Qwen3-Omni-30B-A3B-Instruct là thành viên làm theo chỉ dẫn và tạo lời nói của Qwen3-Omni. Mô hình hiểu văn bản, hình ảnh, âm thanh và video, kể cả đầu vào hỗn hợp, và có thể trả về cả văn bản lẫn lời nói tự nhiên. Qwen mô tả kiến trúc của họ mô hình là hỗ trợ phản hồi văn bản và lời nói theo luồng. Checkpoint Instruct cụ thể chứa các thành phần Thinker và Talker: việc hiểu và hình thành phản hồi văn bản được nối với đường tạo lời nói. Các checkpoint Thinking và Captioner có vai trò thành phần và đầu ra khác nhau, nên vẫn là những lựa chọn mô hình riêng.
Phạm vi đa ngôn ngữ được công bố của họ mô hình gồm 119 ngôn ngữ văn bản, 19 ngôn ngữ đầu vào lời nói và 10 ngôn ngữ đầu ra lời nói. Tiếng Nga có trong cả hai danh sách lời nói. Nhà sản xuất mô tả thiết kế Thinker–Talker theo kiểu hỗn hợp chuyên gia, với xử lý âm thanh và thị giác để hiểu đa phương thức cùng việc tạo lời nói bằng nhiều bộ mã. Lời nhắc hệ thống có thể định hình vai trò và phong cách phản hồi của trợ lý. Một nhiệm vụ phù hợp là giải thích có giọng nói dựa trên một vật nhìn thấy được và câu hỏi được nói của người dùng, thay vì chuyển đổi văn bản thành lời nói không liên quan.
Các tài liệu hướng dẫn thực hành bao quát nhận dạng lời nói, dịch lời nói, phân tích nhạc và âm thanh, âm thanh hỗn hợp, câu hỏi hình ảnh, OCR, định vị đối tượng, mô tả video và hội thoại nghe nhìn. Với trợ lý đào tạo, cung cấp đoạn trình diễn và yêu cầu giải thích quy trình nhìn thấy được cho người mới. Với câu hỏi sản phẩm, kết hợp ảnh với yêu cầu bằng lời nói và chỉ ra chi tiết cần bàn. Nêu người nghe mục tiêu và kết quả mong muốn: câu trả lời nói ngắn, bản tóm tắt văn bản hoặc cả hai. Giữ những tên và số đo trong nguồn cần được giữ nguyên.
Luồng đầu vào của nhà sản xuất dùng bộ xử lý, mẫu hội thoại và tiện ích xử lý nội dung đa phương tiện tương ứng. Nội dung đa phương tiện có thể được xen với văn bản, và giải mã là một phần rõ ràng của việc chuẩn bị yêu cầu. Khi dùng âm thanh đi kèm video, giữ use_audio_in_video nhất quán trong tiền xử lý, tạo đầu ra và các lượt hội thoại tiếp theo. Câu hỏi nghe nhìn cần có đường âm thanh; nhiệm vụ chỉ dựa vào hình ảnh nên nêu rõ phạm vi đó. Chọn đoạn liên quan và dùng hình ảnh đọc được để trợ lý nhận đủ chi tiết cần cho câu hỏi.
Có thể điều khiển đầu ra lời nói. Giao diện tạo đầu ra được công bố có thể yêu cầu chỉ văn bản bằng return_audio=False, và việc vô hiệu hóa Talker loại thành phần đó khỏi đường đầu ra lời nói của mô hình đã tải. Ví dụ xử lý theo lô của nhà sản xuất trả về văn bản thay vì âm thanh. Checkpoint Instruct ghi nhận ba lựa chọn giọng — Ethan, Chelsie và Aiden — với Ethan là mặc định. Ví dụ lưu dạng sóng ở 24.000 Hz. Lựa chọn giọng và định dạng đầu ra của ví dụ này mô tả quy trình mô hình được công bố, không phải mọi giao diện dịch vụ bao quanh có thể có.
Với phản hồi nói, nhà sản xuất khuyến nghị phong cách hội thoại dễ đọc thành tiếng thay vì định dạng phức tạp. Yêu cầu có thể đề nghị giải thích ngắn gọn bằng ngôn ngữ của người nghe, đồng thời giữ một kết quả văn bản riêng dễ đọc để xem xét. Nếu nguồn chứa tên, công thức hoặc chữ viết tắt lạ, cung cấp ý nghĩa và cách diễn đạt mong muốn. Yêu cầu câu trả lời phân biệt nội dung quan sát được với giả định để giọng nói lưu loát không làm sự bất định biến mất.
Cấu hình văn bản của Thinker và Talker đặt max_position_embeddings thành 65.536. Các ví dụ vLLM trên thẻ chung chọn riêng độ dài mô hình 32.768 token và mức tạo đầu ra 16.384 token; đây vẫn là ví dụ, không phải các mức trần phổ quát độc lập. Xử lý hình ảnh và âm thanh ảnh hưởng đến kích thước yêu cầu thực tế. Mức hỗ trợ giao diện cũng khác nhau: ví dụ Transformers trên thẻ có thể trả về lời nói, còn phần triển khai phục vụ mô tả đường thiên về Thinker và xử lý video/âm thanh riêng. Giữ sự khác biệt giữa khả năng lời nói ở cấp mô hình và đường đầu ra được một môi trường chạy cụ thể hỗ trợ.
Kết quả hữu ích kết hợp câu trả lời với tài liệu nguồn cần để xem xét. Với phần trình diễn, kiểm tra hành động được mô tả với đoạn video; với câu hỏi âm thanh, so sánh câu trả lời với từ hoặc âm nghe được; với phép tính dựa trên hình ảnh, xác minh đơn vị và nhãn. Họ mô hình có tài liệu hướng dẫn thực hành audio-function-call, nhưng ứng dụng vẫn phải định nghĩa và thực hiện mọi hành động công cụ bên ngoài. Một yêu cầu hành động được tạo khác với kết quả đã xác nhận. Điểm mạnh của bản này là tương tác đa phương thức với phản hồi nói tùy chọn, còn xác minh sự thật, hành động ở bước sau và chỉnh sửa nội dung đa phương tiện cần bằng chứng và quy trình riêng.
", "aboutText": "Qwen3-Omni-30B-A3B-Instruct là thành viên làm theo chỉ dẫn và tạo lời nói của Qwen3-Omni. Mô hình hiểu văn bản, hình ảnh, âm thanh và video, kể cả đầu vào hỗn hợp, và có thể trả về cả văn bản lẫn lời nói tự nhiên. Qwen mô tả kiến trúc của họ mô hình là hỗ trợ phản hồi văn bản và lời nói theo luồng. Checkpoint Instruct cụ thể chứa các thành phần Thinker và Talker: việc hiểu và hình thành phản hồi văn bản được nối với đường tạo lời nói. Các checkpoint Thinking và Captioner có vai trò thành phần và đầu ra khác nhau, nên vẫn là những lựa chọn mô hình riêng.\n\nPhạm vi đa ngôn ngữ được công bố của họ mô hình gồm 119 ngôn ngữ văn bản, 19 ngôn ngữ đầu vào lời nói và 10 ngôn ngữ đầu ra lời nói. Tiếng Nga có trong cả hai danh sách lời nói. Nhà sản xuất mô tả thiết kế Thinker–Talker theo kiểu hỗn hợp chuyên gia, với xử lý âm thanh và thị giác để hiểu đa phương thức cùng việc tạo lời nói bằng nhiều bộ mã. Lời nhắc hệ thống có thể định hình vai trò và phong cách phản hồi của trợ lý. Một nhiệm vụ phù hợp là giải thích có giọng nói dựa trên một vật nhìn thấy được và câu hỏi được nói của người dùng, thay vì chuyển đổi văn bản thành lời nói không liên quan.\n\nCác tài liệu hướng dẫn thực hành bao quát nhận dạng lời nói, dịch lời nói, phân tích nhạc và âm thanh, âm thanh hỗn hợp, câu hỏi hình ảnh, OCR, định vị đối tượng, mô tả video và hội thoại nghe nhìn. Với trợ lý đào tạo, cung cấp đoạn trình diễn và yêu cầu giải thích quy trình nhìn thấy được cho người mới. Với câu hỏi sản phẩm, kết hợp ảnh với yêu cầu bằng lời nói và chỉ ra chi tiết cần bàn. Nêu người nghe mục tiêu và kết quả mong muốn: câu trả lời nói ngắn, bản tóm tắt văn bản hoặc cả hai. Giữ những tên và số đo trong nguồn cần được giữ nguyên.\n\nLuồng đầu vào của nhà sản xuất dùng bộ xử lý, mẫu hội thoại và tiện ích xử lý nội dung đa phương tiện tương ứng. Nội dung đa phương tiện có thể được xen với văn bản, và giải mã là một phần rõ ràng của việc chuẩn bị yêu cầu. Khi dùng âm thanh đi kèm video, giữ use_audio_in_video nhất quán trong tiền xử lý, tạo đầu ra và các lượt hội thoại tiếp theo. Câu hỏi nghe nhìn cần có đường âm thanh; nhiệm vụ chỉ dựa vào hình ảnh nên nêu rõ phạm vi đó. Chọn đoạn liên quan và dùng hình ảnh đọc được để trợ lý nhận đủ chi tiết cần cho câu hỏi.\n\nCó thể điều khiển đầu ra lời nói. Giao diện tạo đầu ra được công bố có thể yêu cầu chỉ văn bản bằng return_audio=False, và việc vô hiệu hóa Talker loại thành phần đó khỏi đường đầu ra lời nói của mô hình đã tải. Ví dụ xử lý theo lô của nhà sản xuất trả về văn bản thay vì âm thanh. Checkpoint Instruct ghi nhận ba lựa chọn giọng — Ethan, Chelsie và Aiden — với Ethan là mặc định. Ví dụ lưu dạng sóng ở 24.000 Hz. Lựa chọn giọng và định dạng đầu ra của ví dụ này mô tả quy trình mô hình được công bố, không phải mọi giao diện dịch vụ bao quanh có thể có.\n\nVới phản hồi nói, nhà sản xuất khuyến nghị phong cách hội thoại dễ đọc thành tiếng thay vì định dạng phức tạp. Yêu cầu có thể đề nghị giải thích ngắn gọn bằng ngôn ngữ của người nghe, đồng thời giữ một kết quả văn bản riêng dễ đọc để xem xét. Nếu nguồn chứa tên, công thức hoặc chữ viết tắt lạ, cung cấp ý nghĩa và cách diễn đạt mong muốn. Yêu cầu câu trả lời phân biệt nội dung quan sát được với giả định để giọng nói lưu loát không làm sự bất định biến mất.\n\nCấu hình văn bản của Thinker và Talker đặt max_position_embeddings thành 65.536. Các ví dụ vLLM trên thẻ chung chọn riêng độ dài mô hình 32.768 token và mức tạo đầu ra 16.384 token; đây vẫn là ví dụ, không phải các mức trần phổ quát độc lập. Xử lý hình ảnh và âm thanh ảnh hưởng đến kích thước yêu cầu thực tế. Mức hỗ trợ giao diện cũng khác nhau: ví dụ Transformers trên thẻ có thể trả về lời nói, còn phần triển khai phục vụ mô tả đường thiên về Thinker và xử lý video/âm thanh riêng. Giữ sự khác biệt giữa khả năng lời nói ở cấp mô hình và đường đầu ra được một môi trường chạy cụ thể hỗ trợ.\n\nKết quả hữu ích kết hợp câu trả lời với tài liệu nguồn cần để xem xét. Với phần trình diễn, kiểm tra hành động được mô tả với đoạn video; với câu hỏi âm thanh, so sánh câu trả lời với từ hoặc âm nghe được; với phép tính dựa trên hình ảnh, xác minh đơn vị và nhãn. Họ mô hình có tài liệu hướng dẫn thực hành audio-function-call, nhưng ứng dụng vẫn phải định nghĩa và thực hiện mọi hành động công cụ bên ngoài. Một yêu cầu hành động được tạo khác với kết quả đã xác nhận. Điểm mạnh của bản này là tương tác đa phương thức với phản hồi nói tùy chọn, còn xác minh sự thật, hành động ở bước sau và chỉnh sửa nội dung đa phương tiện cần bằng chứng và quy trình riêng.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct hiểu văn bản, hình ảnh, âm thanh và video, có thể trả lời bằng văn bản và lời nói tự nhiên. Kiến trúc Thinker–Talker hỗ trợ hội thoại đa phương thức, với khả năng điều khiển rõ ràng việc trả về lời nói và chọn giọng đã được ghi trong tài liệu.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Qwen3-Omni-30B-A3B-Instruct là thành viên làm theo chỉ dẫn và tạo lời nói của Qwen3-Omni. Mô hình hiểu văn bản, hình ảnh, âm thanh và video, kể cả đầu vào hỗn hợp, và có thể trả về cả văn bản lẫn lời nói tự nhiên. Qwen mô tả kiến trúc của họ mô hình là hỗ trợ phản hồi văn bản và lời nói theo luồng. Checkpoint Instruct cụ thể chứa các thành phần Thinker và Talker: việc hiểu và hình thành phản hồi văn bản được nối với đường tạo lời nói. Các checkpoint Thinking và Captioner có vai trò thành phần và đầu ra khác nhau, nên vẫn là những lựa chọn mô hình riêng.
Phạm vi đa ngôn ngữ được công bố của họ mô hình gồm 119 ngôn ngữ văn bản, 19 ngôn ngữ đầu vào lời nói và 10 ngôn ngữ đầu ra lời nói. Tiếng Nga có trong cả hai danh sách lời nói. Nhà sản xuất mô tả thiết kế Thinker–Talker theo kiểu hỗn hợp chuyên gia, với xử lý âm thanh và thị giác để hiểu đa phương thức cùng việc tạo lời nói bằng nhiều bộ mã. Lời nhắc hệ thống có thể định hình vai trò và phong cách phản hồi của trợ lý. Một nhiệm vụ phù hợp là giải thích có giọng nói dựa trên một vật nhìn thấy được và câu hỏi được nói của người dùng, thay vì chuyển đổi văn bản thành lời nói không liên quan.
Các tài liệu hướng dẫn thực hành bao quát nhận dạng lời nói, dịch lời nói, phân tích nhạc và âm thanh, âm thanh hỗn hợp, câu hỏi hình ảnh, OCR, định vị đối tượng, mô tả video và hội thoại nghe nhìn. Với trợ lý đào tạo, cung cấp đoạn trình diễn và yêu cầu giải thích quy trình nhìn thấy được cho người mới. Với câu hỏi sản phẩm, kết hợp ảnh với yêu cầu bằng lời nói và chỉ ra chi tiết cần bàn. Nêu người nghe mục tiêu và kết quả mong muốn: câu trả lời nói ngắn, bản tóm tắt văn bản hoặc cả hai. Giữ những tên và số đo trong nguồn cần được giữ nguyên.
Luồng đầu vào của nhà sản xuất dùng bộ xử lý, mẫu hội thoại và tiện ích xử lý nội dung đa phương tiện tương ứng. Nội dung đa phương tiện có thể được xen với văn bản, và giải mã là một phần rõ ràng của việc chuẩn bị yêu cầu. Khi dùng âm thanh đi kèm video, giữ use_audio_in_video nhất quán trong tiền xử lý, tạo đầu ra và các lượt hội thoại tiếp theo. Câu hỏi nghe nhìn cần có đường âm thanh; nhiệm vụ chỉ dựa vào hình ảnh nên nêu rõ phạm vi đó. Chọn đoạn liên quan và dùng hình ảnh đọc được để trợ lý nhận đủ chi tiết cần cho câu hỏi.
Có thể điều khiển đầu ra lời nói. Giao diện tạo đầu ra được công bố có thể yêu cầu chỉ văn bản bằng return_audio=False, và việc vô hiệu hóa Talker loại thành phần đó khỏi đường đầu ra lời nói của mô hình đã tải. Ví dụ xử lý theo lô của nhà sản xuất trả về văn bản thay vì âm thanh. Checkpoint Instruct ghi nhận ba lựa chọn giọng — Ethan, Chelsie và Aiden — với Ethan là mặc định. Ví dụ lưu dạng sóng ở 24.000 Hz. Lựa chọn giọng và định dạng đầu ra của ví dụ này mô tả quy trình mô hình được công bố, không phải mọi giao diện dịch vụ bao quanh có thể có.
Với phản hồi nói, nhà sản xuất khuyến nghị phong cách hội thoại dễ đọc thành tiếng thay vì định dạng phức tạp. Yêu cầu có thể đề nghị giải thích ngắn gọn bằng ngôn ngữ của người nghe, đồng thời giữ một kết quả văn bản riêng dễ đọc để xem xét. Nếu nguồn chứa tên, công thức hoặc chữ viết tắt lạ, cung cấp ý nghĩa và cách diễn đạt mong muốn. Yêu cầu câu trả lời phân biệt nội dung quan sát được với giả định để giọng nói lưu loát không làm sự bất định biến mất.
Cấu hình văn bản của Thinker và Talker đặt max_position_embeddings thành 65.536. Các ví dụ vLLM trên thẻ chung chọn riêng độ dài mô hình 32.768 token và mức tạo đầu ra 16.384 token; đây vẫn là ví dụ, không phải các mức trần phổ quát độc lập. Xử lý hình ảnh và âm thanh ảnh hưởng đến kích thước yêu cầu thực tế. Mức hỗ trợ giao diện cũng khác nhau: ví dụ Transformers trên thẻ có thể trả về lời nói, còn phần triển khai phục vụ mô tả đường thiên về Thinker và xử lý video/âm thanh riêng. Giữ sự khác biệt giữa khả năng lời nói ở cấp mô hình và đường đầu ra được một môi trường chạy cụ thể hỗ trợ.
Kết quả hữu ích kết hợp câu trả lời với tài liệu nguồn cần để xem xét. Với phần trình diễn, kiểm tra hành động được mô tả với đoạn video; với câu hỏi âm thanh, so sánh câu trả lời với từ hoặc âm nghe được; với phép tính dựa trên hình ảnh, xác minh đơn vị và nhãn. Họ mô hình có tài liệu hướng dẫn thực hành audio-function-call, nhưng ứng dụng vẫn phải định nghĩa và thực hiện mọi hành động công cụ bên ngoài. Một yêu cầu hành động được tạo khác với kết quả đã xác nhận. Điểm mạnh của bản này là tương tác đa phương thức với phản hồi nói tùy chọn, còn xác minh sự thật, hành động ở bước sau và chỉnh sửa nội dung đa phương tiện cần bằng chứng và quy trình riêng.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Qwen/Qwen3-Omni-30B-A3B-Instruct | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.0008 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen3-Omni-30B-A3B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen3-Omni-30B-A3B-Instruct',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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
Qwen/Qwen3-Omni-30B-A3B-InstructQwen3-Omni-30B-A3B-Instruct hiểu văn bản, hình ảnh, âm thanh và video, có thể trả lời bằng văn bản và lời nói tự nhiên. Kiến trúc Thinker–Talker hỗ trợ hội thoại đa phương thức, với khả năng điều khiển rõ ràng việc trả về lời nói và chọn giọng đã được ghi trong tài liệu.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Qwen3-Omni-30B-A3B-Instruct là thành viên làm theo chỉ dẫn và tạo lời nói của Qwen3-Omni. Mô hình hiểu văn bản, hình ảnh, âm thanh và video, kể cả đầu vào hỗn hợp, và có thể trả về cả văn bản lẫn lời nói tự nhiên. Qwen mô tả kiến trúc của họ mô hình là hỗ trợ phản hồi văn bản và lời nói theo luồng. Checkpoint Instruct cụ thể chứa các thành phần Thinker và Talker: việc hiểu và hình thành phản hồi văn bản được nối với đường tạo lời nói. Các checkpoint Thinking và Captioner có vai trò thành phần và đầu ra khác nhau, nên vẫn là những lựa chọn mô hình riêng.
Phạm vi đa ngôn ngữ được công bố của họ mô hình gồm 119 ngôn ngữ văn bản, 19 ngôn ngữ đầu vào lời nói và 10 ngôn ngữ đầu ra lời nói. Tiếng Nga có trong cả hai danh sách lời nói. Nhà sản xuất mô tả thiết kế Thinker–Talker theo kiểu hỗn hợp chuyên gia, với xử lý âm thanh và thị giác để hiểu đa phương thức cùng việc tạo lời nói bằng nhiều bộ mã. Lời nhắc hệ thống có thể định hình vai trò và phong cách phản hồi của trợ lý. Một nhiệm vụ phù hợp là giải thích có giọng nói dựa trên một vật nhìn thấy được và câu hỏi được nói của người dùng, thay vì chuyển đổi văn bản thành lời nói không liên quan.
Các tài liệu hướng dẫn thực hành bao quát nhận dạng lời nói, dịch lời nói, phân tích nhạc và âm thanh, âm thanh hỗn hợp, câu hỏi hình ảnh, OCR, định vị đối tượng, mô tả video và hội thoại nghe nhìn. Với trợ lý đào tạo, cung cấp đoạn trình diễn và yêu cầu giải thích quy trình nhìn thấy được cho người mới. Với câu hỏi sản phẩm, kết hợp ảnh với yêu cầu bằng lời nói và chỉ ra chi tiết cần bàn. Nêu người nghe mục tiêu và kết quả mong muốn: câu trả lời nói ngắn, bản tóm tắt văn bản hoặc cả hai. Giữ những tên và số đo trong nguồn cần được giữ nguyên.
Luồng đầu vào của nhà sản xuất dùng bộ xử lý, mẫu hội thoại và tiện ích xử lý nội dung đa phương tiện tương ứng. Nội dung đa phương tiện có thể được xen với văn bản, và giải mã là một phần rõ ràng của việc chuẩn bị yêu cầu. Khi dùng âm thanh đi kèm video, giữ use_audio_in_video nhất quán trong tiền xử lý, tạo đầu ra và các lượt hội thoại tiếp theo. Câu hỏi nghe nhìn cần có đường âm thanh; nhiệm vụ chỉ dựa vào hình ảnh nên nêu rõ phạm vi đó. Chọn đoạn liên quan và dùng hình ảnh đọc được để trợ lý nhận đủ chi tiết cần cho câu hỏi.
Có thể điều khiển đầu ra lời nói. Giao diện tạo đầu ra được công bố có thể yêu cầu chỉ văn bản bằng return_audio=False, và việc vô hiệu hóa Talker loại thành phần đó khỏi đường đầu ra lời nói của mô hình đã tải. Ví dụ xử lý theo lô của nhà sản xuất trả về văn bản thay vì âm thanh. Checkpoint Instruct ghi nhận ba lựa chọn giọng — Ethan, Chelsie và Aiden — với Ethan là mặc định. Ví dụ lưu dạng sóng ở 24.000 Hz. Lựa chọn giọng và định dạng đầu ra của ví dụ này mô tả quy trình mô hình được công bố, không phải mọi giao diện dịch vụ bao quanh có thể có.
Với phản hồi nói, nhà sản xuất khuyến nghị phong cách hội thoại dễ đọc thành tiếng thay vì định dạng phức tạp. Yêu cầu có thể đề nghị giải thích ngắn gọn bằng ngôn ngữ của người nghe, đồng thời giữ một kết quả văn bản riêng dễ đọc để xem xét. Nếu nguồn chứa tên, công thức hoặc chữ viết tắt lạ, cung cấp ý nghĩa và cách diễn đạt mong muốn. Yêu cầu câu trả lời phân biệt nội dung quan sát được với giả định để giọng nói lưu loát không làm sự bất định biến mất.
Cấu hình văn bản của Thinker và Talker đặt max_position_embeddings thành 65.536. Các ví dụ vLLM trên thẻ chung chọn riêng độ dài mô hình 32.768 token và mức tạo đầu ra 16.384 token; đây vẫn là ví dụ, không phải các mức trần phổ quát độc lập. Xử lý hình ảnh và âm thanh ảnh hưởng đến kích thước yêu cầu thực tế. Mức hỗ trợ giao diện cũng khác nhau: ví dụ Transformers trên thẻ có thể trả về lời nói, còn phần triển khai phục vụ mô tả đường thiên về Thinker và xử lý video/âm thanh riêng. Giữ sự khác biệt giữa khả năng lời nói ở cấp mô hình và đường đầu ra được một môi trường chạy cụ thể hỗ trợ.
Kết quả hữu ích kết hợp câu trả lời với tài liệu nguồn cần để xem xét. Với phần trình diễn, kiểm tra hành động được mô tả với đoạn video; với câu hỏi âm thanh, so sánh câu trả lời với từ hoặc âm nghe được; với phép tính dựa trên hình ảnh, xác minh đơn vị và nhãn. Họ mô hình có tài liệu hướng dẫn thực hành audio-function-call, nhưng ứng dụng vẫn phải định nghĩa và thực hiện mọi hành động công cụ bên ngoài. Một yêu cầu hành động được tạo khác với kết quả đã xác nhận. Điểm mạnh của bản này là tương tác đa phương thức với phản hồi nói tùy chọn, còn xác minh sự thật, hành động ở bước sau và chỉnh sửa nội dung đa phương tiện cần bằng chứng và quy trình riêng.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Qwen/Qwen3-Omni-30B-A3B-Instruct | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.0008 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen3-Omni-30B-A3B-Instruct', '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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Explain a supplied procedure to a novice\n\nWrite a text-only explanation for a novice using this supplied procedure: turn the dial to zero; insert the sample tray until it clicks; close the cover; press Start once; wait for the green completion light before opening. Keep the sequence and stopping condition exact. Use short conversational sentences and explain only what the supplied procedure establishes.A concise, easy-to-read textual procedure with the original action order and completion condition.Check opening the cover is never instructed before the green completion light.