Qwen3-Omni-30B-A3B-Instruct ialah anggota Qwen3-Omni yang mengikuti arahan dan menjana pertuturan. Ia memahami teks, imej, audio dan video, termasuk input campuran, serta boleh mengembalikan teks dan pertuturan semula jadi. Qwen menerangkan seni bina keluarga ini sebagai menyokong respons teks dan pertuturan berstrim. Checkpoint Instruct yang tepat mengandungi komponen Thinker dan Talker: pemahaman dan pembentukan respons teks disambungkan kepada laluan penjanaan pertuturan. Checkpoint Thinking dan Captioner mempunyai peranan komponen dan output berbeza, jadi ia kekal sebagai pilihan model berasingan.
Skop berbilang bahasa keluarga yang diterbitkan merangkumi 119 bahasa teks, 19 bahasa input pertuturan dan 10 bahasa output pertuturan. Bahasa Rusia terdapat dalam kedua-dua senarai pertuturan. Pengeluar menerangkan reka bentuk Thinker–Talker campuran pakar, dengan pemprosesan audio dan penglihatan untuk pemahaman multimodal serta penjanaan pertuturan berbilang buku kod. Prom sistem boleh membentuk peranan pembantu dan gaya respons. Tugas yang sesuai ialah penerangan bersuara yang bergantung pada objek yang kelihatan dan soalan lisan pengguna, bukannya penukaran teks kepada pertuturan yang tidak berkaitan.
Panduan praktikal merangkumi pengecaman pertuturan, terjemahan pertuturan, analisis muzik dan bunyi, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan dialog audio-visual. Bagi pembantu latihan, berikan klip demonstrasi dan minta ia menerangkan prosedur yang kelihatan untuk pengguna baharu. Bagi soalan produk, gabungkan foto dengan permintaan lisan dan kenal pasti butiran yang hendak dibincangkan. Nyatakan pendengar sasaran dan hasil yang diingini: jawapan lisan pendek, ringkasan teks atau kedua-duanya. Kekalkan nama sumber dan ukuran yang mesti tidak berubah.
Aliran input pembuat menggunakan pemproses, templat sembang dan utiliti pemprosesan media yang sepadan. Media boleh diselang-selikan dengan teks, dan penyahkodan ialah bahagian jelas dalam penyediaan permintaan. Apabila menggunakan audio yang mengiringi video, pastikan use_audio_in_video konsisten sepanjang prapemprosesan, penjanaan dan pusingan dialog berikutnya. Soalan audio-visual memerlukan runut bunyi disertakan; tugas visual sahaja seharusnya menyatakan skop itu dengan jelas. Pilih klip yang relevan dan gunakan imej yang boleh dibaca supaya pembantu menerima butiran yang diperlukan untuk soalan.
Output pertuturan boleh dikawal. Antara muka penjanaan yang diterbitkan boleh meminta teks sahaja dengan return_audio=False, dan mematikan Talker mengeluarkan komponen itu daripada laluan output pertuturan model yang dimuatkan. Contoh kelompok pembuat mengembalikan teks dan bukannya audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie dan Aiden — dengan Ethan sebagai lalai. Contoh menyimpan bentuk gelombang pada 24,000 Hz. Pemilihan suara dan format output contoh ini menerangkan aliran kerja model yang diterbitkan, bukan setiap antara muka perkhidmatan sekeliling yang mungkin.
Bagi respons lisan, pengeluar mengesyorkan gaya perbualan yang mudah dilafazkan dan bukannya pemformatan rumit. Permintaan boleh meminta penerangan ringkas dalam bahasa pendengar, sambil mengekalkan hasil teks berasingan yang boleh dibaca untuk penilaian. Jika sumber mengandungi nama, formula atau singkatan tidak biasa, berikan makna dan ungkapan yang diutamakan. Minta jawapan membezakan kandungan yang diperhatikan daripada andaian supaya suara yang lancar tidak menghilangkan ketidakpastian.
Konfigurasi teks Thinker dan Talker menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad bersama memilih tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan; ini kekal sebagai contoh, bukan had sejagat bebas. Pemprosesan visual dan audio mempengaruhi saiz permintaan berkesan. Sokongan antara muka turut berbeza: contoh Transformers pada kad boleh mengembalikan pertuturan, manakala perbincangan penyajiannya menerangkan laluan berorientasikan Thinker dan pengendalian video/audio berasingan. Bezakan keupayaan pertuturan pada peringkat model daripada laluan output yang disokong oleh masa jalan tertentu.
Hasil yang berguna menggabungkan jawapan dengan bahan sumber yang diperlukan untuk menilainya. Bagi demonstrasi, semak tindakan yang diterangkan berdasarkan klip; bagi soalan audio, bandingkan jawapan dengan kata-kata atau bunyi yang dapat didengar; bagi pengiraan visual, sahkan unit dan label. Keluarga ini mempunyai panduan praktikal audio-function-call, tetapi aplikasi masih menentukan dan menjalankan setiap tindakan alat luaran. Permintaan terjana untuk bertindak berbeza daripada hasil yang disahkan. Kekuatan edisi ini ialah interaksi multimodal dengan respons lisan pilihan, manakala pengesahan fakta, tindakan susulan dan penyuntingan media memerlukan bukti serta aliran kerjanya sendiri.
", "aboutText": "Qwen3-Omni-30B-A3B-Instruct ialah anggota Qwen3-Omni yang mengikuti arahan dan menjana pertuturan. Ia memahami teks, imej, audio dan video, termasuk input campuran, serta boleh mengembalikan teks dan pertuturan semula jadi. Qwen menerangkan seni bina keluarga ini sebagai menyokong respons teks dan pertuturan berstrim. Checkpoint Instruct yang tepat mengandungi komponen Thinker dan Talker: pemahaman dan pembentukan respons teks disambungkan kepada laluan penjanaan pertuturan. Checkpoint Thinking dan Captioner mempunyai peranan komponen dan output berbeza, jadi ia kekal sebagai pilihan model berasingan.\n\nSkop berbilang bahasa keluarga yang diterbitkan merangkumi 119 bahasa teks, 19 bahasa input pertuturan dan 10 bahasa output pertuturan. Bahasa Rusia terdapat dalam kedua-dua senarai pertuturan. Pengeluar menerangkan reka bentuk Thinker–Talker campuran pakar, dengan pemprosesan audio dan penglihatan untuk pemahaman multimodal serta penjanaan pertuturan berbilang buku kod. Prom sistem boleh membentuk peranan pembantu dan gaya respons. Tugas yang sesuai ialah penerangan bersuara yang bergantung pada objek yang kelihatan dan soalan lisan pengguna, bukannya penukaran teks kepada pertuturan yang tidak berkaitan.\n\nPanduan praktikal merangkumi pengecaman pertuturan, terjemahan pertuturan, analisis muzik dan bunyi, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan dialog audio-visual. Bagi pembantu latihan, berikan klip demonstrasi dan minta ia menerangkan prosedur yang kelihatan untuk pengguna baharu. Bagi soalan produk, gabungkan foto dengan permintaan lisan dan kenal pasti butiran yang hendak dibincangkan. Nyatakan pendengar sasaran dan hasil yang diingini: jawapan lisan pendek, ringkasan teks atau kedua-duanya. Kekalkan nama sumber dan ukuran yang mesti tidak berubah.\n\nAliran input pembuat menggunakan pemproses, templat sembang dan utiliti pemprosesan media yang sepadan. Media boleh diselang-selikan dengan teks, dan penyahkodan ialah bahagian jelas dalam penyediaan permintaan. Apabila menggunakan audio yang mengiringi video, pastikan use_audio_in_video konsisten sepanjang prapemprosesan, penjanaan dan pusingan dialog berikutnya. Soalan audio-visual memerlukan runut bunyi disertakan; tugas visual sahaja seharusnya menyatakan skop itu dengan jelas. Pilih klip yang relevan dan gunakan imej yang boleh dibaca supaya pembantu menerima butiran yang diperlukan untuk soalan.\n\nOutput pertuturan boleh dikawal. Antara muka penjanaan yang diterbitkan boleh meminta teks sahaja dengan return_audio=False, dan mematikan Talker mengeluarkan komponen itu daripada laluan output pertuturan model yang dimuatkan. Contoh kelompok pembuat mengembalikan teks dan bukannya audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie dan Aiden — dengan Ethan sebagai lalai. Contoh menyimpan bentuk gelombang pada 24,000 Hz. Pemilihan suara dan format output contoh ini menerangkan aliran kerja model yang diterbitkan, bukan setiap antara muka perkhidmatan sekeliling yang mungkin.\n\nBagi respons lisan, pengeluar mengesyorkan gaya perbualan yang mudah dilafazkan dan bukannya pemformatan rumit. Permintaan boleh meminta penerangan ringkas dalam bahasa pendengar, sambil mengekalkan hasil teks berasingan yang boleh dibaca untuk penilaian. Jika sumber mengandungi nama, formula atau singkatan tidak biasa, berikan makna dan ungkapan yang diutamakan. Minta jawapan membezakan kandungan yang diperhatikan daripada andaian supaya suara yang lancar tidak menghilangkan ketidakpastian.\n\nKonfigurasi teks Thinker dan Talker menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad bersama memilih tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan; ini kekal sebagai contoh, bukan had sejagat bebas. Pemprosesan visual dan audio mempengaruhi saiz permintaan berkesan. Sokongan antara muka turut berbeza: contoh Transformers pada kad boleh mengembalikan pertuturan, manakala perbincangan penyajiannya menerangkan laluan berorientasikan Thinker dan pengendalian video/audio berasingan. Bezakan keupayaan pertuturan pada peringkat model daripada laluan output yang disokong oleh masa jalan tertentu.\n\nHasil yang berguna menggabungkan jawapan dengan bahan sumber yang diperlukan untuk menilainya. Bagi demonstrasi, semak tindakan yang diterangkan berdasarkan klip; bagi soalan audio, bandingkan jawapan dengan kata-kata atau bunyi yang dapat didengar; bagi pengiraan visual, sahkan unit dan label. Keluarga ini mempunyai panduan praktikal audio-function-call, tetapi aplikasi masih menentukan dan menjalankan setiap tindakan alat luaran. Permintaan terjana untuk bertindak berbeza daripada hasil yang disahkan. Kekuatan edisi ini ialah interaksi multimodal dengan respons lisan pilihan, manakala pengesahan fakta, tindakan susulan dan penyuntingan media memerlukan bukti serta aliran kerjanya sendiri.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct memahami teks, imej, audio dan video serta boleh menjawab dengan teks dan pertuturan semula jadi. Seni bina Thinker–Talker menyokong dialog multimodal, dengan kawalan jelas sama ada pertuturan dikembalikan dan suara yang didokumentasikan yang digunakan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen3-Omni-30B-A3B-Instruct ialah anggota Qwen3-Omni yang mengikuti arahan dan menjana pertuturan. Ia memahami teks, imej, audio dan video, termasuk input campuran, serta boleh mengembalikan teks dan pertuturan semula jadi. Qwen menerangkan seni bina keluarga ini sebagai menyokong respons teks dan pertuturan berstrim. Checkpoint Instruct yang tepat mengandungi komponen Thinker dan Talker: pemahaman dan pembentukan respons teks disambungkan kepada laluan penjanaan pertuturan. Checkpoint Thinking dan Captioner mempunyai peranan komponen dan output berbeza, jadi ia kekal sebagai pilihan model berasingan.
Skop berbilang bahasa keluarga yang diterbitkan merangkumi 119 bahasa teks, 19 bahasa input pertuturan dan 10 bahasa output pertuturan. Bahasa Rusia terdapat dalam kedua-dua senarai pertuturan. Pengeluar menerangkan reka bentuk Thinker–Talker campuran pakar, dengan pemprosesan audio dan penglihatan untuk pemahaman multimodal serta penjanaan pertuturan berbilang buku kod. Prom sistem boleh membentuk peranan pembantu dan gaya respons. Tugas yang sesuai ialah penerangan bersuara yang bergantung pada objek yang kelihatan dan soalan lisan pengguna, bukannya penukaran teks kepada pertuturan yang tidak berkaitan.
Panduan praktikal merangkumi pengecaman pertuturan, terjemahan pertuturan, analisis muzik dan bunyi, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan dialog audio-visual. Bagi pembantu latihan, berikan klip demonstrasi dan minta ia menerangkan prosedur yang kelihatan untuk pengguna baharu. Bagi soalan produk, gabungkan foto dengan permintaan lisan dan kenal pasti butiran yang hendak dibincangkan. Nyatakan pendengar sasaran dan hasil yang diingini: jawapan lisan pendek, ringkasan teks atau kedua-duanya. Kekalkan nama sumber dan ukuran yang mesti tidak berubah.
Aliran input pembuat menggunakan pemproses, templat sembang dan utiliti pemprosesan media yang sepadan. Media boleh diselang-selikan dengan teks, dan penyahkodan ialah bahagian jelas dalam penyediaan permintaan. Apabila menggunakan audio yang mengiringi video, pastikan use_audio_in_video konsisten sepanjang prapemprosesan, penjanaan dan pusingan dialog berikutnya. Soalan audio-visual memerlukan runut bunyi disertakan; tugas visual sahaja seharusnya menyatakan skop itu dengan jelas. Pilih klip yang relevan dan gunakan imej yang boleh dibaca supaya pembantu menerima butiran yang diperlukan untuk soalan.
Output pertuturan boleh dikawal. Antara muka penjanaan yang diterbitkan boleh meminta teks sahaja dengan return_audio=False, dan mematikan Talker mengeluarkan komponen itu daripada laluan output pertuturan model yang dimuatkan. Contoh kelompok pembuat mengembalikan teks dan bukannya audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie dan Aiden — dengan Ethan sebagai lalai. Contoh menyimpan bentuk gelombang pada 24,000 Hz. Pemilihan suara dan format output contoh ini menerangkan aliran kerja model yang diterbitkan, bukan setiap antara muka perkhidmatan sekeliling yang mungkin.
Bagi respons lisan, pengeluar mengesyorkan gaya perbualan yang mudah dilafazkan dan bukannya pemformatan rumit. Permintaan boleh meminta penerangan ringkas dalam bahasa pendengar, sambil mengekalkan hasil teks berasingan yang boleh dibaca untuk penilaian. Jika sumber mengandungi nama, formula atau singkatan tidak biasa, berikan makna dan ungkapan yang diutamakan. Minta jawapan membezakan kandungan yang diperhatikan daripada andaian supaya suara yang lancar tidak menghilangkan ketidakpastian.
Konfigurasi teks Thinker dan Talker menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad bersama memilih tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan; ini kekal sebagai contoh, bukan had sejagat bebas. Pemprosesan visual dan audio mempengaruhi saiz permintaan berkesan. Sokongan antara muka turut berbeza: contoh Transformers pada kad boleh mengembalikan pertuturan, manakala perbincangan penyajiannya menerangkan laluan berorientasikan Thinker dan pengendalian video/audio berasingan. Bezakan keupayaan pertuturan pada peringkat model daripada laluan output yang disokong oleh masa jalan tertentu.
Hasil yang berguna menggabungkan jawapan dengan bahan sumber yang diperlukan untuk menilainya. Bagi demonstrasi, semak tindakan yang diterangkan berdasarkan klip; bagi soalan audio, bandingkan jawapan dengan kata-kata atau bunyi yang dapat didengar; bagi pengiraan visual, sahkan unit dan label. Keluarga ini mempunyai panduan praktikal audio-function-call, tetapi aplikasi masih menentukan dan menjalankan setiap tindakan alat luaran. Permintaan terjana untuk bertindak berbeza daripada hasil yang disahkan. Kekuatan edisi ini ialah interaksi multimodal dengan respons lisan pilihan, manakala pengesahan fakta, tindakan susulan dan penyuntingan media memerlukan bukti serta aliran kerjanya sendiri.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Qwen/Qwen3-Omni-30B-A3B-Instruct | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
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 berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct memahami teks, imej, audio dan video serta boleh menjawab dengan teks dan pertuturan semula jadi. Seni bina Thinker–Talker menyokong dialog multimodal, dengan kawalan jelas sama ada pertuturan dikembalikan dan suara yang didokumentasikan yang digunakan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen3-Omni-30B-A3B-Instruct ialah anggota Qwen3-Omni yang mengikuti arahan dan menjana pertuturan. Ia memahami teks, imej, audio dan video, termasuk input campuran, serta boleh mengembalikan teks dan pertuturan semula jadi. Qwen menerangkan seni bina keluarga ini sebagai menyokong respons teks dan pertuturan berstrim. Checkpoint Instruct yang tepat mengandungi komponen Thinker dan Talker: pemahaman dan pembentukan respons teks disambungkan kepada laluan penjanaan pertuturan. Checkpoint Thinking dan Captioner mempunyai peranan komponen dan output berbeza, jadi ia kekal sebagai pilihan model berasingan.
Skop berbilang bahasa keluarga yang diterbitkan merangkumi 119 bahasa teks, 19 bahasa input pertuturan dan 10 bahasa output pertuturan. Bahasa Rusia terdapat dalam kedua-dua senarai pertuturan. Pengeluar menerangkan reka bentuk Thinker–Talker campuran pakar, dengan pemprosesan audio dan penglihatan untuk pemahaman multimodal serta penjanaan pertuturan berbilang buku kod. Prom sistem boleh membentuk peranan pembantu dan gaya respons. Tugas yang sesuai ialah penerangan bersuara yang bergantung pada objek yang kelihatan dan soalan lisan pengguna, bukannya penukaran teks kepada pertuturan yang tidak berkaitan.
Panduan praktikal merangkumi pengecaman pertuturan, terjemahan pertuturan, analisis muzik dan bunyi, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan dialog audio-visual. Bagi pembantu latihan, berikan klip demonstrasi dan minta ia menerangkan prosedur yang kelihatan untuk pengguna baharu. Bagi soalan produk, gabungkan foto dengan permintaan lisan dan kenal pasti butiran yang hendak dibincangkan. Nyatakan pendengar sasaran dan hasil yang diingini: jawapan lisan pendek, ringkasan teks atau kedua-duanya. Kekalkan nama sumber dan ukuran yang mesti tidak berubah.
Aliran input pembuat menggunakan pemproses, templat sembang dan utiliti pemprosesan media yang sepadan. Media boleh diselang-selikan dengan teks, dan penyahkodan ialah bahagian jelas dalam penyediaan permintaan. Apabila menggunakan audio yang mengiringi video, pastikan use_audio_in_video konsisten sepanjang prapemprosesan, penjanaan dan pusingan dialog berikutnya. Soalan audio-visual memerlukan runut bunyi disertakan; tugas visual sahaja seharusnya menyatakan skop itu dengan jelas. Pilih klip yang relevan dan gunakan imej yang boleh dibaca supaya pembantu menerima butiran yang diperlukan untuk soalan.
Output pertuturan boleh dikawal. Antara muka penjanaan yang diterbitkan boleh meminta teks sahaja dengan return_audio=False, dan mematikan Talker mengeluarkan komponen itu daripada laluan output pertuturan model yang dimuatkan. Contoh kelompok pembuat mengembalikan teks dan bukannya audio. Checkpoint Instruct mendokumentasikan tiga pilihan suara — Ethan, Chelsie dan Aiden — dengan Ethan sebagai lalai. Contoh menyimpan bentuk gelombang pada 24,000 Hz. Pemilihan suara dan format output contoh ini menerangkan aliran kerja model yang diterbitkan, bukan setiap antara muka perkhidmatan sekeliling yang mungkin.
Bagi respons lisan, pengeluar mengesyorkan gaya perbualan yang mudah dilafazkan dan bukannya pemformatan rumit. Permintaan boleh meminta penerangan ringkas dalam bahasa pendengar, sambil mengekalkan hasil teks berasingan yang boleh dibaca untuk penilaian. Jika sumber mengandungi nama, formula atau singkatan tidak biasa, berikan makna dan ungkapan yang diutamakan. Minta jawapan membezakan kandungan yang diperhatikan daripada andaian supaya suara yang lancar tidak menghilangkan ketidakpastian.
Konfigurasi teks Thinker dan Talker menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad bersama memilih tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan; ini kekal sebagai contoh, bukan had sejagat bebas. Pemprosesan visual dan audio mempengaruhi saiz permintaan berkesan. Sokongan antara muka turut berbeza: contoh Transformers pada kad boleh mengembalikan pertuturan, manakala perbincangan penyajiannya menerangkan laluan berorientasikan Thinker dan pengendalian video/audio berasingan. Bezakan keupayaan pertuturan pada peringkat model daripada laluan output yang disokong oleh masa jalan tertentu.
Hasil yang berguna menggabungkan jawapan dengan bahan sumber yang diperlukan untuk menilainya. Bagi demonstrasi, semak tindakan yang diterangkan berdasarkan klip; bagi soalan audio, bandingkan jawapan dengan kata-kata atau bunyi yang dapat didengar; bagi pengiraan visual, sahkan unit dan label. Keluarga ini mempunyai panduan praktikal audio-function-call, tetapi aplikasi masih menentukan dan menjalankan setiap tindakan alat luaran. Permintaan terjana untuk bertindak berbeza daripada hasil yang disahkan. Kekuatan edisi ini ialah interaksi multimodal dengan respons lisan pilihan, manakala pengesahan fakta, tindakan susulan dan penyuntingan media memerlukan bukti serta aliran kerjanya sendiri.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Qwen/Qwen3-Omni-30B-A3B-Instruct | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan 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 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.