Selezione del modello: analisi multimediale con output testuale
Qwen3.8 Omni Flash è il modello Qwen per comprensione audio e video, riepiloghi di riunioni e analisi dei contenuti. I suoi input sono testo, immagini, audio e video; il suo output è testuale. Una risposta può descrivere una registrazione, rispondere a una domanda su evidenze visive e udibili o preparare un riepilogo scritto. Il produttore distingue esplicitamente questa edizione dai modelli Omni che generano parlato. Non presumere che il nome Omni dia a questo checkpoint una modalità di output vocale.
Il contesto è di un milione di token e l’input audio copre 113 lingue e dialetti. Questo numero di lingue descrive la comprensione audio, non una garanzia di identica qualità di riconoscimento per ogni accento, condizione di registrazione o vocabolario tecnico. Per una riunione, fornire l’ordine del giorno o i termini rilevanti e richiedere decisioni, domande irrisolte e azioni successive. Per una clip audiovisiva, chiedere al modello di separare ciò che è visibile da ciò che viene detto prima di combinare le evidenze in una conclusione.
Preparare il materiale multimodale
Gli esempi documentati combinano media e domanda testuale. Indicare il risultato atteso anziché inviare una registrazione senza spiegazioni: un riepilogo tematico, un resoconto di eventi o la risposta a una domanda specifica. Etichettare gli elementi separati e conservarne fuori dalla richiesta gli intervalli temporali della fonte affinché il risultato sia riconducibile all’originale. Quando contano più partecipanti o scene, indicare le distinzioni che il rapporto deve preservare.
Limiti dei media nel flusso del produttore basato su file
Per i file video, il produttore documenta fino a 64 file, un limite di durata di due ore e file fino a 2 GB quando forniti tramite una posizione di file accessibile. I formati video documentati sono MP4, AVI, MKV, MOV, FLV e WMV. Per immagini ordinate usate come video, l’intervallo documentato va da due a 2,048 immagini. Preservare ordine e tempi anziché trattare una raccolta arbitraria di immagini come una sequenza temporale nota.
Per l’audio, la guida documenta fino a tre ore, input da posizione di file fino a 2 GB e AMR, WAV, 3GP, 3GPP, AAC o MP3. Il numero di file audio arriva fino a 2,048 se forniti tramite posizioni di file e fino a 250 con codifica Base64. I payload codificati in Base64 devono essere inferiori a 10 MB. Sono limiti del flusso del produttore, non promesse sull’interfaccia di caricamento di un’applicazione né evidenze che tutti gli input alle dimensioni massime rientrino insieme nel budget di token.
Per le immagini, la guida elenca fino a 2,048 posizioni di immagini o 250 immagini codificate. Un file fornito tramite una posizione di immagine accessibile può arrivare a 20 MB; entrambe le dimensioni devono superare dieci pixel e il rapporto d’aspetto deve rientrare fra 200:1 e 1:200. Conservare risoluzione sufficiente per la domanda specifica. Un campo testuale diventato illeggibile durante la preparazione non può essere recuperato semplicemente chiedendo una risposta sicura.
Audio spaziale
Questo modello supporta stereo a due canali e audio ambisonico del primo ordine a quattro canali nell’ordine WYZX. Il controllo use_multichannel del produttore è impostato per default su false, interpretando l’audio come mono. Con il controllo abilitato e una disposizione dei canali supportata, le informazioni spaziali possono contribuire alla comprensione. Preservare la disposizione dei canali quando l’attività riguarda la scena spaziale udibile; non dedurre coordinate calibrate di una sorgente sonora da una descrizione generale.
Strumenti e informazioni aggiornate
Il produttore supporta chiamate a funzioni e ricerca web. Nel flusso Responses documentato, web_search è l’unico strumento integrato supportato per questa edizione. Un’attività che prevede strumenti può chiedere al modello di collegare informazioni aggiornate recuperate con la registrazione fornita, mantenendo chiara l’origine di ogni affermazione. Azioni esterne e risultati degli strumenti dipendono comunque dall’interfaccia configurata dell’applicazione. Il supporto agli strumenti non deve essere esteso a un’affermazione incondizionata su interprete di codice o file system. Il produttore elenca anche la cache del contesto per input ricorrenti; il riuso riguarda prefissi condivisi delle richieste e non dimostra un hit della cache per una richiesta specifica.
Modalità di ragionamento
Il ragionamento è abilitato per impostazione predefinita, con reasoning_effort impostato su xhigh. I principali livelli di impegno nel ragionamento sono low, medium e xhigh; l’impostazione none disabilita il ragionamento. Per compatibilità, minimal corrisponde a low, mentre high e max corrispondono a xhigh. Il produttore rifiuta richieste che impostano insieme reasoning_effort e thinking_budget. Questi controlli descrivono l’interfaccia del produttore e non dimostrano che ogni applicazione li esponga.
Scegliere una risposta diretta per un riepilogo semplice e un ragionamento più approfondito per una domanda che richiede di collegare più evidenze. Mantenere il rapporto finale separato dal ragionamento e verificare citazioni del parlato, ordine degli eventi ed evidenze dietro le conclusioni. La guida stabilisce limiti di media e contesto, ma nelle sezioni qui usate non pubblica una lunghezza massima rigida separata dell’output testuale. Una domanda chiara e un risultato scritto tracciabile sono più utili che considerare il caricamento più grande possibile una garanzia di memoria completa.
", "aboutText": "Selezione del modello: analisi multimediale con output testuale\n\nQwen3.8 Omni Flash è il modello Qwen per comprensione audio e video, riepiloghi di riunioni e analisi dei contenuti. I suoi input sono testo, immagini, audio e video; il suo output è testuale. Una risposta può descrivere una registrazione, rispondere a una domanda su evidenze visive e udibili o preparare un riepilogo scritto. Il produttore distingue esplicitamente questa edizione dai modelli Omni che generano parlato. Non presumere che il nome Omni dia a questo checkpoint una modalità di output vocale.\n\nIl contesto è di un milione di token e l’input audio copre 113 lingue e dialetti. Questo numero di lingue descrive la comprensione audio, non una garanzia di identica qualità di riconoscimento per ogni accento, condizione di registrazione o vocabolario tecnico. Per una riunione, fornire l’ordine del giorno o i termini rilevanti e richiedere decisioni, domande irrisolte e azioni successive. Per una clip audiovisiva, chiedere al modello di separare ciò che è visibile da ciò che viene detto prima di combinare le evidenze in una conclusione.\n\nPreparare il materiale multimodale\n\nGli esempi documentati combinano media e domanda testuale. Indicare il risultato atteso anziché inviare una registrazione senza spiegazioni: un riepilogo tematico, un resoconto di eventi o la risposta a una domanda specifica. Etichettare gli elementi separati e conservarne fuori dalla richiesta gli intervalli temporali della fonte affinché il risultato sia riconducibile all’originale. Quando contano più partecipanti o scene, indicare le distinzioni che il rapporto deve preservare.\n\nLimiti dei media nel flusso del produttore basato su file\n\nPer i file video, il produttore documenta fino a 64 file, un limite di durata di due ore e file fino a 2 GB quando forniti tramite una posizione di file accessibile. I formati video documentati sono MP4, AVI, MKV, MOV, FLV e WMV. Per immagini ordinate usate come video, l’intervallo documentato va da due a 2,048 immagini. Preservare ordine e tempi anziché trattare una raccolta arbitraria di immagini come una sequenza temporale nota.\n\nPer l’audio, la guida documenta fino a tre ore, input da posizione di file fino a 2 GB e AMR, WAV, 3GP, 3GPP, AAC o MP3. Il numero di file audio arriva fino a 2,048 se forniti tramite posizioni di file e fino a 250 con codifica Base64. I payload codificati in Base64 devono essere inferiori a 10 MB. Sono limiti del flusso del produttore, non promesse sull’interfaccia di caricamento di un’applicazione né evidenze che tutti gli input alle dimensioni massime rientrino insieme nel budget di token.\n\nPer le immagini, la guida elenca fino a 2,048 posizioni di immagini o 250 immagini codificate. Un file fornito tramite una posizione di immagine accessibile può arrivare a 20 MB; entrambe le dimensioni devono superare dieci pixel e il rapporto d’aspetto deve rientrare fra 200:1 e 1:200. Conservare risoluzione sufficiente per la domanda specifica. Un campo testuale diventato illeggibile durante la preparazione non può essere recuperato semplicemente chiedendo una risposta sicura.\n\nAudio spaziale\n\nQuesto modello supporta stereo a due canali e audio ambisonico del primo ordine a quattro canali nell’ordine WYZX. Il controllo use_multichannel del produttore è impostato per default su false, interpretando l’audio come mono. Con il controllo abilitato e una disposizione dei canali supportata, le informazioni spaziali possono contribuire alla comprensione. Preservare la disposizione dei canali quando l’attività riguarda la scena spaziale udibile; non dedurre coordinate calibrate di una sorgente sonora da una descrizione generale.\n\nStrumenti e informazioni aggiornate\n\nIl produttore supporta chiamate a funzioni e ricerca web. Nel flusso Responses documentato, web_search è l’unico strumento integrato supportato per questa edizione. Un’attività che prevede strumenti può chiedere al modello di collegare informazioni aggiornate recuperate con la registrazione fornita, mantenendo chiara l’origine di ogni affermazione. Azioni esterne e risultati degli strumenti dipendono comunque dall’interfaccia configurata dell’applicazione. Il supporto agli strumenti non deve essere esteso a un’affermazione incondizionata su interprete di codice o file system. Il produttore elenca anche la cache del contesto per input ricorrenti; il riuso riguarda prefissi condivisi delle richieste e non dimostra un hit della cache per una richiesta specifica.\n\nModalità di ragionamento\n\nIl ragionamento è abilitato per impostazione predefinita, con reasoning_effort impostato su xhigh. I principali livelli di impegno nel ragionamento sono low, medium e xhigh; l’impostazione none disabilita il ragionamento. Per compatibilità, minimal corrisponde a low, mentre high e max corrispondono a xhigh. Il produttore rifiuta richieste che impostano insieme reasoning_effort e thinking_budget. Questi controlli descrivono l’interfaccia del produttore e non dimostrano che ogni applicazione li esponga.\n\nScegliere una risposta diretta per un riepilogo semplice e un ragionamento più approfondito per una domanda che richiede di collegare più evidenze. Mantenere il rapporto finale separato dal ragionamento e verificare citazioni del parlato, ordine degli eventi ed evidenze dietro le conclusioni. La guida stabilisce limiti di media e contesto, ma nelle sezioni qui usate non pubblica una lunghezza massima rigida separata dell’output testuale. Una domanda chiara e un risultato scritto tracciabile sono più utili che considerare il caricamento più grande possibile una garanzia di memoria completa.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analizza testo, immagini, audio e video e restituisce testo. Supporta riepiloghi di riunioni, domande multimediali, 113 lingue e dialetti per l’audio, un livello selezionabile di impegno nel ragionamento e audio spaziale, con un contesto di un milione di token documentato dal produttore.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Selezione del modello: analisi multimediale con output testuale
Qwen3.8 Omni Flash è il modello Qwen per comprensione audio e video, riepiloghi di riunioni e analisi dei contenuti. I suoi input sono testo, immagini, audio e video; il suo output è testuale. Una risposta può descrivere una registrazione, rispondere a una domanda su evidenze visive e udibili o preparare un riepilogo scritto. Il produttore distingue esplicitamente questa edizione dai modelli Omni che generano parlato. Non presumere che il nome Omni dia a questo checkpoint una modalità di output vocale.
Il contesto è di un milione di token e l’input audio copre 113 lingue e dialetti. Questo numero di lingue descrive la comprensione audio, non una garanzia di identica qualità di riconoscimento per ogni accento, condizione di registrazione o vocabolario tecnico. Per una riunione, fornire l’ordine del giorno o i termini rilevanti e richiedere decisioni, domande irrisolte e azioni successive. Per una clip audiovisiva, chiedere al modello di separare ciò che è visibile da ciò che viene detto prima di combinare le evidenze in una conclusione.
Preparare il materiale multimodale
Gli esempi documentati combinano media e domanda testuale. Indicare il risultato atteso anziché inviare una registrazione senza spiegazioni: un riepilogo tematico, un resoconto di eventi o la risposta a una domanda specifica. Etichettare gli elementi separati e conservarne fuori dalla richiesta gli intervalli temporali della fonte affinché il risultato sia riconducibile all’originale. Quando contano più partecipanti o scene, indicare le distinzioni che il rapporto deve preservare.
Limiti dei media nel flusso del produttore basato su file
Per i file video, il produttore documenta fino a 64 file, un limite di durata di due ore e file fino a 2 GB quando forniti tramite una posizione di file accessibile. I formati video documentati sono MP4, AVI, MKV, MOV, FLV e WMV. Per immagini ordinate usate come video, l’intervallo documentato va da due a 2,048 immagini. Preservare ordine e tempi anziché trattare una raccolta arbitraria di immagini come una sequenza temporale nota.
Per l’audio, la guida documenta fino a tre ore, input da posizione di file fino a 2 GB e AMR, WAV, 3GP, 3GPP, AAC o MP3. Il numero di file audio arriva fino a 2,048 se forniti tramite posizioni di file e fino a 250 con codifica Base64. I payload codificati in Base64 devono essere inferiori a 10 MB. Sono limiti del flusso del produttore, non promesse sull’interfaccia di caricamento di un’applicazione né evidenze che tutti gli input alle dimensioni massime rientrino insieme nel budget di token.
Per le immagini, la guida elenca fino a 2,048 posizioni di immagini o 250 immagini codificate. Un file fornito tramite una posizione di immagine accessibile può arrivare a 20 MB; entrambe le dimensioni devono superare dieci pixel e il rapporto d’aspetto deve rientrare fra 200:1 e 1:200. Conservare risoluzione sufficiente per la domanda specifica. Un campo testuale diventato illeggibile durante la preparazione non può essere recuperato semplicemente chiedendo una risposta sicura.
Audio spaziale
Questo modello supporta stereo a due canali e audio ambisonico del primo ordine a quattro canali nell’ordine WYZX. Il controllo use_multichannel del produttore è impostato per default su false, interpretando l’audio come mono. Con il controllo abilitato e una disposizione dei canali supportata, le informazioni spaziali possono contribuire alla comprensione. Preservare la disposizione dei canali quando l’attività riguarda la scena spaziale udibile; non dedurre coordinate calibrate di una sorgente sonora da una descrizione generale.
Strumenti e informazioni aggiornate
Il produttore supporta chiamate a funzioni e ricerca web. Nel flusso Responses documentato, web_search è l’unico strumento integrato supportato per questa edizione. Un’attività che prevede strumenti può chiedere al modello di collegare informazioni aggiornate recuperate con la registrazione fornita, mantenendo chiara l’origine di ogni affermazione. Azioni esterne e risultati degli strumenti dipendono comunque dall’interfaccia configurata dell’applicazione. Il supporto agli strumenti non deve essere esteso a un’affermazione incondizionata su interprete di codice o file system. Il produttore elenca anche la cache del contesto per input ricorrenti; il riuso riguarda prefissi condivisi delle richieste e non dimostra un hit della cache per una richiesta specifica.
Modalità di ragionamento
Il ragionamento è abilitato per impostazione predefinita, con reasoning_effort impostato su xhigh. I principali livelli di impegno nel ragionamento sono low, medium e xhigh; l’impostazione none disabilita il ragionamento. Per compatibilità, minimal corrisponde a low, mentre high e max corrispondono a xhigh. Il produttore rifiuta richieste che impostano insieme reasoning_effort e thinking_budget. Questi controlli descrivono l’interfaccia del produttore e non dimostrano che ogni applicazione li esponga.
Scegliere una risposta diretta per un riepilogo semplice e un ragionamento più approfondito per una domanda che richiede di collegare più evidenze. Mantenere il rapporto finale separato dal ragionamento e verificare citazioni del parlato, ordine degli eventi ed evidenze dietro le conclusioni. La guida stabilisce limiti di media e contesto, ma nelle sezioni qui usate non pubblica una lunghezza massima rigida separata dell’output testuale. Una domanda chiara e un risultato scritto tracciabile sono più utili che considerare il caricamento più grande possibile una garanzia di memoria completa.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen/qwen3.8-omni-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0003 / 1K token Output · Token in output $0.00094 / 1K token Input · Lettura dalla cache $0.000032 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0003 / 1K token Output · Token in output $0.00094 / 1K token Input · Lettura dalla cache $0.000032 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-omni-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Usa i percorsi dei metodi indicati sopra.
qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analizza testo, immagini, audio e video e restituisce testo. Supporta riepiloghi di riunioni, domande multimediali, 113 lingue e dialetti per l’audio, un livello selezionabile di impegno nel ragionamento e audio spaziale, con un contesto di un milione di token documentato dal produttore.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Selezione del modello: analisi multimediale con output testuale
Qwen3.8 Omni Flash è il modello Qwen per comprensione audio e video, riepiloghi di riunioni e analisi dei contenuti. I suoi input sono testo, immagini, audio e video; il suo output è testuale. Una risposta può descrivere una registrazione, rispondere a una domanda su evidenze visive e udibili o preparare un riepilogo scritto. Il produttore distingue esplicitamente questa edizione dai modelli Omni che generano parlato. Non presumere che il nome Omni dia a questo checkpoint una modalità di output vocale.
Il contesto è di un milione di token e l’input audio copre 113 lingue e dialetti. Questo numero di lingue descrive la comprensione audio, non una garanzia di identica qualità di riconoscimento per ogni accento, condizione di registrazione o vocabolario tecnico. Per una riunione, fornire l’ordine del giorno o i termini rilevanti e richiedere decisioni, domande irrisolte e azioni successive. Per una clip audiovisiva, chiedere al modello di separare ciò che è visibile da ciò che viene detto prima di combinare le evidenze in una conclusione.
Preparare il materiale multimodale
Gli esempi documentati combinano media e domanda testuale. Indicare il risultato atteso anziché inviare una registrazione senza spiegazioni: un riepilogo tematico, un resoconto di eventi o la risposta a una domanda specifica. Etichettare gli elementi separati e conservarne fuori dalla richiesta gli intervalli temporali della fonte affinché il risultato sia riconducibile all’originale. Quando contano più partecipanti o scene, indicare le distinzioni che il rapporto deve preservare.
Limiti dei media nel flusso del produttore basato su file
Per i file video, il produttore documenta fino a 64 file, un limite di durata di due ore e file fino a 2 GB quando forniti tramite una posizione di file accessibile. I formati video documentati sono MP4, AVI, MKV, MOV, FLV e WMV. Per immagini ordinate usate come video, l’intervallo documentato va da due a 2,048 immagini. Preservare ordine e tempi anziché trattare una raccolta arbitraria di immagini come una sequenza temporale nota.
Per l’audio, la guida documenta fino a tre ore, input da posizione di file fino a 2 GB e AMR, WAV, 3GP, 3GPP, AAC o MP3. Il numero di file audio arriva fino a 2,048 se forniti tramite posizioni di file e fino a 250 con codifica Base64. I payload codificati in Base64 devono essere inferiori a 10 MB. Sono limiti del flusso del produttore, non promesse sull’interfaccia di caricamento di un’applicazione né evidenze che tutti gli input alle dimensioni massime rientrino insieme nel budget di token.
Per le immagini, la guida elenca fino a 2,048 posizioni di immagini o 250 immagini codificate. Un file fornito tramite una posizione di immagine accessibile può arrivare a 20 MB; entrambe le dimensioni devono superare dieci pixel e il rapporto d’aspetto deve rientrare fra 200:1 e 1:200. Conservare risoluzione sufficiente per la domanda specifica. Un campo testuale diventato illeggibile durante la preparazione non può essere recuperato semplicemente chiedendo una risposta sicura.
Audio spaziale
Questo modello supporta stereo a due canali e audio ambisonico del primo ordine a quattro canali nell’ordine WYZX. Il controllo use_multichannel del produttore è impostato per default su false, interpretando l’audio come mono. Con il controllo abilitato e una disposizione dei canali supportata, le informazioni spaziali possono contribuire alla comprensione. Preservare la disposizione dei canali quando l’attività riguarda la scena spaziale udibile; non dedurre coordinate calibrate di una sorgente sonora da una descrizione generale.
Strumenti e informazioni aggiornate
Il produttore supporta chiamate a funzioni e ricerca web. Nel flusso Responses documentato, web_search è l’unico strumento integrato supportato per questa edizione. Un’attività che prevede strumenti può chiedere al modello di collegare informazioni aggiornate recuperate con la registrazione fornita, mantenendo chiara l’origine di ogni affermazione. Azioni esterne e risultati degli strumenti dipendono comunque dall’interfaccia configurata dell’applicazione. Il supporto agli strumenti non deve essere esteso a un’affermazione incondizionata su interprete di codice o file system. Il produttore elenca anche la cache del contesto per input ricorrenti; il riuso riguarda prefissi condivisi delle richieste e non dimostra un hit della cache per una richiesta specifica.
Modalità di ragionamento
Il ragionamento è abilitato per impostazione predefinita, con reasoning_effort impostato su xhigh. I principali livelli di impegno nel ragionamento sono low, medium e xhigh; l’impostazione none disabilita il ragionamento. Per compatibilità, minimal corrisponde a low, mentre high e max corrispondono a xhigh. Il produttore rifiuta richieste che impostano insieme reasoning_effort e thinking_budget. Questi controlli descrivono l’interfaccia del produttore e non dimostrano che ogni applicazione li esponga.
Scegliere una risposta diretta per un riepilogo semplice e un ragionamento più approfondito per una domanda che richiede di collegare più evidenze. Mantenere il rapporto finale separato dal ragionamento e verificare citazioni del parlato, ordine degli eventi ed evidenze dietro le conclusioni. La guida stabilisce limiti di media e contesto, ma nelle sezioni qui usate non pubblica una lunghezza massima rigida separata dell’output testuale. Una domanda chiara e un risultato scritto tracciabile sono più utili che considerare il caricamento più grande possibile una garanzia di memoria completa.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen/qwen3.8-omni-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0003 / 1K token Output · Token in output $0.00094 / 1K token Input · Lettura dalla cache $0.000032 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0003 / 1K token Output · Token in output $0.00094 / 1K token Input · Lettura dalla cache $0.000032 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen/qwen3.8-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.