Choix du modèle : analyse multimédia avec sortie textuelle
Qwen3.8 Omni Flash est le modèle de Qwen pour la compréhension audio et vidéo, la synthèse de réunions et l’analyse de contenu. Il reçoit du texte, des images, de l’audio et de la vidéo ; il produit du texte. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visuels et sonores ou préparer une synthèse écrite. Le concepteur distingue explicitement cette édition des modèles Omni générant de la parole. Le nom Omni ne signifie pas que ce checkpoint dispose d’un mode de sortie vocale.
Le contexte est d’un million de tokens, et l’entrée audio couvre 113 langues et dialectes. Ce nombre concerne la compréhension audio, sans garantir une 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 ouvertes et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de séparer ce qui est visible de ce qui est dit avant de réunir ces éléments dans une conclusion.
Préparation des documents multimodaux
Les exemples documentés associent des médias à une question textuelle. Précisez le résultat souhaité au lieu d’envoyer un enregistrement sans explication : synthèse thématique, compte rendu d’événements ou réponse à une question précise. Identifiez les différents fichiers et conservez leurs plages temporelles sources hors de la requête pour relier le résultat à l’original. Si plusieurs participants ou scènes comptent, indiquez les distinctions que le rapport doit conserver.
Limites des médias dans le processus de fichiers du concepteur
Pour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée maximale de deux heures et une taille allant jusqu’à 2 GB lorsqu’ils sont fournis par une adresse de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour des images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Conservez l’ordre et la temporalité au lieu de traiter une collection arbitraire de photos comme une séquence temporelle connue.
Pour l’audio, le guide documente jusqu’à trois heures, une entrée par adresse de fichier jusqu’à 2 GB, et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio atteint 2,048 lorsqu’ils sont fournis par leurs adresses et 250 avec un encodage Base64. Les données encodées en Base64 doivent faire moins de 10 MB. Ce sont les limites du processus du producteur, et non des promesses concernant l’interface d’envoi 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 indique jusqu’à 2,048 adresses d’images ou 250 images encodées. Un fichier fourni par une adresse d’image accessible peut atteindre 20 MB ; ses deux dimensions doivent dépasser dix pixels et son rapport largeur/hauteur rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré en demandant simplement une réponse assurée.
Audio spatial
Ce modèle prend en charge la stéréo à deux canaux et l’audio ambisonique de premier ordre à quatre canaux, dans l’ordre WYZX. La commande use_multichannel du concepteur vaut false par défaut, ce qui fait interpréter l’audio comme mono. Lorsque cette commande est activée et que l’agencement de canaux requis est présent, les informations spatiales peuvent contribuer à la compréhension. Préservez cet agencement si la tâche porte sur la scène sonore spatiale ; 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 processus Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander de relier les informations actuelles récupérées à l’enregistrement fourni, en précisant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée dans l’application. La prise en charge d’outils ne permet pas d’affirmer sans réserve la présence d’un interpréteur de code ou d’un accès au système de fichiers. Le producteur mentionne aussi la mise en cache du contexte pour des entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et ne prouve pas qu’une requête donnée a bénéficié du cache.
Modes de réflexion
La réflexion est activée par défaut, avec reasoning_effort réglé sur xhigh. Les niveaux principaux sont low, medium et xhigh ; 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 à la fois reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur, sans établir que chaque application les expose.
Choisissez une réponse directe pour une synthèse simple et un raisonnement approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de paroles, l’ordre des événements et les éléments étayant les conclusions. Les sections du guide utilisées ici établissent les limites des médias et du contexte, sans publier de plafond strict distinct pour la longueur du texte produit. Une question claire et un résultat écrit traçable sont plus utiles que de considérer l’envoi le plus volumineux possible comme une garantie de rappel complet.
", "aboutText": "Choix du modèle : analyse multimédia avec sortie textuelle\n\nQwen3.8 Omni Flash est le modèle de Qwen pour la compréhension audio et vidéo, la synthèse de réunions et l’analyse de contenu. Il reçoit du texte, des images, de l’audio et de la vidéo ; il produit du texte. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visuels et sonores ou préparer une synthèse écrite. Le concepteur distingue explicitement cette édition des modèles Omni générant de la parole. Le nom Omni ne signifie pas que ce checkpoint dispose d’un mode de sortie vocale.\n\nLe contexte est d’un million de tokens, et l’entrée audio couvre 113 langues et dialectes. Ce nombre concerne la compréhension audio, sans garantir une 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 ouvertes et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de séparer ce qui est visible de ce qui est dit avant de réunir ces éléments dans une conclusion.\n\nPréparation des documents multimodaux\n\nLes exemples documentés associent des médias à une question textuelle. Précisez le résultat souhaité au lieu d’envoyer un enregistrement sans explication : synthèse thématique, compte rendu d’événements ou réponse à une question précise. Identifiez les différents fichiers et conservez leurs plages temporelles sources hors de la requête pour relier le résultat à l’original. Si plusieurs participants ou scènes comptent, indiquez les distinctions que le rapport doit conserver.\n\nLimites des médias dans le processus de fichiers du concepteur\n\nPour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée maximale de deux heures et une taille allant jusqu’à 2 GB lorsqu’ils sont fournis par une adresse de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour des images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Conservez l’ordre et la temporalité au lieu de traiter une collection arbitraire de photos comme une séquence temporelle connue.\n\nPour l’audio, le guide documente jusqu’à trois heures, une entrée par adresse de fichier jusqu’à 2 GB, et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio atteint 2,048 lorsqu’ils sont fournis par leurs adresses et 250 avec un encodage Base64. Les données encodées en Base64 doivent faire moins de 10 MB. Ce sont les limites du processus du producteur, et non des promesses concernant l’interface d’envoi 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 indique jusqu’à 2,048 adresses d’images ou 250 images encodées. Un fichier fourni par une adresse d’image accessible peut atteindre 20 MB ; ses deux dimensions doivent dépasser dix pixels et son rapport largeur/hauteur rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré en demandant simplement une réponse assurée.\n\nAudio spatial\n\nCe modèle prend en charge la stéréo à deux canaux et l’audio ambisonique de premier ordre à quatre canaux, dans l’ordre WYZX. La commande use_multichannel du concepteur vaut false par défaut, ce qui fait interpréter l’audio comme mono. Lorsque cette commande est activée et que l’agencement de canaux requis est présent, les informations spatiales peuvent contribuer à la compréhension. Préservez cet agencement si la tâche porte sur la scène sonore spatiale ; 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 processus Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander de relier les informations actuelles récupérées à l’enregistrement fourni, en précisant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée dans l’application. La prise en charge d’outils ne permet pas d’affirmer sans réserve la présence d’un interpréteur de code ou d’un accès au système de fichiers. Le producteur mentionne aussi la mise en cache du contexte pour des entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et ne prouve pas qu’une requête donnée a bénéficié du cache.\n\nModes de réflexion\n\nLa réflexion est activée par défaut, avec reasoning_effort réglé sur xhigh. Les niveaux principaux sont low, medium et xhigh ; 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 à la fois reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur, sans établir que chaque application les expose.\n\nChoisissez une réponse directe pour une synthèse simple et un raisonnement approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de paroles, l’ordre des événements et les éléments étayant les conclusions. Les sections du guide utilisées ici établissent les limites des médias et du contexte, sans publier de plafond strict distinct pour la longueur du texte produit. Une question claire et un résultat écrit traçable sont plus utiles que de considérer l’envoi le plus volumineux 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 du texte, des images, de l’audio et de la vidéo, et renvoie du texte. Il prend en charge les synthèses de réunions, les questions multimédias, 113 langues et dialectes audio, un effort de raisonnement réglable 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 de Qwen pour la compréhension audio et vidéo, la synthèse de réunions et l’analyse de contenu. Il reçoit du texte, des images, de l’audio et de la vidéo ; il produit du texte. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visuels et sonores ou préparer une synthèse écrite. Le concepteur distingue explicitement cette édition des modèles Omni générant de la parole. Le nom Omni ne signifie pas que ce checkpoint dispose d’un mode de sortie vocale.
Le contexte est d’un million de tokens, et l’entrée audio couvre 113 langues et dialectes. Ce nombre concerne la compréhension audio, sans garantir une 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 ouvertes et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de séparer ce qui est visible de ce qui est dit avant de réunir ces éléments dans une conclusion.
Préparation des documents multimodaux
Les exemples documentés associent des médias à une question textuelle. Précisez le résultat souhaité au lieu d’envoyer un enregistrement sans explication : synthèse thématique, compte rendu d’événements ou réponse à une question précise. Identifiez les différents fichiers et conservez leurs plages temporelles sources hors de la requête pour relier le résultat à l’original. Si plusieurs participants ou scènes comptent, indiquez les distinctions que le rapport doit conserver.
Limites des médias dans le processus de fichiers du concepteur
Pour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée maximale de deux heures et une taille allant jusqu’à 2 GB lorsqu’ils sont fournis par une adresse de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour des images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Conservez l’ordre et la temporalité au lieu de traiter une collection arbitraire de photos comme une séquence temporelle connue.
Pour l’audio, le guide documente jusqu’à trois heures, une entrée par adresse de fichier jusqu’à 2 GB, et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio atteint 2,048 lorsqu’ils sont fournis par leurs adresses et 250 avec un encodage Base64. Les données encodées en Base64 doivent faire moins de 10 MB. Ce sont les limites du processus du producteur, et non des promesses concernant l’interface d’envoi 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 indique jusqu’à 2,048 adresses d’images ou 250 images encodées. Un fichier fourni par une adresse d’image accessible peut atteindre 20 MB ; ses deux dimensions doivent dépasser dix pixels et son rapport largeur/hauteur rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré en demandant simplement une réponse assurée.
Audio spatial
Ce modèle prend en charge la stéréo à deux canaux et l’audio ambisonique de premier ordre à quatre canaux, dans l’ordre WYZX. La commande use_multichannel du concepteur vaut false par défaut, ce qui fait interpréter l’audio comme mono. Lorsque cette commande est activée et que l’agencement de canaux requis est présent, les informations spatiales peuvent contribuer à la compréhension. Préservez cet agencement si la tâche porte sur la scène sonore spatiale ; 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 processus Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander de relier les informations actuelles récupérées à l’enregistrement fourni, en précisant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée dans l’application. La prise en charge d’outils ne permet pas d’affirmer sans réserve la présence d’un interpréteur de code ou d’un accès au système de fichiers. Le producteur mentionne aussi la mise en cache du contexte pour des entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et ne prouve pas qu’une requête donnée a bénéficié du cache.
Modes de réflexion
La réflexion est activée par défaut, avec reasoning_effort réglé sur xhigh. Les niveaux principaux sont low, medium et xhigh ; 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 à la fois reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur, sans établir que chaque application les expose.
Choisissez une réponse directe pour une synthèse simple et un raisonnement approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de paroles, l’ordre des événements et les éléments étayant les conclusions. Les sections du guide utilisées ici établissent les limites des médias et du contexte, sans publier de plafond strict distinct pour la longueur du texte produit. Une question claire et un résultat écrit traçable sont plus utiles que de considérer l’envoi le plus volumineux 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 du texte, des images, de l’audio et de la vidéo, et renvoie du texte. Il prend en charge les synthèses de réunions, les questions multimédias, 113 langues et dialectes audio, un effort de raisonnement réglable 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 de Qwen pour la compréhension audio et vidéo, la synthèse de réunions et l’analyse de contenu. Il reçoit du texte, des images, de l’audio et de la vidéo ; il produit du texte. Une réponse peut décrire un enregistrement, répondre à une question sur des éléments visuels et sonores ou préparer une synthèse écrite. Le concepteur distingue explicitement cette édition des modèles Omni générant de la parole. Le nom Omni ne signifie pas que ce checkpoint dispose d’un mode de sortie vocale.
Le contexte est d’un million de tokens, et l’entrée audio couvre 113 langues et dialectes. Ce nombre concerne la compréhension audio, sans garantir une 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 ouvertes et les prochaines actions. Pour un extrait audiovisuel, demandez au modèle de séparer ce qui est visible de ce qui est dit avant de réunir ces éléments dans une conclusion.
Préparation des documents multimodaux
Les exemples documentés associent des médias à une question textuelle. Précisez le résultat souhaité au lieu d’envoyer un enregistrement sans explication : synthèse thématique, compte rendu d’événements ou réponse à une question précise. Identifiez les différents fichiers et conservez leurs plages temporelles sources hors de la requête pour relier le résultat à l’original. Si plusieurs participants ou scènes comptent, indiquez les distinctions que le rapport doit conserver.
Limites des médias dans le processus de fichiers du concepteur
Pour les fichiers vidéo, le concepteur documente jusqu’à 64 fichiers, une durée maximale de deux heures et une taille allant jusqu’à 2 GB lorsqu’ils sont fournis par une adresse de fichier accessible. Les formats vidéo documentés sont MP4, AVI, MKV, MOV, FLV et WMV. Pour des images ordonnées utilisées comme vidéo, la plage documentée va de deux à 2,048 images. Conservez l’ordre et la temporalité au lieu de traiter une collection arbitraire de photos comme une séquence temporelle connue.
Pour l’audio, le guide documente jusqu’à trois heures, une entrée par adresse de fichier jusqu’à 2 GB, et les formats AMR, WAV, 3GP, 3GPP, AAC ou MP3. Le nombre de fichiers audio atteint 2,048 lorsqu’ils sont fournis par leurs adresses et 250 avec un encodage Base64. Les données encodées en Base64 doivent faire moins de 10 MB. Ce sont les limites du processus du producteur, et non des promesses concernant l’interface d’envoi 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 indique jusqu’à 2,048 adresses d’images ou 250 images encodées. Un fichier fourni par une adresse d’image accessible peut atteindre 20 MB ; ses deux dimensions doivent dépasser dix pixels et son rapport largeur/hauteur rester entre 200:1 et 1:200. Conservez une résolution suffisante pour la question. Un champ textuel devenu illisible pendant la préparation ne peut pas être récupéré en demandant simplement une réponse assurée.
Audio spatial
Ce modèle prend en charge la stéréo à deux canaux et l’audio ambisonique de premier ordre à quatre canaux, dans l’ordre WYZX. La commande use_multichannel du concepteur vaut false par défaut, ce qui fait interpréter l’audio comme mono. Lorsque cette commande est activée et que l’agencement de canaux requis est présent, les informations spatiales peuvent contribuer à la compréhension. Préservez cet agencement si la tâche porte sur la scène sonore spatiale ; 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 processus Responses documenté, web_search est le seul outil intégré pris en charge pour cette édition. Une tâche utilisant des outils peut demander de relier les informations actuelles récupérées à l’enregistrement fourni, en précisant l’origine de chaque affirmation. Les actions externes et les résultats des outils dépendent toujours de l’interface configurée dans l’application. La prise en charge d’outils ne permet pas d’affirmer sans réserve la présence d’un interpréteur de code ou d’un accès au système de fichiers. Le producteur mentionne aussi la mise en cache du contexte pour des entrées récurrentes ; la réutilisation concerne les préfixes communs des requêtes et ne prouve pas qu’une requête donnée a bénéficié du cache.
Modes de réflexion
La réflexion est activée par défaut, avec reasoning_effort réglé sur xhigh. Les niveaux principaux sont low, medium et xhigh ; 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 à la fois reasoning_effort et thinking_budget. Ces commandes décrivent l’interface du producteur, sans établir que chaque application les expose.
Choisissez une réponse directe pour une synthèse simple et un raisonnement approfondi pour une question nécessitant de relier plusieurs éléments. Séparez le rapport final du raisonnement et vérifiez les citations de paroles, l’ordre des événements et les éléments étayant les conclusions. Les sections du guide utilisées ici établissent les limites des médias et du contexte, sans publier de plafond strict distinct pour la longueur du texte produit. Une question claire et un résultat écrit traçable sont plus utiles que de considérer l’envoi le plus volumineux 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.