Modellval: multimedieanalys med textutdata
Qwen3.8 Omni Flash är Qwens modell för ljud- och videoförståelse, mötessammanfattningar och innehållsanalys. Dess indata är text, bilder, ljud och video; utdata är text. Ett svar kan beskriva en inspelning, besvara en fråga om visuella och hörbara belägg eller förbereda en skriftlig sammanfattning. Tillverkaren skiljer uttryckligen denna utgåva från Omni-modeller som genererar tal. Anta inte att Omni-namnet ger denna kontrollpunkt ett talat utdataläge.
Kontexten är en miljon token och ljudindata omfattar 113 språk och dialekter. Språkantalet beskriver ljudförståelse, inte en garanti för identisk igenkänningskvalitet för varje accent, inspelningsförhållande eller teknisk vokabulär. För ett möte ska agendan eller viktiga termer tillhandahållas och beslut, olösta frågor och nästa åtgärder begäras. För ett audiovisuellt klipp ska modellen ombes skilja det som syns från det som sägs innan beläggen kombineras i en slutsats.
Förbereda multimodalt material
De dokumenterade exemplen kombinerar medier med en textfråga. Ange det avsedda resultatet i stället för att skicka en oförklarad inspelning: en tematisk sammanfattning, en händelseredogörelse eller ett svar på en specifik fråga. Märk separata tillgångar och behåll deras källtidsintervall utanför begäran så att resultatet kan spåras till originalet. När flera deltagare eller scener är viktiga ska de skillnader som rapporten ska bevara anges.
Mediegränser i tillverkarens filflöde
För videofiler dokumenterar tillverkaren upp till 64 filer, en varaktighetsgräns på två timmar och filer upp till 2 GB när de tillhandahålls via en åtkomlig filplats. Dokumenterade videoformat är MP4, AVI, MKV, MOV, FLV och WMV. För ordnade bilder som används som video är det dokumenterade intervallet två till 2,048 bilder. Bevara ordning och timing i stället för att behandla en godtycklig bildsamling som en känd tidssekvens.
För ljud dokumenterar guiden upp till tre timmar, indata från filplats upp till 2 GB samt AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antalet ljudfiler är upp till 2,048 när de tillhandahålls via filplatser och upp till 250 med Base64-kodning. Base64-kodade nyttolaster måste vara mindre än 10 MB. Detta är producentens arbetsflödesgränser, inte löften om en applikations uppladdningsgränssnitt eller belägg för att alla maximalt stora indata tillsammans ryms i tokenbudgeten.
För bilder anger guiden upp till 2,048 bildplatser eller 250 kodade bilder. En fil som tillhandahålls via en åtkomlig bildplats får vara upp till 20 MB; båda måtten måste överstiga tio pixlar och bildförhållandet måste hålla sig inom 200:1 eller 1:200. Behåll tillräcklig upplösning för den specifika frågan. Ett textfält som blir oläsligt under förberedelsen kan inte återställas enbart genom att be om ett säkert svar.
Spatialt ljud
Modellen stöder tvåkanalsstereo och fyrkanaligt ambisoniskt ljud av första ordningen i kanalordningen WYZX. Tillverkarens kontroll use_multichannel har standardvärdet false och tolkar då ljud som mono. När kontrollen är aktiverad och den stödda kanallayouten finns kan spatial information bidra till förståelsen. Bevara kanallayouten när uppgiften gäller den hörbara rumsliga scenen; härled inte kalibrerade koordinater för en ljudkälla från en allmän beskrivning.
Verktyg och aktuell information
Tillverkaren stöder funktionsanrop och webbsökning. I det dokumenterade Responses-flödet är web_search det enda stödda inbyggda verktyget för denna utgåva. En verktygsmedveten uppgift kan be modellen koppla hämtad aktuell information till den tillhandahållna inspelningen samtidigt som ursprunget för varje påstående hålls tydligt. Externa åtgärder och verktygsresultat beror fortfarande på applikationens konfigurerade gränssnitt. Verktygsstödet ska inte utvidgas till ett ovillkorligt påstående om kodtolk eller filsystem. Producenten anger också kontextcache för återkommande indata; återanvändningen gäller gemensamma begäransprefix och fastställer ingen cacheträff för en viss begäran.
Resonemangslägen
Resonemang är aktiverat som standard med reasoning_effort satt till xhigh. De primära nivåerna för resonemangsinsats är low, medium och xhigh; inställningen none stänger av resonemang. För kompatibilitet mappas minimal till low, medan high och max mappas till xhigh. Tillverkaren avvisar begäranden som anger reasoning_effort och thinking_budget tillsammans. Kontrollerna beskriver producentens gränssnitt och fastställer inte att varje applikation exponerar dem.
Välj ett direkt svar för en enkel sammanfattning och djupare resonemang för en fråga som kräver att flera belägg kopplas ihop. Håll slutrapporten åtskild från resonemanget och kontrollera talcitat, händelseordning och belägg bakom slutsatser. Guiden fastställer medie- och kontextgränser men publicerar ingen separat hård maximal längd för textutdata i de avsnitt som används här. En tydlig fråga och ett spårbart skriftligt resultat är mer användbara än att behandla största möjliga uppladdning som en garanti för fullständig återgivning.
", "aboutText": "Modellval: multimedieanalys med textutdata\n\nQwen3.8 Omni Flash är Qwens modell för ljud- och videoförståelse, mötessammanfattningar och innehållsanalys. Dess indata är text, bilder, ljud och video; utdata är text. Ett svar kan beskriva en inspelning, besvara en fråga om visuella och hörbara belägg eller förbereda en skriftlig sammanfattning. Tillverkaren skiljer uttryckligen denna utgåva från Omni-modeller som genererar tal. Anta inte att Omni-namnet ger denna kontrollpunkt ett talat utdataläge.\n\nKontexten är en miljon token och ljudindata omfattar 113 språk och dialekter. Språkantalet beskriver ljudförståelse, inte en garanti för identisk igenkänningskvalitet för varje accent, inspelningsförhållande eller teknisk vokabulär. För ett möte ska agendan eller viktiga termer tillhandahållas och beslut, olösta frågor och nästa åtgärder begäras. För ett audiovisuellt klipp ska modellen ombes skilja det som syns från det som sägs innan beläggen kombineras i en slutsats.\n\nFörbereda multimodalt material\n\nDe dokumenterade exemplen kombinerar medier med en textfråga. Ange det avsedda resultatet i stället för att skicka en oförklarad inspelning: en tematisk sammanfattning, en händelseredogörelse eller ett svar på en specifik fråga. Märk separata tillgångar och behåll deras källtidsintervall utanför begäran så att resultatet kan spåras till originalet. När flera deltagare eller scener är viktiga ska de skillnader som rapporten ska bevara anges.\n\nMediegränser i tillverkarens filflöde\n\nFör videofiler dokumenterar tillverkaren upp till 64 filer, en varaktighetsgräns på två timmar och filer upp till 2 GB när de tillhandahålls via en åtkomlig filplats. Dokumenterade videoformat är MP4, AVI, MKV, MOV, FLV och WMV. För ordnade bilder som används som video är det dokumenterade intervallet två till 2,048 bilder. Bevara ordning och timing i stället för att behandla en godtycklig bildsamling som en känd tidssekvens.\n\nFör ljud dokumenterar guiden upp till tre timmar, indata från filplats upp till 2 GB samt AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antalet ljudfiler är upp till 2,048 när de tillhandahålls via filplatser och upp till 250 med Base64-kodning. Base64-kodade nyttolaster måste vara mindre än 10 MB. Detta är producentens arbetsflödesgränser, inte löften om en applikations uppladdningsgränssnitt eller belägg för att alla maximalt stora indata tillsammans ryms i tokenbudgeten.\n\nFör bilder anger guiden upp till 2,048 bildplatser eller 250 kodade bilder. En fil som tillhandahålls via en åtkomlig bildplats får vara upp till 20 MB; båda måtten måste överstiga tio pixlar och bildförhållandet måste hålla sig inom 200:1 eller 1:200. Behåll tillräcklig upplösning för den specifika frågan. Ett textfält som blir oläsligt under förberedelsen kan inte återställas enbart genom att be om ett säkert svar.\n\nSpatialt ljud\n\nModellen stöder tvåkanalsstereo och fyrkanaligt ambisoniskt ljud av första ordningen i kanalordningen WYZX. Tillverkarens kontroll use_multichannel har standardvärdet false och tolkar då ljud som mono. När kontrollen är aktiverad och den stödda kanallayouten finns kan spatial information bidra till förståelsen. Bevara kanallayouten när uppgiften gäller den hörbara rumsliga scenen; härled inte kalibrerade koordinater för en ljudkälla från en allmän beskrivning.\n\nVerktyg och aktuell information\n\nTillverkaren stöder funktionsanrop och webbsökning. I det dokumenterade Responses-flödet är web_search det enda stödda inbyggda verktyget för denna utgåva. En verktygsmedveten uppgift kan be modellen koppla hämtad aktuell information till den tillhandahållna inspelningen samtidigt som ursprunget för varje påstående hålls tydligt. Externa åtgärder och verktygsresultat beror fortfarande på applikationens konfigurerade gränssnitt. Verktygsstödet ska inte utvidgas till ett ovillkorligt påstående om kodtolk eller filsystem. Producenten anger också kontextcache för återkommande indata; återanvändningen gäller gemensamma begäransprefix och fastställer ingen cacheträff för en viss begäran.\n\nResonemangslägen\n\nResonemang är aktiverat som standard med reasoning_effort satt till xhigh. De primära nivåerna för resonemangsinsats är low, medium och xhigh; inställningen none stänger av resonemang. För kompatibilitet mappas minimal till low, medan high och max mappas till xhigh. Tillverkaren avvisar begäranden som anger reasoning_effort och thinking_budget tillsammans. Kontrollerna beskriver producentens gränssnitt och fastställer inte att varje applikation exponerar dem.\n\nVälj ett direkt svar för en enkel sammanfattning och djupare resonemang för en fråga som kräver att flera belägg kopplas ihop. Håll slutrapporten åtskild från resonemanget och kontrollera talcitat, händelseordning och belägg bakom slutsatser. Guiden fastställer medie- och kontextgränser men publicerar ingen separat hård maximal längd för textutdata i de avsnitt som används här. En tydlig fråga och ett spårbart skriftligt resultat är mer användbara än att behandla största möjliga uppladdning som en garanti för fullständig återgivning.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyserar text, bilder, ljud och video och returnerar text. Den stöder mötessammanfattningar, multimediefrågor, 113 ljudspråk och dialekter, valbar resonemangsnivå och spatialt ljud, med en producentdokumenterad kontext på en miljon token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Modellval: multimedieanalys med textutdata
Qwen3.8 Omni Flash är Qwens modell för ljud- och videoförståelse, mötessammanfattningar och innehållsanalys. Dess indata är text, bilder, ljud och video; utdata är text. Ett svar kan beskriva en inspelning, besvara en fråga om visuella och hörbara belägg eller förbereda en skriftlig sammanfattning. Tillverkaren skiljer uttryckligen denna utgåva från Omni-modeller som genererar tal. Anta inte att Omni-namnet ger denna kontrollpunkt ett talat utdataläge.
Kontexten är en miljon token och ljudindata omfattar 113 språk och dialekter. Språkantalet beskriver ljudförståelse, inte en garanti för identisk igenkänningskvalitet för varje accent, inspelningsförhållande eller teknisk vokabulär. För ett möte ska agendan eller viktiga termer tillhandahållas och beslut, olösta frågor och nästa åtgärder begäras. För ett audiovisuellt klipp ska modellen ombes skilja det som syns från det som sägs innan beläggen kombineras i en slutsats.
Förbereda multimodalt material
De dokumenterade exemplen kombinerar medier med en textfråga. Ange det avsedda resultatet i stället för att skicka en oförklarad inspelning: en tematisk sammanfattning, en händelseredogörelse eller ett svar på en specifik fråga. Märk separata tillgångar och behåll deras källtidsintervall utanför begäran så att resultatet kan spåras till originalet. När flera deltagare eller scener är viktiga ska de skillnader som rapporten ska bevara anges.
Mediegränser i tillverkarens filflöde
För videofiler dokumenterar tillverkaren upp till 64 filer, en varaktighetsgräns på två timmar och filer upp till 2 GB när de tillhandahålls via en åtkomlig filplats. Dokumenterade videoformat är MP4, AVI, MKV, MOV, FLV och WMV. För ordnade bilder som används som video är det dokumenterade intervallet två till 2,048 bilder. Bevara ordning och timing i stället för att behandla en godtycklig bildsamling som en känd tidssekvens.
För ljud dokumenterar guiden upp till tre timmar, indata från filplats upp till 2 GB samt AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antalet ljudfiler är upp till 2,048 när de tillhandahålls via filplatser och upp till 250 med Base64-kodning. Base64-kodade nyttolaster måste vara mindre än 10 MB. Detta är producentens arbetsflödesgränser, inte löften om en applikations uppladdningsgränssnitt eller belägg för att alla maximalt stora indata tillsammans ryms i tokenbudgeten.
För bilder anger guiden upp till 2,048 bildplatser eller 250 kodade bilder. En fil som tillhandahålls via en åtkomlig bildplats får vara upp till 20 MB; båda måtten måste överstiga tio pixlar och bildförhållandet måste hålla sig inom 200:1 eller 1:200. Behåll tillräcklig upplösning för den specifika frågan. Ett textfält som blir oläsligt under förberedelsen kan inte återställas enbart genom att be om ett säkert svar.
Spatialt ljud
Modellen stöder tvåkanalsstereo och fyrkanaligt ambisoniskt ljud av första ordningen i kanalordningen WYZX. Tillverkarens kontroll use_multichannel har standardvärdet false och tolkar då ljud som mono. När kontrollen är aktiverad och den stödda kanallayouten finns kan spatial information bidra till förståelsen. Bevara kanallayouten när uppgiften gäller den hörbara rumsliga scenen; härled inte kalibrerade koordinater för en ljudkälla från en allmän beskrivning.
Verktyg och aktuell information
Tillverkaren stöder funktionsanrop och webbsökning. I det dokumenterade Responses-flödet är web_search det enda stödda inbyggda verktyget för denna utgåva. En verktygsmedveten uppgift kan be modellen koppla hämtad aktuell information till den tillhandahållna inspelningen samtidigt som ursprunget för varje påstående hålls tydligt. Externa åtgärder och verktygsresultat beror fortfarande på applikationens konfigurerade gränssnitt. Verktygsstödet ska inte utvidgas till ett ovillkorligt påstående om kodtolk eller filsystem. Producenten anger också kontextcache för återkommande indata; återanvändningen gäller gemensamma begäransprefix och fastställer ingen cacheträff för en viss begäran.
Resonemangslägen
Resonemang är aktiverat som standard med reasoning_effort satt till xhigh. De primära nivåerna för resonemangsinsats är low, medium och xhigh; inställningen none stänger av resonemang. För kompatibilitet mappas minimal till low, medan high och max mappas till xhigh. Tillverkaren avvisar begäranden som anger reasoning_effort och thinking_budget tillsammans. Kontrollerna beskriver producentens gränssnitt och fastställer inte att varje applikation exponerar dem.
Välj ett direkt svar för en enkel sammanfattning och djupare resonemang för en fråga som kräver att flera belägg kopplas ihop. Håll slutrapporten åtskild från resonemanget och kontrollera talcitat, händelseordning och belägg bakom slutsatser. Guiden fastställer medie- och kontextgränser men publicerar ingen separat hård maximal längd för textutdata i de avsnitt som används här. En tydlig fråga och ett spårbart skriftligt resultat är mer användbara än att behandla största möjliga uppladdning som en garanti för fullständig återgivning.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3.8-omni-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | 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— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_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.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.00094 / 1K token Indata · Cacheläsning $0.000032 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.00094 / 1K token Indata · Cacheläsning $0.000032 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-omni-flash", "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/qwen3.8-omni-flash',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/qwen3.8-omni-flash',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 eller SSE
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.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| 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. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Använd metodsökvägarna som visas ovan.
qwen/qwen3.8-omni-flashQwen3.8 Omni Flash analyserar text, bilder, ljud och video och returnerar text. Den stöder mötessammanfattningar, multimediefrågor, 113 ljudspråk och dialekter, valbar resonemangsnivå och spatialt ljud, med en producentdokumenterad kontext på en miljon token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Modellval: multimedieanalys med textutdata
Qwen3.8 Omni Flash är Qwens modell för ljud- och videoförståelse, mötessammanfattningar och innehållsanalys. Dess indata är text, bilder, ljud och video; utdata är text. Ett svar kan beskriva en inspelning, besvara en fråga om visuella och hörbara belägg eller förbereda en skriftlig sammanfattning. Tillverkaren skiljer uttryckligen denna utgåva från Omni-modeller som genererar tal. Anta inte att Omni-namnet ger denna kontrollpunkt ett talat utdataläge.
Kontexten är en miljon token och ljudindata omfattar 113 språk och dialekter. Språkantalet beskriver ljudförståelse, inte en garanti för identisk igenkänningskvalitet för varje accent, inspelningsförhållande eller teknisk vokabulär. För ett möte ska agendan eller viktiga termer tillhandahållas och beslut, olösta frågor och nästa åtgärder begäras. För ett audiovisuellt klipp ska modellen ombes skilja det som syns från det som sägs innan beläggen kombineras i en slutsats.
Förbereda multimodalt material
De dokumenterade exemplen kombinerar medier med en textfråga. Ange det avsedda resultatet i stället för att skicka en oförklarad inspelning: en tematisk sammanfattning, en händelseredogörelse eller ett svar på en specifik fråga. Märk separata tillgångar och behåll deras källtidsintervall utanför begäran så att resultatet kan spåras till originalet. När flera deltagare eller scener är viktiga ska de skillnader som rapporten ska bevara anges.
Mediegränser i tillverkarens filflöde
För videofiler dokumenterar tillverkaren upp till 64 filer, en varaktighetsgräns på två timmar och filer upp till 2 GB när de tillhandahålls via en åtkomlig filplats. Dokumenterade videoformat är MP4, AVI, MKV, MOV, FLV och WMV. För ordnade bilder som används som video är det dokumenterade intervallet två till 2,048 bilder. Bevara ordning och timing i stället för att behandla en godtycklig bildsamling som en känd tidssekvens.
För ljud dokumenterar guiden upp till tre timmar, indata från filplats upp till 2 GB samt AMR, WAV, 3GP, 3GPP, AAC eller MP3. Antalet ljudfiler är upp till 2,048 när de tillhandahålls via filplatser och upp till 250 med Base64-kodning. Base64-kodade nyttolaster måste vara mindre än 10 MB. Detta är producentens arbetsflödesgränser, inte löften om en applikations uppladdningsgränssnitt eller belägg för att alla maximalt stora indata tillsammans ryms i tokenbudgeten.
För bilder anger guiden upp till 2,048 bildplatser eller 250 kodade bilder. En fil som tillhandahålls via en åtkomlig bildplats får vara upp till 20 MB; båda måtten måste överstiga tio pixlar och bildförhållandet måste hålla sig inom 200:1 eller 1:200. Behåll tillräcklig upplösning för den specifika frågan. Ett textfält som blir oläsligt under förberedelsen kan inte återställas enbart genom att be om ett säkert svar.
Spatialt ljud
Modellen stöder tvåkanalsstereo och fyrkanaligt ambisoniskt ljud av första ordningen i kanalordningen WYZX. Tillverkarens kontroll use_multichannel har standardvärdet false och tolkar då ljud som mono. När kontrollen är aktiverad och den stödda kanallayouten finns kan spatial information bidra till förståelsen. Bevara kanallayouten när uppgiften gäller den hörbara rumsliga scenen; härled inte kalibrerade koordinater för en ljudkälla från en allmän beskrivning.
Verktyg och aktuell information
Tillverkaren stöder funktionsanrop och webbsökning. I det dokumenterade Responses-flödet är web_search det enda stödda inbyggda verktyget för denna utgåva. En verktygsmedveten uppgift kan be modellen koppla hämtad aktuell information till den tillhandahållna inspelningen samtidigt som ursprunget för varje påstående hålls tydligt. Externa åtgärder och verktygsresultat beror fortfarande på applikationens konfigurerade gränssnitt. Verktygsstödet ska inte utvidgas till ett ovillkorligt påstående om kodtolk eller filsystem. Producenten anger också kontextcache för återkommande indata; återanvändningen gäller gemensamma begäransprefix och fastställer ingen cacheträff för en viss begäran.
Resonemangslägen
Resonemang är aktiverat som standard med reasoning_effort satt till xhigh. De primära nivåerna för resonemangsinsats är low, medium och xhigh; inställningen none stänger av resonemang. För kompatibilitet mappas minimal till low, medan high och max mappas till xhigh. Tillverkaren avvisar begäranden som anger reasoning_effort och thinking_budget tillsammans. Kontrollerna beskriver producentens gränssnitt och fastställer inte att varje applikation exponerar dem.
Välj ett direkt svar för en enkel sammanfattning och djupare resonemang för en fråga som kräver att flera belägg kopplas ihop. Håll slutrapporten åtskild från resonemanget och kontrollera talcitat, händelseordning och belägg bakom slutsatser. Guiden fastställer medie- och kontextgränser men publicerar ingen separat hård maximal längd för textutdata i de avsnitt som används här. En tydlig fråga och ett spårbart skriftligt resultat är mer användbara än att behandla största möjliga uppladdning som en garanti för fullständig återgivning.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen/qwen3.8-omni-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_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
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.00094 / 1K token Indata · Cacheläsning $0.000032 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.00094 / 1K token Indata · Cacheläsning $0.000032 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen/qwen3.8-omni-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.8-omni-flash', '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/qwen3.8-omni-flash', '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 eller SSE
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.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| 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. |
Ailoot Ultra qwen/qwen3.8-omni-flash
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Extract decisions from meeting text\n\nUse this meeting transcript. Lena: We agree to pilot the new checklist with Team A. Omar: I will prepare the draft by Thursday. Lena: We still need someone to review the results; no reviewer is assigned. Return decisions, named actions and unresolved questions. Preserve who said what and do not turn the pilot into a full rollout.A meeting summary with decision, action-owner-deadline rows and an open reviewer-assignment question.Check that Omar owns the draft, Thursday is its deadline and the reviewer remains unassigned.