Source: https://ailoot.ai/models/sv/qwen2-5-omni-7b/ Canonical: https://ailoot.ai/models/sv/qwen2-5-omni-7b/ Language: sv # qwen2.5-omni-7b [Markdown](https://ailoot.ai/models/sv/qwen2-5-omni-7b/index.md) · [JSON](https://ailoot.ai/models/sv/qwen2-5-omni-7b/facts.json) ## [qwen2.5-omni-7b](https://ailoot.ai/models/sv/qwen2-5-omni-7b/) Qwen2.5-Omni-7B kombinerar förståelse av text, bilder, ljud och video med textutdata och naturligt tal. Dess Thinker-Talker-arkitektur tidsanpassar ljud till video, stöder strömmad interaktion och erbjuder två dokumenterade röster i exakt denna öppna kontrollpunkt. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen2.5-omni-7b`](https://ailoot.ai/models/sv/qwen2-5-omni-7b/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen2.5-omni-7b`](https://ailoot.ai/models/sv/qwen2-5-omni-7b/#method-1) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Översikt: en modell för flera indatamodaliteter Qwen2.5-Omni-7B är Qwens heltäckande multimodala modell för text, bilder, ljud och video. Den kan förstå dessa indata tillsammans och generera text med naturligt tal i ett strömmat arbetsflöde. Använd den när en uppgift beror på både det synliga och det hörbara, eller när användaren ger instruktionen med rösten i stället för att skriva. Detta är exakt 7B-kontrollpunkten; kommersiella Omni-Turbo och senare Omni-utgåvor har egna kontrakt. Viktiga funktioner och arkitektur Thinker-Talker-utformningen kombinerar förståelse med talgenerering. Thinker bearbetar den multimodala uppgiften och producerar textinnehåll, medan Talker deltar i att forma det talade svaret. TMRoPE, tillverkarens tidsanpassade multimodala positionsschema, synkroniserar tidsstämplar från video med ljud. Arkitekturen är utformad för indata i block och responsiv röst- eller videointeraktion; detta designmål är ingen garanti för en bestämd svarstid i varje gränssnitt. Tillverkarens uppgiftsomfattning inkluderar taligenkänning, talöversättning, ljudförståelse, bildresonemang, videoförståelse och talgenerering. Talade instruktioner kan därför ingå direkt i en multimodal fråga utan att alltid kräva en separat tillhandahållen skriven transkription. Håll måluppgiften tydlig: att förstå ett ljudklipp, besvara en talad fråga och generera ett talat svar är skilda användningar även om modellen stöder alla deras indata- eller utdataformer. Förbereda ett multimodalt samtal Tillhandahåll relevanta medier och ange hur svaret ska koppla ihop dem. För en demonstration med berättarröst ska modellen ombes skilja de synliga stegen från talarens förklaring och identifiera var de överensstämmer. För en bild med en ljudfråga ska bildens roll anges och ett kortfattat svar grundat i det synliga innehållet begäras. För ett rent ljudutdrag ska det anges om syftet är att känna igen tal, förklara ljud eller besvara en fråga om innehållet. Detta är utformade tillämpningar av de dokumenterade uppgifterna. Tillverkarens exempel visar samtal med enbart text, enbart ljud, enbart video och blandade medier. Bevara en videos ursprungliga ordning och timing. Märk separata tillgångar så att modellen kan hänvisa till dem utan att behandla orelaterade belägg som en enda händelse. Resultatet kan vara enbart text eller text med tal; välj den användbara artefakten innan begäran förbereds. Förbereda talutdata Qwens recept för kontrollpunkten kräver dess dokumenterade systemprompt för ljudförmåga när talutdata behövs. Prompten identifierar Qwen och dess förmågor för hörsel, syn, text och tal; en orelaterad ersättning kan förhindra det förväntade ljudbeteendet. Detta är vägledning för tillverkarens kontrollpunktsflöde, inte ett påstående om att varje applikation exponerar kontroller för systemprompt eller ljudgenerering. Den specifika kontrollpunkten erbjuder två röster: Chelsie, en varm kvinnlig röst, och Ethan, en livlig manlig röst. Chelsie är dokumenterat standardval när ingen talare väljs. Genereringsexemplet skriver tal med samplingsfrekvensen 24,000 Hz. Dessa två röster ska inte ersättas med beskrivningen av fyra röster för en separat namngiven kommersiell modell. Använda ljud från video En videos ljudspår kan vara relevant för dess innebörd, exempelvis talade instruktioner eller ett ljud som uppstår vid en synlig handling. Qwen exponerar use\_audio\_in\_video vid medieförberedelse, bearbetning och generering. Inställningen måste vara konsekvent i alla tre steg och genom ett samtal över flera turer; inkonsekventa inställningar kan ge oväntade resultat. En visuell tolkning av enbart video skiljer sig därför från en audiovisuell tolkning, även när filen är densamma. Enbart textutdata och batchning Tillverkaren stöder enbart textutdata genom inställningen return\_audio=False. Talker kan också stängas av efter laddning, vilket minskar GPU-minnet med ungefär 2 GB men gör ljudutdata otillgängliga i den instansen. Det dokumenterade batchningsexemplet med blandade prov kräver return\_audio=False och kombinerar begäranden med text, bild, ljud och video. Det batchningsexemplet ska inte omvandlas till ett påstående om batchad talgenerering. Kontext och väsentliga begränsningar Kontrollpunktens konfiguration för textstommen anger högsta antal positioner till 32,768. Text, representerade medier och genererade svar förbrukar sekvensutrymme; värdet definierar inte självständigt en universell ljud- eller videovaraktighet. Tillverkarens resursexempel visar att längre video behöver betydligt mer minne, så ett kort relevant klipp är ofta mer praktiskt än en stor ovidkommande inspelning. Exemplen publicerar ingen separat hård maximal svarslängd eller universellt garanterad medievaraktighet. Kontrollera talcitat och slutsatser mot källan, bevara tillräckligt med visuella detaljer för frågan och behåll ett textresultat när en granskare behöver inspektera den talade förklaringen. Modellens dokumenterade värde är gemensam förståelse och text-/talsvar, medan exakta röstkontroller, mediebearbetning och utleverans förblir egenskaper hos det valda gränssnittet. Praktisk uppgift ### Praktisk uppgift Tekniskt exempel på engelska ``` Compare demonstration notes with narration Compare two text records of demonstration M2. Visual notes: 'Operator closes the lid, then presses Start.' Narration transcript: 'Press Start before closing the lid.' Identify the sequence disagreement and write one clarification question for the instructor. Use only these supplied records; do not claim to have watched or heard a clip. ``` #### Förväntat resultat ``` A source-linked sequence comparison and one targeted clarification question. ``` #### Kontrollera resultatet ``` The answer must preserve the opposing event order and avoid inventing a resolution. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen2.5-omni-7b` [`qwen2.5-omni-7b`](https://ailoot.ai/models/sv/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=chat) Alibaba /`qwen2.5-omni-7b` ### Start Qwen2.5-Omni-7B kombinerar förståelse av text, bilder, ljud och video med textutdata och naturligt tal. Dess Thinker-Talker-arkitektur tidsanpassar ljud till video, stöder strömmad interaktion och erbjuder två dokumenterade röster i exakt denna öppna kontrollpunkt. 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 qwen2.5-omni-7b | 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": "qwen2.5-omni-7b", "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='qwen2.5-omni-7b',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='qwen2.5-omni-7b',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** [`qwen2.5-omni-7b`](https://ailoot.ai/models/sv/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=chat) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`qwen2.5-omni-7b`](https://ailoot.ai/models/sv/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen2.5-omni-7b` [`qwen2.5-omni-7b`](https://ailoot.ai/models/sv/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=messages) Alibaba /`qwen2.5-omni-7b` ### Start Qwen2.5-Omni-7B kombinerar förståelse av text, bilder, ljud och video med textutdata och naturligt tal. Dess Thinker-Talker-arkitektur tidsanpassar ljud till video, stöder strömmad interaktion och erbjuder två dokumenterade röster i exakt denna öppna kontrollpunkt. 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 qwen2.5-omni-7b | 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 **$0** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Anthropic Messages Komplett minimal JSON-kroppcurl · använd ditt UTF-8-dokumentPython · spara hela resultatet ```json { "model": "qwen2.5-omni-7b", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${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': 'qwen2.5-omni-7b', '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': 'qwen2.5-omni-7b', '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** [`qwen2.5-omni-7b`](https://ailoot.ai/models/sv/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=messages) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`qwen2.5-omni-7b`](https://ailoot.ai/models/sv/#m=qwen2.5-omni-7b&route=Ultra&caller=qwen2.5-omni-7b&fmt=messages) FAQ · qwen2.5-omni-7b Vilka indata och resultat finns? `POST /v1/chat/completions` · `qwen2.5-omni-7b`: `text` → `text` `POST /v1/messages` · `qwen2.5-omni-7b`: `text` → `json`, `sse` Vilka fält använder begäran? `POST /v1/chat/completions` · `qwen2.5-omni-7b`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `qwen2.5-omni-7b`: `model`, `messages`, `max_tokens`, `stream` Vilka gränser gäller? `POST /v1/chat/completions` · `qwen2.5-omni-7b`: `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.