Qwen3-Omni-30B-A3B-Thinking adalah anggota Qwen3-Omni yang berorientasi penalaran. Model ini memahami teks, gambar, audio, dan video, termasuk kombinasinya dalam percakapan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang persis ini memiliki komponen Thinker dan dilengkapi untuk penalaran; tidak ada Talker yang digunakan untuk keluaran lisan pada checkpoint Instruct. Perbedaan ini penting saat memilih model untuk laporan analitis, bukan percakapan bersuara.
Produsen menjelaskan Qwen3-Omni sebagai keluarga campuran pakar multibahasa dengan 119 bahasa teks dan 19 bahasa masukan ucapan. Bahasa Rusia muncul dalam daftar masukan ucapan yang diterbitkan. Konfigurasi Thinking yang persis ini mencakup 48 lapisan transformer teks, 128 pakar, dan delapan pakar yang dipilih per token. Model ini juga memiliki komponen pemrosesan audio dan penglihatan. Ini merupakan karakteristik checkpoint bernama tersebut; pemahaman multimodalnya sebaiknya tidak diganti dengan kemampuan model Qwen3 teks biasa dengan label ukuran serupa.
Panduan praktik penggunaan mencakup pengenalan dan penerjemahan ucapan, analisis musik dan suara lingkungan, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan pertanyaan audiovisual. Matematika dalam gambar secara khusus menyoroti edisi Thinking. Untuk tugas geometri, berikan diagram lengkap, label yang dapat dibaca, dan pertanyaannya, lalu minta solusi yang membedakan data yang terlihat dari asumsi. Untuk demonstrasi yang direkam, identifikasi tindakan atau ketidaksesuaian yang perlu diselidiki dan minta observasi yang terkait dengan bagian materi yang relevan. Artefak yang diharapkan dapat berupa solusi tertulis, daftar observasi terstruktur, atau penjelasan tentang apa yang didukung bukti.
Siapkan masukan sebagai percakapan multimodal menggunakan prosesor dan templat percakapan yang sesuai. Perangkat pemrosesan pembuat menangani teks, gambar, audio, dan video yang disisipkan secara bergantian. Qwen menjelaskan respons teks streaming sebagai bagian dari desain interaksi keluarga ini dan mendemonstrasikan inferensi batch media campuran dengan keluaran teks saja. Dalam setiap putaran dialog, produsen merekomendasikan instruksi teks eksplisit bersama media. Video saja membuat tugas ambigu: nyatakan apakah perlu merangkum tindakan, membandingkan dua adegan, menjelaskan suara, atau memecahkan masalah yang ditampilkan. Labeli beberapa masukan dan hubungannya agar teks akhir dapat menghubungkan pertanyaan yang tepat dengan materi yang tepat.
Untuk video yang berisi ucapan atau suara peristiwa, tentukan apakah audionya merupakan bagian dari tugas. Alur yang didokumentasikan menggunakan use_audio_in_video secara konsisten selama prapemrosesan dan generasi, dan kartu memperingatkan bahwa mengubah pengaturan ini di antara putaran dialog dapat menyebabkan hasil tak terduga. Karena itu, pertanyaan hanya tentang adegan dan pertanyaan audiovisual membutuhkan persiapan berbeda. Pertahankan klip asli agar tersedia, pilih interval yang relevan, dan hindari menghilangkan trek suara ketika kesimpulan yang diminta bergantung pada apa yang dikatakan atau didengar.
Konfigurasi teks yang diterbitkan menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu secara terpisah menggunakan pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token. Ini menunjukkan contoh inferensi yang dikonfigurasi, bukan satu batas keluaran maksimum universal. Media direpresentasikan melalui prosesor, sehingga ukuran permintaan bukan hanya jumlah karakter yang diketik. Sisakan ruang untuk hasil teks dan gunakan segmen sumber terbatas ketika rekaman panjang hanya berisi peristiwa singkat yang relevan dengan pertanyaan.
Pembuat mendemonstrasikan alur kerja Transformers dan vLLM, dengan dukungan prosesor serta decoding media sebagai dependensi eksplisit. Kartu bersama juga mendokumentasikan perbedaan antarmuka, termasuk penanganan video dan audio terpisah dalam contoh penyajian. Pilih checkpoint Thinking yang persis dan jalur pemrosesan yang didukung, bukan mengasumsikan setiap contoh pada kartu keluarga memiliki perilaku keluaran yang sama. Suara ucapan dan kontrol Talker pada halaman itu berlaku untuk Instruct, bukan model yang hanya memiliki Thinker ini.
Untuk hasil akhir yang berguna, minta penjelasan berbasis bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, pertahankan satuan, simbol, dan label; dalam audio, bedakan konten yang terdengar dari sumber yang disimpulkan; dalam video, bedakan tindakan yang diamati dari interpretasi maksud. Periksa hasil berdasarkan materi yang diberikan dan identifikasi detail yang tidak pasti atau tidak dapat dibaca secara eksplisit. Jawaban teks model dapat mendukung analisis atau langkah aplikasi berikutnya, sedangkan setiap eksekusi alat, konfirmasi fakta, atau transformasi media tetap merupakan operasi terpisah yang membutuhkan masukan serta hasilnya sendiri.
", "aboutText": "Qwen3-Omni-30B-A3B-Thinking adalah anggota Qwen3-Omni yang berorientasi penalaran. Model ini memahami teks, gambar, audio, dan video, termasuk kombinasinya dalam percakapan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang persis ini memiliki komponen Thinker dan dilengkapi untuk penalaran; tidak ada Talker yang digunakan untuk keluaran lisan pada checkpoint Instruct. Perbedaan ini penting saat memilih model untuk laporan analitis, bukan percakapan bersuara.\n\nProdusen menjelaskan Qwen3-Omni sebagai keluarga campuran pakar multibahasa dengan 119 bahasa teks dan 19 bahasa masukan ucapan. Bahasa Rusia muncul dalam daftar masukan ucapan yang diterbitkan. Konfigurasi Thinking yang persis ini mencakup 48 lapisan transformer teks, 128 pakar, dan delapan pakar yang dipilih per token. Model ini juga memiliki komponen pemrosesan audio dan penglihatan. Ini merupakan karakteristik checkpoint bernama tersebut; pemahaman multimodalnya sebaiknya tidak diganti dengan kemampuan model Qwen3 teks biasa dengan label ukuran serupa.\n\nPanduan praktik penggunaan mencakup pengenalan dan penerjemahan ucapan, analisis musik dan suara lingkungan, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan pertanyaan audiovisual. Matematika dalam gambar secara khusus menyoroti edisi Thinking. Untuk tugas geometri, berikan diagram lengkap, label yang dapat dibaca, dan pertanyaannya, lalu minta solusi yang membedakan data yang terlihat dari asumsi. Untuk demonstrasi yang direkam, identifikasi tindakan atau ketidaksesuaian yang perlu diselidiki dan minta observasi yang terkait dengan bagian materi yang relevan. Artefak yang diharapkan dapat berupa solusi tertulis, daftar observasi terstruktur, atau penjelasan tentang apa yang didukung bukti.\n\nSiapkan masukan sebagai percakapan multimodal menggunakan prosesor dan templat percakapan yang sesuai. Perangkat pemrosesan pembuat menangani teks, gambar, audio, dan video yang disisipkan secara bergantian. Qwen menjelaskan respons teks streaming sebagai bagian dari desain interaksi keluarga ini dan mendemonstrasikan inferensi batch media campuran dengan keluaran teks saja. Dalam setiap putaran dialog, produsen merekomendasikan instruksi teks eksplisit bersama media. Video saja membuat tugas ambigu: nyatakan apakah perlu merangkum tindakan, membandingkan dua adegan, menjelaskan suara, atau memecahkan masalah yang ditampilkan. Labeli beberapa masukan dan hubungannya agar teks akhir dapat menghubungkan pertanyaan yang tepat dengan materi yang tepat.\n\nUntuk video yang berisi ucapan atau suara peristiwa, tentukan apakah audionya merupakan bagian dari tugas. Alur yang didokumentasikan menggunakan use_audio_in_video secara konsisten selama prapemrosesan dan generasi, dan kartu memperingatkan bahwa mengubah pengaturan ini di antara putaran dialog dapat menyebabkan hasil tak terduga. Karena itu, pertanyaan hanya tentang adegan dan pertanyaan audiovisual membutuhkan persiapan berbeda. Pertahankan klip asli agar tersedia, pilih interval yang relevan, dan hindari menghilangkan trek suara ketika kesimpulan yang diminta bergantung pada apa yang dikatakan atau didengar.\n\nKonfigurasi teks yang diterbitkan menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu secara terpisah menggunakan pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token. Ini menunjukkan contoh inferensi yang dikonfigurasi, bukan satu batas keluaran maksimum universal. Media direpresentasikan melalui prosesor, sehingga ukuran permintaan bukan hanya jumlah karakter yang diketik. Sisakan ruang untuk hasil teks dan gunakan segmen sumber terbatas ketika rekaman panjang hanya berisi peristiwa singkat yang relevan dengan pertanyaan.\n\nPembuat mendemonstrasikan alur kerja Transformers dan vLLM, dengan dukungan prosesor serta decoding media sebagai dependensi eksplisit. Kartu bersama juga mendokumentasikan perbedaan antarmuka, termasuk penanganan video dan audio terpisah dalam contoh penyajian. Pilih checkpoint Thinking yang persis dan jalur pemrosesan yang didukung, bukan mengasumsikan setiap contoh pada kartu keluarga memiliki perilaku keluaran yang sama. Suara ucapan dan kontrol Talker pada halaman itu berlaku untuk Instruct, bukan model yang hanya memiliki Thinker ini.\n\nUntuk hasil akhir yang berguna, minta penjelasan berbasis bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, pertahankan satuan, simbol, dan label; dalam audio, bedakan konten yang terdengar dari sumber yang disimpulkan; dalam video, bedakan tindakan yang diamati dari interpretasi maksud. Periksa hasil berdasarkan materi yang diberikan dan identifikasi detail yang tidak pasti atau tidak dapat dibaca secara eksplisit. Jawaban teks model dapat mendukung analisis atau langkah aplikasi berikutnya, sedangkan setiap eksekusi alat, konfirmasi fakta, atau transformasi media tetap merupakan operasi terpisah yang membutuhkan masukan serta hasilnya sendiri.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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 bernalar atas teks, gambar, audio, dan video lalu mengembalikan teks. Edisi yang hanya memiliki Thinker ini sesuai untuk matematika visual, analisis audio, dan pertanyaan yang membutuhkan bukti dari beberapa modalitas; generasi ucapan merupakan bagian dari rilis Omni lain.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-Omni-30B-A3B-Thinking adalah anggota Qwen3-Omni yang berorientasi penalaran. Model ini memahami teks, gambar, audio, dan video, termasuk kombinasinya dalam percakapan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang persis ini memiliki komponen Thinker dan dilengkapi untuk penalaran; tidak ada Talker yang digunakan untuk keluaran lisan pada checkpoint Instruct. Perbedaan ini penting saat memilih model untuk laporan analitis, bukan percakapan bersuara.
Produsen menjelaskan Qwen3-Omni sebagai keluarga campuran pakar multibahasa dengan 119 bahasa teks dan 19 bahasa masukan ucapan. Bahasa Rusia muncul dalam daftar masukan ucapan yang diterbitkan. Konfigurasi Thinking yang persis ini mencakup 48 lapisan transformer teks, 128 pakar, dan delapan pakar yang dipilih per token. Model ini juga memiliki komponen pemrosesan audio dan penglihatan. Ini merupakan karakteristik checkpoint bernama tersebut; pemahaman multimodalnya sebaiknya tidak diganti dengan kemampuan model Qwen3 teks biasa dengan label ukuran serupa.
Panduan praktik penggunaan mencakup pengenalan dan penerjemahan ucapan, analisis musik dan suara lingkungan, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan pertanyaan audiovisual. Matematika dalam gambar secara khusus menyoroti edisi Thinking. Untuk tugas geometri, berikan diagram lengkap, label yang dapat dibaca, dan pertanyaannya, lalu minta solusi yang membedakan data yang terlihat dari asumsi. Untuk demonstrasi yang direkam, identifikasi tindakan atau ketidaksesuaian yang perlu diselidiki dan minta observasi yang terkait dengan bagian materi yang relevan. Artefak yang diharapkan dapat berupa solusi tertulis, daftar observasi terstruktur, atau penjelasan tentang apa yang didukung bukti.
Siapkan masukan sebagai percakapan multimodal menggunakan prosesor dan templat percakapan yang sesuai. Perangkat pemrosesan pembuat menangani teks, gambar, audio, dan video yang disisipkan secara bergantian. Qwen menjelaskan respons teks streaming sebagai bagian dari desain interaksi keluarga ini dan mendemonstrasikan inferensi batch media campuran dengan keluaran teks saja. Dalam setiap putaran dialog, produsen merekomendasikan instruksi teks eksplisit bersama media. Video saja membuat tugas ambigu: nyatakan apakah perlu merangkum tindakan, membandingkan dua adegan, menjelaskan suara, atau memecahkan masalah yang ditampilkan. Labeli beberapa masukan dan hubungannya agar teks akhir dapat menghubungkan pertanyaan yang tepat dengan materi yang tepat.
Untuk video yang berisi ucapan atau suara peristiwa, tentukan apakah audionya merupakan bagian dari tugas. Alur yang didokumentasikan menggunakan use_audio_in_video secara konsisten selama prapemrosesan dan generasi, dan kartu memperingatkan bahwa mengubah pengaturan ini di antara putaran dialog dapat menyebabkan hasil tak terduga. Karena itu, pertanyaan hanya tentang adegan dan pertanyaan audiovisual membutuhkan persiapan berbeda. Pertahankan klip asli agar tersedia, pilih interval yang relevan, dan hindari menghilangkan trek suara ketika kesimpulan yang diminta bergantung pada apa yang dikatakan atau didengar.
Konfigurasi teks yang diterbitkan menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu secara terpisah menggunakan pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token. Ini menunjukkan contoh inferensi yang dikonfigurasi, bukan satu batas keluaran maksimum universal. Media direpresentasikan melalui prosesor, sehingga ukuran permintaan bukan hanya jumlah karakter yang diketik. Sisakan ruang untuk hasil teks dan gunakan segmen sumber terbatas ketika rekaman panjang hanya berisi peristiwa singkat yang relevan dengan pertanyaan.
Pembuat mendemonstrasikan alur kerja Transformers dan vLLM, dengan dukungan prosesor serta decoding media sebagai dependensi eksplisit. Kartu bersama juga mendokumentasikan perbedaan antarmuka, termasuk penanganan video dan audio terpisah dalam contoh penyajian. Pilih checkpoint Thinking yang persis dan jalur pemrosesan yang didukung, bukan mengasumsikan setiap contoh pada kartu keluarga memiliki perilaku keluaran yang sama. Suara ucapan dan kontrol Talker pada halaman itu berlaku untuk Instruct, bukan model yang hanya memiliki Thinker ini.
Untuk hasil akhir yang berguna, minta penjelasan berbasis bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, pertahankan satuan, simbol, dan label; dalam audio, bedakan konten yang terdengar dari sumber yang disimpulkan; dalam video, bedakan tindakan yang diamati dari interpretasi maksud. Periksa hasil berdasarkan materi yang diberikan dan identifikasi detail yang tidak pasti atau tidak dapat dibaca secara eksplisit. Jawaban teks model dapat mendukung analisis atau langkah aplikasi berikutnya, sedangkan setiap eksekusi alat, konfirmasi fakta, atau transformasi media tetap merupakan operasi terpisah yang membutuhkan masukan serta hasilnya sendiri.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen/Qwen3-Omni-30B-A3B-Thinking | 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-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 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-Thinking
Gunakan jalur metode yang ditampilkan di atas.
Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking bernalar atas teks, gambar, audio, dan video lalu mengembalikan teks. Edisi yang hanya memiliki Thinker ini sesuai untuk matematika visual, analisis audio, dan pertanyaan yang membutuhkan bukti dari beberapa modalitas; generasi ucapan merupakan bagian dari rilis Omni lain.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen3-Omni-30B-A3B-Thinking adalah anggota Qwen3-Omni yang berorientasi penalaran. Model ini memahami teks, gambar, audio, dan video, termasuk kombinasinya dalam percakapan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang persis ini memiliki komponen Thinker dan dilengkapi untuk penalaran; tidak ada Talker yang digunakan untuk keluaran lisan pada checkpoint Instruct. Perbedaan ini penting saat memilih model untuk laporan analitis, bukan percakapan bersuara.
Produsen menjelaskan Qwen3-Omni sebagai keluarga campuran pakar multibahasa dengan 119 bahasa teks dan 19 bahasa masukan ucapan. Bahasa Rusia muncul dalam daftar masukan ucapan yang diterbitkan. Konfigurasi Thinking yang persis ini mencakup 48 lapisan transformer teks, 128 pakar, dan delapan pakar yang dipilih per token. Model ini juga memiliki komponen pemrosesan audio dan penglihatan. Ini merupakan karakteristik checkpoint bernama tersebut; pemahaman multimodalnya sebaiknya tidak diganti dengan kemampuan model Qwen3 teks biasa dengan label ukuran serupa.
Panduan praktik penggunaan mencakup pengenalan dan penerjemahan ucapan, analisis musik dan suara lingkungan, audio campuran, pertanyaan gambar, OCR, penentuan posisi objek, deskripsi video, dan pertanyaan audiovisual. Matematika dalam gambar secara khusus menyoroti edisi Thinking. Untuk tugas geometri, berikan diagram lengkap, label yang dapat dibaca, dan pertanyaannya, lalu minta solusi yang membedakan data yang terlihat dari asumsi. Untuk demonstrasi yang direkam, identifikasi tindakan atau ketidaksesuaian yang perlu diselidiki dan minta observasi yang terkait dengan bagian materi yang relevan. Artefak yang diharapkan dapat berupa solusi tertulis, daftar observasi terstruktur, atau penjelasan tentang apa yang didukung bukti.
Siapkan masukan sebagai percakapan multimodal menggunakan prosesor dan templat percakapan yang sesuai. Perangkat pemrosesan pembuat menangani teks, gambar, audio, dan video yang disisipkan secara bergantian. Qwen menjelaskan respons teks streaming sebagai bagian dari desain interaksi keluarga ini dan mendemonstrasikan inferensi batch media campuran dengan keluaran teks saja. Dalam setiap putaran dialog, produsen merekomendasikan instruksi teks eksplisit bersama media. Video saja membuat tugas ambigu: nyatakan apakah perlu merangkum tindakan, membandingkan dua adegan, menjelaskan suara, atau memecahkan masalah yang ditampilkan. Labeli beberapa masukan dan hubungannya agar teks akhir dapat menghubungkan pertanyaan yang tepat dengan materi yang tepat.
Untuk video yang berisi ucapan atau suara peristiwa, tentukan apakah audionya merupakan bagian dari tugas. Alur yang didokumentasikan menggunakan use_audio_in_video secara konsisten selama prapemrosesan dan generasi, dan kartu memperingatkan bahwa mengubah pengaturan ini di antara putaran dialog dapat menyebabkan hasil tak terduga. Karena itu, pertanyaan hanya tentang adegan dan pertanyaan audiovisual membutuhkan persiapan berbeda. Pertahankan klip asli agar tersedia, pilih interval yang relevan, dan hindari menghilangkan trek suara ketika kesimpulan yang diminta bergantung pada apa yang dikatakan atau didengar.
Konfigurasi teks yang diterbitkan menetapkan max_position_embeddings menjadi 65.536. Contoh vLLM pada kartu secara terpisah menggunakan pengaturan panjang model 32.768 token dan pengaturan generasi 16.384 token. Ini menunjukkan contoh inferensi yang dikonfigurasi, bukan satu batas keluaran maksimum universal. Media direpresentasikan melalui prosesor, sehingga ukuran permintaan bukan hanya jumlah karakter yang diketik. Sisakan ruang untuk hasil teks dan gunakan segmen sumber terbatas ketika rekaman panjang hanya berisi peristiwa singkat yang relevan dengan pertanyaan.
Pembuat mendemonstrasikan alur kerja Transformers dan vLLM, dengan dukungan prosesor serta decoding media sebagai dependensi eksplisit. Kartu bersama juga mendokumentasikan perbedaan antarmuka, termasuk penanganan video dan audio terpisah dalam contoh penyajian. Pilih checkpoint Thinking yang persis dan jalur pemrosesan yang didukung, bukan mengasumsikan setiap contoh pada kartu keluarga memiliki perilaku keluaran yang sama. Suara ucapan dan kontrol Talker pada halaman itu berlaku untuk Instruct, bukan model yang hanya memiliki Thinker ini.
Untuk hasil akhir yang berguna, minta penjelasan berbasis bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, pertahankan satuan, simbol, dan label; dalam audio, bedakan konten yang terdengar dari sumber yang disimpulkan; dalam video, bedakan tindakan yang diamati dari interpretasi maksud. Periksa hasil berdasarkan materi yang diberikan dan identifikasi detail yang tidak pasti atau tidak dapat dibaca secara eksplisit. Jawaban teks model dapat mendukung analisis atau langkah aplikasi berikutnya, sedangkan setiap eksekusi alat, konfirmasi fakta, atau transformasi media tetap merupakan operasi terpisah yang membutuhkan masukan serta hasilnya sendiri.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen/Qwen3-Omni-30B-A3B-Thinking | 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 $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-Thinking
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.