherche web. Dans son flux Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander au modèle de relier des informations actuelles récupérées à l’enregistrement fourni, en clarifiant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée de l’application. La prise en charge d’outils ne doit pas devenir une affirmation sans réserve sur un interpréteur de code ou un système de fichiers. Le producteur annonce aussi la mise en cache du contexte pour les entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et n’établit pas qu’une requête donnée bénéficie du cache.\n\nModes de réflexion\n\nLa réflexion est activée par défaut, avec reasoning_effort fixé à xhigh. Les principaux niveaux d’effort de réflexion sont low, medium et xhigh ; le réglage none désactive la réflexion. Pour la compatibilité, minimal correspond à low, tandis que high et max correspondent à xhigh. Le concepteur rejette les requêtes définissant simultanément reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur et n’établissent pas que chaque application les expose.\n\nChoisissez une réponse directe pour un résumé simple et un raisonnement plus approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de parole, l’ordre des événements et les éléments étayant les conclusions. Le guide établit des limites de médias et de contexte, mais ne publie pas de longueur maximale stricte distincte de sortie textuelle dans les sections utilisées ici. Une question claire et un résultat écrit traçable sont plus utiles que de considérer le plus grand téléversement possible comme une garantie de rappel complet.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyse le texte, les images, l’audio et la vidéo et renvoie du texte. Il prend en charge les résumés de réunions, les questions multimédias, 113 langues et dialectes audio, un effort de raisonnement sélectionnable et l’audio spatial, avec un contexte d’un million de tokens documenté par le producteur.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Choix du modèle : analyse multimédia avec sortie textuelle
Qwen3.8 Omni Flash est le modèle Qwen pour la compréhension audio et vidéo, les résumés de réunions et l’analyse de contenus. Ses entrées sont le texte, les images, l’audio et la vidéo ; sa sortie est textuelle. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visibles et audibles ou préparer un résumé écrit. Le concepteur distingue explicitement cette édition des modèles Omni qui génèrent de la parole. Ne supposez pas que le nom Omni donne à ce checkpoint un mode de sortie parlée.
Le contexte est d’un million de tokens et l’entrée audio couvre 113 langues et dialectes. Ce nombre de langues décrit la compréhension audio et ne garantit pas une qualité de reconnaissance identique pour chaque accent, condition d’enregistrement ou vocabulaire technique. Pour une réunion, fournissez l’ordre du jour ou les termes importants et demandez les décisions, les questions non résolues et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de distinguer ce qui est visible de ce qui est dit avant de combiner les éléments dans une conclusion.
Préparer les contenus multimodaux
Les exemples documentés associent des médias à une question textuelle. Indiquez le résultat visé au lieu de soumettre un enregistrement sans explication : un résumé thématique, un compte rendu d’événements ou une réponse à une question précise. Étiquetez les ressources distinctes et conservez leurs plages temporelles sources en dehors de la requête afin de pouvoir remonter du résultat à l’original. Lorsque plusieurs participants ou scènes comptent, nommez les distinctions que le rapport doit préserver.
Limites des médias dans le flux de fichiers du concepteur
Pour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée limite de deux heures et des fichiers jusqu’à 2 GB lorsqu’ils sont fournis par un emplacement de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour les images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Préservez l’ordre et le minutage plutôt que de traiter une collection quelconque d’images comme une séquence temporelle connue.
Pour l’audio, le guide documente jusqu’à trois heures, une entrée par emplacement de fichier jusqu’à 2 GB et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio peut aller jusqu’à 2,048 lorsqu’ils sont fournis par emplacement de fichier et jusqu’à 250 avec l’encodage Base64. Les charges utiles encodées en Base64 doivent être inférieures à 10 MB. Ce sont des limites du flux du producteur, et non des promesses sur l’interface de téléversement d’une application, ni la preuve que toutes les entrées de taille maximale tiennent ensemble dans le budget de tokens.
Pour les images, le guide annonce jusqu’à 2,048 emplacements d’images ou 250 images encodées. Un fichier fourni par un emplacement d’image accessible peut atteindre 20 MB ; les deux dimensions doivent dépasser dix pixels et le rapport d’aspect doit rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question précise. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré simplement en demandant une réponse assurée.
Audio spatial
Ce modèle prend en charge la stéréo à deux canaux et l’audio ambisonique du premier ordre à quatre canaux dans l’ordre WYZX. La commande use_multichannel du concepteur est définie sur false par défaut, interprétant l’audio en mono. Lorsque la commande est activée et que la disposition de canaux prise en charge est présente, les informations spatiales peuvent contribuer à la compréhension. Préservez cette disposition lorsque la tâche porte sur la scène spatiale audible ; ne déduisez pas des coordonnées calibrées d’une source sonore à partir d’une description générale.
Outils et informations actuelles
Le concepteur prend en charge l’appel de fonctions et la recherche web. Dans son flux Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander au modèle de relier des informations actuelles récupérées à l’enregistrement fourni, en clarifiant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée de l’application. La prise en charge d’outils ne doit pas devenir une affirmation sans réserve sur un interpréteur de code ou un système de fichiers. Le producteur annonce aussi la mise en cache du contexte pour les entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et n’établit pas qu’une requête donnée bénéficie du cache.
Modes de réflexion
La réflexion est activée par défaut, avec reasoning_effort fixé à xhigh. Les principaux niveaux d’effort de réflexion sont low, medium et xhigh ; le réglage none désactive la réflexion. Pour la compatibilité, minimal correspond à low, tandis que high et max correspondent à xhigh. Le concepteur rejette les requêtes définissant simultanément reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur et n’établissent pas que chaque application les expose.
Choisissez une réponse directe pour un résumé simple et un raisonnement plus approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de parole, l’ordre des événements et les éléments étayant les conclusions. Le guide établit des limites de médias et de contexte, mais ne publie pas de longueur maximale stricte distincte de sortie textuelle dans les sections utilisées ici. Une question claire et un résultat écrit traçable sont plus utiles que de considérer le plus grand téléversement possible comme une garantie de rappel complet.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3.8-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’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0003 / 1K tokens Sortie · Tokens en sortie $0.00094 / 1K tokens Entrée · Lecture du cache $0.000032 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0003 / 1K tokens Sortie · Tokens en sortie $0.00094 / 1K tokens Entrée · Lecture du cache $0.000032 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-omni-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Utilisez les chemins de méthode indiqués ci-dessus.
qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyse le texte, les images, l’audio et la vidéo et renvoie du texte. Il prend en charge les résumés de réunions, les questions multimédias, 113 langues et dialectes audio, un effort de raisonnement sélectionnable et l’audio spatial, avec un contexte d’un million de tokens documenté par le producteur.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Choix du modèle : analyse multimédia avec sortie textuelle
Qwen3.8 Omni Flash est le modèle Qwen pour la compréhension audio et vidéo, les résumés de réunions et l’analyse de contenus. Ses entrées sont le texte, les images, l’audio et la vidéo ; sa sortie est textuelle. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visibles et audibles ou préparer un résumé écrit. Le concepteur distingue explicitement cette édition des modèles Omni qui génèrent de la parole. Ne supposez pas que le nom Omni donne à ce checkpoint un mode de sortie parlée.
Le contexte est d’un million de tokens et l’entrée audio couvre 113 langues et dialectes. Ce nombre de langues décrit la compréhension audio et ne garantit pas une qualité de reconnaissance identique pour chaque accent, condition d’enregistrement ou vocabulaire technique. Pour une réunion, fournissez l’ordre du jour ou les termes importants et demandez les décisions, les questions non résolues et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de distinguer ce qui est visible de ce qui est dit avant de combiner les éléments dans une conclusion.
Préparer les contenus multimodaux
Les exemples documentés associent des médias à une question textuelle. Indiquez le résultat visé au lieu de soumettre un enregistrement sans explication : un résumé thématique, un compte rendu d’événements ou une réponse à une question précise. Étiquetez les ressources distinctes et conservez leurs plages temporelles sources en dehors de la requête afin de pouvoir remonter du résultat à l’original. Lorsque plusieurs participants ou scènes comptent, nommez les distinctions que le rapport doit préserver.
Limites des médias dans le flux de fichiers du concepteur
Pour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée limite de deux heures et des fichiers jusqu’à 2 GB lorsqu’ils sont fournis par un emplacement de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour les images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Préservez l’ordre et le minutage plutôt que de traiter une collection quelconque d’images comme une séquence temporelle connue.
Pour l’audio, le guide documente jusqu’à trois heures, une entrée par emplacement de fichier jusqu’à 2 GB et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio peut aller jusqu’à 2,048 lorsqu’ils sont fournis par emplacement de fichier et jusqu’à 250 avec l’encodage Base64. Les charges utiles encodées en Base64 doivent être inférieures à 10 MB. Ce sont des limites du flux du producteur, et non des promesses sur l’interface de téléversement d’une application, ni la preuve que toutes les entrées de taille maximale tiennent ensemble dans le budget de tokens.
Pour les images, le guide annonce jusqu’à 2,048 emplacements d’images ou 250 images encodées. Un fichier fourni par un emplacement d’image accessible peut atteindre 20 MB ; les deux dimensions doivent dépasser dix pixels et le rapport d’aspect doit rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question précise. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré simplement en demandant une réponse assurée.
Audio spatial
Ce modèle prend en charge la stéréo à deux canaux et l’audio ambisonique du premier ordre à quatre canaux dans l’ordre WYZX. La commande use_multichannel du concepteur est définie sur false par défaut, interprétant l’audio en mono. Lorsque la commande est activée et que la disposition de canaux prise en charge est présente, les informations spatiales peuvent contribuer à la compréhension. Préservez cette disposition lorsque la tâche porte sur la scène spatiale audible ; ne déduisez pas des coordonnées calibrées d’une source sonore à partir d’une description générale.
Outils et informations actuelles
Le concepteur prend en charge l’appel de fonctions et la recherche web. Dans son flux Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander au modèle de relier des informations actuelles récupérées à l’enregistrement fourni, en clarifiant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée de l’application. La prise en charge d’outils ne doit pas devenir une affirmation sans réserve sur un interpréteur de code ou un système de fichiers. Le producteur annonce aussi la mise en cache du contexte pour les entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et n’établit pas qu’une requête donnée bénéficie du cache.
Modes de réflexion
La réflexion est activée par défaut, avec reasoning_effort fixé à xhigh. Les principaux niveaux d’effort de réflexion sont low, medium et xhigh ; le réglage none désactive la réflexion. Pour la compatibilité, minimal correspond à low, tandis que high et max correspondent à xhigh. Le concepteur rejette les requêtes définissant simultanément reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur et n’établissent pas que chaque application les expose.
Choisissez une réponse directe pour un résumé simple et un raisonnement plus approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de parole, l’ordre des événements et les éléments étayant les conclusions. Le guide établit des limites de médias et de contexte, mais ne publie pas de longueur maximale stricte distincte de sortie textuelle dans les sections utilisées ici. Une question claire et un résultat écrit traçable sont plus utiles que de considérer le plus grand téléversement possible comme une garantie de rappel complet.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3.8-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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0003 / 1K tokens Sortie · Tokens en sortie $0.00094 / 1K tokens Entrée · Lecture du cache $0.000032 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0003 / 1K tokens Sortie · Tokens en sortie $0.00094 / 1K tokens Entrée · Lecture du cache $0.000032 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3.8-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.