Modellvalg: multimedieanalyse med tekst som utdata
Qwen3.8 Omni Flash er Qwens modell for lyd- og videoforståelse, møtereferater og innholdsanalyse. Inndataene er tekst, bilder, lyd og video; utdataene er tekst. Et svar kan beskrive et opptak, besvare et spørsmål om synlige og hørbare observasjoner eller utarbeide et skriftlig sammendrag. Utvikleren skiller uttrykkelig denne utgaven fra Omni-modeller som genererer tale. Ikke anta at Omni-navnet gir denne modellversjonen en modus for taleutdata.
Konteksten er på én million tokener, og lydinndata dekker 113 språk og dialekter. Dette språkantallet beskriver lydforståelsen, og garanterer ikke lik gjenkjenningskvalitet for alle aksenter, opptaksforhold eller faguttrykk. For et møte legger du ved agendaen eller viktige termer og ber om beslutninger, uavklarte spørsmål og neste steg. For et audiovisuelt klipp ber du modellen skille mellom det som er synlig og det som blir sagt, før observasjonene kombineres i en konklusjon.
Forberede multimodalt materiale
De dokumenterte eksemplene kombinerer medier med et tekstspørsmål. Angi det tiltenkte resultatet fremfor å sende inn et opptak uten forklaring: et tematisk sammendrag, en hendelsesbeskrivelse eller et svar på et konkret spørsmål. Merk separate filer, og behold tidsintervallene fra kildene utenfor forespørselen, slik at resultatet kan spores tilbake til originalen. Når flere deltakere eller scener er viktige, angir du hvilke skiller rapporten skal bevare.
Mediegrenser i utviklerens filarbeidsflyt
For videofiler dokumenterer utvikleren opptil 64 filer, en varighetsgrense på to timer og filer på opptil 2 GB når de leveres fra en tilgjengelig filplassering. De dokumenterte videoformatene er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede bilder brukt som video er det dokumenterte området fra to til 2,048 bilder. Bevar rekkefølge og timing fremfor å behandle en vilkårlig bildesamling som en kjent tidssekvens.
For lyd dokumenterer veiledningen opptil tre timer, inndata fra filplasseringer på opptil 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet lydfiler er opptil 2,048 når de leveres fra filplasseringer, og opptil 250 med Base64-koding. Base64-kodede nyttelaster må være mindre enn 10 MB. Dette er produsentens arbeidsflytgrenser, ikke løfter om et programs opplastingsgrensesnitt eller bevis på at alle inndata med maksimal størrelse får plass innenfor tokenbudsjettet samtidig.
For bilder oppgir veiledningen opptil 2,048 bildeplasseringer eller 250 kodede bilder. En fil levert fra en tilgjengelig bildeplassering kan være opptil 20 MB; begge dimensjonene må overstige ti piksler, og sideforholdet må holde seg innenfor 200:1 eller 1:200. Behold tilstrekkelig oppløsning for det konkrete spørsmålet. Et tekstfelt som blir uleselig under forberedelsen, kan ikke gjenopprettes bare ved å be om et sikkert svar.
Romlig lyd
Denne modellen støtter tokanals stereo og firekanals førsteordens ambisonisk lyd med kanalrekkefølgen WYZX. Utviklerens use_multichannel-kontroll er som standard false, slik at lyd tolkes som mono. Når kontrollen er aktivert og det støttede kanaloppsettet er til stede, kan romlig informasjon inngå i forståelsen. Bevar kanaloppsettet når oppgaven spør om det hørbare romlige lydbildet; ikke utled kalibrerte koordinater for en lydkilde fra en generell beskrivelse.
Verktøy og oppdatert informasjon
Utvikleren støtter funksjonskall og nettsøk. I den dokumenterte Responses-arbeidsflyten er web_search det eneste støttede innebygde verktøyet for denne utgaven. En oppgave med verktøybruk kan be modellen knytte hentet, oppdatert informasjon til det vedlagte opptaket, samtidig som opprinnelsen til hver påstand holdes tydelig. Eksterne handlinger og verktøyresultater avhenger fortsatt av programmets konfigurerte grensesnitt. Verktøystøtte bør ikke utvides til en ubetinget påstand om kodetolk eller filsystemtilgang. Produsenten oppgir også kontekstbufring for gjentatte inndata; gjenbruk gjelder felles forespørselsprefikser og fastslår ikke et buffertreff for en bestemt forespørsel.
Tenkemoduser
Tenkning er aktivert som standard, med reasoning_effort satt til xhigh. De primære nivåene for tenkeinnsats er low, medium og xhigh; innstillingen none deaktiverer tenkning. For kompatibilitet tilordnes minimal til low, mens high og max tilordnes xhigh. Utvikleren avviser forespørsler som angir reasoning_effort og thinking_budget samtidig. Disse kontrollene beskriver produsentens grensesnitt og fastslår ikke at alle programmer eksponerer dem.
Velg et direkte svar for et enkelt sammendrag og dypere resonnering for et spørsmål som krever at flere observasjoner knyttes sammen. Hold sluttrapporten atskilt fra resonneringen, og kontroller talesitater, hendelsesrekkefølge og grunnlaget for konklusjonene. Veiledningen fastslår medie- og kontekstgrenser, men publiserer ikke en separat absolutt maksimal lengde for tekstutdata i avsnittene som brukes her. Et tydelig spørsmål og et sporbart skriftlig resultat er mer nyttig enn å behandle størst mulig opplasting som en garanti for fullstendig gjenkalling.
", "aboutText": "Modellvalg: multimedieanalyse med tekst som utdata\n\nQwen3.8 Omni Flash er Qwens modell for lyd- og videoforståelse, møtereferater og innholdsanalyse. Inndataene er tekst, bilder, lyd og video; utdataene er tekst. Et svar kan beskrive et opptak, besvare et spørsmål om synlige og hørbare observasjoner eller utarbeide et skriftlig sammendrag. Utvikleren skiller uttrykkelig denne utgaven fra Omni-modeller som genererer tale. Ikke anta at Omni-navnet gir denne modellversjonen en modus for taleutdata.\n\nKonteksten er på én million tokener, og lydinndata dekker 113 språk og dialekter. Dette språkantallet beskriver lydforståelsen, og garanterer ikke lik gjenkjenningskvalitet for alle aksenter, opptaksforhold eller faguttrykk. For et møte legger du ved agendaen eller viktige termer og ber om beslutninger, uavklarte spørsmål og neste steg. For et audiovisuelt klipp ber du modellen skille mellom det som er synlig og det som blir sagt, før observasjonene kombineres i en konklusjon.\n\nForberede multimodalt materiale\n\nDe dokumenterte eksemplene kombinerer medier med et tekstspørsmål. Angi det tiltenkte resultatet fremfor å sende inn et opptak uten forklaring: et tematisk sammendrag, en hendelsesbeskrivelse eller et svar på et konkret spørsmål. Merk separate filer, og behold tidsintervallene fra kildene utenfor forespørselen, slik at resultatet kan spores tilbake til originalen. Når flere deltakere eller scener er viktige, angir du hvilke skiller rapporten skal bevare.\n\nMediegrenser i utviklerens filarbeidsflyt\n\nFor videofiler dokumenterer utvikleren opptil 64 filer, en varighetsgrense på to timer og filer på opptil 2 GB når de leveres fra en tilgjengelig filplassering. De dokumenterte videoformatene er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede bilder brukt som video er det dokumenterte området fra to til 2,048 bilder. Bevar rekkefølge og timing fremfor å behandle en vilkårlig bildesamling som en kjent tidssekvens.\n\nFor lyd dokumenterer veiledningen opptil tre timer, inndata fra filplasseringer på opptil 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet lydfiler er opptil 2,048 når de leveres fra filplasseringer, og opptil 250 med Base64-koding. Base64-kodede nyttelaster må være mindre enn 10 MB. Dette er produsentens arbeidsflytgrenser, ikke løfter om et programs opplastingsgrensesnitt eller bevis på at alle inndata med maksimal størrelse får plass innenfor tokenbudsjettet samtidig.\n\nFor bilder oppgir veiledningen opptil 2,048 bildeplasseringer eller 250 kodede bilder. En fil levert fra en tilgjengelig bildeplassering kan være opptil 20 MB; begge dimensjonene må overstige ti piksler, og sideforholdet må holde seg innenfor 200:1 eller 1:200. Behold tilstrekkelig oppløsning for det konkrete spørsmålet. Et tekstfelt som blir uleselig under forberedelsen, kan ikke gjenopprettes bare ved å be om et sikkert svar.\n\nRomlig lyd\n\nDenne modellen støtter tokanals stereo og firekanals førsteordens ambisonisk lyd med kanalrekkefølgen WYZX. Utviklerens use_multichannel-kontroll er som standard false, slik at lyd tolkes som mono. Når kontrollen er aktivert og det støttede kanaloppsettet er til stede, kan romlig informasjon inngå i forståelsen. Bevar kanaloppsettet når oppgaven spør om det hørbare romlige lydbildet; ikke utled kalibrerte koordinater for en lydkilde fra en generell beskrivelse.\n\nVerktøy og oppdatert informasjon\n\nUtvikleren støtter funksjonskall og nettsøk. I den dokumenterte Responses-arbeidsflyten er web_search det eneste støttede innebygde verktøyet for denne utgaven. En oppgave med verktøybruk kan be modellen knytte hentet, oppdatert informasjon til det vedlagte opptaket, samtidig som opprinnelsen til hver påstand holdes tydelig. Eksterne handlinger og verktøyresultater avhenger fortsatt av programmets konfigurerte grensesnitt. Verktøystøtte bør ikke utvides til en ubetinget påstand om kodetolk eller filsystemtilgang. Produsenten oppgir også kontekstbufring for gjentatte inndata; gjenbruk gjelder felles forespørselsprefikser og fastslår ikke et buffertreff for en bestemt forespørsel.\n\nTenkemoduser\n\nTenkning er aktivert som standard, med reasoning_effort satt til xhigh. De primære nivåene for tenkeinnsats er low, medium og xhigh; innstillingen none deaktiverer tenkning. For kompatibilitet tilordnes minimal til low, mens high og max tilordnes xhigh. Utvikleren avviser forespørsler som angir reasoning_effort og thinking_budget samtidig. Disse kontrollene beskriver produsentens grensesnitt og fastslår ikke at alle programmer eksponerer dem.\n\nVelg et direkte svar for et enkelt sammendrag og dypere resonnering for et spørsmål som krever at flere observasjoner knyttes sammen. Hold sluttrapporten atskilt fra resonneringen, og kontroller talesitater, hendelsesrekkefølge og grunnlaget for konklusjonene. Veiledningen fastslår medie- og kontekstgrenser, men publiserer ikke en separat absolutt maksimal lengde for tekstutdata i avsnittene som brukes her. Et tydelig spørsmål og et sporbart skriftlig resultat er mer nyttig enn å behandle størst mulig opplasting som en garanti for fullstendig gjenkalling.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyserer tekst, bilder, lyd og video og returnerer tekst. Den støtter møtereferater, multimediespørsmål, lyd på 113 språk og dialekter, valgbart resonneringsnivå og romlig lyd, med en produsentdokumentert kontekst på én million tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Modellvalg: multimedieanalyse med tekst som utdata
Qwen3.8 Omni Flash er Qwens modell for lyd- og videoforståelse, møtereferater og innholdsanalyse. Inndataene er tekst, bilder, lyd og video; utdataene er tekst. Et svar kan beskrive et opptak, besvare et spørsmål om synlige og hørbare observasjoner eller utarbeide et skriftlig sammendrag. Utvikleren skiller uttrykkelig denne utgaven fra Omni-modeller som genererer tale. Ikke anta at Omni-navnet gir denne modellversjonen en modus for taleutdata.
Konteksten er på én million tokener, og lydinndata dekker 113 språk og dialekter. Dette språkantallet beskriver lydforståelsen, og garanterer ikke lik gjenkjenningskvalitet for alle aksenter, opptaksforhold eller faguttrykk. For et møte legger du ved agendaen eller viktige termer og ber om beslutninger, uavklarte spørsmål og neste steg. For et audiovisuelt klipp ber du modellen skille mellom det som er synlig og det som blir sagt, før observasjonene kombineres i en konklusjon.
Forberede multimodalt materiale
De dokumenterte eksemplene kombinerer medier med et tekstspørsmål. Angi det tiltenkte resultatet fremfor å sende inn et opptak uten forklaring: et tematisk sammendrag, en hendelsesbeskrivelse eller et svar på et konkret spørsmål. Merk separate filer, og behold tidsintervallene fra kildene utenfor forespørselen, slik at resultatet kan spores tilbake til originalen. Når flere deltakere eller scener er viktige, angir du hvilke skiller rapporten skal bevare.
Mediegrenser i utviklerens filarbeidsflyt
For videofiler dokumenterer utvikleren opptil 64 filer, en varighetsgrense på to timer og filer på opptil 2 GB når de leveres fra en tilgjengelig filplassering. De dokumenterte videoformatene er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede bilder brukt som video er det dokumenterte området fra to til 2,048 bilder. Bevar rekkefølge og timing fremfor å behandle en vilkårlig bildesamling som en kjent tidssekvens.
For lyd dokumenterer veiledningen opptil tre timer, inndata fra filplasseringer på opptil 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet lydfiler er opptil 2,048 når de leveres fra filplasseringer, og opptil 250 med Base64-koding. Base64-kodede nyttelaster må være mindre enn 10 MB. Dette er produsentens arbeidsflytgrenser, ikke løfter om et programs opplastingsgrensesnitt eller bevis på at alle inndata med maksimal størrelse får plass innenfor tokenbudsjettet samtidig.
For bilder oppgir veiledningen opptil 2,048 bildeplasseringer eller 250 kodede bilder. En fil levert fra en tilgjengelig bildeplassering kan være opptil 20 MB; begge dimensjonene må overstige ti piksler, og sideforholdet må holde seg innenfor 200:1 eller 1:200. Behold tilstrekkelig oppløsning for det konkrete spørsmålet. Et tekstfelt som blir uleselig under forberedelsen, kan ikke gjenopprettes bare ved å be om et sikkert svar.
Romlig lyd
Denne modellen støtter tokanals stereo og firekanals førsteordens ambisonisk lyd med kanalrekkefølgen WYZX. Utviklerens use_multichannel-kontroll er som standard false, slik at lyd tolkes som mono. Når kontrollen er aktivert og det støttede kanaloppsettet er til stede, kan romlig informasjon inngå i forståelsen. Bevar kanaloppsettet når oppgaven spør om det hørbare romlige lydbildet; ikke utled kalibrerte koordinater for en lydkilde fra en generell beskrivelse.
Verktøy og oppdatert informasjon
Utvikleren støtter funksjonskall og nettsøk. I den dokumenterte Responses-arbeidsflyten er web_search det eneste støttede innebygde verktøyet for denne utgaven. En oppgave med verktøybruk kan be modellen knytte hentet, oppdatert informasjon til det vedlagte opptaket, samtidig som opprinnelsen til hver påstand holdes tydelig. Eksterne handlinger og verktøyresultater avhenger fortsatt av programmets konfigurerte grensesnitt. Verktøystøtte bør ikke utvides til en ubetinget påstand om kodetolk eller filsystemtilgang. Produsenten oppgir også kontekstbufring for gjentatte inndata; gjenbruk gjelder felles forespørselsprefikser og fastslår ikke et buffertreff for en bestemt forespørsel.
Tenkemoduser
Tenkning er aktivert som standard, med reasoning_effort satt til xhigh. De primære nivåene for tenkeinnsats er low, medium og xhigh; innstillingen none deaktiverer tenkning. For kompatibilitet tilordnes minimal til low, mens high og max tilordnes xhigh. Utvikleren avviser forespørsler som angir reasoning_effort og thinking_budget samtidig. Disse kontrollene beskriver produsentens grensesnitt og fastslår ikke at alle programmer eksponerer dem.
Velg et direkte svar for et enkelt sammendrag og dypere resonnering for et spørsmål som krever at flere observasjoner knyttes sammen. Hold sluttrapporten atskilt fra resonneringen, og kontroller talesitater, hendelsesrekkefølge og grunnlaget for konklusjonene. Veiledningen fastslår medie- og kontekstgrenser, men publiserer ikke en separat absolutt maksimal lengde for tekstutdata i avsnittene som brukes her. Et tydelig spørsmål og et sporbart skriftlig resultat er mer nyttig enn å behandle størst mulig opplasting som en garanti for fullstendig gjenkalling.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3.8-omni-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.00094 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000032 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.00094 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000032 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-omni-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.8-omni-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Bruk metodestiene som vises ovenfor.
qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyserer tekst, bilder, lyd og video og returnerer tekst. Den støtter møtereferater, multimediespørsmål, lyd på 113 språk og dialekter, valgbart resonneringsnivå og romlig lyd, med en produsentdokumentert kontekst på én million tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Modellvalg: multimedieanalyse med tekst som utdata
Qwen3.8 Omni Flash er Qwens modell for lyd- og videoforståelse, møtereferater og innholdsanalyse. Inndataene er tekst, bilder, lyd og video; utdataene er tekst. Et svar kan beskrive et opptak, besvare et spørsmål om synlige og hørbare observasjoner eller utarbeide et skriftlig sammendrag. Utvikleren skiller uttrykkelig denne utgaven fra Omni-modeller som genererer tale. Ikke anta at Omni-navnet gir denne modellversjonen en modus for taleutdata.
Konteksten er på én million tokener, og lydinndata dekker 113 språk og dialekter. Dette språkantallet beskriver lydforståelsen, og garanterer ikke lik gjenkjenningskvalitet for alle aksenter, opptaksforhold eller faguttrykk. For et møte legger du ved agendaen eller viktige termer og ber om beslutninger, uavklarte spørsmål og neste steg. For et audiovisuelt klipp ber du modellen skille mellom det som er synlig og det som blir sagt, før observasjonene kombineres i en konklusjon.
Forberede multimodalt materiale
De dokumenterte eksemplene kombinerer medier med et tekstspørsmål. Angi det tiltenkte resultatet fremfor å sende inn et opptak uten forklaring: et tematisk sammendrag, en hendelsesbeskrivelse eller et svar på et konkret spørsmål. Merk separate filer, og behold tidsintervallene fra kildene utenfor forespørselen, slik at resultatet kan spores tilbake til originalen. Når flere deltakere eller scener er viktige, angir du hvilke skiller rapporten skal bevare.
Mediegrenser i utviklerens filarbeidsflyt
For videofiler dokumenterer utvikleren opptil 64 filer, en varighetsgrense på to timer og filer på opptil 2 GB når de leveres fra en tilgjengelig filplassering. De dokumenterte videoformatene er MP4, AVI, MKV, MOV, FLV og WMV. For ordnede bilder brukt som video er det dokumenterte området fra to til 2,048 bilder. Bevar rekkefølge og timing fremfor å behandle en vilkårlig bildesamling som en kjent tidssekvens.
For lyd dokumenterer veiledningen opptil tre timer, inndata fra filplasseringer på opptil 2 GB og AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antallet lydfiler er opptil 2,048 når de leveres fra filplasseringer, og opptil 250 med Base64-koding. Base64-kodede nyttelaster må være mindre enn 10 MB. Dette er produsentens arbeidsflytgrenser, ikke løfter om et programs opplastingsgrensesnitt eller bevis på at alle inndata med maksimal størrelse får plass innenfor tokenbudsjettet samtidig.
For bilder oppgir veiledningen opptil 2,048 bildeplasseringer eller 250 kodede bilder. En fil levert fra en tilgjengelig bildeplassering kan være opptil 20 MB; begge dimensjonene må overstige ti piksler, og sideforholdet må holde seg innenfor 200:1 eller 1:200. Behold tilstrekkelig oppløsning for det konkrete spørsmålet. Et tekstfelt som blir uleselig under forberedelsen, kan ikke gjenopprettes bare ved å be om et sikkert svar.
Romlig lyd
Denne modellen støtter tokanals stereo og firekanals førsteordens ambisonisk lyd med kanalrekkefølgen WYZX. Utviklerens use_multichannel-kontroll er som standard false, slik at lyd tolkes som mono. Når kontrollen er aktivert og det støttede kanaloppsettet er til stede, kan romlig informasjon inngå i forståelsen. Bevar kanaloppsettet når oppgaven spør om det hørbare romlige lydbildet; ikke utled kalibrerte koordinater for en lydkilde fra en generell beskrivelse.
Verktøy og oppdatert informasjon
Utvikleren støtter funksjonskall og nettsøk. I den dokumenterte Responses-arbeidsflyten er web_search det eneste støttede innebygde verktøyet for denne utgaven. En oppgave med verktøybruk kan be modellen knytte hentet, oppdatert informasjon til det vedlagte opptaket, samtidig som opprinnelsen til hver påstand holdes tydelig. Eksterne handlinger og verktøyresultater avhenger fortsatt av programmets konfigurerte grensesnitt. Verktøystøtte bør ikke utvides til en ubetinget påstand om kodetolk eller filsystemtilgang. Produsenten oppgir også kontekstbufring for gjentatte inndata; gjenbruk gjelder felles forespørselsprefikser og fastslår ikke et buffertreff for en bestemt forespørsel.
Tenkemoduser
Tenkning er aktivert som standard, med reasoning_effort satt til xhigh. De primære nivåene for tenkeinnsats er low, medium og xhigh; innstillingen none deaktiverer tenkning. For kompatibilitet tilordnes minimal til low, mens high og max tilordnes xhigh. Utvikleren avviser forespørsler som angir reasoning_effort og thinking_budget samtidig. Disse kontrollene beskriver produsentens grensesnitt og fastslår ikke at alle programmer eksponerer dem.
Velg et direkte svar for et enkelt sammendrag og dypere resonnering for et spørsmål som krever at flere observasjoner knyttes sammen. Hold sluttrapporten atskilt fra resonneringen, og kontroller talesitater, hendelsesrekkefølge og grunnlaget for konklusjonene. Veiledningen fastslår medie- og kontekstgrenser, men publiserer ikke en separat absolutt maksimal lengde for tekstutdata i avsnittene som brukes her. Et tydelig spørsmål og et sporbart skriftlig resultat er mer nyttig enn å behandle størst mulig opplasting som en garanti for fullstendig gjenkalling.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen3.8-omni-flash | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.00094 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000032 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.00094 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000032 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen/qwen3.8-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.8-omni-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.