Qwen3.5-Omni-Flash 2026-03-15 è lo snapshot multimodale denominato di Alibaba del 15 marzo per creazione di testi, assistenti vocali e analisi multimediale. Accetta testo, immagini, audio e video, compresi input misti, e produce testo o testo con parlato. La sua identità datata è distinta dall'alias Flash senza data e dai modelli realtime. Un compito registrato può conservare il nome di questa edizione insieme ai media e alle istruzioni esaminati.
L'input può unire un'immagine a una domanda pronunciata oppure combinare le immagini e il suono di un video con istruzioni scritte. Questo lo rende utile quando un riepilogo esclusivamente testuale perderebbe il collegamento tra ciò che si vede e ciò che si sente. Per una richiesta sui media, chiedi separatamente la sequenza visibile, le scritte sullo schermo e i contenuti pronunciati, e richiedi timestamp relativi alla fonte quando l'ordine degli eventi conta. Effetti sonori e altri contenuti audio non verbali possono contribuire all'analisi insieme al parlato.
Per una risposta vocale, specifica la lingua, il pubblico e la modalità espressiva. La guida di Qwen documenta istruzioni per volume, velocità del parlato ed emozione. Elenca 113 lingue e dialetti per l'input audio e 36 lingue e dialetti per l'output vocale, tra cui inglese, francese, tedesco e russo. Il catalogo vocale identifica Tina come voce predefinita e include opzioni come Serena ed Ethan. Scegli la voce e richiedi una spiegazione sintetica a ritmo misurato, anziché affidarti alla voce in input per determinare lo stile dell'output.
Il flusso vocale HTTP documentato restituisce testo in streaming e blocchi audio codificati in Base64. L'esempio WAV usa 24 kHz, mono, PCM a 16 bit; un'applicazione può raccogliere i blocchi in un file audio o decodificarli per la riproduzione man mano che arrivano. È una generazione in streaming a partire da una richiesta inviata. Il rilevamento dei turni dal vivo, la gestione delle interruzioni e la conversazione tramite microfono appartengono a modelli realtime con nomi separati. La tabella della famiglia Qwen3.5-Omni non offre una modalità di ragionamento approfondito.
Questo snapshot Flash elenca ricerca web e Function Calling, con Function Calling limitato a Chat Completions di Pechino e all'output testuale. Structured Outputs è contrassegnato come non supportato: una richiesta di sezioni cronologiche è un'istruzione di formato testuale, anziché una modalità JSON vincolata. L'esecuzione degli strumenti appartiene all'applicazione circostante, che restituisce il risultato dello strumento per il passaggio successivo del modello. Anche completamento da prefisso, cache del contesto, inferenza batch e fine-tuning sono contrassegnati come non supportati per questo snapshot.
La finestra di contesto pubblicata è di 262,144 token, con un input massimo di 196,608 token e un output massimo di 65,536 token. Media misti e testo condividono il budget di contesto. La guida HTTP di Alibaba consente fino a tre ore di audio o un'ora di video per questa serie; elenca audio AMR, WAV, 3GP, 3GPP, AAC e MP3 e video MP4, AVI, MKV, MOV, FLV e WMV. I file audio o video basati su URL possono arrivare a 2 GB, mentre i media codificati in Base64 devono essere inferiori a 10 MB. Sono i limiti del flusso dei file del produttore, distinti dalla descrizione introduttiva del modello che parla di comprensione di oltre dieci ore di audio o oltre 400 secondi di video 720p campionato a 1 FPS.
Le immagini hanno limiti di preparazione propri in quella guida: fino a 20 MB per immagine basata su URL, dimensioni superiori a 10 pixel per lato e un rapporto d'aspetto non più estremo di 200:1. La guida consente fino a 2,048 immagini o file audio basati su URL e 512 file video basati su URL; l'input Base64 consente fino a 250 file. Questi limiti di trasferimento restano soggetti al budget condiviso di token di input. La serie può combinare più tipi di media in una singola richiesta. Scegli il brano pertinente, rendi leggibili le etichette piccole e spiega come si collegano i vari input. I massimali documentati del numero di file variano per modalità e metodo di trasferimento, mentre ogni input deve comunque rientrare nel budget condiviso di token.
La clonazione vocale personalizzata non è supportata dallo snapshot denominato del 15 marzo nella guida Qwen3.5-Omni. Scegli una voce documentata del catalogo per l'output vocale e descrivi la modalità espressiva desiderata nella richiesta scritta. Non trasferire a questa edizione il flusso separato di registrazione vocale dell'alias Flash senza data. Una voce del catalogo identifica lo stile del parlante, mentre le istruzioni possono modellare volume, velocità del parlato ed emozione.
Per una relazione ripetibile sui media, fornisci il brano pertinente e richiedi eventi, scritte visibili e parlato in sezioni cronologiche distinte, ciascuna collegata ai timestamp della fonte. Per una risposta didattica, aggiungi un diagramma e la domanda registrata di uno studente: «Spiega le parti etichettate, rispondi alla domanda audio in inglese e fornisci testo e parlato calmo». Conserva insieme il brano di input, il nome dell'edizione e il prompt e specifica se l'output debba trascrivere la fonte o spiegarla a un nuovo pubblico.
", "aboutText": "Qwen3.5-Omni-Flash 2026-03-15 è lo snapshot multimodale denominato di Alibaba del 15 marzo per creazione di testi, assistenti vocali e analisi multimediale. Accetta testo, immagini, audio e video, compresi input misti, e produce testo o testo con parlato. La sua identità datata è distinta dall'alias Flash senza data e dai modelli realtime. Un compito registrato può conservare il nome di questa edizione insieme ai media e alle istruzioni esaminati.\n\nL'input può unire un'immagine a una domanda pronunciata oppure combinare le immagini e il suono di un video con istruzioni scritte. Questo lo rende utile quando un riepilogo esclusivamente testuale perderebbe il collegamento tra ciò che si vede e ciò che si sente. Per una richiesta sui media, chiedi separatamente la sequenza visibile, le scritte sullo schermo e i contenuti pronunciati, e richiedi timestamp relativi alla fonte quando l'ordine degli eventi conta. Effetti sonori e altri contenuti audio non verbali possono contribuire all'analisi insieme al parlato.\n\nPer una risposta vocale, specifica la lingua, il pubblico e la modalità espressiva. La guida di Qwen documenta istruzioni per volume, velocità del parlato ed emozione. Elenca 113 lingue e dialetti per l'input audio e 36 lingue e dialetti per l'output vocale, tra cui inglese, francese, tedesco e russo. Il catalogo vocale identifica Tina come voce predefinita e include opzioni come Serena ed Ethan. Scegli la voce e richiedi una spiegazione sintetica a ritmo misurato, anziché affidarti alla voce in input per determinare lo stile dell'output.\n\nIl flusso vocale HTTP documentato restituisce testo in streaming e blocchi audio codificati in Base64. L'esempio WAV usa 24 kHz, mono, PCM a 16 bit; un'applicazione può raccogliere i blocchi in un file audio o decodificarli per la riproduzione man mano che arrivano. È una generazione in streaming a partire da una richiesta inviata. Il rilevamento dei turni dal vivo, la gestione delle interruzioni e la conversazione tramite microfono appartengono a modelli realtime con nomi separati. La tabella della famiglia Qwen3.5-Omni non offre una modalità di ragionamento approfondito.\n\nQuesto snapshot Flash elenca ricerca web e Function Calling, con Function Calling limitato a Chat Completions di Pechino e all'output testuale. Structured Outputs è contrassegnato come non supportato: una richiesta di sezioni cronologiche è un'istruzione di formato testuale, anziché una modalità JSON vincolata. L'esecuzione degli strumenti appartiene all'applicazione circostante, che restituisce il risultato dello strumento per il passaggio successivo del modello. Anche completamento da prefisso, cache del contesto, inferenza batch e fine-tuning sono contrassegnati come non supportati per questo snapshot.\n\nLa finestra di contesto pubblicata è di 262,144 token, con un input massimo di 196,608 token e un output massimo di 65,536 token. Media misti e testo condividono il budget di contesto. La guida HTTP di Alibaba consente fino a tre ore di audio o un'ora di video per questa serie; elenca audio AMR, WAV, 3GP, 3GPP, AAC e MP3 e video MP4, AVI, MKV, MOV, FLV e WMV. I file audio o video basati su URL possono arrivare a 2 GB, mentre i media codificati in Base64 devono essere inferiori a 10 MB. Sono i limiti del flusso dei file del produttore, distinti dalla descrizione introduttiva del modello che parla di comprensione di oltre dieci ore di audio o oltre 400 secondi di video 720p campionato a 1 FPS.\n\nLe immagini hanno limiti di preparazione propri in quella guida: fino a 20 MB per immagine basata su URL, dimensioni superiori a 10 pixel per lato e un rapporto d'aspetto non più estremo di 200:1. La guida consente fino a 2,048 immagini o file audio basati su URL e 512 file video basati su URL; l'input Base64 consente fino a 250 file. Questi limiti di trasferimento restano soggetti al budget condiviso di token di input. La serie può combinare più tipi di media in una singola richiesta. Scegli il brano pertinente, rendi leggibili le etichette piccole e spiega come si collegano i vari input. I massimali documentati del numero di file variano per modalità e metodo di trasferimento, mentre ogni input deve comunque rientrare nel budget condiviso di token.\n\nLa clonazione vocale personalizzata non è supportata dallo snapshot denominato del 15 marzo nella guida Qwen3.5-Omni. Scegli una voce documentata del catalogo per l'output vocale e descrivi la modalità espressiva desiderata nella richiesta scritta. Non trasferire a questa edizione il flusso separato di registrazione vocale dell'alias Flash senza data. Una voce del catalogo identifica lo stile del parlante, mentre le istruzioni possono modellare volume, velocità del parlato ed emozione.\n\nPer una relazione ripetibile sui media, fornisci il brano pertinente e richiedi eventi, scritte visibili e parlato in sezioni cronologiche distinte, ciascuna collegata ai timestamp della fonte. Per una risposta didattica, aggiungi un diagramma e la domanda registrata di uno studente: «Spiega le parti etichettate, rispondi alla domanda audio in inglese e fornisci testo e parlato calmo». Conserva insieme il brano di input, il nome dell'edizione e il prompt e specifica se l'output debba trascrivere la fonte o spiegarla a un nuovo pubblico.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Separate speech from scene notes\n\nPrepare a chronological report from these transcribed media notes: 00:00 a green indicator is visible; 00:03 speaker says “Wait for the light”; 00:05 indicator turns amber; 00:08 speaker says “Now disconnect.” Separate described visuals from quoted speech and list the action instruction with its time. Return text only.A timeline with distinct visual and speech entries, followed by the timed instruction.Check that the instruction stays at 00:08 and that the indicator change is not described as something the speaker said.qwen3.5-omni-flash-2026-03-15Qwen3.5-Omni-Flash 2026-03-15 è uno snapshot multimodale che accetta testo, immagini, audio e video e restituisce testo o parlato. Usa la sua edizione separata per richieste ripetibili sui media e spiegazioni vocali, con limiti documentati di input e output.
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.
Qwen3.5-Omni-Flash 2026-03-15 è lo snapshot multimodale denominato di Alibaba del 15 marzo per creazione di testi, assistenti vocali e analisi multimediale. Accetta testo, immagini, audio e video, compresi input misti, e produce testo o testo con parlato. La sua identità datata è distinta dall'alias Flash senza data e dai modelli realtime. Un compito registrato può conservare il nome di questa edizione insieme ai media e alle istruzioni esaminati.
L'input può unire un'immagine a una domanda pronunciata oppure combinare le immagini e il suono di un video con istruzioni scritte. Questo lo rende utile quando un riepilogo esclusivamente testuale perderebbe il collegamento tra ciò che si vede e ciò che si sente. Per una richiesta sui media, chiedi separatamente la sequenza visibile, le scritte sullo schermo e i contenuti pronunciati, e richiedi timestamp relativi alla fonte quando l'ordine degli eventi conta. Effetti sonori e altri contenuti audio non verbali possono contribuire all'analisi insieme al parlato.
Per una risposta vocale, specifica la lingua, il pubblico e la modalità espressiva. La guida di Qwen documenta istruzioni per volume, velocità del parlato ed emozione. Elenca 113 lingue e dialetti per l'input audio e 36 lingue e dialetti per l'output vocale, tra cui inglese, francese, tedesco e russo. Il catalogo vocale identifica Tina come voce predefinita e include opzioni come Serena ed Ethan. Scegli la voce e richiedi una spiegazione sintetica a ritmo misurato, anziché affidarti alla voce in input per determinare lo stile dell'output.
Il flusso vocale HTTP documentato restituisce testo in streaming e blocchi audio codificati in Base64. L'esempio WAV usa 24 kHz, mono, PCM a 16 bit; un'applicazione può raccogliere i blocchi in un file audio o decodificarli per la riproduzione man mano che arrivano. È una generazione in streaming a partire da una richiesta inviata. Il rilevamento dei turni dal vivo, la gestione delle interruzioni e la conversazione tramite microfono appartengono a modelli realtime con nomi separati. La tabella della famiglia Qwen3.5-Omni non offre una modalità di ragionamento approfondito.
Questo snapshot Flash elenca ricerca web e Function Calling, con Function Calling limitato a Chat Completions di Pechino e all'output testuale. Structured Outputs è contrassegnato come non supportato: una richiesta di sezioni cronologiche è un'istruzione di formato testuale, anziché una modalità JSON vincolata. L'esecuzione degli strumenti appartiene all'applicazione circostante, che restituisce il risultato dello strumento per il passaggio successivo del modello. Anche completamento da prefisso, cache del contesto, inferenza batch e fine-tuning sono contrassegnati come non supportati per questo snapshot.
La finestra di contesto pubblicata è di 262,144 token, con un input massimo di 196,608 token e un output massimo di 65,536 token. Media misti e testo condividono il budget di contesto. La guida HTTP di Alibaba consente fino a tre ore di audio o un'ora di video per questa serie; elenca audio AMR, WAV, 3GP, 3GPP, AAC e MP3 e video MP4, AVI, MKV, MOV, FLV e WMV. I file audio o video basati su URL possono arrivare a 2 GB, mentre i media codificati in Base64 devono essere inferiori a 10 MB. Sono i limiti del flusso dei file del produttore, distinti dalla descrizione introduttiva del modello che parla di comprensione di oltre dieci ore di audio o oltre 400 secondi di video 720p campionato a 1 FPS.
Le immagini hanno limiti di preparazione propri in quella guida: fino a 20 MB per immagine basata su URL, dimensioni superiori a 10 pixel per lato e un rapporto d'aspetto non più estremo di 200:1. La guida consente fino a 2,048 immagini o file audio basati su URL e 512 file video basati su URL; l'input Base64 consente fino a 250 file. Questi limiti di trasferimento restano soggetti al budget condiviso di token di input. La serie può combinare più tipi di media in una singola richiesta. Scegli il brano pertinente, rendi leggibili le etichette piccole e spiega come si collegano i vari input. I massimali documentati del numero di file variano per modalità e metodo di trasferimento, mentre ogni input deve comunque rientrare nel budget condiviso di token.
La clonazione vocale personalizzata non è supportata dallo snapshot denominato del 15 marzo nella guida Qwen3.5-Omni. Scegli una voce documentata del catalogo per l'output vocale e descrivi la modalità espressiva desiderata nella richiesta scritta. Non trasferire a questa edizione il flusso separato di registrazione vocale dell'alias Flash senza data. Una voce del catalogo identifica lo stile del parlante, mentre le istruzioni possono modellare volume, velocità del parlato ed emozione.
Per una relazione ripetibile sui media, fornisci il brano pertinente e richiedi eventi, scritte visibili e parlato in sezioni cronologiche distinte, ciascuna collegata ai timestamp della fonte. Per una risposta didattica, aggiungi un diagramma e la domanda registrata di uno studente: «Spiega le parti etichettate, rispondi alla domanda audio in inglese e fornisci testo e parlato calmo». Conserva insieme il brano di input, il nome dell'edizione e il prompt e specifica se l'output debba trascrivere la fonte o spiegarla a un nuovo pubblico.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen3.5-omni-flash-2026-03-15 | 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.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.00069 / 1K token Output · Token in output $0.00418 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-omni-flash-2026-03-15", "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='qwen3.5-omni-flash-2026-03-15',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='qwen3.5-omni-flash-2026-03-15',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 qwen3.5-omni-flash-2026-03-15
Usa i percorsi dei metodi indicati sopra.
qwen3.5-omni-flash-2026-03-15Qwen3.5-Omni-Flash 2026-03-15 è uno snapshot multimodale che accetta testo, immagini, audio e video e restituisce testo o parlato. Usa la sua edizione separata per richieste ripetibili sui media e spiegazioni vocali, con limiti documentati di input e output.
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.
Qwen3.5-Omni-Flash 2026-03-15 è lo snapshot multimodale denominato di Alibaba del 15 marzo per creazione di testi, assistenti vocali e analisi multimediale. Accetta testo, immagini, audio e video, compresi input misti, e produce testo o testo con parlato. La sua identità datata è distinta dall'alias Flash senza data e dai modelli realtime. Un compito registrato può conservare il nome di questa edizione insieme ai media e alle istruzioni esaminati.
L'input può unire un'immagine a una domanda pronunciata oppure combinare le immagini e il suono di un video con istruzioni scritte. Questo lo rende utile quando un riepilogo esclusivamente testuale perderebbe il collegamento tra ciò che si vede e ciò che si sente. Per una richiesta sui media, chiedi separatamente la sequenza visibile, le scritte sullo schermo e i contenuti pronunciati, e richiedi timestamp relativi alla fonte quando l'ordine degli eventi conta. Effetti sonori e altri contenuti audio non verbali possono contribuire all'analisi insieme al parlato.
Per una risposta vocale, specifica la lingua, il pubblico e la modalità espressiva. La guida di Qwen documenta istruzioni per volume, velocità del parlato ed emozione. Elenca 113 lingue e dialetti per l'input audio e 36 lingue e dialetti per l'output vocale, tra cui inglese, francese, tedesco e russo. Il catalogo vocale identifica Tina come voce predefinita e include opzioni come Serena ed Ethan. Scegli la voce e richiedi una spiegazione sintetica a ritmo misurato, anziché affidarti alla voce in input per determinare lo stile dell'output.
Il flusso vocale HTTP documentato restituisce testo in streaming e blocchi audio codificati in Base64. L'esempio WAV usa 24 kHz, mono, PCM a 16 bit; un'applicazione può raccogliere i blocchi in un file audio o decodificarli per la riproduzione man mano che arrivano. È una generazione in streaming a partire da una richiesta inviata. Il rilevamento dei turni dal vivo, la gestione delle interruzioni e la conversazione tramite microfono appartengono a modelli realtime con nomi separati. La tabella della famiglia Qwen3.5-Omni non offre una modalità di ragionamento approfondito.
Questo snapshot Flash elenca ricerca web e Function Calling, con Function Calling limitato a Chat Completions di Pechino e all'output testuale. Structured Outputs è contrassegnato come non supportato: una richiesta di sezioni cronologiche è un'istruzione di formato testuale, anziché una modalità JSON vincolata. L'esecuzione degli strumenti appartiene all'applicazione circostante, che restituisce il risultato dello strumento per il passaggio successivo del modello. Anche completamento da prefisso, cache del contesto, inferenza batch e fine-tuning sono contrassegnati come non supportati per questo snapshot.
La finestra di contesto pubblicata è di 262,144 token, con un input massimo di 196,608 token e un output massimo di 65,536 token. Media misti e testo condividono il budget di contesto. La guida HTTP di Alibaba consente fino a tre ore di audio o un'ora di video per questa serie; elenca audio AMR, WAV, 3GP, 3GPP, AAC e MP3 e video MP4, AVI, MKV, MOV, FLV e WMV. I file audio o video basati su URL possono arrivare a 2 GB, mentre i media codificati in Base64 devono essere inferiori a 10 MB. Sono i limiti del flusso dei file del produttore, distinti dalla descrizione introduttiva del modello che parla di comprensione di oltre dieci ore di audio o oltre 400 secondi di video 720p campionato a 1 FPS.
Le immagini hanno limiti di preparazione propri in quella guida: fino a 20 MB per immagine basata su URL, dimensioni superiori a 10 pixel per lato e un rapporto d'aspetto non più estremo di 200:1. La guida consente fino a 2,048 immagini o file audio basati su URL e 512 file video basati su URL; l'input Base64 consente fino a 250 file. Questi limiti di trasferimento restano soggetti al budget condiviso di token di input. La serie può combinare più tipi di media in una singola richiesta. Scegli il brano pertinente, rendi leggibili le etichette piccole e spiega come si collegano i vari input. I massimali documentati del numero di file variano per modalità e metodo di trasferimento, mentre ogni input deve comunque rientrare nel budget condiviso di token.
La clonazione vocale personalizzata non è supportata dallo snapshot denominato del 15 marzo nella guida Qwen3.5-Omni. Scegli una voce documentata del catalogo per l'output vocale e descrivi la modalità espressiva desiderata nella richiesta scritta. Non trasferire a questa edizione il flusso separato di registrazione vocale dell'alias Flash senza data. Una voce del catalogo identifica lo stile del parlante, mentre le istruzioni possono modellare volume, velocità del parlato ed emozione.
Per una relazione ripetibile sui media, fornisci il brano pertinente e richiedi eventi, scritte visibili e parlato in sezioni cronologiche distinte, ciascuna collegata ai timestamp della fonte. Per una risposta didattica, aggiungi un diagramma e la domanda registrata di uno studente: «Spiega le parti etichettate, rispondi alla domanda audio in inglese e fornisci testo e parlato calmo». Conserva insieme il brano di input, il nome dell'edizione e il prompt e specifica se l'output debba trascrivere la fonte o spiegarla a un nuovo pubblico.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen3.5-omni-flash-2026-03-15 | 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.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.00069 / 1K token Output · Token in output $0.00418 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen3.5-omni-flash-2026-03-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-omni-flash-2026-03-15', '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': 'qwen3.5-omni-flash-2026-03-15', '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 qwen3.5-omni-flash-2026-03-15
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Separate speech from scene notes\n\nPrepare a chronological report from these transcribed media notes: 00:00 a green indicator is visible; 00:03 speaker says “Wait for the light”; 00:05 indicator turns amber; 00:08 speaker says “Now disconnect.” Separate described visuals from quoted speech and list the action instruction with its time. Return text only.A timeline with distinct visual and speech entries, followed by the timed instruction.Check that the instruction stays at 00:08 and that the indicator change is not described as something the speaker said.