Qwen3-Omni-30B-A3B-Thinking ialah anggota Qwen3-Omni yang berorientasikan penaakulan. Ia memahami teks, imej, audio dan video, termasuk gabungannya dalam perbualan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang tepat mengandungi komponen Thinker dan dilengkapi untuk penaakulan; ia tidak mengandungi Talker yang digunakan untuk output lisan dalam checkpoint Instruct. Perbezaan ini penting ketika memilih model untuk laporan analisis dan bukannya perbualan bersuara.
Pengeluar menerangkan Qwen3-Omni sebagai keluarga campuran pakar berbilang bahasa dengan 119 bahasa teks dan 19 bahasa input pertuturan. Bahasa Rusia terdapat dalam senarai input pertuturan yang diterbitkan. Konfigurasi Thinking yang tepat merangkumi 48 lapisan transformer teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Ia juga mempunyai komponen pemprosesan audio dan penglihatan. Ini ialah ciri checkpoint bernama tersebut; pemahaman multimodalnya tidak seharusnya digantikan dengan keupayaan model Qwen3 teks biasa yang mempunyai label saiz serupa.
Panduan penggunaan praktikal merangkumi pengecaman dan terjemahan pertuturan, analisis muzik dan bunyi persekitaran, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan soalan audio-visual. Matematik daripada imej secara khusus mengetengahkan edisi Thinking. Bagi tugas geometri, berikan rajah lengkap, label yang boleh dibaca dan soalan, kemudian minta penyelesaian yang membezakan maklumat yang kelihatan daripada andaian. Bagi demonstrasi yang dirakam, kenal pasti tindakan atau percanggahan yang hendak disiasat dan minta pemerhatian yang terikat pada bahagian bahan yang relevan. Artifak yang dijangka boleh berupa penyelesaian bertulis, senarai pemerhatian berstruktur atau penerangan tentang perkara yang disokong oleh bukti.
Sediakan input sebagai perbualan multimodal menggunakan pemproses dan templat sembang yang sepadan. Kit pemprosesan pembuat mengendalikan teks, imej, audio dan video yang diselang-selikan. Qwen menerangkan respons teks berstrim sebagai sebahagian daripada reka bentuk interaksi keluarga ini dan menunjukkan inferens kelompok media campuran dengan output teks sahaja. Dalam setiap pusingan dialog, pengeluar mengesyorkan arahan teks yang jelas bersama media. Video sahaja menjadikan tugas samar: nyatakan sama ada hendak meringkaskan tindakan, membandingkan dua adegan, menerangkan bunyi atau menyelesaikan masalah yang dipaparkan. Labelkan berbilang input dan hubungannya supaya teks akhir dapat menghubungkan soalan yang betul kepada bahan yang betul.
Bagi video yang mengandungi pertuturan atau bunyi peristiwa, tentukan sama ada audionya sebahagian daripada tugas. Aliran yang didokumentasikan menggunakan use_audio_in_video secara konsisten semasa prapemprosesan dan penjanaan, dan kad memberi amaran bahawa menukar tetapan ini antara pusingan dialog boleh menyebabkan hasil tidak dijangka. Oleh itu, soalan adegan sahaja dan soalan audio-visual memerlukan persediaan berbeza. Pastikan klip asal tersedia, pilih selang yang relevan dan elakkan membuang runut bunyi apabila kesimpulan yang diminta bergantung pada perkara yang dikatakan atau didengar.
Konfigurasi teks yang diterbitkan menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad menggunakan tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan. Ini menunjukkan contoh inferens terkonfigurasi dan bukannya satu had output maksimum sejagat. Media diwakili melalui pemproses, jadi saiz permintaan bukan sekadar jumlah aksara yang ditaip. Peruntukkan ruang untuk hasil teks dan gunakan segmen sumber terbatas apabila rakaman panjang hanya mengandungi peristiwa pendek yang relevan dengan soalan.
Pembuat menunjukkan aliran kerja Transformers dan vLLM, dengan sokongan pemproses dan penyahkodan media sebagai kebergantungan jelas. Kad bersama turut mendokumentasikan perbezaan antara muka, termasuk pengendalian video dan audio secara berasingan dalam contoh penyajian. Pilih checkpoint Thinking yang tepat dan laluan pemprosesan yang disokong, dan bukan menganggap setiap contoh pada kad keluarga mempunyai tingkah laku output sama. Suara pertuturan dan kawalan Talker pada halaman itu terpakai kepada Instruct, bukan model Thinker sahaja ini.
Bagi hasil akhir yang berguna, minta penerangan berasaskan bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, kekalkan unit, simbol dan label; dalam audio, bezakan kandungan yang dapat didengar daripada sumber yang disimpulkan; dalam video, bezakan tindakan yang diperhatikan daripada tafsiran niat. Periksa hasil berdasarkan bahan yang dibekalkan dan nyatakan butiran yang tidak pasti atau tidak boleh dibaca secara jelas. Jawapan teks model boleh menyokong analisis atau langkah aplikasi kemudian, manakala setiap pelaksanaan alat, pengesahan fakta atau transformasi media kekal sebagai operasi berasingan yang memerlukan input dan hasilnya sendiri.
", "aboutText": "Qwen3-Omni-30B-A3B-Thinking ialah anggota Qwen3-Omni yang berorientasikan penaakulan. Ia memahami teks, imej, audio dan video, termasuk gabungannya dalam perbualan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang tepat mengandungi komponen Thinker dan dilengkapi untuk penaakulan; ia tidak mengandungi Talker yang digunakan untuk output lisan dalam checkpoint Instruct. Perbezaan ini penting ketika memilih model untuk laporan analisis dan bukannya perbualan bersuara.\n\nPengeluar menerangkan Qwen3-Omni sebagai keluarga campuran pakar berbilang bahasa dengan 119 bahasa teks dan 19 bahasa input pertuturan. Bahasa Rusia terdapat dalam senarai input pertuturan yang diterbitkan. Konfigurasi Thinking yang tepat merangkumi 48 lapisan transformer teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Ia juga mempunyai komponen pemprosesan audio dan penglihatan. Ini ialah ciri checkpoint bernama tersebut; pemahaman multimodalnya tidak seharusnya digantikan dengan keupayaan model Qwen3 teks biasa yang mempunyai label saiz serupa.\n\nPanduan penggunaan praktikal merangkumi pengecaman dan terjemahan pertuturan, analisis muzik dan bunyi persekitaran, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan soalan audio-visual. Matematik daripada imej secara khusus mengetengahkan edisi Thinking. Bagi tugas geometri, berikan rajah lengkap, label yang boleh dibaca dan soalan, kemudian minta penyelesaian yang membezakan maklumat yang kelihatan daripada andaian. Bagi demonstrasi yang dirakam, kenal pasti tindakan atau percanggahan yang hendak disiasat dan minta pemerhatian yang terikat pada bahagian bahan yang relevan. Artifak yang dijangka boleh berupa penyelesaian bertulis, senarai pemerhatian berstruktur atau penerangan tentang perkara yang disokong oleh bukti.\n\nSediakan input sebagai perbualan multimodal menggunakan pemproses dan templat sembang yang sepadan. Kit pemprosesan pembuat mengendalikan teks, imej, audio dan video yang diselang-selikan. Qwen menerangkan respons teks berstrim sebagai sebahagian daripada reka bentuk interaksi keluarga ini dan menunjukkan inferens kelompok media campuran dengan output teks sahaja. Dalam setiap pusingan dialog, pengeluar mengesyorkan arahan teks yang jelas bersama media. Video sahaja menjadikan tugas samar: nyatakan sama ada hendak meringkaskan tindakan, membandingkan dua adegan, menerangkan bunyi atau menyelesaikan masalah yang dipaparkan. Labelkan berbilang input dan hubungannya supaya teks akhir dapat menghubungkan soalan yang betul kepada bahan yang betul.\n\nBagi video yang mengandungi pertuturan atau bunyi peristiwa, tentukan sama ada audionya sebahagian daripada tugas. Aliran yang didokumentasikan menggunakan use_audio_in_video secara konsisten semasa prapemprosesan dan penjanaan, dan kad memberi amaran bahawa menukar tetapan ini antara pusingan dialog boleh menyebabkan hasil tidak dijangka. Oleh itu, soalan adegan sahaja dan soalan audio-visual memerlukan persediaan berbeza. Pastikan klip asal tersedia, pilih selang yang relevan dan elakkan membuang runut bunyi apabila kesimpulan yang diminta bergantung pada perkara yang dikatakan atau didengar.\n\nKonfigurasi teks yang diterbitkan menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad menggunakan tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan. Ini menunjukkan contoh inferens terkonfigurasi dan bukannya satu had output maksimum sejagat. Media diwakili melalui pemproses, jadi saiz permintaan bukan sekadar jumlah aksara yang ditaip. Peruntukkan ruang untuk hasil teks dan gunakan segmen sumber terbatas apabila rakaman panjang hanya mengandungi peristiwa pendek yang relevan dengan soalan.\n\nPembuat menunjukkan aliran kerja Transformers dan vLLM, dengan sokongan pemproses dan penyahkodan media sebagai kebergantungan jelas. Kad bersama turut mendokumentasikan perbezaan antara muka, termasuk pengendalian video dan audio secara berasingan dalam contoh penyajian. Pilih checkpoint Thinking yang tepat dan laluan pemprosesan yang disokong, dan bukan menganggap setiap contoh pada kad keluarga mempunyai tingkah laku output sama. Suara pertuturan dan kawalan Talker pada halaman itu terpakai kepada Instruct, bukan model Thinker sahaja ini.\n\nBagi hasil akhir yang berguna, minta penerangan berasaskan bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, kekalkan unit, simbol dan label; dalam audio, bezakan kandungan yang dapat didengar daripada sumber yang disimpulkan; dalam video, bezakan tindakan yang diperhatikan daripada tafsiran niat. Periksa hasil berdasarkan bahan yang dibekalkan dan nyatakan butiran yang tidak pasti atau tidak boleh dibaca secara jelas. Jawapan teks model boleh menyokong analisis atau langkah aplikasi kemudian, manakala setiap pelaksanaan alat, pengesahan fakta atau transformasi media kekal sebagai operasi berasingan yang memerlukan input dan hasilnya sendiri.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Reconcile demonstration annotations\n\nAnalyze these supplied text annotations of a demonstration. T0 visual note: valve indicator reads Closed. T1 speech transcript: "I am opening the valve now." T2 visual note: indicator still reads Closed; valve mechanism is off camera. State what each source establishes, whether successful opening is confirmed and what evidence would resolve the discrepancy.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking membuat penaakulan terhadap teks, imej, audio dan video serta mengembalikan teks. Edisi Thinker sahaja ini sesuai untuk matematik visual, analisis audio dan soalan yang memerlukan bukti daripada beberapa modaliti; penjanaan pertuturan tergolong dalam keluaran Omni lain.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen3-Omni-30B-A3B-Thinking ialah anggota Qwen3-Omni yang berorientasikan penaakulan. Ia memahami teks, imej, audio dan video, termasuk gabungannya dalam perbualan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang tepat mengandungi komponen Thinker dan dilengkapi untuk penaakulan; ia tidak mengandungi Talker yang digunakan untuk output lisan dalam checkpoint Instruct. Perbezaan ini penting ketika memilih model untuk laporan analisis dan bukannya perbualan bersuara.
Pengeluar menerangkan Qwen3-Omni sebagai keluarga campuran pakar berbilang bahasa dengan 119 bahasa teks dan 19 bahasa input pertuturan. Bahasa Rusia terdapat dalam senarai input pertuturan yang diterbitkan. Konfigurasi Thinking yang tepat merangkumi 48 lapisan transformer teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Ia juga mempunyai komponen pemprosesan audio dan penglihatan. Ini ialah ciri checkpoint bernama tersebut; pemahaman multimodalnya tidak seharusnya digantikan dengan keupayaan model Qwen3 teks biasa yang mempunyai label saiz serupa.
Panduan penggunaan praktikal merangkumi pengecaman dan terjemahan pertuturan, analisis muzik dan bunyi persekitaran, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan soalan audio-visual. Matematik daripada imej secara khusus mengetengahkan edisi Thinking. Bagi tugas geometri, berikan rajah lengkap, label yang boleh dibaca dan soalan, kemudian minta penyelesaian yang membezakan maklumat yang kelihatan daripada andaian. Bagi demonstrasi yang dirakam, kenal pasti tindakan atau percanggahan yang hendak disiasat dan minta pemerhatian yang terikat pada bahagian bahan yang relevan. Artifak yang dijangka boleh berupa penyelesaian bertulis, senarai pemerhatian berstruktur atau penerangan tentang perkara yang disokong oleh bukti.
Sediakan input sebagai perbualan multimodal menggunakan pemproses dan templat sembang yang sepadan. Kit pemprosesan pembuat mengendalikan teks, imej, audio dan video yang diselang-selikan. Qwen menerangkan respons teks berstrim sebagai sebahagian daripada reka bentuk interaksi keluarga ini dan menunjukkan inferens kelompok media campuran dengan output teks sahaja. Dalam setiap pusingan dialog, pengeluar mengesyorkan arahan teks yang jelas bersama media. Video sahaja menjadikan tugas samar: nyatakan sama ada hendak meringkaskan tindakan, membandingkan dua adegan, menerangkan bunyi atau menyelesaikan masalah yang dipaparkan. Labelkan berbilang input dan hubungannya supaya teks akhir dapat menghubungkan soalan yang betul kepada bahan yang betul.
Bagi video yang mengandungi pertuturan atau bunyi peristiwa, tentukan sama ada audionya sebahagian daripada tugas. Aliran yang didokumentasikan menggunakan use_audio_in_video secara konsisten semasa prapemprosesan dan penjanaan, dan kad memberi amaran bahawa menukar tetapan ini antara pusingan dialog boleh menyebabkan hasil tidak dijangka. Oleh itu, soalan adegan sahaja dan soalan audio-visual memerlukan persediaan berbeza. Pastikan klip asal tersedia, pilih selang yang relevan dan elakkan membuang runut bunyi apabila kesimpulan yang diminta bergantung pada perkara yang dikatakan atau didengar.
Konfigurasi teks yang diterbitkan menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad menggunakan tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan. Ini menunjukkan contoh inferens terkonfigurasi dan bukannya satu had output maksimum sejagat. Media diwakili melalui pemproses, jadi saiz permintaan bukan sekadar jumlah aksara yang ditaip. Peruntukkan ruang untuk hasil teks dan gunakan segmen sumber terbatas apabila rakaman panjang hanya mengandungi peristiwa pendek yang relevan dengan soalan.
Pembuat menunjukkan aliran kerja Transformers dan vLLM, dengan sokongan pemproses dan penyahkodan media sebagai kebergantungan jelas. Kad bersama turut mendokumentasikan perbezaan antara muka, termasuk pengendalian video dan audio secara berasingan dalam contoh penyajian. Pilih checkpoint Thinking yang tepat dan laluan pemprosesan yang disokong, dan bukan menganggap setiap contoh pada kad keluarga mempunyai tingkah laku output sama. Suara pertuturan dan kawalan Talker pada halaman itu terpakai kepada Instruct, bukan model Thinker sahaja ini.
Bagi hasil akhir yang berguna, minta penerangan berasaskan bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, kekalkan unit, simbol dan label; dalam audio, bezakan kandungan yang dapat didengar daripada sumber yang disimpulkan; dalam video, bezakan tindakan yang diperhatikan daripada tafsiran niat. Periksa hasil berdasarkan bahan yang dibekalkan dan nyatakan butiran yang tidak pasti atau tidak boleh dibaca secara jelas. Jawapan teks model boleh menyokong analisis atau langkah aplikasi kemudian, manakala setiap pelaksanaan alat, pengesahan fakta atau transformasi media kekal sebagai operasi berasingan yang memerlukan input dan hasilnya sendiri.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Qwen/Qwen3-Omni-30B-A3B-Thinking | 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-Thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, 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-Thinking
Gunakan laluan kaedah yang dipaparkan di atas.
Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking membuat penaakulan terhadap teks, imej, audio dan video serta mengembalikan teks. Edisi Thinker sahaja ini sesuai untuk matematik visual, analisis audio dan soalan yang memerlukan bukti daripada beberapa modaliti; penjanaan pertuturan tergolong dalam keluaran Omni lain.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen3-Omni-30B-A3B-Thinking ialah anggota Qwen3-Omni yang berorientasikan penaakulan. Ia memahami teks, imej, audio dan video, termasuk gabungannya dalam perbualan yang sama, serta menghasilkan hasil teks. Edisi Thinking yang tepat mengandungi komponen Thinker dan dilengkapi untuk penaakulan; ia tidak mengandungi Talker yang digunakan untuk output lisan dalam checkpoint Instruct. Perbezaan ini penting ketika memilih model untuk laporan analisis dan bukannya perbualan bersuara.
Pengeluar menerangkan Qwen3-Omni sebagai keluarga campuran pakar berbilang bahasa dengan 119 bahasa teks dan 19 bahasa input pertuturan. Bahasa Rusia terdapat dalam senarai input pertuturan yang diterbitkan. Konfigurasi Thinking yang tepat merangkumi 48 lapisan transformer teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Ia juga mempunyai komponen pemprosesan audio dan penglihatan. Ini ialah ciri checkpoint bernama tersebut; pemahaman multimodalnya tidak seharusnya digantikan dengan keupayaan model Qwen3 teks biasa yang mempunyai label saiz serupa.
Panduan penggunaan praktikal merangkumi pengecaman dan terjemahan pertuturan, analisis muzik dan bunyi persekitaran, audio campuran, soalan imej, OCR, penentuan kedudukan objek, penerangan video dan soalan audio-visual. Matematik daripada imej secara khusus mengetengahkan edisi Thinking. Bagi tugas geometri, berikan rajah lengkap, label yang boleh dibaca dan soalan, kemudian minta penyelesaian yang membezakan maklumat yang kelihatan daripada andaian. Bagi demonstrasi yang dirakam, kenal pasti tindakan atau percanggahan yang hendak disiasat dan minta pemerhatian yang terikat pada bahagian bahan yang relevan. Artifak yang dijangka boleh berupa penyelesaian bertulis, senarai pemerhatian berstruktur atau penerangan tentang perkara yang disokong oleh bukti.
Sediakan input sebagai perbualan multimodal menggunakan pemproses dan templat sembang yang sepadan. Kit pemprosesan pembuat mengendalikan teks, imej, audio dan video yang diselang-selikan. Qwen menerangkan respons teks berstrim sebagai sebahagian daripada reka bentuk interaksi keluarga ini dan menunjukkan inferens kelompok media campuran dengan output teks sahaja. Dalam setiap pusingan dialog, pengeluar mengesyorkan arahan teks yang jelas bersama media. Video sahaja menjadikan tugas samar: nyatakan sama ada hendak meringkaskan tindakan, membandingkan dua adegan, menerangkan bunyi atau menyelesaikan masalah yang dipaparkan. Labelkan berbilang input dan hubungannya supaya teks akhir dapat menghubungkan soalan yang betul kepada bahan yang betul.
Bagi video yang mengandungi pertuturan atau bunyi peristiwa, tentukan sama ada audionya sebahagian daripada tugas. Aliran yang didokumentasikan menggunakan use_audio_in_video secara konsisten semasa prapemprosesan dan penjanaan, dan kad memberi amaran bahawa menukar tetapan ini antara pusingan dialog boleh menyebabkan hasil tidak dijangka. Oleh itu, soalan adegan sahaja dan soalan audio-visual memerlukan persediaan berbeza. Pastikan klip asal tersedia, pilih selang yang relevan dan elakkan membuang runut bunyi apabila kesimpulan yang diminta bergantung pada perkara yang dikatakan atau didengar.
Konfigurasi teks yang diterbitkan menetapkan max_position_embeddings kepada 65,536. Contoh vLLM pada kad menggunakan tetapan panjang model 32,768 token dan tetapan penjanaan 16,384 token secara berasingan. Ini menunjukkan contoh inferens terkonfigurasi dan bukannya satu had output maksimum sejagat. Media diwakili melalui pemproses, jadi saiz permintaan bukan sekadar jumlah aksara yang ditaip. Peruntukkan ruang untuk hasil teks dan gunakan segmen sumber terbatas apabila rakaman panjang hanya mengandungi peristiwa pendek yang relevan dengan soalan.
Pembuat menunjukkan aliran kerja Transformers dan vLLM, dengan sokongan pemproses dan penyahkodan media sebagai kebergantungan jelas. Kad bersama turut mendokumentasikan perbezaan antara muka, termasuk pengendalian video dan audio secara berasingan dalam contoh penyajian. Pilih checkpoint Thinking yang tepat dan laluan pemprosesan yang disokong, dan bukan menganggap setiap contoh pada kad keluarga mempunyai tingkah laku output sama. Suara pertuturan dan kawalan Talker pada halaman itu terpakai kepada Instruct, bukan model Thinker sahaja ini.
Bagi hasil akhir yang berguna, minta penerangan berasaskan bukti dan kesimpulan yang dipisahkan dengan jelas. Dalam masalah visual, kekalkan unit, simbol dan label; dalam audio, bezakan kandungan yang dapat didengar daripada sumber yang disimpulkan; dalam video, bezakan tindakan yang diperhatikan daripada tafsiran niat. Periksa hasil berdasarkan bahan yang dibekalkan dan nyatakan butiran yang tidak pasti atau tidak boleh dibaca secara jelas. Jawapan teks model boleh menyokong analisis atau langkah aplikasi kemudian, manakala setiap pelaksanaan alat, pengesahan fakta atau transformasi media kekal sebagai operasi berasingan yang memerlukan input dan hasilnya sendiri.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had Qwen/Qwen3-Omni-30B-A3B-Thinking | 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 $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, 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-Thinking
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Reconcile demonstration annotations\n\nAnalyze these supplied text annotations of a demonstration. T0 visual note: valve indicator reads Closed. T1 speech transcript: "I am opening the valve now." T2 visual note: indicator still reads Closed; valve mechanism is off camera. State what each source establishes, whether successful opening is confirmed and what evidence would resolve the discrepancy.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.