A Qwen3-Omni-30B-A3B-Thinking a Qwen3-Omni következtetésközpontú tagja. Megérti a szöveget, képeket, hangot és videót, akár egyazon beszélgetésben kombinálva, és szöveges eredményt állít elő. A pontos Thinking kiadás a Thinker komponenst tartalmazza, és következtetésre van felkészítve; nem tartalmazza az Instruct modellváltozat beszélt kimenetéhez használt Talkert. Ez a különbség fontos, ha hangos beszélgetés helyett elemző jelentéshez választ modellt.
A gyártó a Qwen3-Omni modellt többnyelvű szakértőkeverékes családként írja le, 119 szöveges és 19 beszédbemeneti nyelvvel. Az orosz szerepel a közzétett beszédbemeneti listán. A pontos Thinking konfiguráció 48 szöveges transzformerréteget, 128 szakértőt és tokenenként nyolc kiválasztott szakértőt tartalmaz. Hang- és képfeldolgozó komponensei is vannak. Ezek a megnevezett modellváltozat jellemzői; multimodális megértését nem szabad hasonló méretjelölésű, egyszerű szöveges Qwen3 modell képességeivel helyettesíteni.
A használati receptgyűjtemények beszédfelismerést és -fordítást, zene- és környezethang-elemzést, vegyes hangot, képi kérdéseket, OCR-t, objektumok térbeli megfeleltetését, videóleírásokat és audiovizuális kérdéseket fednek le. A képi matematika kifejezetten a Thinking kiadást emeli ki. Geometriai feladathoz adja meg a teljes ábrát, olvasható feliratokat és a kérdést, majd kérjen a látható adottságokat a feltételezésektől elkülönítő megoldást. Rögzített bemutatónál azonosítsa a vizsgálandó műveletet vagy eltérést, és kérjen az anyag releváns részeihez kötött megfigyeléseket. Az elvárt munkatermék írásos megoldás, strukturált megfigyeléslista vagy a bizonyítékok által alátámasztott tartalom magyarázata lehet.
A bemenetet multimodális beszélgetésként készítse elő a hozzá illő feldolgozóval és chatsablonnal. A gyártó feldolgozóeszköz-készlete közbeiktatott szöveget, képeket, hangot és videót kezel. A Qwen a folyamatosan érkező szöveges válaszokat a család interakciótervének részeként írja le, és vegyes médiás kötegelt következtetést mutat kizárólag szöveges kimenettel. A gyártó minden párbeszédfordulóban explicit szöveges utasítást ajánl a média mellé. Egy önmagában álló videó bizonytalanná teszi a feladatot: határozza meg, hogy cselekvéseket kell összefoglalni, két jelenetet összehasonlítani, egy hangot megmagyarázni vagy a megjelenített feladatot megoldani. Több bemenetet és kapcsolatukat címkézze, hogy a végső szöveg a megfelelő kérdést a megfelelő anyaghoz kapcsolhassa.
Beszédet vagy eseményhangokat tartalmazó videónál döntse el, hogy a hang része-e a feladatnak. A dokumentált folyamat az előfeldolgozás és generálás során következetesen használja a use_audio_in_video beállítást, és a kártya figyelmeztet, hogy párbeszédfordulók közötti módosítása váratlan eredményekhez vezethet. A kizárólag jelenetre vonatkozó és az audiovizuális kérdés ezért eltérő előkészítést igényel. Tartsa elérhetően az eredeti klipet, válassza ki a releváns időszakaszt, és ne hagyja ki a hangsávot, ha a kért következtetés az elhangzottakon vagy hallottakon múlik.
A közzétett szöveges konfiguráció a max_position_embeddings értékét 65,536-ra állítja. A kártya vLLM-példái külön 32,768 tokenes modellhossz-beállítást és 16,384 tokenes generálási beállítást használnak. Ezek egy beállított következtetési példát mutatnak, nem egyetlen általános maximális kimeneti korlátot. A média a feldolgozón keresztül reprezentálódik, ezért a kérés mérete nem pusztán a begépelt karakterek száma. Hagyjon helyet a szöveges eredménynek, és használjon behatárolt forrásszakaszt, ha a hosszú felvétel csak rövid, a kérdéshez releváns eseményt tartalmaz.
A gyártó Transformers- és vLLM-folyamatokat mutat be, a feldolgozótámogatást és médiadekódolást explicit függőségként kezelve. A közös kártya felületi eltéréseket is dokumentál, köztük a videó és hang külön kezelését egy kiszolgálási példában. A pontos Thinking modellváltozatot és támogatott feldolgozási útját válassza, ne feltételezze, hogy a családkártya minden példájának azonos a kimeneti működése. Az oldal beszédhangjai és Talker-vezérlői az Instruct modellre vonatkoznak, nem erre a kizárólag Thinker modellt tartalmazó változatra.
Hasznos végső eredményhez kérjen bizonyítékalapú magyarázatot és egyértelműen elkülönített következtetést. Vizuális feladatnál őrizze meg a mértékegységeket, szimbólumokat és feliratokat; hangnál különítse el a hallható tartalmat a kikövetkeztetett forrástól; videónál a megfigyelt cselekvéseket a szándék értelmezésétől. Az eredményt vizsgálja meg a megadott anyag alapján, és jelölje egyértelműen a bizonytalan vagy olvashatatlan részleteket. A modell szöveges válasza elemzést vagy későbbi alkalmazáslépést támogathat, míg minden eszközvégrehajtás, ténymegerősítés vagy médiaátalakítás külön művelet marad, saját bemenetet és eredményt igényelve.
", "aboutText": "A Qwen3-Omni-30B-A3B-Thinking a Qwen3-Omni következtetésközpontú tagja. Megérti a szöveget, képeket, hangot és videót, akár egyazon beszélgetésben kombinálva, és szöveges eredményt állít elő. A pontos Thinking kiadás a Thinker komponenst tartalmazza, és következtetésre van felkészítve; nem tartalmazza az Instruct modellváltozat beszélt kimenetéhez használt Talkert. Ez a különbség fontos, ha hangos beszélgetés helyett elemző jelentéshez választ modellt.\n\nA gyártó a Qwen3-Omni modellt többnyelvű szakértőkeverékes családként írja le, 119 szöveges és 19 beszédbemeneti nyelvvel. Az orosz szerepel a közzétett beszédbemeneti listán. A pontos Thinking konfiguráció 48 szöveges transzformerréteget, 128 szakértőt és tokenenként nyolc kiválasztott szakértőt tartalmaz. Hang- és képfeldolgozó komponensei is vannak. Ezek a megnevezett modellváltozat jellemzői; multimodális megértését nem szabad hasonló méretjelölésű, egyszerű szöveges Qwen3 modell képességeivel helyettesíteni.\n\nA használati receptgyűjtemények beszédfelismerést és -fordítást, zene- és környezethang-elemzést, vegyes hangot, képi kérdéseket, OCR-t, objektumok térbeli megfeleltetését, videóleírásokat és audiovizuális kérdéseket fednek le. A képi matematika kifejezetten a Thinking kiadást emeli ki. Geometriai feladathoz adja meg a teljes ábrát, olvasható feliratokat és a kérdést, majd kérjen a látható adottságokat a feltételezésektől elkülönítő megoldást. Rögzített bemutatónál azonosítsa a vizsgálandó műveletet vagy eltérést, és kérjen az anyag releváns részeihez kötött megfigyeléseket. Az elvárt munkatermék írásos megoldás, strukturált megfigyeléslista vagy a bizonyítékok által alátámasztott tartalom magyarázata lehet.\n\nA bemenetet multimodális beszélgetésként készítse elő a hozzá illő feldolgozóval és chatsablonnal. A gyártó feldolgozóeszköz-készlete közbeiktatott szöveget, képeket, hangot és videót kezel. A Qwen a folyamatosan érkező szöveges válaszokat a család interakciótervének részeként írja le, és vegyes médiás kötegelt következtetést mutat kizárólag szöveges kimenettel. A gyártó minden párbeszédfordulóban explicit szöveges utasítást ajánl a média mellé. Egy önmagában álló videó bizonytalanná teszi a feladatot: határozza meg, hogy cselekvéseket kell összefoglalni, két jelenetet összehasonlítani, egy hangot megmagyarázni vagy a megjelenített feladatot megoldani. Több bemenetet és kapcsolatukat címkézze, hogy a végső szöveg a megfelelő kérdést a megfelelő anyaghoz kapcsolhassa.\n\nBeszédet vagy eseményhangokat tartalmazó videónál döntse el, hogy a hang része-e a feladatnak. A dokumentált folyamat az előfeldolgozás és generálás során következetesen használja a use_audio_in_video beállítást, és a kártya figyelmeztet, hogy párbeszédfordulók közötti módosítása váratlan eredményekhez vezethet. A kizárólag jelenetre vonatkozó és az audiovizuális kérdés ezért eltérő előkészítést igényel. Tartsa elérhetően az eredeti klipet, válassza ki a releváns időszakaszt, és ne hagyja ki a hangsávot, ha a kért következtetés az elhangzottakon vagy hallottakon múlik.\n\nA közzétett szöveges konfiguráció a max_position_embeddings értékét 65,536-ra állítja. A kártya vLLM-példái külön 32,768 tokenes modellhossz-beállítást és 16,384 tokenes generálási beállítást használnak. Ezek egy beállított következtetési példát mutatnak, nem egyetlen általános maximális kimeneti korlátot. A média a feldolgozón keresztül reprezentálódik, ezért a kérés mérete nem pusztán a begépelt karakterek száma. Hagyjon helyet a szöveges eredménynek, és használjon behatárolt forrásszakaszt, ha a hosszú felvétel csak rövid, a kérdéshez releváns eseményt tartalmaz.\n\nA gyártó Transformers- és vLLM-folyamatokat mutat be, a feldolgozótámogatást és médiadekódolást explicit függőségként kezelve. A közös kártya felületi eltéréseket is dokumentál, köztük a videó és hang külön kezelését egy kiszolgálási példában. A pontos Thinking modellváltozatot és támogatott feldolgozási útját válassza, ne feltételezze, hogy a családkártya minden példájának azonos a kimeneti működése. Az oldal beszédhangjai és Talker-vezérlői az Instruct modellre vonatkoznak, nem erre a kizárólag Thinker modellt tartalmazó változatra.\n\nHasznos végső eredményhez kérjen bizonyítékalapú magyarázatot és egyértelműen elkülönített következtetést. Vizuális feladatnál őrizze meg a mértékegységeket, szimbólumokat és feliratokat; hangnál különítse el a hallható tartalmat a kikövetkeztetett forrástól; videónál a megfigyelt cselekvéseket a szándék értelmezésétől. Az eredményt vizsgálja meg a megadott anyag alapján, és jelölje egyértelműen a bizonytalan vagy olvashatatlan részleteket. A modell szöveges válasza elemzést vagy későbbi alkalmazáslépést támogathat, míg minden eszközvégrehajtás, ténymegerősítés vagy médiaátalakítás külön művelet marad, saját bemenetet és eredményt igényelve.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-ThinkingA Qwen3-Omni-30B-A3B-Thinking szövegből, képekből, hangból és videóból következtet, és szöveget ad vissza. Ez a kizárólag Thinker komponenst tartalmazó kiadás vizuális matematikához, hangelemzéshez és több modalitás bizonyítékait igénylő kérdésekhez illik; a beszédgenerálás másik Omni-kiadáshoz tartozik.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-Omni-30B-A3B-Thinking a Qwen3-Omni következtetésközpontú tagja. Megérti a szöveget, képeket, hangot és videót, akár egyazon beszélgetésben kombinálva, és szöveges eredményt állít elő. A pontos Thinking kiadás a Thinker komponenst tartalmazza, és következtetésre van felkészítve; nem tartalmazza az Instruct modellváltozat beszélt kimenetéhez használt Talkert. Ez a különbség fontos, ha hangos beszélgetés helyett elemző jelentéshez választ modellt.
A gyártó a Qwen3-Omni modellt többnyelvű szakértőkeverékes családként írja le, 119 szöveges és 19 beszédbemeneti nyelvvel. Az orosz szerepel a közzétett beszédbemeneti listán. A pontos Thinking konfiguráció 48 szöveges transzformerréteget, 128 szakértőt és tokenenként nyolc kiválasztott szakértőt tartalmaz. Hang- és képfeldolgozó komponensei is vannak. Ezek a megnevezett modellváltozat jellemzői; multimodális megértését nem szabad hasonló méretjelölésű, egyszerű szöveges Qwen3 modell képességeivel helyettesíteni.
A használati receptgyűjtemények beszédfelismerést és -fordítást, zene- és környezethang-elemzést, vegyes hangot, képi kérdéseket, OCR-t, objektumok térbeli megfeleltetését, videóleírásokat és audiovizuális kérdéseket fednek le. A képi matematika kifejezetten a Thinking kiadást emeli ki. Geometriai feladathoz adja meg a teljes ábrát, olvasható feliratokat és a kérdést, majd kérjen a látható adottságokat a feltételezésektől elkülönítő megoldást. Rögzített bemutatónál azonosítsa a vizsgálandó műveletet vagy eltérést, és kérjen az anyag releváns részeihez kötött megfigyeléseket. Az elvárt munkatermék írásos megoldás, strukturált megfigyeléslista vagy a bizonyítékok által alátámasztott tartalom magyarázata lehet.
A bemenetet multimodális beszélgetésként készítse elő a hozzá illő feldolgozóval és chatsablonnal. A gyártó feldolgozóeszköz-készlete közbeiktatott szöveget, képeket, hangot és videót kezel. A Qwen a folyamatosan érkező szöveges válaszokat a család interakciótervének részeként írja le, és vegyes médiás kötegelt következtetést mutat kizárólag szöveges kimenettel. A gyártó minden párbeszédfordulóban explicit szöveges utasítást ajánl a média mellé. Egy önmagában álló videó bizonytalanná teszi a feladatot: határozza meg, hogy cselekvéseket kell összefoglalni, két jelenetet összehasonlítani, egy hangot megmagyarázni vagy a megjelenített feladatot megoldani. Több bemenetet és kapcsolatukat címkézze, hogy a végső szöveg a megfelelő kérdést a megfelelő anyaghoz kapcsolhassa.
Beszédet vagy eseményhangokat tartalmazó videónál döntse el, hogy a hang része-e a feladatnak. A dokumentált folyamat az előfeldolgozás és generálás során következetesen használja a use_audio_in_video beállítást, és a kártya figyelmeztet, hogy párbeszédfordulók közötti módosítása váratlan eredményekhez vezethet. A kizárólag jelenetre vonatkozó és az audiovizuális kérdés ezért eltérő előkészítést igényel. Tartsa elérhetően az eredeti klipet, válassza ki a releváns időszakaszt, és ne hagyja ki a hangsávot, ha a kért következtetés az elhangzottakon vagy hallottakon múlik.
A közzétett szöveges konfiguráció a max_position_embeddings értékét 65,536-ra állítja. A kártya vLLM-példái külön 32,768 tokenes modellhossz-beállítást és 16,384 tokenes generálási beállítást használnak. Ezek egy beállított következtetési példát mutatnak, nem egyetlen általános maximális kimeneti korlátot. A média a feldolgozón keresztül reprezentálódik, ezért a kérés mérete nem pusztán a begépelt karakterek száma. Hagyjon helyet a szöveges eredménynek, és használjon behatárolt forrásszakaszt, ha a hosszú felvétel csak rövid, a kérdéshez releváns eseményt tartalmaz.
A gyártó Transformers- és vLLM-folyamatokat mutat be, a feldolgozótámogatást és médiadekódolást explicit függőségként kezelve. A közös kártya felületi eltéréseket is dokumentál, köztük a videó és hang külön kezelését egy kiszolgálási példában. A pontos Thinking modellváltozatot és támogatott feldolgozási útját válassza, ne feltételezze, hogy a családkártya minden példájának azonos a kimeneti működése. Az oldal beszédhangjai és Talker-vezérlői az Instruct modellre vonatkoznak, nem erre a kizárólag Thinker modellt tartalmazó változatra.
Hasznos végső eredményhez kérjen bizonyítékalapú magyarázatot és egyértelműen elkülönített következtetést. Vizuális feladatnál őrizze meg a mértékegységeket, szimbólumokat és feliratokat; hangnál különítse el a hallható tartalmat a kikövetkeztetett forrástól; videónál a megfigyelt cselekvéseket a szándék értelmezésétől. Az eredményt vizsgálja meg a megadott anyag alapján, és jelölje egyértelműen a bizonytalan vagy olvashatatlan részleteket. A modell szöveges válasza elemzést vagy későbbi alkalmazáslépést támogathat, míg minden eszközvégrehajtás, ténymegerősítés vagy médiaátalakítás külön művelet marad, saját bemenetet és eredményt igényelve.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok Qwen/Qwen3-Omni-30B-A3B-Thinking | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0008 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
Használja a fent látható metódusútvonalakat.
Qwen/Qwen3-Omni-30B-A3B-ThinkingA Qwen3-Omni-30B-A3B-Thinking szövegből, képekből, hangból és videóból következtet, és szöveget ad vissza. Ez a kizárólag Thinker komponenst tartalmazó kiadás vizuális matematikához, hangelemzéshez és több modalitás bizonyítékait igénylő kérdésekhez illik; a beszédgenerálás másik Omni-kiadáshoz tartozik.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen3-Omni-30B-A3B-Thinking a Qwen3-Omni következtetésközpontú tagja. Megérti a szöveget, képeket, hangot és videót, akár egyazon beszélgetésben kombinálva, és szöveges eredményt állít elő. A pontos Thinking kiadás a Thinker komponenst tartalmazza, és következtetésre van felkészítve; nem tartalmazza az Instruct modellváltozat beszélt kimenetéhez használt Talkert. Ez a különbség fontos, ha hangos beszélgetés helyett elemző jelentéshez választ modellt.
A gyártó a Qwen3-Omni modellt többnyelvű szakértőkeverékes családként írja le, 119 szöveges és 19 beszédbemeneti nyelvvel. Az orosz szerepel a közzétett beszédbemeneti listán. A pontos Thinking konfiguráció 48 szöveges transzformerréteget, 128 szakértőt és tokenenként nyolc kiválasztott szakértőt tartalmaz. Hang- és képfeldolgozó komponensei is vannak. Ezek a megnevezett modellváltozat jellemzői; multimodális megértését nem szabad hasonló méretjelölésű, egyszerű szöveges Qwen3 modell képességeivel helyettesíteni.
A használati receptgyűjtemények beszédfelismerést és -fordítást, zene- és környezethang-elemzést, vegyes hangot, képi kérdéseket, OCR-t, objektumok térbeli megfeleltetését, videóleírásokat és audiovizuális kérdéseket fednek le. A képi matematika kifejezetten a Thinking kiadást emeli ki. Geometriai feladathoz adja meg a teljes ábrát, olvasható feliratokat és a kérdést, majd kérjen a látható adottságokat a feltételezésektől elkülönítő megoldást. Rögzített bemutatónál azonosítsa a vizsgálandó műveletet vagy eltérést, és kérjen az anyag releváns részeihez kötött megfigyeléseket. Az elvárt munkatermék írásos megoldás, strukturált megfigyeléslista vagy a bizonyítékok által alátámasztott tartalom magyarázata lehet.
A bemenetet multimodális beszélgetésként készítse elő a hozzá illő feldolgozóval és chatsablonnal. A gyártó feldolgozóeszköz-készlete közbeiktatott szöveget, képeket, hangot és videót kezel. A Qwen a folyamatosan érkező szöveges válaszokat a család interakciótervének részeként írja le, és vegyes médiás kötegelt következtetést mutat kizárólag szöveges kimenettel. A gyártó minden párbeszédfordulóban explicit szöveges utasítást ajánl a média mellé. Egy önmagában álló videó bizonytalanná teszi a feladatot: határozza meg, hogy cselekvéseket kell összefoglalni, két jelenetet összehasonlítani, egy hangot megmagyarázni vagy a megjelenített feladatot megoldani. Több bemenetet és kapcsolatukat címkézze, hogy a végső szöveg a megfelelő kérdést a megfelelő anyaghoz kapcsolhassa.
Beszédet vagy eseményhangokat tartalmazó videónál döntse el, hogy a hang része-e a feladatnak. A dokumentált folyamat az előfeldolgozás és generálás során következetesen használja a use_audio_in_video beállítást, és a kártya figyelmeztet, hogy párbeszédfordulók közötti módosítása váratlan eredményekhez vezethet. A kizárólag jelenetre vonatkozó és az audiovizuális kérdés ezért eltérő előkészítést igényel. Tartsa elérhetően az eredeti klipet, válassza ki a releváns időszakaszt, és ne hagyja ki a hangsávot, ha a kért következtetés az elhangzottakon vagy hallottakon múlik.
A közzétett szöveges konfiguráció a max_position_embeddings értékét 65,536-ra állítja. A kártya vLLM-példái külön 32,768 tokenes modellhossz-beállítást és 16,384 tokenes generálási beállítást használnak. Ezek egy beállított következtetési példát mutatnak, nem egyetlen általános maximális kimeneti korlátot. A média a feldolgozón keresztül reprezentálódik, ezért a kérés mérete nem pusztán a begépelt karakterek száma. Hagyjon helyet a szöveges eredménynek, és használjon behatárolt forrásszakaszt, ha a hosszú felvétel csak rövid, a kérdéshez releváns eseményt tartalmaz.
A gyártó Transformers- és vLLM-folyamatokat mutat be, a feldolgozótámogatást és médiadekódolást explicit függőségként kezelve. A közös kártya felületi eltéréseket is dokumentál, köztük a videó és hang külön kezelését egy kiszolgálási példában. A pontos Thinking modellváltozatot és támogatott feldolgozási útját válassza, ne feltételezze, hogy a családkártya minden példájának azonos a kimeneti működése. Az oldal beszédhangjai és Talker-vezérlői az Instruct modellre vonatkoznak, nem erre a kizárólag Thinker modellt tartalmazó változatra.
Hasznos végső eredményhez kérjen bizonyítékalapú magyarázatot és egyértelműen elkülönített következtetést. Vizuális feladatnál őrizze meg a mértékegységeket, szimbólumokat és feliratokat; hangnál különítse el a hallható tartalmat a kikövetkeztetett forrástól; videónál a megfigyelt cselekvéseket a szándék értelmezésétől. Az eredményt vizsgálja meg a megadott anyag alapján, és jelölje egyértelműen a bizonytalan vagy olvashatatlan részleteket. A modell szöveges válasza elemzést vagy későbbi alkalmazáslépést támogathat, míg minden eszközvégrehajtás, ténymegerősítés vagy médiaátalakítás külön művelet marad, saját bemenetet és eredményt igényelve.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok Qwen/Qwen3-Omni-30B-A3B-Thinking | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0008 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.