Qwen3-Omni-30B-A3B-Thinking היא המהדורה במשפחת Qwen3-Omni המתמקדת בהסקה. היא מבינה טקסט, תמונות, אודיו ווידאו, לרבות שילובים שלהם באותה שיחה, ומפיקה תוצאה טקסטואלית. מהדורת Thinking המדויקת מכילה את רכיב Thinker ומצוידת ביכולות הסקה; היא אינה כוללת את Talker המשמש לפלט מדובר בנקודת השמירה Instruct. ההבחנה הזו חשובה כשבוחרים מודל לדוח אנליטי, לעומת שיחה קולית.
היצרן מתאר את Qwen3-Omni כמשפחה רב-לשונית בארכיטקטורת תערובת מומחים, עם 119 שפות טקסט ו-19 שפות לקלט דיבור. רוסית מופיעה ברשימת שפות קלט הדיבור שפורסמה. תצורת Thinking המדויקת כוללת 48 שכבות טרנספורמר לטקסט, 128 מומחים ושמונה מומחים שנבחרים לכל טוקן. היא כוללת גם רכיבים לעיבוד אודיו וראייה. אלה מאפיינים של נקודת השמירה הנקובה בשם; אין להחליף את ההבנה הרב-אופנית שלה ביכולות של מודל Qwen3 לטקסט בלבד בעל תווית גודל דומה.
מדריכי השימוש המעשיים מכסים זיהוי ותרגום דיבור, ניתוח מוזיקה וצלילי סביבה, אודיו מעורב, שאלות על תמונות, OCR, עיגון עצמים, תיאורי וידאו ושאלות המשלבות אודיו וראייה. בתחום המתמטיקה מתוך תמונות מודגשת במיוחד מהדורת Thinking. במשימת גאומטריה, יש לספק את התרשים המלא, תוויות קריאות ואת השאלה, ואז לבקש פתרון שמבחין בין נתונים גלויים להנחות. בהדגמה מוקלטת, יש לציין את הפעולה או את הפער שצריך לבדוק, ולבקש תצפיות המקושרות לחלקים הרלוונטיים בחומר. התוצר המצופה יכול להיות פתרון כתוב, רשימת תצפיות מובנית או הסבר על מה שהראיות תומכות בו.
יש להכין את הקלט כשיחה רב-אופנית באמצעות המעבד ותבנית השיחה המתאימים. ערכת העיבוד של היצרן מטפלת בטקסט, בתמונות, באודיו ובווידאו המשולבים לסירוגין. Qwen מתארת תגובות טקסט בהזרמה כחלק מתכנון האינטראקציה של המשפחה, ומדגימה הסקה באצווה על מדיה מעורבת עם פלט טקסט בלבד. בכל סבב שיחה, היצרן ממליץ לצרף למדיה הוראת טקסט מפורשת. וידאו ללא הסבר מותיר את המשימה עמומה: יש לציין אם נדרש לסכם פעולות, להשוות בין שתי סצנות, להסביר צליל או לפתור את הבעיה המוצגת. יש לתת תוויות לקלטים מרובים ולציין את הקשר ביניהם, כדי שהטקסט הסופי יוכל לחבר את השאלה הנכונה לחומר הנכון.
עבור וידאו המכיל דיבור או צלילים של אירועים, יש להחליט אם האודיו שלו הוא חלק מהמשימה. התהליך המתועד משתמש ב-use_audio_in_video באופן עקבי במהלך העיבוד המקדים והיצירה, והכרטיס מזהיר ששינוי ההגדרה הזו בין סבבי שיחה עלול לגרום לתוצאות בלתי צפויות. לכן שאלה על הסצנה בלבד ושאלה המשלבת אודיו וראייה דורשות הכנה שונה. יש לשמור את קטע הווידאו המקורי זמין, לבחור את טווח הזמן הרלוונטי ולהימנע מהשמטת רצועת הקול כאשר המסקנה המבוקשת תלויה במה שנאמר או נשמע.
תצורת הטקסט שפורסמה מגדירה max_position_embeddings בערך 65,536. דוגמאות vLLM שבכרטיס משתמשות בנפרד בהגדרת אורך מודל של 32,768 טוקנים ובהגדרת יצירה של 16,384 טוקנים. אלה מציגות דוגמה להסקה עם תצורה מוגדרת, ולא מגבלת פלט מרבית אוניברסלית יחידה. המדיה מיוצגת באמצעות המעבד, ולכן גודל הבקשה אינו רק מספר התווים שהוקלדו. יש להקצות מקום לתוצאה הטקסטואלית ולהשתמש במקטע מקור תחום כאשר הקלטה ארוכה מכילה רק אירוע קצר הרלוונטי לשאלה.
היצרן מדגים תהליכי עבודה עם Transformers ו-vLLM, עם תמיכה במעבד ופענוח מדיה כתלויות מפורשות. הכרטיס המשותף מתעד גם הבדלים בין ממשקים, לרבות טיפול נפרד בווידאו ובאודיו בדוגמת הגשה. יש לבחור את נקודת השמירה Thinking המדויקת ואת מסלול העיבוד הנתמך שלה, ולא להניח שכל דוגמה בכרטיס המשפחה מתנהגת באותה דרך מבחינת הפלט. קולות הדיבור ובקרות Talker המופיעים בעמוד הזה חלים על Instruct, ואינם חלים על המודל הזה המבוסס על Thinker בלבד.
לקבלת תוצאה סופית שימושית, יש לבקש הסבר המבוסס על ראיות ומסקנה המופרדת ממנו בבירור. בבעיה חזותית, יש לשמר יחידות מידה, סמלים ותוויות; באודיו, יש להבחין בין תוכן נשמע לבין מקור מוסק; בווידאו, יש להבחין בין פעולות שנצפו לבין פרשנות לכוונה. יש לבדוק את התוצאה מול החומר שסופק ולציין במפורש פרטים לא ודאיים או לא קריאים. תשובת הטקסט של המודל יכולה לתמוך בניתוח או בשלב יישומי מאוחר יותר, ואילו הפעלת כלי, אימות עובדות ושינוי מדיה הם פעולות נפרדות, שכל אחת מהן דורשת קלט ותוצאה משלה.
", "aboutText": "Qwen3-Omni-30B-A3B-Thinking היא המהדורה במשפחת Qwen3-Omni המתמקדת בהסקה. היא מבינה טקסט, תמונות, אודיו ווידאו, לרבות שילובים שלהם באותה שיחה, ומפיקה תוצאה טקסטואלית. מהדורת Thinking המדויקת מכילה את רכיב Thinker ומצוידת ביכולות הסקה; היא אינה כוללת את Talker המשמש לפלט מדובר בנקודת השמירה Instruct. ההבחנה הזו חשובה כשבוחרים מודל לדוח אנליטי, לעומת שיחה קולית.\n\nהיצרן מתאר את Qwen3-Omni כמשפחה רב-לשונית בארכיטקטורת תערובת מומחים, עם 119 שפות טקסט ו-19 שפות לקלט דיבור. רוסית מופיעה ברשימת שפות קלט הדיבור שפורסמה. תצורת Thinking המדויקת כוללת 48 שכבות טרנספורמר לטקסט, 128 מומחים ושמונה מומחים שנבחרים לכל טוקן. היא כוללת גם רכיבים לעיבוד אודיו וראייה. אלה מאפיינים של נקודת השמירה הנקובה בשם; אין להחליף את ההבנה הרב-אופנית שלה ביכולות של מודל Qwen3 לטקסט בלבד בעל תווית גודל דומה.\n\nמדריכי השימוש המעשיים מכסים זיהוי ותרגום דיבור, ניתוח מוזיקה וצלילי סביבה, אודיו מעורב, שאלות על תמונות, OCR, עיגון עצמים, תיאורי וידאו ושאלות המשלבות אודיו וראייה. בתחום המתמטיקה מתוך תמונות מודגשת במיוחד מהדורת Thinking. במשימת גאומטריה, יש לספק את התרשים המלא, תוויות קריאות ואת השאלה, ואז לבקש פתרון שמבחין בין נתונים גלויים להנחות. בהדגמה מוקלטת, יש לציין את הפעולה או את הפער שצריך לבדוק, ולבקש תצפיות המקושרות לחלקים הרלוונטיים בחומר. התוצר המצופה יכול להיות פתרון כתוב, רשימת תצפיות מובנית או הסבר על מה שהראיות תומכות בו.\n\nיש להכין את הקלט כשיחה רב-אופנית באמצעות המעבד ותבנית השיחה המתאימים. ערכת העיבוד של היצרן מטפלת בטקסט, בתמונות, באודיו ובווידאו המשולבים לסירוגין. Qwen מתארת תגובות טקסט בהזרמה כחלק מתכנון האינטראקציה של המשפחה, ומדגימה הסקה באצווה על מדיה מעורבת עם פלט טקסט בלבד. בכל סבב שיחה, היצרן ממליץ לצרף למדיה הוראת טקסט מפורשת. וידאו ללא הסבר מותיר את המשימה עמומה: יש לציין אם נדרש לסכם פעולות, להשוות בין שתי סצנות, להסביר צליל או לפתור את הבעיה המוצגת. יש לתת תוויות לקלטים מרובים ולציין את הקשר ביניהם, כדי שהטקסט הסופי יוכל לחבר את השאלה הנכונה לחומר הנכון.\n\nעבור וידאו המכיל דיבור או צלילים של אירועים, יש להחליט אם האודיו שלו הוא חלק מהמשימה. התהליך המתועד משתמש ב-use_audio_in_video באופן עקבי במהלך העיבוד המקדים והיצירה, והכרטיס מזהיר ששינוי ההגדרה הזו בין סבבי שיחה עלול לגרום לתוצאות בלתי צפויות. לכן שאלה על הסצנה בלבד ושאלה המשלבת אודיו וראייה דורשות הכנה שונה. יש לשמור את קטע הווידאו המקורי זמין, לבחור את טווח הזמן הרלוונטי ולהימנע מהשמטת רצועת הקול כאשר המסקנה המבוקשת תלויה במה שנאמר או נשמע.\n\nתצורת הטקסט שפורסמה מגדירה max_position_embeddings בערך 65,536. דוגמאות vLLM שבכרטיס משתמשות בנפרד בהגדרת אורך מודל של 32,768 טוקנים ובהגדרת יצירה של 16,384 טוקנים. אלה מציגות דוגמה להסקה עם תצורה מוגדרת, ולא מגבלת פלט מרבית אוניברסלית יחידה. המדיה מיוצגת באמצעות המעבד, ולכן גודל הבקשה אינו רק מספר התווים שהוקלדו. יש להקצות מקום לתוצאה הטקסטואלית ולהשתמש במקטע מקור תחום כאשר הקלטה ארוכה מכילה רק אירוע קצר הרלוונטי לשאלה.\n\nהיצרן מדגים תהליכי עבודה עם Transformers ו-vLLM, עם תמיכה במעבד ופענוח מדיה כתלויות מפורשות. הכרטיס המשותף מתעד גם הבדלים בין ממשקים, לרבות טיפול נפרד בווידאו ובאודיו בדוגמת הגשה. יש לבחור את נקודת השמירה Thinking המדויקת ואת מסלול העיבוד הנתמך שלה, ולא להניח שכל דוגמה בכרטיס המשפחה מתנהגת באותה דרך מבחינת הפלט. קולות הדיבור ובקרות Talker המופיעים בעמוד הזה חלים על Instruct, ואינם חלים על המודל הזה המבוסס על Thinker בלבד.\n\nלקבלת תוצאה סופית שימושית, יש לבקש הסבר המבוסס על ראיות ומסקנה המופרדת ממנו בבירור. בבעיה חזותית, יש לשמר יחידות מידה, סמלים ותוויות; באודיו, יש להבחין בין תוכן נשמע לבין מקור מוסק; בווידאו, יש להבחין בין פעולות שנצפו לבין פרשנות לכוונה. יש לבדוק את התוצאה מול החומר שסופק ולציין במפורש פרטים לא ודאיים או לא קריאים. תשובת הטקסט של המודל יכולה לתמוך בניתוח או בשלב יישומי מאוחר יותר, ואילו הפעלת כלי, אימות עובדות ושינוי מדיה הם פעולות נפרדות, שכל אחת מהן דורשת קלט ותוצאה משלה.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reconcile demonstration annotations\n\nAnalyze these supplied text annotations of a demonstration. T0 visual note: valve indicator reads Closed. T1 speech transcript: "I am opening the valve now." T2 visual note: indicator still reads Closed; valve mechanism is off camera. State what each source establishes, whether successful opening is confirmed and what evidence would resolve the discrepancy.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking מבצעת הסקה על טקסט, תמונות, אודיו ווידאו ומחזירה טקסט. המהדורה הזו, המבוססת על Thinker בלבד, מתאימה למתמטיקה חזותית, לניתוח אודיו ולשאלות שדורשות ראיות ממספר אופנויות; הפקת דיבור שייכת לגרסת Omni אחרת.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-Omni-30B-A3B-Thinking היא המהדורה במשפחת Qwen3-Omni המתמקדת בהסקה. היא מבינה טקסט, תמונות, אודיו ווידאו, לרבות שילובים שלהם באותה שיחה, ומפיקה תוצאה טקסטואלית. מהדורת Thinking המדויקת מכילה את רכיב Thinker ומצוידת ביכולות הסקה; היא אינה כוללת את Talker המשמש לפלט מדובר בנקודת השמירה Instruct. ההבחנה הזו חשובה כשבוחרים מודל לדוח אנליטי, לעומת שיחה קולית.
היצרן מתאר את Qwen3-Omni כמשפחה רב-לשונית בארכיטקטורת תערובת מומחים, עם 119 שפות טקסט ו-19 שפות לקלט דיבור. רוסית מופיעה ברשימת שפות קלט הדיבור שפורסמה. תצורת Thinking המדויקת כוללת 48 שכבות טרנספורמר לטקסט, 128 מומחים ושמונה מומחים שנבחרים לכל טוקן. היא כוללת גם רכיבים לעיבוד אודיו וראייה. אלה מאפיינים של נקודת השמירה הנקובה בשם; אין להחליף את ההבנה הרב-אופנית שלה ביכולות של מודל Qwen3 לטקסט בלבד בעל תווית גודל דומה.
מדריכי השימוש המעשיים מכסים זיהוי ותרגום דיבור, ניתוח מוזיקה וצלילי סביבה, אודיו מעורב, שאלות על תמונות, OCR, עיגון עצמים, תיאורי וידאו ושאלות המשלבות אודיו וראייה. בתחום המתמטיקה מתוך תמונות מודגשת במיוחד מהדורת Thinking. במשימת גאומטריה, יש לספק את התרשים המלא, תוויות קריאות ואת השאלה, ואז לבקש פתרון שמבחין בין נתונים גלויים להנחות. בהדגמה מוקלטת, יש לציין את הפעולה או את הפער שצריך לבדוק, ולבקש תצפיות המקושרות לחלקים הרלוונטיים בחומר. התוצר המצופה יכול להיות פתרון כתוב, רשימת תצפיות מובנית או הסבר על מה שהראיות תומכות בו.
יש להכין את הקלט כשיחה רב-אופנית באמצעות המעבד ותבנית השיחה המתאימים. ערכת העיבוד של היצרן מטפלת בטקסט, בתמונות, באודיו ובווידאו המשולבים לסירוגין. Qwen מתארת תגובות טקסט בהזרמה כחלק מתכנון האינטראקציה של המשפחה, ומדגימה הסקה באצווה על מדיה מעורבת עם פלט טקסט בלבד. בכל סבב שיחה, היצרן ממליץ לצרף למדיה הוראת טקסט מפורשת. וידאו ללא הסבר מותיר את המשימה עמומה: יש לציין אם נדרש לסכם פעולות, להשוות בין שתי סצנות, להסביר צליל או לפתור את הבעיה המוצגת. יש לתת תוויות לקלטים מרובים ולציין את הקשר ביניהם, כדי שהטקסט הסופי יוכל לחבר את השאלה הנכונה לחומר הנכון.
עבור וידאו המכיל דיבור או צלילים של אירועים, יש להחליט אם האודיו שלו הוא חלק מהמשימה. התהליך המתועד משתמש ב-use_audio_in_video באופן עקבי במהלך העיבוד המקדים והיצירה, והכרטיס מזהיר ששינוי ההגדרה הזו בין סבבי שיחה עלול לגרום לתוצאות בלתי צפויות. לכן שאלה על הסצנה בלבד ושאלה המשלבת אודיו וראייה דורשות הכנה שונה. יש לשמור את קטע הווידאו המקורי זמין, לבחור את טווח הזמן הרלוונטי ולהימנע מהשמטת רצועת הקול כאשר המסקנה המבוקשת תלויה במה שנאמר או נשמע.
תצורת הטקסט שפורסמה מגדירה max_position_embeddings בערך 65,536. דוגמאות vLLM שבכרטיס משתמשות בנפרד בהגדרת אורך מודל של 32,768 טוקנים ובהגדרת יצירה של 16,384 טוקנים. אלה מציגות דוגמה להסקה עם תצורה מוגדרת, ולא מגבלת פלט מרבית אוניברסלית יחידה. המדיה מיוצגת באמצעות המעבד, ולכן גודל הבקשה אינו רק מספר התווים שהוקלדו. יש להקצות מקום לתוצאה הטקסטואלית ולהשתמש במקטע מקור תחום כאשר הקלטה ארוכה מכילה רק אירוע קצר הרלוונטי לשאלה.
היצרן מדגים תהליכי עבודה עם Transformers ו-vLLM, עם תמיכה במעבד ופענוח מדיה כתלויות מפורשות. הכרטיס המשותף מתעד גם הבדלים בין ממשקים, לרבות טיפול נפרד בווידאו ובאודיו בדוגמת הגשה. יש לבחור את נקודת השמירה Thinking המדויקת ואת מסלול העיבוד הנתמך שלה, ולא להניח שכל דוגמה בכרטיס המשפחה מתנהגת באותה דרך מבחינת הפלט. קולות הדיבור ובקרות Talker המופיעים בעמוד הזה חלים על Instruct, ואינם חלים על המודל הזה המבוסס על Thinker בלבד.
לקבלת תוצאה סופית שימושית, יש לבקש הסבר המבוסס על ראיות ומסקנה המופרדת ממנו בבירור. בבעיה חזותית, יש לשמר יחידות מידה, סמלים ותוויות; באודיו, יש להבחין בין תוכן נשמע לבין מקור מוסק; בווידאו, יש להבחין בין פעולות שנצפו לבין פרשנות לכוונה. יש לבדוק את התוצאה מול החומר שסופק ולציין במפורש פרטים לא ודאיים או לא קריאים. תשובת הטקסט של המודל יכולה לתמוך בניתוח או בשלב יישומי מאוחר יותר, ואילו הפעלת כלי, אימות עובדות ושינוי מדיה הם פעולות נפרדות, שכל אחת מהן דורשת קלט ותוצאה משלה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Qwen/Qwen3-Omni-30B-A3B-Thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0008 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Thinking',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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
השתמשו בנתיבי השיטות המוצגים למעלה.
Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking מבצעת הסקה על טקסט, תמונות, אודיו ווידאו ומחזירה טקסט. המהדורה הזו, המבוססת על Thinker בלבד, מתאימה למתמטיקה חזותית, לניתוח אודיו ולשאלות שדורשות ראיות ממספר אופנויות; הפקת דיבור שייכת לגרסת Omni אחרת.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen3-Omni-30B-A3B-Thinking היא המהדורה במשפחת Qwen3-Omni המתמקדת בהסקה. היא מבינה טקסט, תמונות, אודיו ווידאו, לרבות שילובים שלהם באותה שיחה, ומפיקה תוצאה טקסטואלית. מהדורת Thinking המדויקת מכילה את רכיב Thinker ומצוידת ביכולות הסקה; היא אינה כוללת את Talker המשמש לפלט מדובר בנקודת השמירה Instruct. ההבחנה הזו חשובה כשבוחרים מודל לדוח אנליטי, לעומת שיחה קולית.
היצרן מתאר את Qwen3-Omni כמשפחה רב-לשונית בארכיטקטורת תערובת מומחים, עם 119 שפות טקסט ו-19 שפות לקלט דיבור. רוסית מופיעה ברשימת שפות קלט הדיבור שפורסמה. תצורת Thinking המדויקת כוללת 48 שכבות טרנספורמר לטקסט, 128 מומחים ושמונה מומחים שנבחרים לכל טוקן. היא כוללת גם רכיבים לעיבוד אודיו וראייה. אלה מאפיינים של נקודת השמירה הנקובה בשם; אין להחליף את ההבנה הרב-אופנית שלה ביכולות של מודל Qwen3 לטקסט בלבד בעל תווית גודל דומה.
מדריכי השימוש המעשיים מכסים זיהוי ותרגום דיבור, ניתוח מוזיקה וצלילי סביבה, אודיו מעורב, שאלות על תמונות, OCR, עיגון עצמים, תיאורי וידאו ושאלות המשלבות אודיו וראייה. בתחום המתמטיקה מתוך תמונות מודגשת במיוחד מהדורת Thinking. במשימת גאומטריה, יש לספק את התרשים המלא, תוויות קריאות ואת השאלה, ואז לבקש פתרון שמבחין בין נתונים גלויים להנחות. בהדגמה מוקלטת, יש לציין את הפעולה או את הפער שצריך לבדוק, ולבקש תצפיות המקושרות לחלקים הרלוונטיים בחומר. התוצר המצופה יכול להיות פתרון כתוב, רשימת תצפיות מובנית או הסבר על מה שהראיות תומכות בו.
יש להכין את הקלט כשיחה רב-אופנית באמצעות המעבד ותבנית השיחה המתאימים. ערכת העיבוד של היצרן מטפלת בטקסט, בתמונות, באודיו ובווידאו המשולבים לסירוגין. Qwen מתארת תגובות טקסט בהזרמה כחלק מתכנון האינטראקציה של המשפחה, ומדגימה הסקה באצווה על מדיה מעורבת עם פלט טקסט בלבד. בכל סבב שיחה, היצרן ממליץ לצרף למדיה הוראת טקסט מפורשת. וידאו ללא הסבר מותיר את המשימה עמומה: יש לציין אם נדרש לסכם פעולות, להשוות בין שתי סצנות, להסביר צליל או לפתור את הבעיה המוצגת. יש לתת תוויות לקלטים מרובים ולציין את הקשר ביניהם, כדי שהטקסט הסופי יוכל לחבר את השאלה הנכונה לחומר הנכון.
עבור וידאו המכיל דיבור או צלילים של אירועים, יש להחליט אם האודיו שלו הוא חלק מהמשימה. התהליך המתועד משתמש ב-use_audio_in_video באופן עקבי במהלך העיבוד המקדים והיצירה, והכרטיס מזהיר ששינוי ההגדרה הזו בין סבבי שיחה עלול לגרום לתוצאות בלתי צפויות. לכן שאלה על הסצנה בלבד ושאלה המשלבת אודיו וראייה דורשות הכנה שונה. יש לשמור את קטע הווידאו המקורי זמין, לבחור את טווח הזמן הרלוונטי ולהימנע מהשמטת רצועת הקול כאשר המסקנה המבוקשת תלויה במה שנאמר או נשמע.
תצורת הטקסט שפורסמה מגדירה max_position_embeddings בערך 65,536. דוגמאות vLLM שבכרטיס משתמשות בנפרד בהגדרת אורך מודל של 32,768 טוקנים ובהגדרת יצירה של 16,384 טוקנים. אלה מציגות דוגמה להסקה עם תצורה מוגדרת, ולא מגבלת פלט מרבית אוניברסלית יחידה. המדיה מיוצגת באמצעות המעבד, ולכן גודל הבקשה אינו רק מספר התווים שהוקלדו. יש להקצות מקום לתוצאה הטקסטואלית ולהשתמש במקטע מקור תחום כאשר הקלטה ארוכה מכילה רק אירוע קצר הרלוונטי לשאלה.
היצרן מדגים תהליכי עבודה עם Transformers ו-vLLM, עם תמיכה במעבד ופענוח מדיה כתלויות מפורשות. הכרטיס המשותף מתעד גם הבדלים בין ממשקים, לרבות טיפול נפרד בווידאו ובאודיו בדוגמת הגשה. יש לבחור את נקודת השמירה Thinking המדויקת ואת מסלול העיבוד הנתמך שלה, ולא להניח שכל דוגמה בכרטיס המשפחה מתנהגת באותה דרך מבחינת הפלט. קולות הדיבור ובקרות Talker המופיעים בעמוד הזה חלים על Instruct, ואינם חלים על המודל הזה המבוסס על Thinker בלבד.
לקבלת תוצאה סופית שימושית, יש לבקש הסבר המבוסס על ראיות ומסקנה המופרדת ממנו בבירור. בבעיה חזותית, יש לשמר יחידות מידה, סמלים ותוויות; באודיו, יש להבחין בין תוכן נשמע לבין מקור מוסק; בווידאו, יש להבחין בין פעולות שנצפו לבין פרשנות לכוונה. יש לבדוק את התוצאה מול החומר שסופק ולציין במפורש פרטים לא ודאיים או לא קריאים. תשובת הטקסט של המודל יכולה לתמוך בניתוח או בשלב יישומי מאוחר יותר, ואילו הפעלת כלי, אימות עובדות ושינוי מדיה הם פעולות נפרדות, שכל אחת מהן דורשת קלט ותוצאה משלה.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Qwen/Qwen3-Omni-30B-A3B-Thinking | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0008 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Reconcile demonstration annotations\n\nAnalyze these supplied text annotations of a demonstration. T0 visual note: valve indicator reads Closed. T1 speech transcript: "I am opening the valve now." T2 visual note: indicator still reads Closed; valve mechanism is off camera. State what each source establishes, whether successful opening is confirmed and what evidence would resolve the discrepancy.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.