Qwen3-Omni-30B-A3B-Thinking je član družine Qwen3-Omni, usmerjen v sklepanje. Razume besedilo, slike, zvok in video, tudi njihove kombinacije v istem pogovoru, ter ustvari besedilni rezultat. Natančna različica Thinking vsebuje komponento Thinker in je opremljena za sklepanje; ne vključuje komponente Talker, ki se v kontrolni točki Instruct uporablja za govorni izhod. Ta razlika je pomembna pri izbiri modela za analitično poročilo namesto za glasovni pogovor.
Proizvajalec Qwen3-Omni opisuje kot večjezično družino z mešanico strokovnjakov, ki podpira 119 jezikov besedila in 19 jezikov govornega vhoda. Ruščina je vključena v objavljeni seznam jezikov govornega vhoda. Natančna konfiguracija Thinking vključuje 48 plasti besedilnega transformatorja, 128 strokovnjakov in osem izbranih strokovnjakov na žeton. Ima tudi komponente za obdelavo zvoka in vida. To so značilnosti imenovane kontrolne točke; njenega večmodalnega razumevanja ne zamenjujte z zmožnostmi modela Qwen3 samo za besedilo s podobno oznako velikosti.
Praktična navodila za uporabo pokrivajo prepoznavanje in prevajanje govora, analizo glasbe in zvokov iz okolja, mešani zvok, vprašanja o slikah, OCR, prostorsko umeščanje predmetov, opise videa in zvočno-vizualna vprašanja. Pri matematiki na slikah posebej izpostavljajo različico Thinking. Za geometrijsko nalogo priložite celoten diagram, čitljive oznake in vprašanje, nato pa zahtevajte rešitev, ki loči vidne podane podatke od predpostavk. Pri posneti predstavitvi opredelite dejanje ali neskladje, ki ga je treba raziskati, ter zahtevajte opažanja, povezana z ustreznimi deli gradiva. Pričakovani izdelek je lahko pisna rešitev, strukturiran seznam opažanj ali pojasnilo, kaj dokazi podpirajo.
Vhod pripravite kot večmodalni pogovor z ustreznim procesorjem in predlogo klepeta. Proizvajalčev nabor orodij za obdelavo podpira prepleteno besedilo, slike, zvok in video. Qwen pretočne besedilne odgovore opisuje kot del zasnove interakcije družine ter prikazuje paketno sklepanje z mešanimi mediji in izhodom samo v besedilu. Proizvajalec v vsakem krogu dialoga poleg medijev priporoča izrecno besedilno navodilo. Sam video pušča nalogo nejasno: navedite, ali naj model povzame dejanja, primerja prizora, pojasni zvok ali reši prikazani problem. Označite več vhodov in njihova razmerja, da končno besedilo lahko poveže pravo vprašanje s pravim gradivom.
Pri videu, ki vsebuje govor ali zvoke dogodkov, se odločite, ali je zvok del naloge. Dokumentirani postopek med predobdelavo in ustvarjanjem dosledno uporablja use_audio_in_video, opis pa opozarja, da lahko spreminjanje te nastavitve med krogi dialoga povzroči nepričakovane rezultate. Vprašanje samo o prizoru in zvočno-vizualno vprašanje zato potrebujeta različno pripravo. Izvirni posnetek ohranite na voljo, izberite ustrezen interval in ne izpuščajte zvočne steze, kadar je zahtevani sklep odvisen od povedanega ali slišanega.
Objavljena besedilna konfiguracija nastavi max_position_embeddings na 65,536. Primeri vLLM v opisu ločeno uporabljajo nastavitev dolžine modela 32,768 žetonov in nastavitev ustvarjanja 16,384 žetonov. Prikazujejo nastavljen primer sklepanja, ne ene univerzalne zgornje meje izhoda. Mediji so predstavljeni prek procesorja, zato velikost zahteve ni zgolj število vtipkanih znakov. Rezervirajte prostor za besedilni rezultat in uporabite omejen izsek vira, kadar dolg posnetek vsebuje samo kratek dogodek, pomemben za vprašanje.
Proizvajalec prikazuje postopke s Transformers in vLLM, pri katerih sta podpora procesorja in dekodiranje medijev izrecni odvisnosti. Skupni opis dokumentira tudi razlike med vmesniki, vključno z ločeno obravnavo videa in zvoka v primeru streženja. Izberite natančno kontrolno točko Thinking in njeno podprto pot obdelave, namesto da bi predpostavljali, da ima vsak primer v opisu družine enako izhodno obnašanje. Govorni glasovi in nastavitve Talker na tej strani veljajo za Instruct, ne za ta model samo s komponento Thinker.
Za uporaben končni rezultat zahtevajte pojasnilo na podlagi dokazov in jasno ločen sklep. Pri vizualnem problemu ohranite enote, simbole in oznake; pri zvoku ločite slišno vsebino od sklepanja o njenem viru; pri videu ločite opažena dejanja od razlage namena. Rezultat primerjajte s priloženim gradivom ter izrecno navedite negotove ali nečitljive podrobnosti. Modelov besedilni odgovor lahko podpira analizo ali poznejši korak v aplikaciji, medtem ko izvedba orodij, potrjevanje dejstev ali preoblikovanje medijev ostajajo ločene operacije, ki potrebujejo lasten vhod in rezultat.
", "aboutText": "Qwen3-Omni-30B-A3B-Thinking je član družine Qwen3-Omni, usmerjen v sklepanje. Razume besedilo, slike, zvok in video, tudi njihove kombinacije v istem pogovoru, ter ustvari besedilni rezultat. Natančna različica Thinking vsebuje komponento Thinker in je opremljena za sklepanje; ne vključuje komponente Talker, ki se v kontrolni točki Instruct uporablja za govorni izhod. Ta razlika je pomembna pri izbiri modela za analitično poročilo namesto za glasovni pogovor.\n\nProizvajalec Qwen3-Omni opisuje kot večjezično družino z mešanico strokovnjakov, ki podpira 119 jezikov besedila in 19 jezikov govornega vhoda. Ruščina je vključena v objavljeni seznam jezikov govornega vhoda. Natančna konfiguracija Thinking vključuje 48 plasti besedilnega transformatorja, 128 strokovnjakov in osem izbranih strokovnjakov na žeton. Ima tudi komponente za obdelavo zvoka in vida. To so značilnosti imenovane kontrolne točke; njenega večmodalnega razumevanja ne zamenjujte z zmožnostmi modela Qwen3 samo za besedilo s podobno oznako velikosti.\n\nPraktična navodila za uporabo pokrivajo prepoznavanje in prevajanje govora, analizo glasbe in zvokov iz okolja, mešani zvok, vprašanja o slikah, OCR, prostorsko umeščanje predmetov, opise videa in zvočno-vizualna vprašanja. Pri matematiki na slikah posebej izpostavljajo različico Thinking. Za geometrijsko nalogo priložite celoten diagram, čitljive oznake in vprašanje, nato pa zahtevajte rešitev, ki loči vidne podane podatke od predpostavk. Pri posneti predstavitvi opredelite dejanje ali neskladje, ki ga je treba raziskati, ter zahtevajte opažanja, povezana z ustreznimi deli gradiva. Pričakovani izdelek je lahko pisna rešitev, strukturiran seznam opažanj ali pojasnilo, kaj dokazi podpirajo.\n\nVhod pripravite kot večmodalni pogovor z ustreznim procesorjem in predlogo klepeta. Proizvajalčev nabor orodij za obdelavo podpira prepleteno besedilo, slike, zvok in video. Qwen pretočne besedilne odgovore opisuje kot del zasnove interakcije družine ter prikazuje paketno sklepanje z mešanimi mediji in izhodom samo v besedilu. Proizvajalec v vsakem krogu dialoga poleg medijev priporoča izrecno besedilno navodilo. Sam video pušča nalogo nejasno: navedite, ali naj model povzame dejanja, primerja prizora, pojasni zvok ali reši prikazani problem. Označite več vhodov in njihova razmerja, da končno besedilo lahko poveže pravo vprašanje s pravim gradivom.\n\nPri videu, ki vsebuje govor ali zvoke dogodkov, se odločite, ali je zvok del naloge. Dokumentirani postopek med predobdelavo in ustvarjanjem dosledno uporablja use_audio_in_video, opis pa opozarja, da lahko spreminjanje te nastavitve med krogi dialoga povzroči nepričakovane rezultate. Vprašanje samo o prizoru in zvočno-vizualno vprašanje zato potrebujeta različno pripravo. Izvirni posnetek ohranite na voljo, izberite ustrezen interval in ne izpuščajte zvočne steze, kadar je zahtevani sklep odvisen od povedanega ali slišanega.\n\nObjavljena besedilna konfiguracija nastavi max_position_embeddings na 65,536. Primeri vLLM v opisu ločeno uporabljajo nastavitev dolžine modela 32,768 žetonov in nastavitev ustvarjanja 16,384 žetonov. Prikazujejo nastavljen primer sklepanja, ne ene univerzalne zgornje meje izhoda. Mediji so predstavljeni prek procesorja, zato velikost zahteve ni zgolj število vtipkanih znakov. Rezervirajte prostor za besedilni rezultat in uporabite omejen izsek vira, kadar dolg posnetek vsebuje samo kratek dogodek, pomemben za vprašanje.\n\nProizvajalec prikazuje postopke s Transformers in vLLM, pri katerih sta podpora procesorja in dekodiranje medijev izrecni odvisnosti. Skupni opis dokumentira tudi razlike med vmesniki, vključno z ločeno obravnavo videa in zvoka v primeru streženja. Izberite natančno kontrolno točko Thinking in njeno podprto pot obdelave, namesto da bi predpostavljali, da ima vsak primer v opisu družine enako izhodno obnašanje. Govorni glasovi in nastavitve Talker na tej strani veljajo za Instruct, ne za ta model samo s komponento Thinker.\n\nZa uporaben končni rezultat zahtevajte pojasnilo na podlagi dokazov in jasno ločen sklep. Pri vizualnem problemu ohranite enote, simbole in oznake; pri zvoku ločite slišno vsebino od sklepanja o njenem viru; pri videu ločite opažena dejanja od razlage namena. Rezultat primerjajte s priloženim gradivom ter izrecno navedite negotove ali nečitljive podrobnosti. Modelov besedilni odgovor lahko podpira analizo ali poznejši korak v aplikaciji, medtem ko izvedba orodij, potrjevanje dejstev ali preoblikovanje medijev ostajajo ločene operacije, ki potrebujejo lasten vhod in rezultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
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 sklepa na podlagi besedila, slik, zvoka in videa ter vrača besedilo. Ta različica samo s komponento Thinker je primerna za vizualno matematiko, analizo zvoka in vprašanja, ki potrebujejo dokaze iz več modalnosti; ustvarjanje govora pripada drugi izdaji Omni.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen3-Omni-30B-A3B-Thinking je član družine Qwen3-Omni, usmerjen v sklepanje. Razume besedilo, slike, zvok in video, tudi njihove kombinacije v istem pogovoru, ter ustvari besedilni rezultat. Natančna različica Thinking vsebuje komponento Thinker in je opremljena za sklepanje; ne vključuje komponente Talker, ki se v kontrolni točki Instruct uporablja za govorni izhod. Ta razlika je pomembna pri izbiri modela za analitično poročilo namesto za glasovni pogovor.
Proizvajalec Qwen3-Omni opisuje kot večjezično družino z mešanico strokovnjakov, ki podpira 119 jezikov besedila in 19 jezikov govornega vhoda. Ruščina je vključena v objavljeni seznam jezikov govornega vhoda. Natančna konfiguracija Thinking vključuje 48 plasti besedilnega transformatorja, 128 strokovnjakov in osem izbranih strokovnjakov na žeton. Ima tudi komponente za obdelavo zvoka in vida. To so značilnosti imenovane kontrolne točke; njenega večmodalnega razumevanja ne zamenjujte z zmožnostmi modela Qwen3 samo za besedilo s podobno oznako velikosti.
Praktična navodila za uporabo pokrivajo prepoznavanje in prevajanje govora, analizo glasbe in zvokov iz okolja, mešani zvok, vprašanja o slikah, OCR, prostorsko umeščanje predmetov, opise videa in zvočno-vizualna vprašanja. Pri matematiki na slikah posebej izpostavljajo različico Thinking. Za geometrijsko nalogo priložite celoten diagram, čitljive oznake in vprašanje, nato pa zahtevajte rešitev, ki loči vidne podane podatke od predpostavk. Pri posneti predstavitvi opredelite dejanje ali neskladje, ki ga je treba raziskati, ter zahtevajte opažanja, povezana z ustreznimi deli gradiva. Pričakovani izdelek je lahko pisna rešitev, strukturiran seznam opažanj ali pojasnilo, kaj dokazi podpirajo.
Vhod pripravite kot večmodalni pogovor z ustreznim procesorjem in predlogo klepeta. Proizvajalčev nabor orodij za obdelavo podpira prepleteno besedilo, slike, zvok in video. Qwen pretočne besedilne odgovore opisuje kot del zasnove interakcije družine ter prikazuje paketno sklepanje z mešanimi mediji in izhodom samo v besedilu. Proizvajalec v vsakem krogu dialoga poleg medijev priporoča izrecno besedilno navodilo. Sam video pušča nalogo nejasno: navedite, ali naj model povzame dejanja, primerja prizora, pojasni zvok ali reši prikazani problem. Označite več vhodov in njihova razmerja, da končno besedilo lahko poveže pravo vprašanje s pravim gradivom.
Pri videu, ki vsebuje govor ali zvoke dogodkov, se odločite, ali je zvok del naloge. Dokumentirani postopek med predobdelavo in ustvarjanjem dosledno uporablja use_audio_in_video, opis pa opozarja, da lahko spreminjanje te nastavitve med krogi dialoga povzroči nepričakovane rezultate. Vprašanje samo o prizoru in zvočno-vizualno vprašanje zato potrebujeta različno pripravo. Izvirni posnetek ohranite na voljo, izberite ustrezen interval in ne izpuščajte zvočne steze, kadar je zahtevani sklep odvisen od povedanega ali slišanega.
Objavljena besedilna konfiguracija nastavi max_position_embeddings na 65,536. Primeri vLLM v opisu ločeno uporabljajo nastavitev dolžine modela 32,768 žetonov in nastavitev ustvarjanja 16,384 žetonov. Prikazujejo nastavljen primer sklepanja, ne ene univerzalne zgornje meje izhoda. Mediji so predstavljeni prek procesorja, zato velikost zahteve ni zgolj število vtipkanih znakov. Rezervirajte prostor za besedilni rezultat in uporabite omejen izsek vira, kadar dolg posnetek vsebuje samo kratek dogodek, pomemben za vprašanje.
Proizvajalec prikazuje postopke s Transformers in vLLM, pri katerih sta podpora procesorja in dekodiranje medijev izrecni odvisnosti. Skupni opis dokumentira tudi razlike med vmesniki, vključno z ločeno obravnavo videa in zvoka v primeru streženja. Izberite natančno kontrolno točko Thinking in njeno podprto pot obdelave, namesto da bi predpostavljali, da ima vsak primer v opisu družine enako izhodno obnašanje. Govorni glasovi in nastavitve Talker na tej strani veljajo za Instruct, ne za ta model samo s komponento Thinker.
Za uporaben končni rezultat zahtevajte pojasnilo na podlagi dokazov in jasno ločen sklep. Pri vizualnem problemu ohranite enote, simbole in oznake; pri zvoku ločite slišno vsebino od sklepanja o njenem viru; pri videu ločite opažena dejanja od razlage namena. Rezultat primerjajte s priloženim gradivom ter izrecno navedite negotove ali nečitljive podrobnosti. Modelov besedilni odgovor lahko podpira analizo ali poznejši korak v aplikaciji, medtem ko izvedba orodij, potrjevanje dejstev ali preoblikovanje medijev ostajajo ločene operacije, ki potrebujejo lasten vhod in rezultat.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Qwen/Qwen3-Omni-30B-A3B-Thinking | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0008 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
Uporabite zgoraj navedene poti metod.
Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking sklepa na podlagi besedila, slik, zvoka in videa ter vrača besedilo. Ta različica samo s komponento Thinker je primerna za vizualno matematiko, analizo zvoka in vprašanja, ki potrebujejo dokaze iz več modalnosti; ustvarjanje govora pripada drugi izdaji Omni.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen3-Omni-30B-A3B-Thinking je član družine Qwen3-Omni, usmerjen v sklepanje. Razume besedilo, slike, zvok in video, tudi njihove kombinacije v istem pogovoru, ter ustvari besedilni rezultat. Natančna različica Thinking vsebuje komponento Thinker in je opremljena za sklepanje; ne vključuje komponente Talker, ki se v kontrolni točki Instruct uporablja za govorni izhod. Ta razlika je pomembna pri izbiri modela za analitično poročilo namesto za glasovni pogovor.
Proizvajalec Qwen3-Omni opisuje kot večjezično družino z mešanico strokovnjakov, ki podpira 119 jezikov besedila in 19 jezikov govornega vhoda. Ruščina je vključena v objavljeni seznam jezikov govornega vhoda. Natančna konfiguracija Thinking vključuje 48 plasti besedilnega transformatorja, 128 strokovnjakov in osem izbranih strokovnjakov na žeton. Ima tudi komponente za obdelavo zvoka in vida. To so značilnosti imenovane kontrolne točke; njenega večmodalnega razumevanja ne zamenjujte z zmožnostmi modela Qwen3 samo za besedilo s podobno oznako velikosti.
Praktična navodila za uporabo pokrivajo prepoznavanje in prevajanje govora, analizo glasbe in zvokov iz okolja, mešani zvok, vprašanja o slikah, OCR, prostorsko umeščanje predmetov, opise videa in zvočno-vizualna vprašanja. Pri matematiki na slikah posebej izpostavljajo različico Thinking. Za geometrijsko nalogo priložite celoten diagram, čitljive oznake in vprašanje, nato pa zahtevajte rešitev, ki loči vidne podane podatke od predpostavk. Pri posneti predstavitvi opredelite dejanje ali neskladje, ki ga je treba raziskati, ter zahtevajte opažanja, povezana z ustreznimi deli gradiva. Pričakovani izdelek je lahko pisna rešitev, strukturiran seznam opažanj ali pojasnilo, kaj dokazi podpirajo.
Vhod pripravite kot večmodalni pogovor z ustreznim procesorjem in predlogo klepeta. Proizvajalčev nabor orodij za obdelavo podpira prepleteno besedilo, slike, zvok in video. Qwen pretočne besedilne odgovore opisuje kot del zasnove interakcije družine ter prikazuje paketno sklepanje z mešanimi mediji in izhodom samo v besedilu. Proizvajalec v vsakem krogu dialoga poleg medijev priporoča izrecno besedilno navodilo. Sam video pušča nalogo nejasno: navedite, ali naj model povzame dejanja, primerja prizora, pojasni zvok ali reši prikazani problem. Označite več vhodov in njihova razmerja, da končno besedilo lahko poveže pravo vprašanje s pravim gradivom.
Pri videu, ki vsebuje govor ali zvoke dogodkov, se odločite, ali je zvok del naloge. Dokumentirani postopek med predobdelavo in ustvarjanjem dosledno uporablja use_audio_in_video, opis pa opozarja, da lahko spreminjanje te nastavitve med krogi dialoga povzroči nepričakovane rezultate. Vprašanje samo o prizoru in zvočno-vizualno vprašanje zato potrebujeta različno pripravo. Izvirni posnetek ohranite na voljo, izberite ustrezen interval in ne izpuščajte zvočne steze, kadar je zahtevani sklep odvisen od povedanega ali slišanega.
Objavljena besedilna konfiguracija nastavi max_position_embeddings na 65,536. Primeri vLLM v opisu ločeno uporabljajo nastavitev dolžine modela 32,768 žetonov in nastavitev ustvarjanja 16,384 žetonov. Prikazujejo nastavljen primer sklepanja, ne ene univerzalne zgornje meje izhoda. Mediji so predstavljeni prek procesorja, zato velikost zahteve ni zgolj število vtipkanih znakov. Rezervirajte prostor za besedilni rezultat in uporabite omejen izsek vira, kadar dolg posnetek vsebuje samo kratek dogodek, pomemben za vprašanje.
Proizvajalec prikazuje postopke s Transformers in vLLM, pri katerih sta podpora procesorja in dekodiranje medijev izrecni odvisnosti. Skupni opis dokumentira tudi razlike med vmesniki, vključno z ločeno obravnavo videa in zvoka v primeru streženja. Izberite natančno kontrolno točko Thinking in njeno podprto pot obdelave, namesto da bi predpostavljali, da ima vsak primer v opisu družine enako izhodno obnašanje. Govorni glasovi in nastavitve Talker na tej strani veljajo za Instruct, ne za ta model samo s komponento Thinker.
Za uporaben končni rezultat zahtevajte pojasnilo na podlagi dokazov in jasno ločen sklep. Pri vizualnem problemu ohranite enote, simbole in oznake; pri zvoku ločite slišno vsebino od sklepanja o njenem viru; pri videu ločite opažena dejanja od razlage namena. Rezultat primerjajte s priloženim gradivom ter izrecno navedite negotove ali nečitljive podrobnosti. Modelov besedilni odgovor lahko podpira analizo ali poznejši korak v aplikaciji, medtem ko izvedba orodij, potrjevanje dejstev ali preoblikovanje medijev ostajajo ločene operacije, ki potrebujejo lasten vhod in rezultat.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Qwen/Qwen3-Omni-30B-A3B-Thinking | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0008 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
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.