Source: https://ailoot.ai/models/pl/qwen-qwen3-omni-30b-a3b-thinking/ Canonical: https://ailoot.ai/models/pl/qwen-qwen3-omni-30b-a3b-thinking/ Language: pl # Qwen3 Omni 30B A3B Thinking [Markdown](https://ailoot.ai/models/pl/qwen-qwen3-omni-30b-a3b-thinking/index.md) · [JSON](https://ailoot.ai/models/pl/qwen-qwen3-omni-30b-a3b-thinking/facts.json) ## [Qwen3 Omni 30B A3B Thinking](https://ailoot.ai/models/pl/qwen-qwen3-omni-30b-a3b-thinking/) Qwen3-Omni-30B-A3B-Thinking rozumuje na podstawie tekstu, obrazów, audio i wideo oraz zwraca tekst. Ta edycja zawierająca wyłącznie Thinker nadaje się do matematyki wizualnej, analizy audio i pytań wymagających dowodów z kilku modalności; generowanie mowy należy do innego wydania Omni. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/qwen-qwen3-omni-30b-a3b-thinking/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/qwen-qwen3-omni-30b-a3b-thinking/#method-1) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Qwen3-Omni-30B-A3B-Thinking to model z rodziny Qwen3-Omni ukierunkowany na rozumowanie. Rozumie tekst, obrazy, audio i wideo, w tym ich połączenia w tej samej rozmowie, i tworzy wynik tekstowy. Konkretna edycja Thinking zawiera komponent Thinker i jest przystosowana do rozumowania; nie obejmuje komponentu Talker używanego do odpowiedzi głosowych w checkpoincie Instruct. To rozróżnienie ma znaczenie przy wybieraniu modelu do raportu analitycznego zamiast rozmowy głosowej. Producent opisuje Qwen3-Omni jako wielojęzyczną rodzinę z architekturą mieszaniny ekspertów, obejmującą 119 języków tekstowych i 19 języków wejściowej mowy. Rosyjski znajduje się na opublikowanej liście języków wejściowej mowy. Dokładna konfiguracja Thinking obejmuje 48 warstw transformera tekstowego, 128 ekspertów i ośmiu ekspertów wybieranych na token. Ma również komponenty przetwarzania audio i obrazu. Są to cechy nazwanego checkpointu; jego rozumienia multimodalnego nie należy zastępować możliwościami modelu Qwen3 przeznaczonego wyłącznie do tekstu, o podobnym oznaczeniu rozmiaru. Zbiory przykładów użycia obejmują rozpoznawanie i tłumaczenie mowy, analizę muzyki i dźwięków otoczenia, mieszane audio, pytania o obrazy, OCR, lokalizowanie obiektów, opisy wideo i pytania audiowizualne. Matematyka na podstawie obrazów jest szczególnie wskazywana dla edycji Thinking. W zadaniu geometrycznym dostarcz pełny diagram, czytelne etykiety i pytanie, a następnie poproś o rozwiązanie odróżniające widoczne dane od założeń. W nagranej demonstracji wskaż działanie lub rozbieżność do zbadania i poproś o obserwacje powiązane z odpowiednimi częściami materiału. Oczekiwany artefakt może mieć postać pisemnego rozwiązania, uporządkowanej listy obserwacji lub wyjaśnienia, co wynika z dowodów. Przygotuj dane wejściowe jako rozmowę multimodalną, korzystając z odpowiedniego procesora i szablonu czatu. Zestaw narzędzi przetwarzania producenta obsługuje przeplatany tekst, obrazy, audio i wideo. Qwen opisuje strumieniowe odpowiedzi tekstowe jako część projektu interakcji tej rodziny i demonstruje inferencję wsadową z mieszanymi mediami oraz wyjściem wyłącznie tekstowym. W każdej turze dialogu producent zaleca jawną instrukcję tekstową obok mediów. Samo wideo pozostawia zadanie niejednoznaczne: określ, czy chodzi o podsumowanie działań, porównanie dwóch scen, wyjaśnienie dźwięku czy rozwiązanie wyświetlonego zadania. Oznacz liczne dane wejściowe i ich powiązania, aby końcowy tekst łączył właściwe pytanie z właściwym materiałem. W przypadku wideo zawierającego mowę lub dźwięki zdarzeń zdecyduj, czy jego audio jest częścią zadania. Udokumentowany przepływ konsekwentnie wykorzystuje use\_audio\_in\_video podczas przetwarzania wstępnego i generowania, a karta ostrzega, że zmiana tego ustawienia między turami dialogu może powodować nieoczekiwane wyniki. Pytanie dotyczące samej sceny i pytanie audiowizualne wymagają zatem odmiennego przygotowania. Zachowaj dostęp do oryginalnego klipu, wybierz odpowiedni przedział czasu i unikaj pomijania ścieżki dźwiękowej, gdy wymagany wniosek zależy od tego, co powiedziano lub usłyszano. Opublikowana konfiguracja tekstowa ustawia max\_position\_embeddings na 65,536. Przykłady vLLM z karty osobno wykorzystują ustawienie długości modelu 32,768 tokenów i ustawienie generowania 16,384 tokenów. Pokazują skonfigurowany przykład inferencji, a nie jeden uniwersalny maksymalny limit długości wyjścia. Media są reprezentowane przez procesor, dlatego rozmiar żądania nie jest wyłącznie liczbą wpisanych znaków. Zarezerwuj miejsce na wynik tekstowy i wykorzystuj ograniczony fragment źródła, gdy długie nagranie zawiera tylko krótkie zdarzenie istotne dla pytania. Producent demonstruje przepływy pracy Transformers i vLLM, z obsługą procesora i dekodowaniem mediów jako jawnymi zależnościami. Wspólna karta dokumentuje także różnice między interfejsami, w tym osobną obsługę wideo i audio w przykładzie udostępniania modelu. Wybierz konkretny checkpoint Thinking i jego obsługiwaną ścieżkę przetwarzania, zamiast zakładać, że każdy przykład na karcie rodziny ma takie samo zachowanie wyjściowe. Głosy mowy i mechanizmy sterowania Talker na tej stronie dotyczą Instruct, a nie tego modelu zawierającego wyłącznie Thinker. Aby uzyskać przydatny wynik końcowy, poproś o wyjaśnienie oparte na dowodach i wyraźnie oddzielony wniosek. W problemie wizualnym zachowaj jednostki, symbole i etykiety; w audio odróżniaj słyszalną treść od wywnioskowanego źródła; w wideo odróżniaj obserwowane działania od interpretacji zamiaru. Sprawdź wynik względem dostarczonego materiału i wyraźnie wskaż szczegóły niepewne lub nieczytelne. Tekstowa odpowiedź modelu może wspierać analizę lub późniejszy krok aplikacji, natomiast każde wykonanie narzędzia, potwierdzenie faktów lub przekształcenie mediów pozostaje osobną operacją wymagającą własnych danych wejściowych i wyniku. Zadanie praktyczne ### Zadanie praktyczne Przykład techniczny po angielsku ``` Reconcile demonstration annotations Analyze 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. ``` #### Oczekiwany wynik ``` An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need. ``` #### Sprawdź wynik ``` Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen/Qwen3-Omni-30B-A3B-Thinking` [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=chat) Alibaba /`Qwen/Qwen3-Omni-30B-A3B-Thinking` ### Start Qwen3-Omni-30B-A3B-Thinking rozumuje na podstawie tekstu, obrazów, audio i wideo oraz zwraca tekst. Ta edycja zawierająca wyłącznie Thinker nadaje się do matematyki wizualnej, analizy audio i pytań wymagających dowodów z kilku modalności; generowanie mowy należy do innego wydania Omni. Akceptowane dane wejściowe Tekst Wyniki Tekst ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Wejście `text` Wyjście `text` Format wyjściowy json lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity Qwen/Qwen3-Omni-30B-A3B-Thinking | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— | | Pole`messages[].role` | Typ`string` | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— | | Pole`messages[].content` | Typ`string\|content_part[]\|null` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_calls` | Typ`tool_call[]` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_call_id` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— | | Pole`messages[].name` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].reasoning_content` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— | | Pole`messages[].reasoning_details` | Typ`object\|array` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`max_completion_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`stream_options.include_usage` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`temperature` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`top_p` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`stop` | Typ`string\|string[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools` | Typ`function_tool[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools[].type` | Typ`string` | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— | | Pole`tools[].function.name` | Typ`string` | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— | | Pole`tools[].function.description` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tools[].function.parameters` | Typ`JSON_schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tool_choice` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`parallel_tool_calls` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`response_format` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning_effort` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`service_tier` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`instructions` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— | | Pole`functions` | Typ`function[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`function_call` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`prompt_cache_options` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`modalities` | Typ`string[]` | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— | | Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— | | Pole`cache_control.ttl` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— | Kombinacje materiałów wejściowych **Tekst** · tekst UTF8 `messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages | | Parametr`material_types` | Kontrakttext | | Parametr`messages` | Kontrakttablica wiadomości o strukturze role/content | | Parametr`file_material` | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku | | Parametr`optional_controls` | Kontraktstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parametr`control_scope` | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych | | Parametr`output_modalities` | Kontrakttext | | Parametr`hosted_operations` | Kontraktfalse | | Parametr`multimodal_input_binding` | Kontraktnull | Cykl życia: `synchronous_or_streamed` Wyślij dokładne ID modelu wraz z messages. Długość kontekstu nie jest limitem wyjścia. Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji | Konfiguracja | Tabela stawek | Opłata | | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.0002** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.0008** / 1K tokenów Wejście · Odczyt cache **$0** / 1K tokenów Wejście · Zapis do cache **$0** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · OpenAI Chat curlPython SDKStrumień w Pythonie ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Thinking", "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='Qwen/Qwen3-Omni-30B-A3B-Thinking',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='Qwen/Qwen3-Omni-30B-A3B-Thinking',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") ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · OpenAI Chat json lub SSE ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`choices[].index` | Typinteger | | Pole`choices[].message.content` | Typstring\|null | | Pole`choices[].message.tool_calls` | Typtool\_call\[\] | | Pole`choices[].message.reasoning_content` | Typstring | | Pole`choices[].message.reasoning_details` | Typobject\|array | | Pole`choices[].finish_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=chat) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen/Qwen3-Omni-30B-A3B-Thinking` [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=messages) Alibaba /`Qwen/Qwen3-Omni-30B-A3B-Thinking` ### Start Qwen3-Omni-30B-A3B-Thinking rozumuje na podstawie tekstu, obrazów, audio i wideo oraz zwraca tekst. Ta edycja zawierająca wyłącznie Thinker nadaje się do matematyki wizualnej, analizy audio i pytań wymagających dowodów z kilku modalności; generowanie mowy należy do innego wydania Omni. Akceptowane dane wejściowe Tekst Wyniki json · sse ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Wejście `text` Wyjście `json`, `sse` Format wyjściowy JSON lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity Qwen/Qwen3-Omni-30B-A3B-Thinking | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`messages[].role` | Typ`string` | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— | | Pole`messages[].content` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | Kombinacje materiałów wejściowych **Tekst** · tekst UTF-8 `ciąg messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages, max\_tokens | | Parametr`optional_controls` | Kontraktstream | | Parametr`material_types` | Kontrakttext | | Parametr`text_file_material` | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. | Cykl życia: `synchronous_or_streamed` ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji | Konfiguracja | Tabela stawek | Opłata | | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.0002** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.0008** / 1K tokenów Wejście · Odczyt cache **$0** / 1K tokenów Wejście · Zapis do cache **$0** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Anthropic Messages Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik ```json { "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${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': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', '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': 'Qwen/Qwen3-Omni-30B-A3B-Thinking', '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)) ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Anthropic Messages JSON lub SSE ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`id` | Typstring | | Pole`model` | Typstring | | Pole`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Pole`stop_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=messages) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`Qwen/Qwen3-Omni-30B-A3B-Thinking`](https://ailoot.ai/models/pl/#m=Qwen%2FQwen3-Omni-30B-A3B-Thinking&route=Ultra&caller=Qwen%2FQwen3-Omni-30B-A3B-Thinking&fmt=messages) FAQ · Qwen/Qwen3-Omni-30B-A3B-Thinking Jakie dane wejściowe i wyniki są dostępne? `POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `text` → `text` `POST /v1/messages` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `text` → `json`, `sse` Jakich pól używa żądanie? `POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `model`, `messages`, `max_tokens`, `stream` Jakie limity obowiązują? `POST /v1/chat/completions` · `Qwen/Qwen3-Omni-30B-A3B-Thinking`: `messages.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.