Source: https://ailoot.ai/models/sv/qwen-omni-turbo/ Canonical: https://ailoot.ai/models/sv/qwen-omni-turbo/ Language: sv # Qwen-Omni-Turbo [Markdown](https://ailoot.ai/models/sv/qwen-omni-turbo/index.md) · [JSON](https://ailoot.ai/models/sv/qwen-omni-turbo/facts.json) ## [Qwen-Omni-Turbo](https://ailoot.ai/models/sv/qwen-omni-turbo/) Qwen-Omni-Turbo kombinerar text, bilder, ljud och video i en multimodal uppgift och kan strömma text tillsammans med talade svar. Använd den för att koppla en talad fråga till visuella belägg eller förklara ett audiovisuellt klipp, inom tillverkarens kontext på 32 768 token och utdatatak på 2 048 token. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen-omni-turbo`](https://ailoot.ai/models/sv/qwen-omni-turbo/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen-omni-turbo`](https://ailoot.ai/models/sv/qwen-omni-turbo/#method-1) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Översikt: förståelse av blandade medier och talade svar Qwen-Omni-Turbo är Qwens modell för multimodal förståelse och generering. Den tar emot text, bilder, tal och video, även kombinationer av dessa indata, och producerar text eller text tillsammans med naturligt tal. Tillverkaren beskriver samtidig strömning av text och tal, med fyra naturliga samtalsröster att välja mellan. Det gör modellen relevant för uppgifter där frågan och dess belägg kommer i olika former, till exempel en talad fråga om ett fotografi eller en förklaring av en audiovisuell scen. Det exakta namnet och dess utgåvor Tillverkarens aktuella modellsida beskriver qwen-omni-turbo som funktionellt likvärdig med den daterade versionen qwen-omni-turbo-2025-03-26. Den listar separat qwen-omni-turbo-latest som ett namn som uppdateras dynamiskt och håller den tidigare daterade versionen qwen-omni-turbo-2025-01-19 åtskild. Marsversionen beskrivs som förbättrad vad gäller visuella funktioner jämfört med januariversionen. Detta är tillverkarens relationer mellan utgåvorna, och bevisar inte att varje liknande namngiven väg i en applikation använder identiska vikter eller inställningar. Behåll namnet på den daterade versionen när uppgiften kräver en exakt version. Namnet Turbo betecknar inte den separata realtidsutgåvan, en nyare generation av Qwen-Omni eller den öppna checkpointen Qwen2.5-Omni-7B. Deras inmatningsregler, röster och gränssnitt behöver egen dokumentation. Framför allt ska de fyra röstalternativ som beskrivs för Omni-Turbo inte föras över till beskrivningen av den öppna checkpointen med två röster. Förbered en uppgift med blandade medier Ange vad modellen ska koppla samman mellan olika indata. För en talad fråga om ett diagram tillhandahåller du diagrammet och frågan tillsammans och ber om en förklaring av det synliga element som diskuteras. För en video med tal anger du om det önskade resultatet är en sammanfattning av vad som syns, vad som sägs eller hur de två hänger ihop. Ett användbart resultat kan skilja visuella observationer från ljudobservationer före slutsatsen. För en multimediegranskning ger du det relevanta korta utdraget i stället för flera orelaterade filer. Märk bilderna och förklara deras roller om det finns fler än en. Behåll det ljud och den tidsinformation som har betydelse för frågan. Be om en fokuserad leverans, till exempel en talad förklaring för en lyssnare eller en kort textlista med scendetaljer. Detta är egna användningsexempel på de dokumenterade funktionerna för blandade indata, och innebär inte att något visst klipp redan har analyserats. Text- och talutdata Tillverkarens modellbeskrivning stöder textsvar och samtidig strömning av text och tal. En talad förklaring kan passa vid samtalsbaserad assistans, medan text är lättare att granska, söka i och jämföra med källmaterial. Det valda utdataläget och röstkontrollerna beror på gränssnittet som exponerar modellen. Strömning beskriver leverans i på varandra följande delar; det är ingen garanterad svarstid eller något belägg för att ett separat protokoll för realtidssamtal finns tillgängligt. Gränser för kontext och utdata Den särskilda specifikationen anger ett kontextfönster på 32 768 token, en maximal indatalängd på 30 720 token och en maximal utdatalängd på 2 048 token. Förbered källmaterialet och det önskade svaret med hänsyn till dessa separata gränser. Multimodala indata måste rymmas inom sin representationsbudget, snarare än enbart en räkning av skrivna tecken. En begäran om en lång berättarröst bör avgränsas till en kort förklaring som ryms inom utdatataket. Dessa tokengränser fastställer inte en universell längd i minuter eller ett universellt antal bilder. Förbehandlingen av medier och den valda utgåvan påverkar hur mycket material som ryms. Modellsidan publicerar varken en checkpointarkitektur eller ett parameterantal, så beteckningen Turbo ska inte användas för att hitta på en storlek eller låna arkitekturen från en annan Omni-modell. Verktyg och väsentliga begränsningar Det exakta modellnamnets funktionsmatris stöder inte funktionsanrop, inbyggd webbsökning eller strukturerade utdata med tvingande formatkrav. Den anger batchinferens i vissa av tillverkarens konfigurationer och kontextcache i en annan. Att be om en lista eller ett svar i JSON-format är en begäran om textformat, ingen garanti för att ett schema kommer att upprätthållas. Modellens förmåga att förstå en visuell eller talad uppgift ger den inte heller tillgång till aktuell information eller externa system. Kontrollera om svaret skiljer synliga belägg, hörbart innehåll och tolkning åt. Citat ur tal, små visuella etiketter och härledda samband ska jämföras med det tillhandahållna materialet. För ett talat resultat behåller du den medföljande texten när den finns tillgänglig så att en granskare kan kontrollera förklaringen. Den praktiska fördelen är att koppla samman flera modaliteter i ett svar, med kortfattade utdata anpassade till den dokumenterade utgåvan. Praktisk uppgift ### Praktisk uppgift Tekniskt exempel på engelska ``` Reconcile written scene and speech notes Compare these text notes from a training clip. [Visible note] The operator places a red tag on the empty bin. [Speech transcript] "Use a yellow tag when cleaning is due." Summarize the discrepancy and draft one clarification question for the trainer. Use only the supplied notes; do not claim to hear audio or view video. ``` #### Förväntat resultat ``` A concise discrepancy statement and one question, with visible-note and speech-transcript evidence kept separate. ``` #### Kontrollera resultatet ``` Check that neither color is silently corrected and the response makes no claim of media access. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen-omni-turbo` [`qwen-omni-turbo`](https://ailoot.ai/models/sv/#m=qwen-omni-turbo&route=Ultra&caller=qwen-omni-turbo&fmt=chat) Alibaba /`qwen-omni-turbo` ### Start Qwen-Omni-Turbo kombinerar text, bilder, ljud och video i en multimodal uppgift och kan strömma text tillsammans med talade svar. Använd den för att koppla en talad fråga till visuella belägg eller förklara ett audiovisuellt klipp, inom tillverkarens kontext på 32 768 token och utdatatak på 2 048 token. Godkända indata Text Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Indatatyper `text` Utdatatyper `text` Utdataformat json eller SSE | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser qwen-omni-turbo | Standard— | | Fält`messages` | Typ`message[]` | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— | | Fält`messages[].role` | Typ`string` | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— | | Fält`messages[].content` | Typ`string\|content_part[]\|null` | KravValfritt | Värden & gränser | Standard— | | Fält`messages[].tool_calls` | Typ`tool_call[]` | KravValfritt | Värden & gränser | Standard— | | Fält`messages[].tool_call_id` | Typ`string` | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— | | Fält`messages[].name` | Typ`string` | KravValfritt | Värden & gränser | Standard— | | Fält`messages[].reasoning_content` | Typ`string` | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— | | Fält`messages[].reasoning_details` | Typ`object\|array` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`max_tokens` | Typ`integer` | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— | | Fält`max_completion_tokens` | Typ`integer` | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— | | Fält`stream` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse | | Fält`stream_options.include_usage` | Typ`boolean` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`temperature` | Typ`number` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`top_p` | Typ`number` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`stop` | Typ`string\|string[]` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`tools` | Typ`function_tool[]` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`tools[].type` | Typ`string` | KravValfritt | Värden & gränser function Beror på modellen | Standard— | | Fält`tools[].function.name` | Typ`string` | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— | | Fält`tools[].function.description` | Typ`string` | KravValfritt | Värden & gränser | Standard— | | Fält`tools[].function.parameters` | Typ`JSON_schema` | KravValfritt | Värden & gränser | Standard— | | Fält`tool_choice` | Typ`string\|object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`parallel_tool_calls` | Typ`boolean` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`response_format` | Typ`object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`reasoning_effort` | Typ`string` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`reasoning` | Typ`object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`service_tier` | Typ`string` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`instructions` | Typ`string` | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— | | Fält`functions` | Typ`function[]` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`function_call` | Typ`string\|object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`prompt_cache_options` | Typ`object` | KravValfritt | Värden & gränser Beror på modellen | Standard— | | Fält`modalities` | Typ`string[]` | KravValfritt | Värden & gränser text | Standard— | | Fält`provider` | Typ`object` | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— | | Fält`cache_control.ttl` | Typ`string` | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— | Kombinationer av indatamaterial **Text** · UTF8-text `messages[].content` Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, messages | | Parameter`material_types` | Avtaltext | | Parameter`messages` | Avtalmeddelandearray med strukturen role/content | | Parameter`file_material` | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds | | Parameter`optional_controls` | Avtalstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg | | Parameter`output_modalities` | Avtaltext | | Parameter`hosted_operations` | Avtalfalse | | Parameter`multimodal_input_binding` | Avtalnull | Livscykel: `synchronous_or_streamed` Skicka det exakta modell-ID:t tillsammans med messages. Kontextlängden är inte en utdatagräns. En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning. ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration | Konfiguration | Prislista | Avgift | | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken **$0.0046** / 1K token Utdata · Utdatatoken **$0.0138** / 1K token Indata · Cacheläsning **$0** / 1K token Indata · Skrivning till cache **$0** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-strömning ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "qwen-omni-turbo", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='qwen-omni-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='qwen-omni-turbo',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Ta emot och spara resultat #### Ailoot Ultra · OpenAI Chat json eller SSE ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna. ##### Om det ursprungliga svaret behöver kontrolleras Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls. Svarsfält | Fält | Typ | | --- | --- | | Fält`choices[].index` | Typinteger | | Fält`choices[].message.content` | Typstring\|null | | Fält`choices[].message.tool_calls` | Typtool\_call\[\] | | Fält`choices[].message.reasoning_content` | Typstring | | Fält`choices[].message.reasoning_details` | Typobject\|array | | Fält`choices[].finish_reason` | Typstring\|null | | Fält`usage` | Typobject | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. | ### Alias #### Modellalias **Ailoot Ultra** [`qwen-omni-turbo`](https://ailoot.ai/models/sv/#m=qwen-omni-turbo&route=Ultra&caller=qwen-omni-turbo&fmt=chat) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`qwen-omni-turbo`](https://ailoot.ai/models/sv/#m=qwen-omni-turbo&route=Ultra&caller=qwen-omni-turbo&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen-omni-turbo` [`qwen-omni-turbo`](https://ailoot.ai/models/sv/#m=qwen-omni-turbo&route=Ultra&caller=qwen-omni-turbo&fmt=messages) Alibaba /`qwen-omni-turbo` ### Start Qwen-Omni-Turbo kombinerar text, bilder, ljud och video i en multimodal uppgift och kan strömma text tillsammans med talade svar. Använd den för att koppla en talad fråga till visuella belägg eller förklara ett audiovisuellt klipp, inom tillverkarens kontext på 32 768 token och utdatatak på 2 048 token. Godkända indata Text Resultat json · sse ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Indatatyper `text` Utdatatyper `json`, `sse` Utdataformat JSON eller SSE | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser qwen-omni-turbo | Standard— | | Fält`messages` | Typ`message[]` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`messages[].role` | Typ`string` | KravObligatoriskt | Värden & gränser user, assistant | Standard— | | Fält`messages[].content` | Typ`string` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`max_tokens` | Typ`integer` | KravObligatoriskt | Värden & gränser | Standard— | | Fält`stream` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse | Kombinationer av indatamaterial **Text** · UTF-8-text `sträng i messages[].content` Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, messages, max\_tokens | | Parameter`optional_controls` | Avtalstream | | Parameter`material_types` | Avtaltext | | Parameter`text_file_material` | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. | Livscykel: `synchronous_or_streamed` ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration | Konfiguration | Prislista | Avgift | | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken **$0.0046** / 1K token Utdata · Utdatatoken **$0.0138** / 1K token Indata · Cacheläsning **$0** / 1K token Indata · Skrivning till cache **$0** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Anthropic Messages Komplett minimal JSON-kroppcurl · använd ditt UTF-8-dokumentPython · spara hela resultatet ```json { "model": "qwen-omni-turbo", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen-omni-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen-omni-turbo', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Ta emot och spara resultat #### Ailoot Ultra · Anthropic Messages JSON eller SSE ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata. ##### Om det ursprungliga svaret behöver kontrolleras Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls. Svarsfält | Fält | Typ | | --- | --- | | Fält`id` | Typstring | | Fält`model` | Typstring | | Fält`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Fält`stop_reason` | Typstring\|null | | Fält`usage` | Typobject | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. | ### Alias #### Modellalias **Ailoot Ultra** [`qwen-omni-turbo`](https://ailoot.ai/models/sv/#m=qwen-omni-turbo&route=Ultra&caller=qwen-omni-turbo&fmt=messages) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`qwen-omni-turbo`](https://ailoot.ai/models/sv/#m=qwen-omni-turbo&route=Ultra&caller=qwen-omni-turbo&fmt=messages) FAQ · Qwen-Omni-Turbo Vilka indata och resultat finns? `POST /v1/chat/completions` · `qwen-omni-turbo`: `text` → `text` `POST /v1/messages` · `qwen-omni-turbo`: `text` → `json`, `sse` Vilka fält använder begäran? `POST /v1/chat/completions` · `qwen-omni-turbo`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `qwen-omni-turbo`: `model`, `messages`, `max_tokens`, `stream` Vilka gränser gäller? `POST /v1/chat/completions` · `qwen-omni-turbo`: `messages.min_items`: `1` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.