Qwen3.5-Omni-Flash 2026-03-15 är Alibabas namngivna multimodala ögonblicksversion från 15 mars för textskapande, röstassistenter och multimedieanalys. Den tar emot text, bilder, ljud och video, inklusive blandade indata, och producerar text eller text med tal. Dess daterade identitet är skild från det odaterade Flash-aliaset och från realtidsmodeller. En dokumenterad uppgift kan behålla detta utgåvenamn tillsammans med medierna och instruktionerna som granskas.
Indata kan förena en bild med en muntlig fråga eller kombinera en videos bild och ljud med skriftliga instruktioner. Det gör modellen användbar när en ren textsammanfattning skulle förlora sambandet mellan det som syns och det som hörs. För ett medieuppdrag ber du separat om det synliga händelseförloppet, texten på skärmen och det talade innehållet och begär tidsstämplar relativt källan när händelseordningen spelar roll. Ljudeffekter och annat ljud utan tal kan bidra till analysen tillsammans med talet.
För ett röstsvar anger du svarets språk, målgrupp och framförande. Qwens guide dokumenterar instruktioner för volym, talhastighet och känsla. Den anger 113 språk och dialekter för ljudindata och 36 språk och dialekter för talutdata, däribland engelska, franska, tyska och ryska. Röstkatalogen anger Tina som standard och innehåller alternativ som Serena och Ethan. Välj rösten och be om en kortfattad förklaring i lugnt tempo i stället för att låta indatarösten bestämma utdatas stil.
Det dokumenterade HTTP-arbetsflödet för tal returnerar strömmad text och Base64-kodade ljudfragment. WAV-exemplet använder 24 kHz, mono, 16-bitars PCM; en applikation kan samla fragmenten i en ljudfil eller avkoda dem för uppspelning efter hand som de kommer. Detta är strömmad generering från en skickad begäran. Direkt identifiering av samtalsturer, avbrottshantering och mikrofonsamtal hör till separat namngivna realtidsmodeller. Qwen3.5-Omnis familjetabell erbjuder inget läge för djupt tänkande.
Denna Flash-ögonblicksversion anger webbsökning och Function Calling, med Function Calling begränsat till Beijing Chat Completions och textutdata. Structured Outputs stöds inte: en begäran om kronologiska avsnitt är en instruktion om textformat snarare än ett begränsat JSON-läge. Verktygskörningen hör till den omgivande applikationen, som returnerar verktygsresultatet till nästa modellsteg. Prefixkomplettering, kontextcache, batchinferens och finjustering markeras också som ej stödda för denna ögonblicksversion.
Det publicerade kontextfönstret är 262 144 token, med maximala indata på 196 608 token och maximala utdata på 65 536 token. Blandade medier och text delar kontextbudgeten. Alibabas HTTP-guide tillåter upp till tre timmars ljud eller en timmes video för denna serie; den anger ljudformaten AMR, WAV, 3GP, 3GPP, AAC och MP3 samt videoformaten MP4, AVI, MKV, MOV, FLV och WMV. URL-baserade ljud- eller videofiler får vara upp till 2 GB, medan Base64-kodade medier måste vara mindre än 10 MB. Detta är tillverkarens gränser för filarbetsflödet, skilda från modellintroduktionens beskrivning av förståelse av över tio timmars ljud eller över 400 sekunder 720p-video samplad vid 1 FPS.
Bilder har egna förberedelsegränser i samma guide: upp till 20 MB per URL-baserad bild, dimensioner större än 10 pixlar på varje sida och ett bildförhållande som inte är mer extremt än 200:1. Guiden tillåter upp till 2 048 URL-baserade bilder eller ljudfiler och 512 URL-baserade videofiler; Base64-indata tillåter upp till 250 filer. Dessa överföringsgränser är fortfarande underställda den gemensamma budgeten för indatatoken. Serien kan kombinera flera medietyper i en begäran. Välj det relevanta utdraget, gör små etiketter läsbara och förklara hur separata indata hänger ihop. De dokumenterade gränserna för filantal varierar med modalitet och överföringsmetod, medan varje indata fortfarande måste rymmas i den gemensamma tokenbudgeten.
Anpassad röstkloning stöds inte av den namngivna ögonblicksversionen från 15 mars i Qwen3.5-Omni-guiden. Välj en dokumenterad katalogröst för talutdata och beskriv önskat framförande i det skriftliga uppdraget. För inte över det odaterade Flash-aliasets separata arbetsflöde för röstregistrering till denna utgåva. En katalogröst identifierar talarstilen, medan instruktioner kan forma volym, talhastighet och känsla.
För en repeterbar medierapport lämnar du det relevanta klippet och ber om händelserna, den synliga texten och talet i separata kronologiska avsnitt, vart och ett kopplat till källans tidsstämplar. För ett pedagogiskt svar lägger du till ett diagram och en elevs inspelade fråga: ”Förklara de märkta delarna, besvara ljudfrågan på engelska och ge text plus lugnt tal.” Håll indatautdraget, utgåvenamnet och prompten tillsammans och ange om utdata ska transkribera källan eller förklara den för en ny målgrupp.
", "aboutText": "Qwen3.5-Omni-Flash 2026-03-15 är Alibabas namngivna multimodala ögonblicksversion från 15 mars för textskapande, röstassistenter och multimedieanalys. Den tar emot text, bilder, ljud och video, inklusive blandade indata, och producerar text eller text med tal. Dess daterade identitet är skild från det odaterade Flash-aliaset och från realtidsmodeller. En dokumenterad uppgift kan behålla detta utgåvenamn tillsammans med medierna och instruktionerna som granskas.\n\nIndata kan förena en bild med en muntlig fråga eller kombinera en videos bild och ljud med skriftliga instruktioner. Det gör modellen användbar när en ren textsammanfattning skulle förlora sambandet mellan det som syns och det som hörs. För ett medieuppdrag ber du separat om det synliga händelseförloppet, texten på skärmen och det talade innehållet och begär tidsstämplar relativt källan när händelseordningen spelar roll. Ljudeffekter och annat ljud utan tal kan bidra till analysen tillsammans med talet.\n\nFör ett röstsvar anger du svarets språk, målgrupp och framförande. Qwens guide dokumenterar instruktioner för volym, talhastighet och känsla. Den anger 113 språk och dialekter för ljudindata och 36 språk och dialekter för talutdata, däribland engelska, franska, tyska och ryska. Röstkatalogen anger Tina som standard och innehåller alternativ som Serena och Ethan. Välj rösten och be om en kortfattad förklaring i lugnt tempo i stället för att låta indatarösten bestämma utdatas stil.\n\nDet dokumenterade HTTP-arbetsflödet för tal returnerar strömmad text och Base64-kodade ljudfragment. WAV-exemplet använder 24 kHz, mono, 16-bitars PCM; en applikation kan samla fragmenten i en ljudfil eller avkoda dem för uppspelning efter hand som de kommer. Detta är strömmad generering från en skickad begäran. Direkt identifiering av samtalsturer, avbrottshantering och mikrofonsamtal hör till separat namngivna realtidsmodeller. Qwen3.5-Omnis familjetabell erbjuder inget läge för djupt tänkande.\n\nDenna Flash-ögonblicksversion anger webbsökning och Function Calling, med Function Calling begränsat till Beijing Chat Completions och textutdata. Structured Outputs stöds inte: en begäran om kronologiska avsnitt är en instruktion om textformat snarare än ett begränsat JSON-läge. Verktygskörningen hör till den omgivande applikationen, som returnerar verktygsresultatet till nästa modellsteg. Prefixkomplettering, kontextcache, batchinferens och finjustering markeras också som ej stödda för denna ögonblicksversion.\n\nDet publicerade kontextfönstret är 262 144 token, med maximala indata på 196 608 token och maximala utdata på 65 536 token. Blandade medier och text delar kontextbudgeten. Alibabas HTTP-guide tillåter upp till tre timmars ljud eller en timmes video för denna serie; den anger ljudformaten AMR, WAV, 3GP, 3GPP, AAC och MP3 samt videoformaten MP4, AVI, MKV, MOV, FLV och WMV. URL-baserade ljud- eller videofiler får vara upp till 2 GB, medan Base64-kodade medier måste vara mindre än 10 MB. Detta är tillverkarens gränser för filarbetsflödet, skilda från modellintroduktionens beskrivning av förståelse av över tio timmars ljud eller över 400 sekunder 720p-video samplad vid 1 FPS.\n\nBilder har egna förberedelsegränser i samma guide: upp till 20 MB per URL-baserad bild, dimensioner större än 10 pixlar på varje sida och ett bildförhållande som inte är mer extremt än 200:1. Guiden tillåter upp till 2 048 URL-baserade bilder eller ljudfiler och 512 URL-baserade videofiler; Base64-indata tillåter upp till 250 filer. Dessa överföringsgränser är fortfarande underställda den gemensamma budgeten för indatatoken. Serien kan kombinera flera medietyper i en begäran. Välj det relevanta utdraget, gör små etiketter läsbara och förklara hur separata indata hänger ihop. De dokumenterade gränserna för filantal varierar med modalitet och överföringsmetod, medan varje indata fortfarande måste rymmas i den gemensamma tokenbudgeten.\n\nAnpassad röstkloning stöds inte av den namngivna ögonblicksversionen från 15 mars i Qwen3.5-Omni-guiden. Välj en dokumenterad katalogröst för talutdata och beskriv önskat framförande i det skriftliga uppdraget. För inte över det odaterade Flash-aliasets separata arbetsflöde för röstregistrering till denna utgåva. En katalogröst identifierar talarstilen, medan instruktioner kan forma volym, talhastighet och känsla.\n\nFör en repeterbar medierapport lämnar du det relevanta klippet och ber om händelserna, den synliga texten och talet i separata kronologiska avsnitt, vart och ett kopplat till källans tidsstämplar. För ett pedagogiskt svar lägger du till ett diagram och en elevs inspelade fråga: ”Förklara de märkta delarna, besvara ljudfrågan på engelska och ge text plus lugnt tal.” Håll indatautdraget, utgåvenamnet och prompten tillsammans och ange om utdata ska transkribera källan eller förklara den för en ny målgrupp.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Separate speech from scene notes\n\nPrepare a chronological report from these transcribed media notes: 00:00 a green indicator is visible; 00:03 speaker says “Wait for the light”; 00:05 indicator turns amber; 00:08 speaker says “Now disconnect.” Separate described visuals from quoted speech and list the action instruction with its time. Return text only.A timeline with distinct visual and speech entries, followed by the timed instruction.Check that the instruction stays at 00:08 and that the indicator change is not described as something the speaker said.qwen3.5-omni-flash-2026-03-15Qwen3.5-Omni-Flash 2026-03-15 är en multimodal ögonblicksversion som tar emot text, bilder, ljud och video och returnerar text eller tal. Använd dess separata utgåva för repeterbara medieuppdrag och talade förklaringar, med dokumenterade gränser för indata och utdata.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3.5-Omni-Flash 2026-03-15 är Alibabas namngivna multimodala ögonblicksversion från 15 mars för textskapande, röstassistenter och multimedieanalys. Den tar emot text, bilder, ljud och video, inklusive blandade indata, och producerar text eller text med tal. Dess daterade identitet är skild från det odaterade Flash-aliaset och från realtidsmodeller. En dokumenterad uppgift kan behålla detta utgåvenamn tillsammans med medierna och instruktionerna som granskas.
Indata kan förena en bild med en muntlig fråga eller kombinera en videos bild och ljud med skriftliga instruktioner. Det gör modellen användbar när en ren textsammanfattning skulle förlora sambandet mellan det som syns och det som hörs. För ett medieuppdrag ber du separat om det synliga händelseförloppet, texten på skärmen och det talade innehållet och begär tidsstämplar relativt källan när händelseordningen spelar roll. Ljudeffekter och annat ljud utan tal kan bidra till analysen tillsammans med talet.
För ett röstsvar anger du svarets språk, målgrupp och framförande. Qwens guide dokumenterar instruktioner för volym, talhastighet och känsla. Den anger 113 språk och dialekter för ljudindata och 36 språk och dialekter för talutdata, däribland engelska, franska, tyska och ryska. Röstkatalogen anger Tina som standard och innehåller alternativ som Serena och Ethan. Välj rösten och be om en kortfattad förklaring i lugnt tempo i stället för att låta indatarösten bestämma utdatas stil.
Det dokumenterade HTTP-arbetsflödet för tal returnerar strömmad text och Base64-kodade ljudfragment. WAV-exemplet använder 24 kHz, mono, 16-bitars PCM; en applikation kan samla fragmenten i en ljudfil eller avkoda dem för uppspelning efter hand som de kommer. Detta är strömmad generering från en skickad begäran. Direkt identifiering av samtalsturer, avbrottshantering och mikrofonsamtal hör till separat namngivna realtidsmodeller. Qwen3.5-Omnis familjetabell erbjuder inget läge för djupt tänkande.
Denna Flash-ögonblicksversion anger webbsökning och Function Calling, med Function Calling begränsat till Beijing Chat Completions och textutdata. Structured Outputs stöds inte: en begäran om kronologiska avsnitt är en instruktion om textformat snarare än ett begränsat JSON-läge. Verktygskörningen hör till den omgivande applikationen, som returnerar verktygsresultatet till nästa modellsteg. Prefixkomplettering, kontextcache, batchinferens och finjustering markeras också som ej stödda för denna ögonblicksversion.
Det publicerade kontextfönstret är 262 144 token, med maximala indata på 196 608 token och maximala utdata på 65 536 token. Blandade medier och text delar kontextbudgeten. Alibabas HTTP-guide tillåter upp till tre timmars ljud eller en timmes video för denna serie; den anger ljudformaten AMR, WAV, 3GP, 3GPP, AAC och MP3 samt videoformaten MP4, AVI, MKV, MOV, FLV och WMV. URL-baserade ljud- eller videofiler får vara upp till 2 GB, medan Base64-kodade medier måste vara mindre än 10 MB. Detta är tillverkarens gränser för filarbetsflödet, skilda från modellintroduktionens beskrivning av förståelse av över tio timmars ljud eller över 400 sekunder 720p-video samplad vid 1 FPS.
Bilder har egna förberedelsegränser i samma guide: upp till 20 MB per URL-baserad bild, dimensioner större än 10 pixlar på varje sida och ett bildförhållande som inte är mer extremt än 200:1. Guiden tillåter upp till 2 048 URL-baserade bilder eller ljudfiler och 512 URL-baserade videofiler; Base64-indata tillåter upp till 250 filer. Dessa överföringsgränser är fortfarande underställda den gemensamma budgeten för indatatoken. Serien kan kombinera flera medietyper i en begäran. Välj det relevanta utdraget, gör små etiketter läsbara och förklara hur separata indata hänger ihop. De dokumenterade gränserna för filantal varierar med modalitet och överföringsmetod, medan varje indata fortfarande måste rymmas i den gemensamma tokenbudgeten.
Anpassad röstkloning stöds inte av den namngivna ögonblicksversionen från 15 mars i Qwen3.5-Omni-guiden. Välj en dokumenterad katalogröst för talutdata och beskriv önskat framförande i det skriftliga uppdraget. För inte över det odaterade Flash-aliasets separata arbetsflöde för röstregistrering till denna utgåva. En katalogröst identifierar talarstilen, medan instruktioner kan forma volym, talhastighet och känsla.
För en repeterbar medierapport lämnar du det relevanta klippet och ber om händelserna, den synliga texten och talet i separata kronologiska avsnitt, vart och ett kopplat till källans tidsstämplar. För ett pedagogiskt svar lägger du till ett diagram och en elevs inspelade fråga: ”Förklara de märkta delarna, besvara ljudfrågan på engelska och ge text plus lugnt tal.” Håll indatautdraget, utgåvenamnet och prompten tillsammans och ange om utdata ska transkribera källan eller förklara den för en ny målgrupp.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen3.5-omni-flash-2026-03-15 | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00069 / 1K token Utdata · Utdatatoken $0.00418 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-omni-flash-2026-03-15", "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='qwen3.5-omni-flash-2026-03-15',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='qwen3.5-omni-flash-2026-03-15',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 qwen3.5-omni-flash-2026-03-15
Använd metodsökvägarna som visas ovan.
qwen3.5-omni-flash-2026-03-15Qwen3.5-Omni-Flash 2026-03-15 är en multimodal ögonblicksversion som tar emot text, bilder, ljud och video och returnerar text eller tal. Använd dess separata utgåva för repeterbara medieuppdrag och talade förklaringar, med dokumenterade gränser för indata och utdata.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen3.5-Omni-Flash 2026-03-15 är Alibabas namngivna multimodala ögonblicksversion från 15 mars för textskapande, röstassistenter och multimedieanalys. Den tar emot text, bilder, ljud och video, inklusive blandade indata, och producerar text eller text med tal. Dess daterade identitet är skild från det odaterade Flash-aliaset och från realtidsmodeller. En dokumenterad uppgift kan behålla detta utgåvenamn tillsammans med medierna och instruktionerna som granskas.
Indata kan förena en bild med en muntlig fråga eller kombinera en videos bild och ljud med skriftliga instruktioner. Det gör modellen användbar när en ren textsammanfattning skulle förlora sambandet mellan det som syns och det som hörs. För ett medieuppdrag ber du separat om det synliga händelseförloppet, texten på skärmen och det talade innehållet och begär tidsstämplar relativt källan när händelseordningen spelar roll. Ljudeffekter och annat ljud utan tal kan bidra till analysen tillsammans med talet.
För ett röstsvar anger du svarets språk, målgrupp och framförande. Qwens guide dokumenterar instruktioner för volym, talhastighet och känsla. Den anger 113 språk och dialekter för ljudindata och 36 språk och dialekter för talutdata, däribland engelska, franska, tyska och ryska. Röstkatalogen anger Tina som standard och innehåller alternativ som Serena och Ethan. Välj rösten och be om en kortfattad förklaring i lugnt tempo i stället för att låta indatarösten bestämma utdatas stil.
Det dokumenterade HTTP-arbetsflödet för tal returnerar strömmad text och Base64-kodade ljudfragment. WAV-exemplet använder 24 kHz, mono, 16-bitars PCM; en applikation kan samla fragmenten i en ljudfil eller avkoda dem för uppspelning efter hand som de kommer. Detta är strömmad generering från en skickad begäran. Direkt identifiering av samtalsturer, avbrottshantering och mikrofonsamtal hör till separat namngivna realtidsmodeller. Qwen3.5-Omnis familjetabell erbjuder inget läge för djupt tänkande.
Denna Flash-ögonblicksversion anger webbsökning och Function Calling, med Function Calling begränsat till Beijing Chat Completions och textutdata. Structured Outputs stöds inte: en begäran om kronologiska avsnitt är en instruktion om textformat snarare än ett begränsat JSON-läge. Verktygskörningen hör till den omgivande applikationen, som returnerar verktygsresultatet till nästa modellsteg. Prefixkomplettering, kontextcache, batchinferens och finjustering markeras också som ej stödda för denna ögonblicksversion.
Det publicerade kontextfönstret är 262 144 token, med maximala indata på 196 608 token och maximala utdata på 65 536 token. Blandade medier och text delar kontextbudgeten. Alibabas HTTP-guide tillåter upp till tre timmars ljud eller en timmes video för denna serie; den anger ljudformaten AMR, WAV, 3GP, 3GPP, AAC och MP3 samt videoformaten MP4, AVI, MKV, MOV, FLV och WMV. URL-baserade ljud- eller videofiler får vara upp till 2 GB, medan Base64-kodade medier måste vara mindre än 10 MB. Detta är tillverkarens gränser för filarbetsflödet, skilda från modellintroduktionens beskrivning av förståelse av över tio timmars ljud eller över 400 sekunder 720p-video samplad vid 1 FPS.
Bilder har egna förberedelsegränser i samma guide: upp till 20 MB per URL-baserad bild, dimensioner större än 10 pixlar på varje sida och ett bildförhållande som inte är mer extremt än 200:1. Guiden tillåter upp till 2 048 URL-baserade bilder eller ljudfiler och 512 URL-baserade videofiler; Base64-indata tillåter upp till 250 filer. Dessa överföringsgränser är fortfarande underställda den gemensamma budgeten för indatatoken. Serien kan kombinera flera medietyper i en begäran. Välj det relevanta utdraget, gör små etiketter läsbara och förklara hur separata indata hänger ihop. De dokumenterade gränserna för filantal varierar med modalitet och överföringsmetod, medan varje indata fortfarande måste rymmas i den gemensamma tokenbudgeten.
Anpassad röstkloning stöds inte av den namngivna ögonblicksversionen från 15 mars i Qwen3.5-Omni-guiden. Välj en dokumenterad katalogröst för talutdata och beskriv önskat framförande i det skriftliga uppdraget. För inte över det odaterade Flash-aliasets separata arbetsflöde för röstregistrering till denna utgåva. En katalogröst identifierar talarstilen, medan instruktioner kan forma volym, talhastighet och känsla.
För en repeterbar medierapport lämnar du det relevanta klippet och ber om händelserna, den synliga texten och talet i separata kronologiska avsnitt, vart och ett kopplat till källans tidsstämplar. För ett pedagogiskt svar lägger du till ett diagram och en elevs inspelade fråga: ”Förklara de märkta delarna, besvara ljudfrågan på engelska och ge text plus lugnt tal.” Håll indatautdraget, utgåvenamnet och prompten tillsammans och ange om utdata ska transkribera källan eller förklara den för en ny målgrupp.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen3.5-omni-flash-2026-03-15 | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00069 / 1K token Utdata · Utdatatoken $0.00418 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen3.5-omni-flash-2026-03-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-omni-flash-2026-03-15', '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': 'qwen3.5-omni-flash-2026-03-15', '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 qwen3.5-omni-flash-2026-03-15
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Separate speech from scene notes\n\nPrepare a chronological report from these transcribed media notes: 00:00 a green indicator is visible; 00:03 speaker says “Wait for the light”; 00:05 indicator turns amber; 00:08 speaker says “Now disconnect.” Separate described visuals from quoted speech and list the action instruction with its time. Return text only.A timeline with distinct visual and speech entries, followed by the timed instruction.Check that the instruction stays at 00:08 and that the indicator change is not described as something the speaker said.