Qwen3-Omni-30B-A3B-Instruct je člen rodiny Qwen3-Omni, ktorý plní inštrukcie a generuje reč. Rozumie textu, obrázkom, zvuku a videu vrátane zmiešaných vstupov a dokáže vrátiť text aj prirodzenú reč. Qwen opisuje architektúru rodiny ako podporujúcu streamované textové a rečové odpovede. Presný checkpoint Instruct obsahuje komponenty Thinker a Talker: porozumenie a tvorba textovej odpovede sú prepojené s cestou generovania reči. Checkpointy Thinking a Captioner majú odlišné úlohy komponentov a výstupov, preto zostávajú samostatnými voľbami modelu.
Zverejnený viacjazyčný rozsah rodiny zahŕňa 119 textových jazykov, 19 jazykov hlasového vstupu a 10 jazykov hlasového výstupu. Ruština je prítomná v oboch zoznamoch reči. Tvorca opisuje návrh Thinker–Talker s architektúrou zmesi expertov, so spracovaním zvuku a obrazu pre multimodálne porozumenie a generovaním reči pomocou viacerých kódových kníh. Systémové prompty môžu formovať úlohu asistenta a štýl odpovede. Vhodnou úlohou je hlasové vysvetlenie závislé od viditeľného objektu a používateľovej hovorenej otázky, nie nesúvisiaci prevod textu na reč.
Praktické príručky zahŕňajú rozpoznávanie reči, preklad reči, analýzu hudby a zvuku, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opis videa a audiovizuálny dialóg. Pri školiacom asistentovi poskytnite ukážkový klip a požiadajte ho, aby viditeľný postup vysvetlil začiatočníkovi. Pri otázke o produkte skombinujte fotografiu s hovorenou požiadavkou a určte detail, ktorý sa má rozobrať. Uveďte zamýšľaného poslucháča a požadovaný výsledok: krátku hovorenú odpoveď, textové zhrnutie alebo oboje. Zachovajte názvy zo zdroja a miery, ktoré musia zostať nezmenené.
Vstupný postup tvorcu používa zodpovedajúci procesor, šablónu chatu a pomocné nástroje na spracovanie médií. Mediálne a textové vstupy sa môžu navzájom striedať a dekódovanie je explicitnou súčasťou prípravy požiadavky. Pri použití sprievodného zvuku videa zachovajte use_audio_in_video konzistentné pri predspracovaní, generovaní aj v po sebe nasledujúcich kolách dialógu. Audiovizuálna otázka vyžaduje zahrnutie zvukovej stopy; úloha zameraná iba na vizuálny obsah má tento rozsah jasne uviesť. Vyberte relevantný klip a použite čitateľné obrázky, aby asistent dostal podrobnosti potrebné na zodpovedanie otázky.
Rečový výstup možno riadiť. Zverejnené rozhranie generovania dokáže pomocou return_audio=False vyžiadať iba text a vypnutie komponentu Talker odstráni tento komponent z cesty rečového výstupu načítaného modelu. Dávkový príklad tvorcu vracia text namiesto zvuku. Checkpoint Instruct dokumentuje tri voľby hlasu — Ethan, Chelsie a Aiden — s hlasom Ethan ako predvoleným. Príklad ukladá zvukovú vlnu so vzorkovacou frekvenciou 24,000 Hz. Výber hlasu a výstupný formát tohto príkladu opisujú zverejnený pracovný postup modelu, nie každé možné rozhranie okolitej služby.
Pre hovorené odpovede tvorca odporúča konverzačný štýl, ktorý sa ľahko vyslovuje, namiesto komplikovaného formátovania. Požiadavka môže žiadať stručné vysvetlenie v jazyku poslucháča pri zachovaní samostatného čitateľného textového výsledku na kontrolu. Ak zdroj obsahuje meno, vzorec alebo neznámu skratku, poskytnite ich význam a uprednostňované znenie. Požiadajte, aby odpoveď odlišovala pozorovaný obsah od predpokladov, aby plynulý hlas nezastrel neistotu.
Textové konfigurácie Thinker a Talker nastavujú max_position_embeddings na 65,536. Príklady vLLM na spoločnej karte osobitne volia nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov; zostávajú príkladmi, nie nezávislými univerzálnymi stropmi. Vizuálne a zvukové spracovanie ovplyvňuje efektívnu veľkosť požiadavky. Líši sa aj podpora rozhraní: príklad Transformers v karte dokáže vrátiť reč, zatiaľ čo časť o obsluhe požiadaviek opisuje cestu orientovanú na Thinker a oddelené spracovanie videa a zvuku. Rečové schopnosti na úrovni modelu zachovajte odlíšené od výstupnej cesty podporovanej konkrétnym runtime prostredím.
Užitočný výsledok spája odpoveď so zdrojovým materiálom potrebným na jej kontrolu. Pri ukážke skontrolujte opísanú akciu oproti klipu; pri zvukovej otázke porovnajte odpoveď s počuteľnými slovami alebo zvukmi; pri vizuálnom výpočte overte jednotky a označenia. Rodina obsahuje praktickú príručku audio-function-call, ale akúkoľvek akciu externého nástroja stále definuje a vykonáva aplikácia. Vygenerovaná požiadavka na vykonanie akcie sa líši od potvrdeného výsledku. Silnou stránkou tejto edície je multimodálna interakcia s voliteľnou hovorenou odpoveďou, zatiaľ čo overovanie faktov, nadväzujúce akcie a úprava médií vyžadujú vlastné dôkazy a pracovný postup.
", "aboutText": "Qwen3-Omni-30B-A3B-Instruct je člen rodiny Qwen3-Omni, ktorý plní inštrukcie a generuje reč. Rozumie textu, obrázkom, zvuku a videu vrátane zmiešaných vstupov a dokáže vrátiť text aj prirodzenú reč. Qwen opisuje architektúru rodiny ako podporujúcu streamované textové a rečové odpovede. Presný checkpoint Instruct obsahuje komponenty Thinker a Talker: porozumenie a tvorba textovej odpovede sú prepojené s cestou generovania reči. Checkpointy Thinking a Captioner majú odlišné úlohy komponentov a výstupov, preto zostávajú samostatnými voľbami modelu.\n\nZverejnený viacjazyčný rozsah rodiny zahŕňa 119 textových jazykov, 19 jazykov hlasového vstupu a 10 jazykov hlasového výstupu. Ruština je prítomná v oboch zoznamoch reči. Tvorca opisuje návrh Thinker–Talker s architektúrou zmesi expertov, so spracovaním zvuku a obrazu pre multimodálne porozumenie a generovaním reči pomocou viacerých kódových kníh. Systémové prompty môžu formovať úlohu asistenta a štýl odpovede. Vhodnou úlohou je hlasové vysvetlenie závislé od viditeľného objektu a používateľovej hovorenej otázky, nie nesúvisiaci prevod textu na reč.\n\nPraktické príručky zahŕňajú rozpoznávanie reči, preklad reči, analýzu hudby a zvuku, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opis videa a audiovizuálny dialóg. Pri školiacom asistentovi poskytnite ukážkový klip a požiadajte ho, aby viditeľný postup vysvetlil začiatočníkovi. Pri otázke o produkte skombinujte fotografiu s hovorenou požiadavkou a určte detail, ktorý sa má rozobrať. Uveďte zamýšľaného poslucháča a požadovaný výsledok: krátku hovorenú odpoveď, textové zhrnutie alebo oboje. Zachovajte názvy zo zdroja a miery, ktoré musia zostať nezmenené.\n\nVstupný postup tvorcu používa zodpovedajúci procesor, šablónu chatu a pomocné nástroje na spracovanie médií. Mediálne a textové vstupy sa môžu navzájom striedať a dekódovanie je explicitnou súčasťou prípravy požiadavky. Pri použití sprievodného zvuku videa zachovajte use_audio_in_video konzistentné pri predspracovaní, generovaní aj v po sebe nasledujúcich kolách dialógu. Audiovizuálna otázka vyžaduje zahrnutie zvukovej stopy; úloha zameraná iba na vizuálny obsah má tento rozsah jasne uviesť. Vyberte relevantný klip a použite čitateľné obrázky, aby asistent dostal podrobnosti potrebné na zodpovedanie otázky.\n\nRečový výstup možno riadiť. Zverejnené rozhranie generovania dokáže pomocou return_audio=False vyžiadať iba text a vypnutie komponentu Talker odstráni tento komponent z cesty rečového výstupu načítaného modelu. Dávkový príklad tvorcu vracia text namiesto zvuku. Checkpoint Instruct dokumentuje tri voľby hlasu — Ethan, Chelsie a Aiden — s hlasom Ethan ako predvoleným. Príklad ukladá zvukovú vlnu so vzorkovacou frekvenciou 24,000 Hz. Výber hlasu a výstupný formát tohto príkladu opisujú zverejnený pracovný postup modelu, nie každé možné rozhranie okolitej služby.\n\nPre hovorené odpovede tvorca odporúča konverzačný štýl, ktorý sa ľahko vyslovuje, namiesto komplikovaného formátovania. Požiadavka môže žiadať stručné vysvetlenie v jazyku poslucháča pri zachovaní samostatného čitateľného textového výsledku na kontrolu. Ak zdroj obsahuje meno, vzorec alebo neznámu skratku, poskytnite ich význam a uprednostňované znenie. Požiadajte, aby odpoveď odlišovala pozorovaný obsah od predpokladov, aby plynulý hlas nezastrel neistotu.\n\nTextové konfigurácie Thinker a Talker nastavujú max_position_embeddings na 65,536. Príklady vLLM na spoločnej karte osobitne volia nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov; zostávajú príkladmi, nie nezávislými univerzálnymi stropmi. Vizuálne a zvukové spracovanie ovplyvňuje efektívnu veľkosť požiadavky. Líši sa aj podpora rozhraní: príklad Transformers v karte dokáže vrátiť reč, zatiaľ čo časť o obsluhe požiadaviek opisuje cestu orientovanú na Thinker a oddelené spracovanie videa a zvuku. Rečové schopnosti na úrovni modelu zachovajte odlíšené od výstupnej cesty podporovanej konkrétnym runtime prostredím.\n\nUžitočný výsledok spája odpoveď so zdrojovým materiálom potrebným na jej kontrolu. Pri ukážke skontrolujte opísanú akciu oproti klipu; pri zvukovej otázke porovnajte odpoveď s počuteľnými slovami alebo zvukmi; pri vizuálnom výpočte overte jednotky a označenia. Rodina obsahuje praktickú príručku audio-function-call, ale akúkoľvek akciu externého nástroja stále definuje a vykonáva aplikácia. Vygenerovaná požiadavka na vykonanie akcie sa líši od potvrdeného výsledku. Silnou stránkou tejto edície je multimodálna interakcia s voliteľnou hovorenou odpoveďou, zatiaľ čo overovanie faktov, nadväzujúce akcie a úprava médií vyžadujú vlastné dôkazy a pracovný postup.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct rozumie textu, obrázkom, zvuku a videu a dokáže odpovedať textom a prirodzenou rečou. Jeho architektúra Thinker–Talker podporuje multimodálny dialóg s explicitným riadením toho, či sa vráti reč a ktorý dokumentovaný hlas sa použije.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen3-Omni-30B-A3B-Instruct je člen rodiny Qwen3-Omni, ktorý plní inštrukcie a generuje reč. Rozumie textu, obrázkom, zvuku a videu vrátane zmiešaných vstupov a dokáže vrátiť text aj prirodzenú reč. Qwen opisuje architektúru rodiny ako podporujúcu streamované textové a rečové odpovede. Presný checkpoint Instruct obsahuje komponenty Thinker a Talker: porozumenie a tvorba textovej odpovede sú prepojené s cestou generovania reči. Checkpointy Thinking a Captioner majú odlišné úlohy komponentov a výstupov, preto zostávajú samostatnými voľbami modelu.
Zverejnený viacjazyčný rozsah rodiny zahŕňa 119 textových jazykov, 19 jazykov hlasového vstupu a 10 jazykov hlasového výstupu. Ruština je prítomná v oboch zoznamoch reči. Tvorca opisuje návrh Thinker–Talker s architektúrou zmesi expertov, so spracovaním zvuku a obrazu pre multimodálne porozumenie a generovaním reči pomocou viacerých kódových kníh. Systémové prompty môžu formovať úlohu asistenta a štýl odpovede. Vhodnou úlohou je hlasové vysvetlenie závislé od viditeľného objektu a používateľovej hovorenej otázky, nie nesúvisiaci prevod textu na reč.
Praktické príručky zahŕňajú rozpoznávanie reči, preklad reči, analýzu hudby a zvuku, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opis videa a audiovizuálny dialóg. Pri školiacom asistentovi poskytnite ukážkový klip a požiadajte ho, aby viditeľný postup vysvetlil začiatočníkovi. Pri otázke o produkte skombinujte fotografiu s hovorenou požiadavkou a určte detail, ktorý sa má rozobrať. Uveďte zamýšľaného poslucháča a požadovaný výsledok: krátku hovorenú odpoveď, textové zhrnutie alebo oboje. Zachovajte názvy zo zdroja a miery, ktoré musia zostať nezmenené.
Vstupný postup tvorcu používa zodpovedajúci procesor, šablónu chatu a pomocné nástroje na spracovanie médií. Mediálne a textové vstupy sa môžu navzájom striedať a dekódovanie je explicitnou súčasťou prípravy požiadavky. Pri použití sprievodného zvuku videa zachovajte use_audio_in_video konzistentné pri predspracovaní, generovaní aj v po sebe nasledujúcich kolách dialógu. Audiovizuálna otázka vyžaduje zahrnutie zvukovej stopy; úloha zameraná iba na vizuálny obsah má tento rozsah jasne uviesť. Vyberte relevantný klip a použite čitateľné obrázky, aby asistent dostal podrobnosti potrebné na zodpovedanie otázky.
Rečový výstup možno riadiť. Zverejnené rozhranie generovania dokáže pomocou return_audio=False vyžiadať iba text a vypnutie komponentu Talker odstráni tento komponent z cesty rečového výstupu načítaného modelu. Dávkový príklad tvorcu vracia text namiesto zvuku. Checkpoint Instruct dokumentuje tri voľby hlasu — Ethan, Chelsie a Aiden — s hlasom Ethan ako predvoleným. Príklad ukladá zvukovú vlnu so vzorkovacou frekvenciou 24,000 Hz. Výber hlasu a výstupný formát tohto príkladu opisujú zverejnený pracovný postup modelu, nie každé možné rozhranie okolitej služby.
Pre hovorené odpovede tvorca odporúča konverzačný štýl, ktorý sa ľahko vyslovuje, namiesto komplikovaného formátovania. Požiadavka môže žiadať stručné vysvetlenie v jazyku poslucháča pri zachovaní samostatného čitateľného textového výsledku na kontrolu. Ak zdroj obsahuje meno, vzorec alebo neznámu skratku, poskytnite ich význam a uprednostňované znenie. Požiadajte, aby odpoveď odlišovala pozorovaný obsah od predpokladov, aby plynulý hlas nezastrel neistotu.
Textové konfigurácie Thinker a Talker nastavujú max_position_embeddings na 65,536. Príklady vLLM na spoločnej karte osobitne volia nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov; zostávajú príkladmi, nie nezávislými univerzálnymi stropmi. Vizuálne a zvukové spracovanie ovplyvňuje efektívnu veľkosť požiadavky. Líši sa aj podpora rozhraní: príklad Transformers v karte dokáže vrátiť reč, zatiaľ čo časť o obsluhe požiadaviek opisuje cestu orientovanú na Thinker a oddelené spracovanie videa a zvuku. Rečové schopnosti na úrovni modelu zachovajte odlíšené od výstupnej cesty podporovanej konkrétnym runtime prostredím.
Užitočný výsledok spája odpoveď so zdrojovým materiálom potrebným na jej kontrolu. Pri ukážke skontrolujte opísanú akciu oproti klipu; pri zvukovej otázke porovnajte odpoveď s počuteľnými slovami alebo zvukmi; pri vizuálnom výpočte overte jednotky a označenia. Rodina obsahuje praktickú príručku audio-function-call, ale akúkoľvek akciu externého nástroja stále definuje a vykonáva aplikácia. Vygenerovaná požiadavka na vykonanie akcie sa líši od potvrdeného výsledku. Silnou stránkou tejto edície je multimodálna interakcia s voliteľnou hovorenou odpoveďou, zatiaľ čo overovanie faktov, nadväzujúce akcie a úprava médií vyžadujú vlastné dôkazy a pracovný postup.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen3-Omni-30B-A3B-Instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0008 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Použite cesty metód uvedené vyššie.
Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct rozumie textu, obrázkom, zvuku a videu a dokáže odpovedať textom a prirodzenou rečou. Jeho architektúra Thinker–Talker podporuje multimodálny dialóg s explicitným riadením toho, či sa vráti reč a ktorý dokumentovaný hlas sa použije.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen3-Omni-30B-A3B-Instruct je člen rodiny Qwen3-Omni, ktorý plní inštrukcie a generuje reč. Rozumie textu, obrázkom, zvuku a videu vrátane zmiešaných vstupov a dokáže vrátiť text aj prirodzenú reč. Qwen opisuje architektúru rodiny ako podporujúcu streamované textové a rečové odpovede. Presný checkpoint Instruct obsahuje komponenty Thinker a Talker: porozumenie a tvorba textovej odpovede sú prepojené s cestou generovania reči. Checkpointy Thinking a Captioner majú odlišné úlohy komponentov a výstupov, preto zostávajú samostatnými voľbami modelu.
Zverejnený viacjazyčný rozsah rodiny zahŕňa 119 textových jazykov, 19 jazykov hlasového vstupu a 10 jazykov hlasového výstupu. Ruština je prítomná v oboch zoznamoch reči. Tvorca opisuje návrh Thinker–Talker s architektúrou zmesi expertov, so spracovaním zvuku a obrazu pre multimodálne porozumenie a generovaním reči pomocou viacerých kódových kníh. Systémové prompty môžu formovať úlohu asistenta a štýl odpovede. Vhodnou úlohou je hlasové vysvetlenie závislé od viditeľného objektu a používateľovej hovorenej otázky, nie nesúvisiaci prevod textu na reč.
Praktické príručky zahŕňajú rozpoznávanie reči, preklad reči, analýzu hudby a zvuku, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opis videa a audiovizuálny dialóg. Pri školiacom asistentovi poskytnite ukážkový klip a požiadajte ho, aby viditeľný postup vysvetlil začiatočníkovi. Pri otázke o produkte skombinujte fotografiu s hovorenou požiadavkou a určte detail, ktorý sa má rozobrať. Uveďte zamýšľaného poslucháča a požadovaný výsledok: krátku hovorenú odpoveď, textové zhrnutie alebo oboje. Zachovajte názvy zo zdroja a miery, ktoré musia zostať nezmenené.
Vstupný postup tvorcu používa zodpovedajúci procesor, šablónu chatu a pomocné nástroje na spracovanie médií. Mediálne a textové vstupy sa môžu navzájom striedať a dekódovanie je explicitnou súčasťou prípravy požiadavky. Pri použití sprievodného zvuku videa zachovajte use_audio_in_video konzistentné pri predspracovaní, generovaní aj v po sebe nasledujúcich kolách dialógu. Audiovizuálna otázka vyžaduje zahrnutie zvukovej stopy; úloha zameraná iba na vizuálny obsah má tento rozsah jasne uviesť. Vyberte relevantný klip a použite čitateľné obrázky, aby asistent dostal podrobnosti potrebné na zodpovedanie otázky.
Rečový výstup možno riadiť. Zverejnené rozhranie generovania dokáže pomocou return_audio=False vyžiadať iba text a vypnutie komponentu Talker odstráni tento komponent z cesty rečového výstupu načítaného modelu. Dávkový príklad tvorcu vracia text namiesto zvuku. Checkpoint Instruct dokumentuje tri voľby hlasu — Ethan, Chelsie a Aiden — s hlasom Ethan ako predvoleným. Príklad ukladá zvukovú vlnu so vzorkovacou frekvenciou 24,000 Hz. Výber hlasu a výstupný formát tohto príkladu opisujú zverejnený pracovný postup modelu, nie každé možné rozhranie okolitej služby.
Pre hovorené odpovede tvorca odporúča konverzačný štýl, ktorý sa ľahko vyslovuje, namiesto komplikovaného formátovania. Požiadavka môže žiadať stručné vysvetlenie v jazyku poslucháča pri zachovaní samostatného čitateľného textového výsledku na kontrolu. Ak zdroj obsahuje meno, vzorec alebo neznámu skratku, poskytnite ich význam a uprednostňované znenie. Požiadajte, aby odpoveď odlišovala pozorovaný obsah od predpokladov, aby plynulý hlas nezastrel neistotu.
Textové konfigurácie Thinker a Talker nastavujú max_position_embeddings na 65,536. Príklady vLLM na spoločnej karte osobitne volia nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov; zostávajú príkladmi, nie nezávislými univerzálnymi stropmi. Vizuálne a zvukové spracovanie ovplyvňuje efektívnu veľkosť požiadavky. Líši sa aj podpora rozhraní: príklad Transformers v karte dokáže vrátiť reč, zatiaľ čo časť o obsluhe požiadaviek opisuje cestu orientovanú na Thinker a oddelené spracovanie videa a zvuku. Rečové schopnosti na úrovni modelu zachovajte odlíšené od výstupnej cesty podporovanej konkrétnym runtime prostredím.
Užitočný výsledok spája odpoveď so zdrojovým materiálom potrebným na jej kontrolu. Pri ukážke skontrolujte opísanú akciu oproti klipu; pri zvukovej otázke porovnajte odpoveď s počuteľnými slovami alebo zvukmi; pri vizuálnom výpočte overte jednotky a označenia. Rodina obsahuje praktickú príručku audio-function-call, ale akúkoľvek akciu externého nástroja stále definuje a vykonáva aplikácia. Vygenerovaná požiadavka na vykonanie akcie sa líši od potvrdeného výsledku. Silnou stránkou tejto edície je multimodálna interakcia s voliteľnou hovorenou odpoveďou, zatiaľ čo overovanie faktov, nadväzujúce akcie a úprava médií vyžadujú vlastné dôkazy a pracovný postup.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen3-Omni-30B-A3B-Instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0008 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', '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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.