Qwen3-Omni-30B-A3B-Thinking je člen rodiny Qwen3-Omni zameraný na uvažovanie. Rozumie textu, obrázkom, zvuku a videu vrátane ich kombinácií v rámci tej istej konverzácie a vytvára textový výsledok. Táto presná edícia Thinking obsahuje komponent Thinker a je vybavená na uvažovanie; neobsahuje Talker, ktorý checkpoint Instruct používa na hovorený výstup. Toto rozlíšenie je dôležité pri výbere modelu pre analytickú správu namiesto hlasovej konverzácie.
Tvorca opisuje Qwen3-Omni ako viacjazyčnú rodinu s architektúrou zmesi expertov, so 119 textovými jazykmi a 19 jazykmi hlasového vstupu. Ruština je uvedená v zverejnenom zozname jazykov hlasového vstupu. Presná konfigurácia Thinking zahŕňa 48 vrstiev textového transformera, 128 expertov a ôsmich expertov vybraných na každý token. Má tiež komponenty na spracovanie zvuku a obrazu. Ide o vlastnosti pomenovaného checkpointu; jeho multimodálne porozumenie sa nemá nahrádzať schopnosťami čisto textového modelu Qwen3 s podobným označením veľkosti.
Praktické príručky používania zahŕňajú rozpoznávanie a preklad reči, analýzu hudby a zvukov prostredia, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opisy videa a audiovizuálne otázky. Pri matematike v obrázkoch sa osobitne vyzdvihuje edícia Thinking. Pre geometrickú úlohu dodajte úplný diagram, čitateľné označenia a otázku a potom si vyžiadajte riešenie, ktoré odlišuje viditeľné zadané údaje od predpokladov. Pri zaznamenanej ukážke určte akciu alebo nezrovnalosť, ktorú treba preskúmať, a vyžiadajte si pozorovania viazané na príslušné časti materiálu. Očakávaným artefaktom môže byť písomné riešenie, štruktúrovaný zoznam pozorovaní alebo vysvetlenie toho, čo dôkazy podporujú.
Vstup pripravte ako multimodálnu konverzáciu pomocou zodpovedajúceho procesora a šablóny chatu. Súprava nástrojov tvorcu na spracovanie pracuje s textom, obrázkami, zvukom a videom, ktoré sa vo vstupe navzájom striedajú. Qwen opisuje streamovanie textových odpovedí ako súčasť návrhu interakcie tejto rodiny a predvádza dávkovú inferenciu so zmiešanými médiami a výlučne textovým výstupom. V každom kole dialógu tvorca odporúča spolu s médiami uviesť explicitnú textovú inštrukciu. Samotné video ponecháva úlohu nejednoznačnú: uveďte, či treba zhrnúť akcie, porovnať dve scény, vysvetliť zvuk alebo vyriešiť zobrazený problém. Viaceré vstupy a ich vzájomné vzťahy označte tak, aby konečný text mohol prepojiť správnu otázku so správnym materiálom.
Pri videu obsahujúcom reč alebo zvuky udalostí rozhodnite, či je jeho zvuk súčasťou úlohy. Dokumentovaný postup používa use_audio_in_video konzistentne počas predspracovania aj generovania a karta upozorňuje, že zmena tohto nastavenia medzi kolami dialógu môže spôsobiť neočakávané výsledky. Otázka týkajúca sa iba scény a audiovizuálna otázka preto vyžadujú odlišnú prípravu. Pôvodný klip ponechajte k dispozícii, vyberte príslušný interval a nevynechajte zvukovú stopu, ak požadovaný záver závisí od toho, čo bolo povedané alebo počuť.
Zverejnená textová konfigurácia nastavuje max_position_embeddings na 65,536. Príklady vLLM v karte osobitne používajú nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov. Predstavujú nakonfigurovaný príklad inferencie, nie jediný univerzálny limit maximálneho výstupu. Médiá sa reprezentujú prostredníctvom procesora, preto veľkosť požiadavky nie je iba počtom napísaných znakov. Vyhraďte priestor na textový výsledok a použite ohraničený úsek zdroja, ak dlhá nahrávka obsahuje iba krátku udalosť relevantnú pre otázku.
Tvorca predvádza pracovné postupy s Transformers a vLLM, s podporou procesora a dekódovaním médií ako explicitnými závislosťami. Spoločná karta tiež dokumentuje rozdiely rozhraní vrátane oddeleného spracovania videa a zvuku v príklade nasadenia na obsluhu požiadaviek. Vyberte presný checkpoint Thinking a jeho podporovanú cestu spracovania namiesto predpokladu, že každý príklad na karte rodiny má rovnaké správanie výstupu. Hlasy pre rečový výstup a ovládacie prvky Talker na tejto stránke sa vzťahujú na Instruct, nie na tento model iba s komponentom Thinker.
Pre užitočný konečný výsledok si vyžiadajte vysvetlenie založené na dôkazoch a jasne oddelený záver. Pri vizuálnej úlohe zachovajte jednotky, symboly a označenia; pri zvuku odlíšte počuteľný obsah od odvodeného zdroja; pri videu odlíšte pozorované akcie od interpretácie zámeru. Výsledok skontrolujte oproti dodanému materiálu a výslovne označte neisté alebo nečitateľné podrobnosti. Textová odpoveď modelu môže podporiť analýzu alebo neskorší krok aplikácie, zatiaľ čo akékoľvek vykonanie nástroja, overenie faktov alebo transformácia médií zostáva samostatnou operáciou, ktorá potrebuje vlastný vstup a výsledok.
", "aboutText": "Qwen3-Omni-30B-A3B-Thinking je člen rodiny Qwen3-Omni zameraný na uvažovanie. Rozumie textu, obrázkom, zvuku a videu vrátane ich kombinácií v rámci tej istej konverzácie a vytvára textový výsledok. Táto presná edícia Thinking obsahuje komponent Thinker a je vybavená na uvažovanie; neobsahuje Talker, ktorý checkpoint Instruct používa na hovorený výstup. Toto rozlíšenie je dôležité pri výbere modelu pre analytickú správu namiesto hlasovej konverzácie.\n\nTvorca opisuje Qwen3-Omni ako viacjazyčnú rodinu s architektúrou zmesi expertov, so 119 textovými jazykmi a 19 jazykmi hlasového vstupu. Ruština je uvedená v zverejnenom zozname jazykov hlasového vstupu. Presná konfigurácia Thinking zahŕňa 48 vrstiev textového transformera, 128 expertov a ôsmich expertov vybraných na každý token. Má tiež komponenty na spracovanie zvuku a obrazu. Ide o vlastnosti pomenovaného checkpointu; jeho multimodálne porozumenie sa nemá nahrádzať schopnosťami čisto textového modelu Qwen3 s podobným označením veľkosti.\n\nPraktické príručky používania zahŕňajú rozpoznávanie a preklad reči, analýzu hudby a zvukov prostredia, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opisy videa a audiovizuálne otázky. Pri matematike v obrázkoch sa osobitne vyzdvihuje edícia Thinking. Pre geometrickú úlohu dodajte úplný diagram, čitateľné označenia a otázku a potom si vyžiadajte riešenie, ktoré odlišuje viditeľné zadané údaje od predpokladov. Pri zaznamenanej ukážke určte akciu alebo nezrovnalosť, ktorú treba preskúmať, a vyžiadajte si pozorovania viazané na príslušné časti materiálu. Očakávaným artefaktom môže byť písomné riešenie, štruktúrovaný zoznam pozorovaní alebo vysvetlenie toho, čo dôkazy podporujú.\n\nVstup pripravte ako multimodálnu konverzáciu pomocou zodpovedajúceho procesora a šablóny chatu. Súprava nástrojov tvorcu na spracovanie pracuje s textom, obrázkami, zvukom a videom, ktoré sa vo vstupe navzájom striedajú. Qwen opisuje streamovanie textových odpovedí ako súčasť návrhu interakcie tejto rodiny a predvádza dávkovú inferenciu so zmiešanými médiami a výlučne textovým výstupom. V každom kole dialógu tvorca odporúča spolu s médiami uviesť explicitnú textovú inštrukciu. Samotné video ponecháva úlohu nejednoznačnú: uveďte, či treba zhrnúť akcie, porovnať dve scény, vysvetliť zvuk alebo vyriešiť zobrazený problém. Viaceré vstupy a ich vzájomné vzťahy označte tak, aby konečný text mohol prepojiť správnu otázku so správnym materiálom.\n\nPri videu obsahujúcom reč alebo zvuky udalostí rozhodnite, či je jeho zvuk súčasťou úlohy. Dokumentovaný postup používa use_audio_in_video konzistentne počas predspracovania aj generovania a karta upozorňuje, že zmena tohto nastavenia medzi kolami dialógu môže spôsobiť neočakávané výsledky. Otázka týkajúca sa iba scény a audiovizuálna otázka preto vyžadujú odlišnú prípravu. Pôvodný klip ponechajte k dispozícii, vyberte príslušný interval a nevynechajte zvukovú stopu, ak požadovaný záver závisí od toho, čo bolo povedané alebo počuť.\n\nZverejnená textová konfigurácia nastavuje max_position_embeddings na 65,536. Príklady vLLM v karte osobitne používajú nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov. Predstavujú nakonfigurovaný príklad inferencie, nie jediný univerzálny limit maximálneho výstupu. Médiá sa reprezentujú prostredníctvom procesora, preto veľkosť požiadavky nie je iba počtom napísaných znakov. Vyhraďte priestor na textový výsledok a použite ohraničený úsek zdroja, ak dlhá nahrávka obsahuje iba krátku udalosť relevantnú pre otázku.\n\nTvorca predvádza pracovné postupy s Transformers a vLLM, s podporou procesora a dekódovaním médií ako explicitnými závislosťami. Spoločná karta tiež dokumentuje rozdiely rozhraní vrátane oddeleného spracovania videa a zvuku v príklade nasadenia na obsluhu požiadaviek. Vyberte presný checkpoint Thinking a jeho podporovanú cestu spracovania namiesto predpokladu, že každý príklad na karte rodiny má rovnaké správanie výstupu. Hlasy pre rečový výstup a ovládacie prvky Talker na tejto stránke sa vzťahujú na Instruct, nie na tento model iba s komponentom Thinker.\n\nPre užitočný konečný výsledok si vyžiadajte vysvetlenie založené na dôkazoch a jasne oddelený záver. Pri vizuálnej úlohe zachovajte jednotky, symboly a označenia; pri zvuku odlíšte počuteľný obsah od odvodeného zdroja; pri videu odlíšte pozorované akcie od interpretácie zámeru. Výsledok skontrolujte oproti dodanému materiálu a výslovne označte neisté alebo nečitateľné podrobnosti. Textová odpoveď modelu môže podporiť analýzu alebo neskorší krok aplikácie, zatiaľ čo akékoľvek vykonanie nástroja, overenie faktov alebo transformácia médií zostáva samostatnou operáciou, ktorá potrebuje vlastný vstup a výsledok.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Reconcile demonstration annotations\n\nAnalyze 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.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking uvažuje nad textom, obrázkami, zvukom a videom a poskytuje text. Táto edícia iba s komponentom Thinker je vhodná pre vizuálnu matematiku, analýzu zvuku a otázky vyžadujúce dôkazy z viacerých modalít; generovanie reči patrí do iného vydania Omni.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen3-Omni-30B-A3B-Thinking je člen rodiny Qwen3-Omni zameraný na uvažovanie. Rozumie textu, obrázkom, zvuku a videu vrátane ich kombinácií v rámci tej istej konverzácie a vytvára textový výsledok. Táto presná edícia Thinking obsahuje komponent Thinker a je vybavená na uvažovanie; neobsahuje Talker, ktorý checkpoint Instruct používa na hovorený výstup. Toto rozlíšenie je dôležité pri výbere modelu pre analytickú správu namiesto hlasovej konverzácie.
Tvorca opisuje Qwen3-Omni ako viacjazyčnú rodinu s architektúrou zmesi expertov, so 119 textovými jazykmi a 19 jazykmi hlasového vstupu. Ruština je uvedená v zverejnenom zozname jazykov hlasového vstupu. Presná konfigurácia Thinking zahŕňa 48 vrstiev textového transformera, 128 expertov a ôsmich expertov vybraných na každý token. Má tiež komponenty na spracovanie zvuku a obrazu. Ide o vlastnosti pomenovaného checkpointu; jeho multimodálne porozumenie sa nemá nahrádzať schopnosťami čisto textového modelu Qwen3 s podobným označením veľkosti.
Praktické príručky používania zahŕňajú rozpoznávanie a preklad reči, analýzu hudby a zvukov prostredia, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opisy videa a audiovizuálne otázky. Pri matematike v obrázkoch sa osobitne vyzdvihuje edícia Thinking. Pre geometrickú úlohu dodajte úplný diagram, čitateľné označenia a otázku a potom si vyžiadajte riešenie, ktoré odlišuje viditeľné zadané údaje od predpokladov. Pri zaznamenanej ukážke určte akciu alebo nezrovnalosť, ktorú treba preskúmať, a vyžiadajte si pozorovania viazané na príslušné časti materiálu. Očakávaným artefaktom môže byť písomné riešenie, štruktúrovaný zoznam pozorovaní alebo vysvetlenie toho, čo dôkazy podporujú.
Vstup pripravte ako multimodálnu konverzáciu pomocou zodpovedajúceho procesora a šablóny chatu. Súprava nástrojov tvorcu na spracovanie pracuje s textom, obrázkami, zvukom a videom, ktoré sa vo vstupe navzájom striedajú. Qwen opisuje streamovanie textových odpovedí ako súčasť návrhu interakcie tejto rodiny a predvádza dávkovú inferenciu so zmiešanými médiami a výlučne textovým výstupom. V každom kole dialógu tvorca odporúča spolu s médiami uviesť explicitnú textovú inštrukciu. Samotné video ponecháva úlohu nejednoznačnú: uveďte, či treba zhrnúť akcie, porovnať dve scény, vysvetliť zvuk alebo vyriešiť zobrazený problém. Viaceré vstupy a ich vzájomné vzťahy označte tak, aby konečný text mohol prepojiť správnu otázku so správnym materiálom.
Pri videu obsahujúcom reč alebo zvuky udalostí rozhodnite, či je jeho zvuk súčasťou úlohy. Dokumentovaný postup používa use_audio_in_video konzistentne počas predspracovania aj generovania a karta upozorňuje, že zmena tohto nastavenia medzi kolami dialógu môže spôsobiť neočakávané výsledky. Otázka týkajúca sa iba scény a audiovizuálna otázka preto vyžadujú odlišnú prípravu. Pôvodný klip ponechajte k dispozícii, vyberte príslušný interval a nevynechajte zvukovú stopu, ak požadovaný záver závisí od toho, čo bolo povedané alebo počuť.
Zverejnená textová konfigurácia nastavuje max_position_embeddings na 65,536. Príklady vLLM v karte osobitne používajú nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov. Predstavujú nakonfigurovaný príklad inferencie, nie jediný univerzálny limit maximálneho výstupu. Médiá sa reprezentujú prostredníctvom procesora, preto veľkosť požiadavky nie je iba počtom napísaných znakov. Vyhraďte priestor na textový výsledok a použite ohraničený úsek zdroja, ak dlhá nahrávka obsahuje iba krátku udalosť relevantnú pre otázku.
Tvorca predvádza pracovné postupy s Transformers a vLLM, s podporou procesora a dekódovaním médií ako explicitnými závislosťami. Spoločná karta tiež dokumentuje rozdiely rozhraní vrátane oddeleného spracovania videa a zvuku v príklade nasadenia na obsluhu požiadaviek. Vyberte presný checkpoint Thinking a jeho podporovanú cestu spracovania namiesto predpokladu, že každý príklad na karte rodiny má rovnaké správanie výstupu. Hlasy pre rečový výstup a ovládacie prvky Talker na tejto stránke sa vzťahujú na Instruct, nie na tento model iba s komponentom Thinker.
Pre užitočný konečný výsledok si vyžiadajte vysvetlenie založené na dôkazoch a jasne oddelený záver. Pri vizuálnej úlohe zachovajte jednotky, symboly a označenia; pri zvuku odlíšte počuteľný obsah od odvodeného zdroja; pri videu odlíšte pozorované akcie od interpretácie zámeru. Výsledok skontrolujte oproti dodanému materiálu a výslovne označte neisté alebo nečitateľné podrobnosti. Textová odpoveď modelu môže podporiť analýzu alebo neskorší krok aplikácie, zatiaľ čo akékoľvek vykonanie nástroja, overenie faktov alebo transformácia médií zostáva samostatnou operáciou, ktorá potrebuje vlastný vstup a výsledok.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen3-Omni-30B-A3B-Thinking | 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-Thinking", "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-Thinking',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-Thinking',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-Thinking
Použite cesty metód uvedené vyššie.
Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking uvažuje nad textom, obrázkami, zvukom a videom a poskytuje text. Táto edícia iba s komponentom Thinker je vhodná pre vizuálnu matematiku, analýzu zvuku a otázky vyžadujúce dôkazy z viacerých modalít; generovanie reči patrí do iného vydania Omni.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen3-Omni-30B-A3B-Thinking je člen rodiny Qwen3-Omni zameraný na uvažovanie. Rozumie textu, obrázkom, zvuku a videu vrátane ich kombinácií v rámci tej istej konverzácie a vytvára textový výsledok. Táto presná edícia Thinking obsahuje komponent Thinker a je vybavená na uvažovanie; neobsahuje Talker, ktorý checkpoint Instruct používa na hovorený výstup. Toto rozlíšenie je dôležité pri výbere modelu pre analytickú správu namiesto hlasovej konverzácie.
Tvorca opisuje Qwen3-Omni ako viacjazyčnú rodinu s architektúrou zmesi expertov, so 119 textovými jazykmi a 19 jazykmi hlasového vstupu. Ruština je uvedená v zverejnenom zozname jazykov hlasového vstupu. Presná konfigurácia Thinking zahŕňa 48 vrstiev textového transformera, 128 expertov a ôsmich expertov vybraných na každý token. Má tiež komponenty na spracovanie zvuku a obrazu. Ide o vlastnosti pomenovaného checkpointu; jeho multimodálne porozumenie sa nemá nahrádzať schopnosťami čisto textového modelu Qwen3 s podobným označením veľkosti.
Praktické príručky používania zahŕňajú rozpoznávanie a preklad reči, analýzu hudby a zvukov prostredia, zmiešaný zvuk, otázky k obrázkom, OCR, ukotvenie objektov, opisy videa a audiovizuálne otázky. Pri matematike v obrázkoch sa osobitne vyzdvihuje edícia Thinking. Pre geometrickú úlohu dodajte úplný diagram, čitateľné označenia a otázku a potom si vyžiadajte riešenie, ktoré odlišuje viditeľné zadané údaje od predpokladov. Pri zaznamenanej ukážke určte akciu alebo nezrovnalosť, ktorú treba preskúmať, a vyžiadajte si pozorovania viazané na príslušné časti materiálu. Očakávaným artefaktom môže byť písomné riešenie, štruktúrovaný zoznam pozorovaní alebo vysvetlenie toho, čo dôkazy podporujú.
Vstup pripravte ako multimodálnu konverzáciu pomocou zodpovedajúceho procesora a šablóny chatu. Súprava nástrojov tvorcu na spracovanie pracuje s textom, obrázkami, zvukom a videom, ktoré sa vo vstupe navzájom striedajú. Qwen opisuje streamovanie textových odpovedí ako súčasť návrhu interakcie tejto rodiny a predvádza dávkovú inferenciu so zmiešanými médiami a výlučne textovým výstupom. V každom kole dialógu tvorca odporúča spolu s médiami uviesť explicitnú textovú inštrukciu. Samotné video ponecháva úlohu nejednoznačnú: uveďte, či treba zhrnúť akcie, porovnať dve scény, vysvetliť zvuk alebo vyriešiť zobrazený problém. Viaceré vstupy a ich vzájomné vzťahy označte tak, aby konečný text mohol prepojiť správnu otázku so správnym materiálom.
Pri videu obsahujúcom reč alebo zvuky udalostí rozhodnite, či je jeho zvuk súčasťou úlohy. Dokumentovaný postup používa use_audio_in_video konzistentne počas predspracovania aj generovania a karta upozorňuje, že zmena tohto nastavenia medzi kolami dialógu môže spôsobiť neočakávané výsledky. Otázka týkajúca sa iba scény a audiovizuálna otázka preto vyžadujú odlišnú prípravu. Pôvodný klip ponechajte k dispozícii, vyberte príslušný interval a nevynechajte zvukovú stopu, ak požadovaný záver závisí od toho, čo bolo povedané alebo počuť.
Zverejnená textová konfigurácia nastavuje max_position_embeddings na 65,536. Príklady vLLM v karte osobitne používajú nastavenie dĺžky modelu 32,768 tokenov a nastavenie generovania 16,384 tokenov. Predstavujú nakonfigurovaný príklad inferencie, nie jediný univerzálny limit maximálneho výstupu. Médiá sa reprezentujú prostredníctvom procesora, preto veľkosť požiadavky nie je iba počtom napísaných znakov. Vyhraďte priestor na textový výsledok a použite ohraničený úsek zdroja, ak dlhá nahrávka obsahuje iba krátku udalosť relevantnú pre otázku.
Tvorca predvádza pracovné postupy s Transformers a vLLM, s podporou procesora a dekódovaním médií ako explicitnými závislosťami. Spoločná karta tiež dokumentuje rozdiely rozhraní vrátane oddeleného spracovania videa a zvuku v príklade nasadenia na obsluhu požiadaviek. Vyberte presný checkpoint Thinking a jeho podporovanú cestu spracovania namiesto predpokladu, že každý príklad na karte rodiny má rovnaké správanie výstupu. Hlasy pre rečový výstup a ovládacie prvky Talker na tejto stránke sa vzťahujú na Instruct, nie na tento model iba s komponentom Thinker.
Pre užitočný konečný výsledok si vyžiadajte vysvetlenie založené na dôkazoch a jasne oddelený záver. Pri vizuálnej úlohe zachovajte jednotky, symboly a označenia; pri zvuku odlíšte počuteľný obsah od odvodeného zdroja; pri videu odlíšte pozorované akcie od interpretácie zámeru. Výsledok skontrolujte oproti dodanému materiálu a výslovne označte neisté alebo nečitateľné podrobnosti. Textová odpoveď modelu môže podporiť analýzu alebo neskorší krok aplikácie, zatiaľ čo akékoľvek vykonanie nástroja, overenie faktov alebo transformácia médií zostáva samostatnou operáciou, ktorá potrebuje vlastný vstup a výsledok.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen3-Omni-30B-A3B-Thinking | 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 $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Thinking', '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-Thinking', '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-Thinking
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Reconcile demonstration annotations\n\nAnalyze 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.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.