Source: https://ailoot.ai/models/nb/qwen2-5-omni-7b/ Canonical: https://ailoot.ai/models/nb/qwen2-5-omni-7b/ Language: nb # qwen2.5-omni-7b [Markdown](https://ailoot.ai/models/nb/qwen2-5-omni-7b/index.md) · [JSON](https://ailoot.ai/models/nb/qwen2-5-omni-7b/facts.json) ## [qwen2.5-omni-7b](https://ailoot.ai/models/nb/qwen2-5-omni-7b/) Qwen2.5-Omni-7B kombinerer forståelse av tekst, bilder, lyd og video med tekstutdata og naturlig tale. Thinker-Talker-arkitekturen tilpasser lyd til videoens tidsinformasjon, støtter strømmet samhandling og tilbyr to dokumenterte stemmer i akkurat dette åpne modellkontrollpunktet. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen2.5-omni-7b`](https://ailoot.ai/models/nb/qwen2-5-omni-7b/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen2.5-omni-7b`](https://ailoot.ai/models/nb/qwen2-5-omni-7b/#method-1) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. Oversikt: én modell for flere inndatamodaliteter Qwen2.5-Omni-7B er Qwens multimodale ende-til-ende-modell for tekst, bilder, lyd og video. Den kan forstå disse inndataene samlet og generere tekst med naturlig tale i en strømmet arbeidsflyt. Bruk den når en oppgave avhenger av både det som er synlig og det som er hørbart, eller når brukeren gir instruksjonen med stemmen fremfor å skrive. Dette er akkurat modellkontrollpunktet på 7B; kommersielle Omni-Turbo og senere Omni-utgivelser har egne kontrakter. Viktige egenskaper og arkitektur Thinker-Talker-utformingen kombinerer forståelse med talegenerering. Thinker behandler den multimodale oppgaven og produserer tekstinnhold, mens Talker deltar i å forme talesvaret. TMRoPE, produsentens tidsjusterte multimodale posisjonsskjema, synkroniserer tidsstempler fra video med lyd. Arkitekturen er utformet for blokkdelte inndata og responsiv stemme- eller videosamhandling; dette utformingsmålet er ikke en fast svartidsgaranti for alle grensesnitt. Produsentens oppgavedekning omfatter talegjenkjenning, taleoversettelse, lydforståelse, bilderesonnement, videoforståelse og talegenerering. Muntlige instruksjoner kan derfor inngå direkte i et multimodalt spørsmål fremfor alltid å kreve en separat oppgitt, skrevet transkripsjon. Hold måloppgaven tydelig: å forstå et lydklipp, svare på et muntlig spørsmål og generere et talesvar er forskjellige bruksområder, selv om modellen støtter alle inndata- eller utdataformene deres. Klargjøring av en multimodal samtale Oppgi de relevante mediene og si hvordan svaret skal knytte dem sammen. For en demonstrasjon med forteller ber du modellen skille mellom de synlige trinnene og talerens forklaring og identifisere hvor de samsvarer. For et bilde sammen med et lydspørsmål identifiserer du bildets rolle og ber om et kortfattet svar forankret i det synlige innholdet. For et utdrag med bare lyd oppgir du om målet er å gjenkjenne tale, forklare lyder eller svare på et spørsmål om innholdet. Dette er utformede anvendelser av den dokumenterte oppgavedekningen. Produsentens eksempler viser samtaler med bare tekst, bare lyd, bare video og blandede medier. Bevar videoens opprinnelige rekkefølge og tidsinformasjon. Merk separate ressurser slik at modellen kan vise til dem uten å behandle dokumentasjon uten sammenheng som én hendelse. Resultatet kan være tekst alene eller tekst med tale; velg det nyttige sluttproduktet før du klargjør forespørselen. Klargjøring av taleutdata Qwens oppskrift for modellkontrollpunktet krever den dokumenterte systemprompten for lydegenskaper når taleutdata er nødvendig. Prompten identifiserer Qwen og modellens lyd-, syns-, tekst- og taleegenskaper; en uvedkommende erstatning kan forhindre forventet lydoppførsel. Dette er veiledning for produsentens arbeidsflyt for modellkontrollpunktet, ikke en påstand om at alle applikasjoner eksponerer kontroller for systemprompt eller lydgenerering. Det nøyaktige modellkontrollpunktet tilbyr to stemmer: Chelsie, en varm kvinnestemme, og Ethan, en livlig mannsstemme. Chelsie er dokumentert standard når ingen taler er valgt. Genereringseksempelet skriver tale med en samplingsfrekvens på 24 000 Hz. Disse to stemmene skal ikke erstattes av beskrivelsen med fire stemmer for en separat navngitt kommersiell modell. Bruk av lyd fra video Lydsporet i en video kan være relevant for betydningen, som muntlige instruksjoner eller en lyd produsert av en synlig handling. Qwen eksponerer use\_audio\_in\_video på tvers av medieklargjøring, behandling og generering. Innstillingen må være konsekvent i alle tre trinn og på tvers av en samtale med flere turer; inkonsekvente innstillinger kan gi uventede resultater. En rent visuell videotolkning er derfor forskjellig fra en audiovisuell tolkning, selv når filen er den samme. Utdata med bare tekst og satsvis behandling Produsenten støtter utdata med bare tekst ved å sette return\_audio=False. Den tillater også å deaktivere Talker etter innlasting, noe som reduserer GPU-minnet med omtrent 2 GB, men gjør lydutdata utilgjengelig i den instansen. Det dokumenterte eksempelet på satsvis behandling av blandede prøver krever return\_audio=False og kombinerer tekst-, bilde-, lyd- og videoforespørsler. Dette satseksempelet skal ikke gjøres til en påstand om satsvis talegenerering. Kontekst og innholdsmessige grenser Konfigurasjonen for modellkontrollpunktets tekstgrunnmodell angir maksimalt 32 768 posisjoner. Tekst, representerte medier og genererte svar bruker sekvensplass; denne verdien definerer ikke i seg selv en universell lyd- eller videovarighet. Produsentens ressurseksempler viser at lengre video trenger vesentlig mer minne, så et kort relevant klipp er ofte mer praktisk enn et stort, uvedkommende opptak. Eksemplene publiserer ikke en separat absolutt maksimal svarlengde eller en universelt garantert medievarighet. Kontroller talesitater og konklusjoner mot kilden, bevar nok visuelle detaljer til spørsmålet og behold et tekstresultat når en kontrollør må gjennomgå den muntlige forklaringen. Modellens dokumenterte verdi er samlet forståelse og tekst-/talesvar, mens nøyaktige stemmekontroller, mediebehandling og utdatalevering forblir egenskaper ved det valgte grensesnittet. Praktisk oppgave ### Praktisk oppgave Teknisk eksempel på engelsk ``` Compare demonstration notes with narration Compare two text records of demonstration M2. Visual notes: 'Operator closes the lid, then presses Start.' Narration transcript: 'Press Start before closing the lid.' Identify the sequence disagreement and write one clarification question for the instructor. Use only these supplied records; do not claim to have watched or heard a clip. ``` #### Forventet resultat ``` A source-linked sequence comparison and one targeted clarification question. ``` #### Kontroller resultatet ``` The answer must preserve the opposing event order and avoid inventing a resolution. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen2.5-omni-7b` [`qwen2.5-omni-7b`](https://ailoot.ai/models/nb/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=chat) Alibaba /`qwen2.5-omni-7b` ### Start Qwen2.5-Omni-7B kombinerer forståelse av tekst, bilder, lyd og video med tekstutdata og naturlig tale. Thinker-Talker-arkitekturen tilpasser lyd til videoens tidsinformasjon, støtter strømmet samhandling og tilbyr to dokumenterte stemmer i akkurat dette åpne modellkontrollpunktet. Godkjente inndata Tekst Resultater Tekst ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Inndatatyper `text` Utdatatyper `text` Utdataformat json eller SSE | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser qwen2.5-omni-7b | Standard— | | Felt`messages` | Type`message[]` | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— | | Felt`messages[].role` | Type`string` | 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— | | Felt`messages[].content` | Type`string\|content_part[]\|null` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].tool_calls` | Type`tool_call[]` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].tool_call_id` | Type`string` | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— | | Felt`messages[].name` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].reasoning_content` | Type`string` | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— | | Felt`messages[].reasoning_details` | Type`object\|array` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`max_tokens` | Type`integer` | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— | | Felt`max_completion_tokens` | Type`integer` | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— | | Felt`stream` | Type`boolean` | KravValgfritt | Verdier & grenser | Standardfalse | | Felt`stream_options.include_usage` | Type`boolean` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`temperature` | Type`number` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`stop` | Type`string\|string[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`tools` | Type`function_tool[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`tools[].type` | Type`string` | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— | | Felt`tools[].function.name` | Type`string` | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— | | Felt`tools[].function.description` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`tools[].function.parameters` | Type`JSON_schema` | KravValgfritt | Verdier & grenser | Standard— | | Felt`tool_choice` | Type`string\|object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`parallel_tool_calls` | Type`boolean` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`response_format` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`reasoning_effort` | Type`string` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`reasoning` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`service_tier` | Type`string` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`instructions` | Type`string` | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— | | Felt`functions` | Type`function[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`function_call` | Type`string\|object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`prompt_cache_options` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`modalities` | Type`string[]` | KravValgfritt | Verdier & grenser text | Standard— | | Felt`provider` | Type`object` | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— | | Felt`cache_control.ttl` | Type`string` | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— | Kombinasjoner av inngående materialer **Tekst** · UTF8-tekst `messages[].content` Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, messages | | Parameter`material_types` | Avtaletext | | Parameter`messages` | Avtalemeldingstabell med role/content-struktur | | Parameter`file_material` | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes | | Parameter`optional_controls` | Avtalestream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy | | Parameter`output_modalities` | Avtaletext | | Parameter`hosted_operations` | Avtalefalse | | Parameter`multimodal_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. ### Priser Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden. Hurtigmodus Ikke angitt Når hurtigmodus er valgt Flex-modus Ikke angitt Når flex-modus er valgt Maksimal resonneringsinnsats Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats #### Ailoot-satser #### Priser etter konfigurasjon | Konfigurasjon | Prisplan | Kostnad | | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0.0046** / 1K tokener Utdata · Utgående tokener **$0.0138** / 1K tokener Inndata · Lesing fra hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-strømming ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "qwen2.5-omni-7b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='qwen2.5-omni-7b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='qwen2.5-omni-7b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Motta og lagre resultater #### Ailoot Ultra · OpenAI Chat json eller SSE ##### Behold alle ferdige resultater 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. ##### Hvis det opprinnelige svaret må kontrolleres Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis. Svarfelter | Felt | Type | | --- | --- | | Felt`choices[].index` | Typeinteger | | Felt`choices[].message.content` | Typestring\|null | | Felt`choices[].message.tool_calls` | Typetool\_call\[\] | | Felt`choices[].message.reasoning_content` | Typestring | | Felt`choices[].message.reasoning_details` | Typeobject\|array | | Felt`choices[].finish_reason` | Typestring\|null | | Felt`usage` | Typeobject | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`qwen2.5-omni-7b`](https://ailoot.ai/models/nb/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=chat) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`qwen2.5-omni-7b`](https://ailoot.ai/models/nb/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen2.5-omni-7b` [`qwen2.5-omni-7b`](https://ailoot.ai/models/nb/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=messages) Alibaba /`qwen2.5-omni-7b` ### Start Qwen2.5-Omni-7B kombinerer forståelse av tekst, bilder, lyd og video med tekstutdata og naturlig tale. Thinker-Talker-arkitekturen tilpasser lyd til videoens tidsinformasjon, støtter strømmet samhandling og tilbyr to dokumenterte stemmer i akkurat dette åpne modellkontrollpunktet. Godkjente inndata Tekst Resultater json · sse ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Inndatatyper `text` Utdatatyper `json`, `sse` Utdataformat JSON eller SSE | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser qwen2.5-omni-7b | Standard— | | Felt`messages` | Type`message[]` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`messages[].role` | Type`string` | KravPåkrevd | Verdier & grenser user, assistant | Standard— | | Felt`messages[].content` | Type`string` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`max_tokens` | Type`integer` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`stream` | Type`boolean` | KravValgfritt | Verdier & grenser | Standardfalse | Kombinasjoner av inngående materialer **Tekst** · UTF-8-tekst `messages[].content-streng` Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, messages, max\_tokens | | Parameter`optional_controls` | Avtalestream | | Parameter`material_types` | Avtaletext | | Parameter`text_file_material` | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. | Livssyklus: `synchronous_or_streamed` ### Priser Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden. Hurtigmodus Ikke angitt Når hurtigmodus er valgt Flex-modus Ikke angitt Når flex-modus er valgt Maksimal resonneringsinnsats Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats #### Ailoot-satser #### Priser etter konfigurasjon | Konfigurasjon | Prisplan | Kostnad | | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0.0046** / 1K tokener Utdata · Utgående tokener **$0.0138** / 1K tokener Inndata · Lesing fra hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · Anthropic Messages Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet ```json { "model": "qwen2.5-omni-7b", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen2.5-omni-7b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen2.5-omni-7b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Motta og lagre resultater #### Ailoot Ultra · Anthropic Messages JSON eller SSE ##### Behold alle ferdige resultater 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. ##### Hvis det opprinnelige svaret må kontrolleres Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis. Svarfelter | Felt | Type | | --- | --- | | Felt`id` | Typestring | | Felt`model` | Typestring | | Felt`content[]` | Typetext\|thinking\|tool\_use\|other content block | | Felt`stop_reason` | Typestring\|null | | Felt`usage` | Typeobject | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`qwen2.5-omni-7b`](https://ailoot.ai/models/nb/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=messages) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`qwen2.5-omni-7b`](https://ailoot.ai/models/nb/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=messages) FAQ · qwen2.5-omni-7b Hvilke inndata og resultater er tilgjengelige? `POST /v1/chat/completions` · `qwen2.5-omni-7b`: `text` → `text` `POST /v1/messages` · `qwen2.5-omni-7b`: `text` → `json`, `sse` Hvilke felt bruker forespørselen? `POST /v1/chat/completions` · `qwen2.5-omni-7b`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `qwen2.5-omni-7b`: `model`, `messages`, `max_tokens`, `stream` Hvilke grenser gjelder? `POST /v1/chat/completions` · `qwen2.5-omni-7b`: `messages.min_items`: `1` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.