Qwen3-Omni-30B-A3B-Instruct adalah anggota Qwen3-Omni yang mengikuti instruksi dan menghasilkan ucapan. Model ini memahami teks, gambar, audio, dan video, termasuk masukan campuran, serta dapat mengembalikan teks dan ucapan alami. Qwen menjelaskan arsitektur keluarga ini sebagai pendukung respons teks dan ucapan streaming. Checkpoint Instruct yang persis ini memiliki komponen Thinker dan Talker: pemahaman dan pembentukan respons tekstual terhubung dengan jalur generasi ucapan. Checkpoint Thinking dan Captioner memiliki peran komponen serta keluaran berbeda, sehingga tetap menjadi pilihan model terpisah.
Cakupan multibahasa keluarga ini yang diterbitkan meliputi 119 bahasa teks, 19 bahasa masukan ucapan, dan 10 bahasa keluaran ucapan. Bahasa Rusia ada dalam kedua daftar ucapan. Produsen menjelaskan desain Thinker–Talker campuran pakar, dengan pemrosesan audio dan penglihatan untuk pemahaman multimodal serta generasi ucapan menggunakan beberapa codebook. Prompt sistem dapat membentuk peran asisten dan gaya respons. Tugas yang sesuai adalah penjelasan bersuara yang bergantung pada objek yang terlihat dan pertanyaan lisan pengguna, bukan konversi teks menjadi ucapan yang tidak terkait.
Panduan praktik mencakup pengenalan ucapan, penerjemahan ucapan, analisis musik dan suara, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan dialog audiovisual. Untuk asisten pelatihan, berikan klip demonstrasi dan minta penjelasan prosedur yang terlihat bagi pemula. Untuk pertanyaan produk, gabungkan foto dengan permintaan lisan dan identifikasi detail yang dibahas. Nyatakan pendengar yang dituju dan hasil yang diinginkan: jawaban lisan singkat, ringkasan teks, atau keduanya. Pertahankan nama sumber dan ukuran yang harus tetap sama.
Alur masukan pembuat menggunakan prosesor, templat percakapan, dan utilitas pemrosesan media yang sesuai. Media dapat disisipkan di antara teks, dan decoding merupakan bagian eksplisit dari persiapan permintaan. Saat menggunakan audio yang menyertai video, pertahankan use_audio_in_video secara konsisten sepanjang prapemrosesan, generasi, dan putaran dialog berikutnya. Pertanyaan audiovisual mengharuskan trek suara disertakan; tugas visual saja sebaiknya menyatakan cakupan itu dengan jelas. Pilih klip yang relevan dan gunakan gambar yang dapat dibaca agar asisten menerima detail yang diperlukan untuk pertanyaan.
Keluaran ucapan dapat dikontrol. Antarmuka generasi yang diterbitkan dapat meminta teks saja dengan return_audio=False, dan menonaktifkan Talker menghapus komponen itu dari jalur keluaran ucapan model yang dimuat. Contoh batch pembuat mengembalikan teks, bukan audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie, dan Aiden — dengan Ethan sebagai bawaan. Contoh menyimpan bentuk gelombang pada 24.000 Hz. Pilihan suara dan format keluaran contoh ini menjelaskan alur kerja model yang diterbitkan, bukan setiap antarmuka layanan di sekitarnya yang mungkin.
Untuk respons lisan, produsen merekomendasikan gaya percakapan yang mudah diucapkan, bukan pemformatan rumit. Permintaan dapat meminta penjelasan ringkas dalam bahasa pendengar, sambil mempertahankan hasil teks terpisah yang dapat dibaca untuk peninjauan. Jika sumber berisi nama, rumus, atau singkatan yang tidak dikenal, berikan maknanya dan kata-kata yang diinginkan. Minta jawaban membedakan konten yang diamati dari asumsi agar suara yang lancar tidak menghilangkan ketidakpastian.
Konfigurasi teks Thinker dan Talker menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu bersama secara terpisah memilih pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token; ini tetap merupakan contoh, bukan batas universal independen. Pemrosesan visual dan audio memengaruhi ukuran permintaan efektif. Dukungan antarmuka juga berbeda: contoh Transformers pada kartu dapat mengembalikan ucapan, sedangkan pembahasan penyajiannya menjelaskan jalur berorientasi Thinker dan penanganan video/audio terpisah. Bedakan kemampuan ucapan pada tingkat model dari jalur keluaran yang didukung runtime tertentu.
Hasil yang berguna menggabungkan jawaban dengan materi sumber yang diperlukan untuk meninjaunya. Untuk demonstrasi, periksa tindakan yang dijelaskan berdasarkan klip; untuk pertanyaan audio, bandingkan jawaban dengan kata atau suara yang terdengar; untuk perhitungan visual, verifikasi satuan dan label. Keluarga ini memiliki panduan praktik audio-function-call, tetapi aplikasi tetap mendefinisikan dan menjalankan setiap tindakan alat eksternal. Permintaan tindakan yang dihasilkan berbeda dari hasil yang dikonfirmasi. Kekuatan edisi ini adalah interaksi multimodal dengan respons lisan opsional, sedangkan verifikasi fakta, tindakan lanjutan, dan pengeditan media membutuhkan bukti serta alur kerjanya sendiri.
", "aboutText": "Qwen3-Omni-30B-A3B-Instruct adalah anggota Qwen3-Omni yang mengikuti instruksi dan menghasilkan ucapan. Model ini memahami teks, gambar, audio, dan video, termasuk masukan campuran, serta dapat mengembalikan teks dan ucapan alami. Qwen menjelaskan arsitektur keluarga ini sebagai pendukung respons teks dan ucapan streaming. Checkpoint Instruct yang persis ini memiliki komponen Thinker dan Talker: pemahaman dan pembentukan respons tekstual terhubung dengan jalur generasi ucapan. Checkpoint Thinking dan Captioner memiliki peran komponen serta keluaran berbeda, sehingga tetap menjadi pilihan model terpisah.\n\nCakupan multibahasa keluarga ini yang diterbitkan meliputi 119 bahasa teks, 19 bahasa masukan ucapan, dan 10 bahasa keluaran ucapan. Bahasa Rusia ada dalam kedua daftar ucapan. Produsen menjelaskan desain Thinker–Talker campuran pakar, dengan pemrosesan audio dan penglihatan untuk pemahaman multimodal serta generasi ucapan menggunakan beberapa codebook. Prompt sistem dapat membentuk peran asisten dan gaya respons. Tugas yang sesuai adalah penjelasan bersuara yang bergantung pada objek yang terlihat dan pertanyaan lisan pengguna, bukan konversi teks menjadi ucapan yang tidak terkait.\n\nPanduan praktik mencakup pengenalan ucapan, penerjemahan ucapan, analisis musik dan suara, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan dialog audiovisual. Untuk asisten pelatihan, berikan klip demonstrasi dan minta penjelasan prosedur yang terlihat bagi pemula. Untuk pertanyaan produk, gabungkan foto dengan permintaan lisan dan identifikasi detail yang dibahas. Nyatakan pendengar yang dituju dan hasil yang diinginkan: jawaban lisan singkat, ringkasan teks, atau keduanya. Pertahankan nama sumber dan ukuran yang harus tetap sama.\n\nAlur masukan pembuat menggunakan prosesor, templat percakapan, dan utilitas pemrosesan media yang sesuai. Media dapat disisipkan di antara teks, dan decoding merupakan bagian eksplisit dari persiapan permintaan. Saat menggunakan audio yang menyertai video, pertahankan use_audio_in_video secara konsisten sepanjang prapemrosesan, generasi, dan putaran dialog berikutnya. Pertanyaan audiovisual mengharuskan trek suara disertakan; tugas visual saja sebaiknya menyatakan cakupan itu dengan jelas. Pilih klip yang relevan dan gunakan gambar yang dapat dibaca agar asisten menerima detail yang diperlukan untuk pertanyaan.\n\nKeluaran ucapan dapat dikontrol. Antarmuka generasi yang diterbitkan dapat meminta teks saja dengan return_audio=False, dan menonaktifkan Talker menghapus komponen itu dari jalur keluaran ucapan model yang dimuat. Contoh batch pembuat mengembalikan teks, bukan audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie, dan Aiden — dengan Ethan sebagai bawaan. Contoh menyimpan bentuk gelombang pada 24.000 Hz. Pilihan suara dan format keluaran contoh ini menjelaskan alur kerja model yang diterbitkan, bukan setiap antarmuka layanan di sekitarnya yang mungkin.\n\nUntuk respons lisan, produsen merekomendasikan gaya percakapan yang mudah diucapkan, bukan pemformatan rumit. Permintaan dapat meminta penjelasan ringkas dalam bahasa pendengar, sambil mempertahankan hasil teks terpisah yang dapat dibaca untuk peninjauan. Jika sumber berisi nama, rumus, atau singkatan yang tidak dikenal, berikan maknanya dan kata-kata yang diinginkan. Minta jawaban membedakan konten yang diamati dari asumsi agar suara yang lancar tidak menghilangkan ketidakpastian.\n\nKonfigurasi teks Thinker dan Talker menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu bersama secara terpisah memilih pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token; ini tetap merupakan contoh, bukan batas universal independen. Pemrosesan visual dan audio memengaruhi ukuran permintaan efektif. Dukungan antarmuka juga berbeda: contoh Transformers pada kartu dapat mengembalikan ucapan, sedangkan pembahasan penyajiannya menjelaskan jalur berorientasi Thinker dan penanganan video/audio terpisah. Bedakan kemampuan ucapan pada tingkat model dari jalur keluaran yang didukung runtime tertentu.\n\nHasil yang berguna menggabungkan jawaban dengan materi sumber yang diperlukan untuk meninjaunya. Untuk demonstrasi, periksa tindakan yang dijelaskan berdasarkan klip; untuk pertanyaan audio, bandingkan jawaban dengan kata atau suara yang terdengar; untuk perhitungan visual, verifikasi satuan dan label. Keluarga ini memiliki panduan praktik audio-function-call, tetapi aplikasi tetap mendefinisikan dan menjalankan setiap tindakan alat eksternal. Permintaan tindakan yang dihasilkan berbeda dari hasil yang dikonfirmasi. Kekuatan edisi ini adalah interaksi multimodal dengan respons lisan opsional, sedangkan verifikasi fakta, tindakan lanjutan, dan pengeditan media membutuhkan bukti serta alur kerjanya sendiri.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct memahami teks, gambar, audio, dan video serta dapat menjawab dengan teks dan ucapan alami. Arsitektur Thinker–Talker mendukung dialog multimodal, dengan kontrol eksplisit atas apakah ucapan dikembalikan dan suara terdokumentasi mana yang digunakan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-Omni-30B-A3B-Instruct adalah anggota Qwen3-Omni yang mengikuti instruksi dan menghasilkan ucapan. Model ini memahami teks, gambar, audio, dan video, termasuk masukan campuran, serta dapat mengembalikan teks dan ucapan alami. Qwen menjelaskan arsitektur keluarga ini sebagai pendukung respons teks dan ucapan streaming. Checkpoint Instruct yang persis ini memiliki komponen Thinker dan Talker: pemahaman dan pembentukan respons tekstual terhubung dengan jalur generasi ucapan. Checkpoint Thinking dan Captioner memiliki peran komponen serta keluaran berbeda, sehingga tetap menjadi pilihan model terpisah.
Cakupan multibahasa keluarga ini yang diterbitkan meliputi 119 bahasa teks, 19 bahasa masukan ucapan, dan 10 bahasa keluaran ucapan. Bahasa Rusia ada dalam kedua daftar ucapan. Produsen menjelaskan desain Thinker–Talker campuran pakar, dengan pemrosesan audio dan penglihatan untuk pemahaman multimodal serta generasi ucapan menggunakan beberapa codebook. Prompt sistem dapat membentuk peran asisten dan gaya respons. Tugas yang sesuai adalah penjelasan bersuara yang bergantung pada objek yang terlihat dan pertanyaan lisan pengguna, bukan konversi teks menjadi ucapan yang tidak terkait.
Panduan praktik mencakup pengenalan ucapan, penerjemahan ucapan, analisis musik dan suara, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan dialog audiovisual. Untuk asisten pelatihan, berikan klip demonstrasi dan minta penjelasan prosedur yang terlihat bagi pemula. Untuk pertanyaan produk, gabungkan foto dengan permintaan lisan dan identifikasi detail yang dibahas. Nyatakan pendengar yang dituju dan hasil yang diinginkan: jawaban lisan singkat, ringkasan teks, atau keduanya. Pertahankan nama sumber dan ukuran yang harus tetap sama.
Alur masukan pembuat menggunakan prosesor, templat percakapan, dan utilitas pemrosesan media yang sesuai. Media dapat disisipkan di antara teks, dan decoding merupakan bagian eksplisit dari persiapan permintaan. Saat menggunakan audio yang menyertai video, pertahankan use_audio_in_video secara konsisten sepanjang prapemrosesan, generasi, dan putaran dialog berikutnya. Pertanyaan audiovisual mengharuskan trek suara disertakan; tugas visual saja sebaiknya menyatakan cakupan itu dengan jelas. Pilih klip yang relevan dan gunakan gambar yang dapat dibaca agar asisten menerima detail yang diperlukan untuk pertanyaan.
Keluaran ucapan dapat dikontrol. Antarmuka generasi yang diterbitkan dapat meminta teks saja dengan return_audio=False, dan menonaktifkan Talker menghapus komponen itu dari jalur keluaran ucapan model yang dimuat. Contoh batch pembuat mengembalikan teks, bukan audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie, dan Aiden — dengan Ethan sebagai bawaan. Contoh menyimpan bentuk gelombang pada 24.000 Hz. Pilihan suara dan format keluaran contoh ini menjelaskan alur kerja model yang diterbitkan, bukan setiap antarmuka layanan di sekitarnya yang mungkin.
Untuk respons lisan, produsen merekomendasikan gaya percakapan yang mudah diucapkan, bukan pemformatan rumit. Permintaan dapat meminta penjelasan ringkas dalam bahasa pendengar, sambil mempertahankan hasil teks terpisah yang dapat dibaca untuk peninjauan. Jika sumber berisi nama, rumus, atau singkatan yang tidak dikenal, berikan maknanya dan kata-kata yang diinginkan. Minta jawaban membedakan konten yang diamati dari asumsi agar suara yang lancar tidak menghilangkan ketidakpastian.
Konfigurasi teks Thinker dan Talker menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu bersama secara terpisah memilih pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token; ini tetap merupakan contoh, bukan batas universal independen. Pemrosesan visual dan audio memengaruhi ukuran permintaan efektif. Dukungan antarmuka juga berbeda: contoh Transformers pada kartu dapat mengembalikan ucapan, sedangkan pembahasan penyajiannya menjelaskan jalur berorientasi Thinker dan penanganan video/audio terpisah. Bedakan kemampuan ucapan pada tingkat model dari jalur keluaran yang didukung runtime tertentu.
Hasil yang berguna menggabungkan jawaban dengan materi sumber yang diperlukan untuk meninjaunya. Untuk demonstrasi, periksa tindakan yang dijelaskan berdasarkan klip; untuk pertanyaan audio, bandingkan jawaban dengan kata atau suara yang terdengar; untuk perhitungan visual, verifikasi satuan dan label. Keluarga ini memiliki panduan praktik audio-function-call, tetapi aplikasi tetap mendefinisikan dan menjalankan setiap tindakan alat eksternal. Permintaan tindakan yang dihasilkan berbeda dari hasil yang dikonfirmasi. Kekuatan edisi ini adalah interaksi multimodal dengan respons lisan opsional, sedangkan verifikasi fakta, tindakan lanjutan, dan pengeditan media membutuhkan bukti serta alur kerjanya sendiri.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen/Qwen3-Omni-30B-A3B-Instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-Instruct", "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-Instruct',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-Instruct',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Gunakan jalur metode yang ditampilkan di atas.
Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct memahami teks, gambar, audio, dan video serta dapat menjawab dengan teks dan ucapan alami. Arsitektur Thinker–Talker mendukung dialog multimodal, dengan kontrol eksplisit atas apakah ucapan dikembalikan dan suara terdokumentasi mana yang digunakan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-Omni-30B-A3B-Instruct adalah anggota Qwen3-Omni yang mengikuti instruksi dan menghasilkan ucapan. Model ini memahami teks, gambar, audio, dan video, termasuk masukan campuran, serta dapat mengembalikan teks dan ucapan alami. Qwen menjelaskan arsitektur keluarga ini sebagai pendukung respons teks dan ucapan streaming. Checkpoint Instruct yang persis ini memiliki komponen Thinker dan Talker: pemahaman dan pembentukan respons tekstual terhubung dengan jalur generasi ucapan. Checkpoint Thinking dan Captioner memiliki peran komponen serta keluaran berbeda, sehingga tetap menjadi pilihan model terpisah.
Cakupan multibahasa keluarga ini yang diterbitkan meliputi 119 bahasa teks, 19 bahasa masukan ucapan, dan 10 bahasa keluaran ucapan. Bahasa Rusia ada dalam kedua daftar ucapan. Produsen menjelaskan desain Thinker–Talker campuran pakar, dengan pemrosesan audio dan penglihatan untuk pemahaman multimodal serta generasi ucapan menggunakan beberapa codebook. Prompt sistem dapat membentuk peran asisten dan gaya respons. Tugas yang sesuai adalah penjelasan bersuara yang bergantung pada objek yang terlihat dan pertanyaan lisan pengguna, bukan konversi teks menjadi ucapan yang tidak terkait.
Panduan praktik mencakup pengenalan ucapan, penerjemahan ucapan, analisis musik dan suara, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan dialog audiovisual. Untuk asisten pelatihan, berikan klip demonstrasi dan minta penjelasan prosedur yang terlihat bagi pemula. Untuk pertanyaan produk, gabungkan foto dengan permintaan lisan dan identifikasi detail yang dibahas. Nyatakan pendengar yang dituju dan hasil yang diinginkan: jawaban lisan singkat, ringkasan teks, atau keduanya. Pertahankan nama sumber dan ukuran yang harus tetap sama.
Alur masukan pembuat menggunakan prosesor, templat percakapan, dan utilitas pemrosesan media yang sesuai. Media dapat disisipkan di antara teks, dan decoding merupakan bagian eksplisit dari persiapan permintaan. Saat menggunakan audio yang menyertai video, pertahankan use_audio_in_video secara konsisten sepanjang prapemrosesan, generasi, dan putaran dialog berikutnya. Pertanyaan audiovisual mengharuskan trek suara disertakan; tugas visual saja sebaiknya menyatakan cakupan itu dengan jelas. Pilih klip yang relevan dan gunakan gambar yang dapat dibaca agar asisten menerima detail yang diperlukan untuk pertanyaan.
Keluaran ucapan dapat dikontrol. Antarmuka generasi yang diterbitkan dapat meminta teks saja dengan return_audio=False, dan menonaktifkan Talker menghapus komponen itu dari jalur keluaran ucapan model yang dimuat. Contoh batch pembuat mengembalikan teks, bukan audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie, dan Aiden — dengan Ethan sebagai bawaan. Contoh menyimpan bentuk gelombang pada 24.000 Hz. Pilihan suara dan format keluaran contoh ini menjelaskan alur kerja model yang diterbitkan, bukan setiap antarmuka layanan di sekitarnya yang mungkin.
Untuk respons lisan, produsen merekomendasikan gaya percakapan yang mudah diucapkan, bukan pemformatan rumit. Permintaan dapat meminta penjelasan ringkas dalam bahasa pendengar, sambil mempertahankan hasil teks terpisah yang dapat dibaca untuk peninjauan. Jika sumber berisi nama, rumus, atau singkatan yang tidak dikenal, berikan maknanya dan kata-kata yang diinginkan. Minta jawaban membedakan konten yang diamati dari asumsi agar suara yang lancar tidak menghilangkan ketidakpastian.
Konfigurasi teks Thinker dan Talker menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu bersama secara terpisah memilih pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token; ini tetap merupakan contoh, bukan batas universal independen. Pemrosesan visual dan audio memengaruhi ukuran permintaan efektif. Dukungan antarmuka juga berbeda: contoh Transformers pada kartu dapat mengembalikan ucapan, sedangkan pembahasan penyajiannya menjelaskan jalur berorientasi Thinker dan penanganan video/audio terpisah. Bedakan kemampuan ucapan pada tingkat model dari jalur keluaran yang didukung runtime tertentu.
Hasil yang berguna menggabungkan jawaban dengan materi sumber yang diperlukan untuk meninjaunya. Untuk demonstrasi, periksa tindakan yang dijelaskan berdasarkan klip; untuk pertanyaan audio, bandingkan jawaban dengan kata atau suara yang terdengar; untuk perhitungan visual, verifikasi satuan dan label. Keluarga ini memiliki panduan praktik audio-function-call, tetapi aplikasi tetap mendefinisikan dan menjalankan setiap tindakan alat eksternal. Permintaan tindakan yang dihasilkan berbeda dari hasil yang dikonfirmasi. Kekuatan edisi ini adalah interaksi multimodal dengan respons lisan opsional, sedangkan verifikasi fakta, tindakan lanjutan, dan pengeditan media membutuhkan bukti serta alur kerjanya sendiri.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen/Qwen3-Omni-30B-A3B-Instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Instruct', '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-Instruct', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.