Qwen3.5-Omni-Plus — мультимодальная модель Qwen от Alibaba для создания текста, голосовых помощников и анализа мультимедиа. Она принимает текст, изображения, аудио и видео, включая смешанный ввод, и выдаёт текст или текст с речью. Недатированное имя Plus — алиас семейства; производитель сейчас описывает его как функционально эквивалентный Qwen3.5-Omni-Plus 2026-03-15. Алиас и именованный снимок остаются разными вариантами выбора модели.
Входные данные могут объединять картинку с устным вопросом или визуальный ряд и звук видео с письменными инструкциями. Это полезно, когда текстовое резюме потеряло бы связь между увиденным и услышанным. Для задания по медиаматериалу отдельно запросите видимую последовательность, надписи на экране и содержание речи, а когда важен порядок событий — временные метки относительно источника. Звуковые эффекты и другие неречевые звуки могут участвовать в анализе наряду с речью.
Для голосового ответа задайте язык, аудиторию и манеру подачи. Руководство Qwen документирует инструкции по громкости, темпу речи и эмоциям. В нём перечислены 113 языков и диалектов аудиоввода и 36 языков и диалектов речевого вывода, включая английский, французский, немецкий и русский. Каталог голосов указывает Tina по умолчанию и включает такие варианты, как Serena и Ethan. Выберите голос и запросите краткое объяснение в размеренном темпе, а не полагайтесь на голос входного аудио при выборе стиля ответа.
Документированный речевой процесс HTTP возвращает потоковый текст и аудиофрагменты в кодировке Base64. Пример WAV использует 24 kHz, моно и 16-битный PCM; приложение может собрать фрагменты в аудиофайл или декодировать их для воспроизведения по мере поступления. Это потоковая генерация по отправленному запросу. Определение смены реплик в реальном времени, обработка прерываний и разговор через микрофон относятся к отдельно именованным моделям realtime. Таблица семейства Qwen3.5-Omni не предлагает режима глубокого обдумывания.
Карточка модели перечисляет веб-поиск. Function Calling документирован для развёртывания Alibaba Beijing Chat Completions с текстовым выводом, а таблица Сингапура отмечает отсутствие поддержки. Вывод JSON Object указан для Пекина и не поддерживается в Сингапуре. Модель может предложить вызов инструмента, а приложение выполняет действие и возвращает результат. Таблицы Plus отмечают продолжение текста по префиксу, кеширование контекста и дообучение как неподдерживаемые; пакетная обработка запросов поддерживается в пекинской таблице алиаса и не поддерживается в таблице Сингапура.
Опубликованное контекстное окно — 262,144 токена, максимальный ввод — 196,608 токенов, максимальный вывод — 65,536 токенов. Смешанные медиа и текст делят общий бюджет контекста. Руководство Alibaba по HTTP допускает для этой серии до трёх часов аудио или одного часа видео; перечислены аудиоформаты AMR, WAV, 3GP, 3GPP, AAC и MP3 и видеоформаты MP4, AVI, MKV, MOV, FLV и WMV. Аудио- или видеофайлы по URL могут иметь размер до 2 GB, а медиа в кодировке Base64 должны быть меньше 10 MB. Это ограничения файлового процесса производителя, отличные от описания во введении к модели, где говорится о понимании более десяти часов аудио или более 400 секунд видео 720p с выборкой 1 FPS.
Для изображений это руководство задаёт собственные ограничения подготовки: до 20 MB на изображение по URL, размер каждой стороны более 10 пикселей и соотношение длинной и короткой сторон не более 200:1. Руководство допускает до 2,048 изображений или аудиофайлов по URL и 512 видеофайлов по URL; для ввода Base64 допускается до 250 файлов. Эти ограничения передачи подчиняются общему бюджету входных токенов. Серия может объединять несколько типов медиа в одном запросе. Выбирайте нужный фрагмент, обеспечивайте читаемость мелких подписей и объясняйте связь отдельных входных материалов. Документированные пределы числа файлов зависят от модальности и способа передачи, при этом все входные данные должны помещаться в общий бюджет токенов.
Для недатированной модели Plus документировано клонирование пользовательского голоса через отдельный процесс предварительного создания и последующего использования голоса. Образец должен содержать не менее трёх секунд непрерывной чёткой речи с паузами не дольше двух секунд; используйте обычную речь без музыки, пения, шума и другого говорящего. Для WAV используйте 16-битное аудио. По образцу создаётся голос для именованной целевой модели, и эта целевая модель должна совпадать с моделью речевого вывода. Производитель рекомендует 10–20 секунд чистой монофонической речи с частотой не ниже 24 kHz, максимумом 60 секунд и файлом меньше 10 MB. Документированы форматы образцов WAV, MP3 и M4A. Снимок от 15 марта не поддерживает клонирование, поэтому выбор датированной модели меняет эту часть процесса.
Для практического учебного помощника предоставьте схему, записанный вопрос ученика и краткое письменное задание: «Объясните, как связаны подписанные части, ответьте на устный вопрос по-английски и говорите спокойно, медленнее. Дайте и текстовый ответ, и речь». Для отчёта по медиа задайте отдельные разделы событий, видимого текста и речи и запросите временные метки для каждого. Подготовьте имена или терминологию в письменном контексте и укажите, нужен ли буквальный транскрипт, объяснение или резюме для аудитории.
", "aboutText": "Qwen3.5-Omni-Plus — мультимодальная модель Qwen от Alibaba для создания текста, голосовых помощников и анализа мультимедиа. Она принимает текст, изображения, аудио и видео, включая смешанный ввод, и выдаёт текст или текст с речью. Недатированное имя Plus — алиас семейства; производитель сейчас описывает его как функционально эквивалентный Qwen3.5-Omni-Plus 2026-03-15. Алиас и именованный снимок остаются разными вариантами выбора модели.\n\nВходные данные могут объединять картинку с устным вопросом или визуальный ряд и звук видео с письменными инструкциями. Это полезно, когда текстовое резюме потеряло бы связь между увиденным и услышанным. Для задания по медиаматериалу отдельно запросите видимую последовательность, надписи на экране и содержание речи, а когда важен порядок событий — временные метки относительно источника. Звуковые эффекты и другие неречевые звуки могут участвовать в анализе наряду с речью.\n\nДля голосового ответа задайте язык, аудиторию и манеру подачи. Руководство Qwen документирует инструкции по громкости, темпу речи и эмоциям. В нём перечислены 113 языков и диалектов аудиоввода и 36 языков и диалектов речевого вывода, включая английский, французский, немецкий и русский. Каталог голосов указывает Tina по умолчанию и включает такие варианты, как Serena и Ethan. Выберите голос и запросите краткое объяснение в размеренном темпе, а не полагайтесь на голос входного аудио при выборе стиля ответа.\n\nДокументированный речевой процесс HTTP возвращает потоковый текст и аудиофрагменты в кодировке Base64. Пример WAV использует 24 kHz, моно и 16-битный PCM; приложение может собрать фрагменты в аудиофайл или декодировать их для воспроизведения по мере поступления. Это потоковая генерация по отправленному запросу. Определение смены реплик в реальном времени, обработка прерываний и разговор через микрофон относятся к отдельно именованным моделям realtime. Таблица семейства Qwen3.5-Omni не предлагает режима глубокого обдумывания.\n\nКарточка модели перечисляет веб-поиск. Function Calling документирован для развёртывания Alibaba Beijing Chat Completions с текстовым выводом, а таблица Сингапура отмечает отсутствие поддержки. Вывод JSON Object указан для Пекина и не поддерживается в Сингапуре. Модель может предложить вызов инструмента, а приложение выполняет действие и возвращает результат. Таблицы Plus отмечают продолжение текста по префиксу, кеширование контекста и дообучение как неподдерживаемые; пакетная обработка запросов поддерживается в пекинской таблице алиаса и не поддерживается в таблице Сингапура.\n\nОпубликованное контекстное окно — 262,144 токена, максимальный ввод — 196,608 токенов, максимальный вывод — 65,536 токенов. Смешанные медиа и текст делят общий бюджет контекста. Руководство Alibaba по HTTP допускает для этой серии до трёх часов аудио или одного часа видео; перечислены аудиоформаты AMR, WAV, 3GP, 3GPP, AAC и MP3 и видеоформаты MP4, AVI, MKV, MOV, FLV и WMV. Аудио- или видеофайлы по URL могут иметь размер до 2 GB, а медиа в кодировке Base64 должны быть меньше 10 MB. Это ограничения файлового процесса производителя, отличные от описания во введении к модели, где говорится о понимании более десяти часов аудио или более 400 секунд видео 720p с выборкой 1 FPS.\n\nДля изображений это руководство задаёт собственные ограничения подготовки: до 20 MB на изображение по URL, размер каждой стороны более 10 пикселей и соотношение длинной и короткой сторон не более 200:1. Руководство допускает до 2,048 изображений или аудиофайлов по URL и 512 видеофайлов по URL; для ввода Base64 допускается до 250 файлов. Эти ограничения передачи подчиняются общему бюджету входных токенов. Серия может объединять несколько типов медиа в одном запросе. Выбирайте нужный фрагмент, обеспечивайте читаемость мелких подписей и объясняйте связь отдельных входных материалов. Документированные пределы числа файлов зависят от модальности и способа передачи, при этом все входные данные должны помещаться в общий бюджет токенов.\n\nДля недатированной модели Plus документировано клонирование пользовательского голоса через отдельный процесс предварительного создания и последующего использования голоса. Образец должен содержать не менее трёх секунд непрерывной чёткой речи с паузами не дольше двух секунд; используйте обычную речь без музыки, пения, шума и другого говорящего. Для WAV используйте 16-битное аудио. По образцу создаётся голос для именованной целевой модели, и эта целевая модель должна совпадать с моделью речевого вывода. Производитель рекомендует 10–20 секунд чистой монофонической речи с частотой не ниже 24 kHz, максимумом 60 секунд и файлом меньше 10 MB. Документированы форматы образцов WAV, MP3 и M4A. Снимок от 15 марта не поддерживает клонирование, поэтому выбор датированной модели меняет эту часть процесса.\n\nДля практического учебного помощника предоставьте схему, записанный вопрос ученика и краткое письменное задание: «Объясните, как связаны подписанные части, ответьте на устный вопрос по-английски и говорите спокойно, медленнее. Дайте и текстовый ответ, и речь». Для отчёта по медиа задайте отдельные разделы событий, видимого текста и речи и запросите временные метки для каждого. Подготовьте имена или терминологию в письменном контексте и укажите, нужен ли буквальный транскрипт, объяснение или резюме для аудитории.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.qwen3.5-omni-plusQwen3.5-Omni-Plus совместно понимает текст, изображения, аудио и видео и возвращает текстовые или устные ответы. Мультимодальный процесс подходит голосовым помощникам и подробному анализу медиа, с инструкциями стиля речи и контекстом 262,144 токена.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen3.5-Omni-Plus — мультимодальная модель Qwen от Alibaba для создания текста, голосовых помощников и анализа мультимедиа. Она принимает текст, изображения, аудио и видео, включая смешанный ввод, и выдаёт текст или текст с речью. Недатированное имя Plus — алиас семейства; производитель сейчас описывает его как функционально эквивалентный Qwen3.5-Omni-Plus 2026-03-15. Алиас и именованный снимок остаются разными вариантами выбора модели.
Входные данные могут объединять картинку с устным вопросом или визуальный ряд и звук видео с письменными инструкциями. Это полезно, когда текстовое резюме потеряло бы связь между увиденным и услышанным. Для задания по медиаматериалу отдельно запросите видимую последовательность, надписи на экране и содержание речи, а когда важен порядок событий — временные метки относительно источника. Звуковые эффекты и другие неречевые звуки могут участвовать в анализе наряду с речью.
Для голосового ответа задайте язык, аудиторию и манеру подачи. Руководство Qwen документирует инструкции по громкости, темпу речи и эмоциям. В нём перечислены 113 языков и диалектов аудиоввода и 36 языков и диалектов речевого вывода, включая английский, французский, немецкий и русский. Каталог голосов указывает Tina по умолчанию и включает такие варианты, как Serena и Ethan. Выберите голос и запросите краткое объяснение в размеренном темпе, а не полагайтесь на голос входного аудио при выборе стиля ответа.
Документированный речевой процесс HTTP возвращает потоковый текст и аудиофрагменты в кодировке Base64. Пример WAV использует 24 kHz, моно и 16-битный PCM; приложение может собрать фрагменты в аудиофайл или декодировать их для воспроизведения по мере поступления. Это потоковая генерация по отправленному запросу. Определение смены реплик в реальном времени, обработка прерываний и разговор через микрофон относятся к отдельно именованным моделям realtime. Таблица семейства Qwen3.5-Omni не предлагает режима глубокого обдумывания.
Карточка модели перечисляет веб-поиск. Function Calling документирован для развёртывания Alibaba Beijing Chat Completions с текстовым выводом, а таблица Сингапура отмечает отсутствие поддержки. Вывод JSON Object указан для Пекина и не поддерживается в Сингапуре. Модель может предложить вызов инструмента, а приложение выполняет действие и возвращает результат. Таблицы Plus отмечают продолжение текста по префиксу, кеширование контекста и дообучение как неподдерживаемые; пакетная обработка запросов поддерживается в пекинской таблице алиаса и не поддерживается в таблице Сингапура.
Опубликованное контекстное окно — 262,144 токена, максимальный ввод — 196,608 токенов, максимальный вывод — 65,536 токенов. Смешанные медиа и текст делят общий бюджет контекста. Руководство Alibaba по HTTP допускает для этой серии до трёх часов аудио или одного часа видео; перечислены аудиоформаты AMR, WAV, 3GP, 3GPP, AAC и MP3 и видеоформаты MP4, AVI, MKV, MOV, FLV и WMV. Аудио- или видеофайлы по URL могут иметь размер до 2 GB, а медиа в кодировке Base64 должны быть меньше 10 MB. Это ограничения файлового процесса производителя, отличные от описания во введении к модели, где говорится о понимании более десяти часов аудио или более 400 секунд видео 720p с выборкой 1 FPS.
Для изображений это руководство задаёт собственные ограничения подготовки: до 20 MB на изображение по URL, размер каждой стороны более 10 пикселей и соотношение длинной и короткой сторон не более 200:1. Руководство допускает до 2,048 изображений или аудиофайлов по URL и 512 видеофайлов по URL; для ввода Base64 допускается до 250 файлов. Эти ограничения передачи подчиняются общему бюджету входных токенов. Серия может объединять несколько типов медиа в одном запросе. Выбирайте нужный фрагмент, обеспечивайте читаемость мелких подписей и объясняйте связь отдельных входных материалов. Документированные пределы числа файлов зависят от модальности и способа передачи, при этом все входные данные должны помещаться в общий бюджет токенов.
Для недатированной модели Plus документировано клонирование пользовательского голоса через отдельный процесс предварительного создания и последующего использования голоса. Образец должен содержать не менее трёх секунд непрерывной чёткой речи с паузами не дольше двух секунд; используйте обычную речь без музыки, пения, шума и другого говорящего. Для WAV используйте 16-битное аудио. По образцу создаётся голос для именованной целевой модели, и эта целевая модель должна совпадать с моделью речевого вывода. Производитель рекомендует 10–20 секунд чистой монофонической речи с частотой не ниже 24 kHz, максимумом 60 секунд и файлом меньше 10 MB. Документированы форматы образцов WAV, MP3 и M4A. Снимок от 15 марта не поддерживает клонирование, поэтому выбор датированной модели меняет эту часть процесса.
Для практического учебного помощника предоставьте схему, записанный вопрос ученика и краткое письменное задание: «Объясните, как связаны подписанные части, ответьте на устный вопрос по-английски и говорите спокойно, медленнее. Дайте и текстовый ответ, и речь». Для отчёта по медиа задайте отдельные разделы событий, видимого текста и речи и запросите временные метки для каждого. Подготовьте имена или терминологию в письменном контексте и укажите, нужен ли буквальный транскрипт, объяснение или резюме для аудитории.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen3.5-omni-plus | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.0022 / 1K токенов Выход · Выходные токены $0.012584 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-omni-plus", "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='qwen3.5-omni-plus',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='qwen3.5-omni-plus',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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra qwen3.5-omni-plus
Используйте пути методов, указанные выше.
qwen3.5-omni-plusQwen3.5-Omni-Plus совместно понимает текст, изображения, аудио и видео и возвращает текстовые или устные ответы. Мультимодальный процесс подходит голосовым помощникам и подробному анализу медиа, с инструкциями стиля речи и контекстом 262,144 токена.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen3.5-Omni-Plus — мультимодальная модель Qwen от Alibaba для создания текста, голосовых помощников и анализа мультимедиа. Она принимает текст, изображения, аудио и видео, включая смешанный ввод, и выдаёт текст или текст с речью. Недатированное имя Plus — алиас семейства; производитель сейчас описывает его как функционально эквивалентный Qwen3.5-Omni-Plus 2026-03-15. Алиас и именованный снимок остаются разными вариантами выбора модели.
Входные данные могут объединять картинку с устным вопросом или визуальный ряд и звук видео с письменными инструкциями. Это полезно, когда текстовое резюме потеряло бы связь между увиденным и услышанным. Для задания по медиаматериалу отдельно запросите видимую последовательность, надписи на экране и содержание речи, а когда важен порядок событий — временные метки относительно источника. Звуковые эффекты и другие неречевые звуки могут участвовать в анализе наряду с речью.
Для голосового ответа задайте язык, аудиторию и манеру подачи. Руководство Qwen документирует инструкции по громкости, темпу речи и эмоциям. В нём перечислены 113 языков и диалектов аудиоввода и 36 языков и диалектов речевого вывода, включая английский, французский, немецкий и русский. Каталог голосов указывает Tina по умолчанию и включает такие варианты, как Serena и Ethan. Выберите голос и запросите краткое объяснение в размеренном темпе, а не полагайтесь на голос входного аудио при выборе стиля ответа.
Документированный речевой процесс HTTP возвращает потоковый текст и аудиофрагменты в кодировке Base64. Пример WAV использует 24 kHz, моно и 16-битный PCM; приложение может собрать фрагменты в аудиофайл или декодировать их для воспроизведения по мере поступления. Это потоковая генерация по отправленному запросу. Определение смены реплик в реальном времени, обработка прерываний и разговор через микрофон относятся к отдельно именованным моделям realtime. Таблица семейства Qwen3.5-Omni не предлагает режима глубокого обдумывания.
Карточка модели перечисляет веб-поиск. Function Calling документирован для развёртывания Alibaba Beijing Chat Completions с текстовым выводом, а таблица Сингапура отмечает отсутствие поддержки. Вывод JSON Object указан для Пекина и не поддерживается в Сингапуре. Модель может предложить вызов инструмента, а приложение выполняет действие и возвращает результат. Таблицы Plus отмечают продолжение текста по префиксу, кеширование контекста и дообучение как неподдерживаемые; пакетная обработка запросов поддерживается в пекинской таблице алиаса и не поддерживается в таблице Сингапура.
Опубликованное контекстное окно — 262,144 токена, максимальный ввод — 196,608 токенов, максимальный вывод — 65,536 токенов. Смешанные медиа и текст делят общий бюджет контекста. Руководство Alibaba по HTTP допускает для этой серии до трёх часов аудио или одного часа видео; перечислены аудиоформаты AMR, WAV, 3GP, 3GPP, AAC и MP3 и видеоформаты MP4, AVI, MKV, MOV, FLV и WMV. Аудио- или видеофайлы по URL могут иметь размер до 2 GB, а медиа в кодировке Base64 должны быть меньше 10 MB. Это ограничения файлового процесса производителя, отличные от описания во введении к модели, где говорится о понимании более десяти часов аудио или более 400 секунд видео 720p с выборкой 1 FPS.
Для изображений это руководство задаёт собственные ограничения подготовки: до 20 MB на изображение по URL, размер каждой стороны более 10 пикселей и соотношение длинной и короткой сторон не более 200:1. Руководство допускает до 2,048 изображений или аудиофайлов по URL и 512 видеофайлов по URL; для ввода Base64 допускается до 250 файлов. Эти ограничения передачи подчиняются общему бюджету входных токенов. Серия может объединять несколько типов медиа в одном запросе. Выбирайте нужный фрагмент, обеспечивайте читаемость мелких подписей и объясняйте связь отдельных входных материалов. Документированные пределы числа файлов зависят от модальности и способа передачи, при этом все входные данные должны помещаться в общий бюджет токенов.
Для недатированной модели Plus документировано клонирование пользовательского голоса через отдельный процесс предварительного создания и последующего использования голоса. Образец должен содержать не менее трёх секунд непрерывной чёткой речи с паузами не дольше двух секунд; используйте обычную речь без музыки, пения, шума и другого говорящего. Для WAV используйте 16-битное аудио. По образцу создаётся голос для именованной целевой модели, и эта целевая модель должна совпадать с моделью речевого вывода. Производитель рекомендует 10–20 секунд чистой монофонической речи с частотой не ниже 24 kHz, максимумом 60 секунд и файлом меньше 10 MB. Документированы форматы образцов WAV, MP3 и M4A. Снимок от 15 марта не поддерживает клонирование, поэтому выбор датированной модели меняет эту часть процесса.
Для практического учебного помощника предоставьте схему, записанный вопрос ученика и краткое письменное задание: «Объясните, как связаны подписанные части, ответьте на устный вопрос по-английски и говорите спокойно, медленнее. Дайте и текстовый ответ, и речь». Для отчёта по медиа задайте отдельные разделы событий, видимого текста и речи и запросите временные метки для каждого. Подготовьте имена или терминологию в письменном контексте и укажите, нужен ли буквальный транскрипт, объяснение или резюме для аудитории.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen3.5-omni-plus | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.0022 / 1K токенов Выход · Выходные токены $0.012584 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "qwen3.5-omni-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-omni-plus', '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': 'qwen3.5-omni-plus', '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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra qwen3.5-omni-plus
Используйте пути методов, указанные выше.
Технический пример на английском
Create a media brief from a transcript\n\nCreate a compact media brief from this text record. 00:00 title card: 'Refill station'. 00:04 demonstrator opens a bottle. 00:08 speech: 'Fill only to the marked line.' 00:12 demonstrator closes the bottle. Separate visible events, on-screen wording and spoken instruction, retaining timestamps. Do not infer audio effects or actions absent from the record.Three labelled sections with timestamped entries for visible events, visible wording and speech.The spoken fill-line instruction remains distinct from what is explicitly described as visible.