Qwen3.5-Omni-Flash 2026-03-15 là bản chụp đa phương thức ngày 15 tháng Ba có tên riêng của Alibaba cho tạo văn bản, trợ lý giọng nói và phân tích đa phương tiện. Mô hình nhận văn bản, hình ảnh, âm thanh và video, kể cả đầu vào kết hợp, rồi tạo văn bản hoặc văn bản kèm lời nói. Danh tính có ngày tách biệt với bí danh Flash không ghi ngày và các mô hình realtime. Nhiệm vụ được ghi lại có thể lưu tên phiên bản này cùng phương tiện và chỉ dẫn đang được rà soát.
Đầu vào có thể kết hợp hình ảnh với câu hỏi được nói, hoặc phối hợp hình ảnh và âm thanh của video với chỉ dẫn bằng văn bản. Điều này hữu ích khi bản tóm tắt chỉ có văn bản sẽ làm mất liên hệ giữa những gì nhìn thấy và nghe thấy. Với đề bài về tư liệu đa phương tiện, hãy yêu cầu riêng diễn biến nhìn thấy, chữ trên màn hình và nội dung được nói, đồng thời yêu cầu dấu thời gian tương đối với nguồn khi thứ tự sự kiện có ý nghĩa. Hiệu ứng âm thanh và âm thanh phi lời nói khác có thể góp phần vào phân tích bên cạnh lời nói.
Với câu trả lời bằng giọng nói, hãy chỉ định ngôn ngữ, đối tượng nghe và cách thể hiện. Hướng dẫn Qwen ghi nhận chỉ dẫn về âm lượng, tốc độ nói và cảm xúc. Tài liệu liệt kê 113 ngôn ngữ và phương ngữ cho âm thanh đầu vào, cùng 36 ngôn ngữ và phương ngữ cho lời nói đầu ra, bao gồm tiếng Anh, Pháp, Đức và Nga. Danh mục giọng nói xác định Tina là mặc định và có các lựa chọn như Serena và Ethan. Chọn giọng và yêu cầu giải thích ngắn gọn với nhịp độ vừa phải thay vì dựa vào giọng đầu vào để quyết định phong cách đầu ra.
Quy trình lời nói qua HTTP được ghi nhận trả về văn bản theo luồng và các đoạn âm thanh mã hóa Base64. Ví dụ WAV sử dụng 24 kHz, mono, PCM 16-bit; ứng dụng có thể tập hợp các đoạn thành tệp âm thanh hoặc giải mã để phát ngay khi chúng đến. Đây là quá trình tạo theo luồng từ yêu cầu đã gửi. Phát hiện lượt nói theo thời gian thực, xử lý ngắt lời và hội thoại qua micrô thuộc về các mô hình realtime có tên riêng khác. Bảng họ Qwen3.5-Omni không cung cấp chế độ suy nghĩ sâu.
Bản chụp Flash này liệt kê web search và Function Calling, với Function Calling giới hạn ở Beijing Chat Completions và đầu ra văn bản. Structured Outputs được đánh dấu không hỗ trợ: yêu cầu các phần theo thời gian là chỉ dẫn định dạng văn bản thay vì chế độ JSON có ràng buộc. Việc thực thi công cụ thuộc về ứng dụng bao quanh, nơi trả kết quả công cụ cho bước tiếp theo của mô hình. Prefix completion, context caching, suy luận theo lô và tinh chỉnh cũng được đánh dấu không hỗ trợ cho bản chụp này.
Cửa sổ ngữ cảnh công bố là 262,144 token, với đầu vào tối đa 196,608 token và đầu ra tối đa 65,536 token. Nội dung đa phương tiện kết hợp với văn bản dùng chung ngân sách ngữ cảnh. Hướng dẫn HTTP của Alibaba cho phép tối đa ba giờ âm thanh hoặc một giờ video cho dòng này; tài liệu liệt kê âm thanh AMR, WAV, 3GP, 3GPP, AAC và MP3, cùng video MP4, AVI, MKV, MOV, FLV và WMV. Tệp âm thanh hoặc video qua URL có thể tối đa 2 GB, còn nội dung mã hóa Base64 phải nhỏ hơn 10 MB. Đây là giới hạn quy trình tệp của nhà sản xuất, khác với mô tả trong phần giới thiệu mô hình về khả năng hiểu hơn mười giờ âm thanh hoặc hơn 400 giây video 720p lấy mẫu ở 1 FPS.
Hình ảnh có các giới hạn chuẩn bị riêng trong hướng dẫn đó: tối đa 20 MB cho mỗi ảnh qua URL, mỗi chiều lớn hơn 10 pixel và tỷ lệ khung hình không vượt quá 200:1. Hướng dẫn cho phép tối đa 2,048 ảnh hoặc tệp âm thanh qua URL và 512 tệp video qua URL; đầu vào Base64 cho phép tối đa 250 tệp. Các giới hạn truyền tải này vẫn chịu ngân sách token đầu vào chung. Dòng mô hình có thể kết hợp nhiều loại phương tiện trong một yêu cầu. Chọn đoạn liên quan, bảo đảm nhãn nhỏ dễ đọc và giải thích quan hệ giữa các đầu vào riêng biệt. Mức trần số tệp được ghi nhận thay đổi theo phương thức và cách truyền, trong khi mọi đầu vào vẫn phải nằm trong ngân sách token chung.
Bản chụp ngày 15 tháng Ba có tên riêng không hỗ trợ nhân bản giọng nói tùy chỉnh trong hướng dẫn Qwen3.5-Omni. Chọn giọng trong danh mục được ghi nhận cho đầu ra lời nói và mô tả cách thể hiện mong muốn trong đề bài văn bản. Không chuyển quy trình đăng ký giọng riêng của bí danh Flash không ghi ngày sang phiên bản này. Giọng trong danh mục xác định phong cách người nói, còn chỉ dẫn có thể định hình âm lượng, tốc độ nói và cảm xúc.
Với báo cáo về tư liệu đa phương tiện có thể lặp lại, cung cấp đoạn liên quan và yêu cầu sự kiện, chữ nhìn thấy và lời nói trong các phần theo thời gian riêng biệt, mỗi phần gắn với dấu thời gian nguồn. Với câu trả lời giáo dục, thêm sơ đồ và câu hỏi ghi âm của người học: “Giải thích các bộ phận đã gắn nhãn, trả lời câu hỏi âm thanh bằng tiếng Anh và cung cấp văn bản cùng lời nói bình tĩnh.” Giữ đoạn đầu vào, tên phiên bản và lời nhắc cùng nhau, đồng thời chỉ định đầu ra cần chép lại nguồn hay giải thích cho đối tượng mới.
", "aboutText": "Qwen3.5-Omni-Flash 2026-03-15 là bản chụp đa phương thức ngày 15 tháng Ba có tên riêng của Alibaba cho tạo văn bản, trợ lý giọng nói và phân tích đa phương tiện. Mô hình nhận văn bản, hình ảnh, âm thanh và video, kể cả đầu vào kết hợp, rồi tạo văn bản hoặc văn bản kèm lời nói. Danh tính có ngày tách biệt với bí danh Flash không ghi ngày và các mô hình realtime. Nhiệm vụ được ghi lại có thể lưu tên phiên bản này cùng phương tiện và chỉ dẫn đang được rà soát.\n\nĐầu vào có thể kết hợp hình ảnh với câu hỏi được nói, hoặc phối hợp hình ảnh và âm thanh của video với chỉ dẫn bằng văn bản. Điều này hữu ích khi bản tóm tắt chỉ có văn bản sẽ làm mất liên hệ giữa những gì nhìn thấy và nghe thấy. Với đề bài về tư liệu đa phương tiện, hãy yêu cầu riêng diễn biến nhìn thấy, chữ trên màn hình và nội dung được nói, đồng thời yêu cầu dấu thời gian tương đối với nguồn khi thứ tự sự kiện có ý nghĩa. Hiệu ứng âm thanh và âm thanh phi lời nói khác có thể góp phần vào phân tích bên cạnh lời nói.\n\nVới câu trả lời bằng giọng nói, hãy chỉ định ngôn ngữ, đối tượng nghe và cách thể hiện. Hướng dẫn Qwen ghi nhận chỉ dẫn về âm lượng, tốc độ nói và cảm xúc. Tài liệu liệt kê 113 ngôn ngữ và phương ngữ cho âm thanh đầu vào, cùng 36 ngôn ngữ và phương ngữ cho lời nói đầu ra, bao gồm tiếng Anh, Pháp, Đức và Nga. Danh mục giọng nói xác định Tina là mặc định và có các lựa chọn như Serena và Ethan. Chọn giọng và yêu cầu giải thích ngắn gọn với nhịp độ vừa phải thay vì dựa vào giọng đầu vào để quyết định phong cách đầu ra.\n\nQuy trình lời nói qua HTTP được ghi nhận trả về văn bản theo luồng và các đoạn âm thanh mã hóa Base64. Ví dụ WAV sử dụng 24 kHz, mono, PCM 16-bit; ứng dụng có thể tập hợp các đoạn thành tệp âm thanh hoặc giải mã để phát ngay khi chúng đến. Đây là quá trình tạo theo luồng từ yêu cầu đã gửi. Phát hiện lượt nói theo thời gian thực, xử lý ngắt lời và hội thoại qua micrô thuộc về các mô hình realtime có tên riêng khác. Bảng họ Qwen3.5-Omni không cung cấp chế độ suy nghĩ sâu.\n\nBản chụp Flash này liệt kê web search và Function Calling, với Function Calling giới hạn ở Beijing Chat Completions và đầu ra văn bản. Structured Outputs được đánh dấu không hỗ trợ: yêu cầu các phần theo thời gian là chỉ dẫn định dạng văn bản thay vì chế độ JSON có ràng buộc. Việc thực thi công cụ thuộc về ứng dụng bao quanh, nơi trả kết quả công cụ cho bước tiếp theo của mô hình. Prefix completion, context caching, suy luận theo lô và tinh chỉnh cũng được đánh dấu không hỗ trợ cho bản chụp này.\n\nCửa sổ ngữ cảnh công bố là 262,144 token, với đầu vào tối đa 196,608 token và đầu ra tối đa 65,536 token. Nội dung đa phương tiện kết hợp với văn bản dùng chung ngân sách ngữ cảnh. Hướng dẫn HTTP của Alibaba cho phép tối đa ba giờ âm thanh hoặc một giờ video cho dòng này; tài liệu liệt kê âm thanh AMR, WAV, 3GP, 3GPP, AAC và MP3, cùng video MP4, AVI, MKV, MOV, FLV và WMV. Tệp âm thanh hoặc video qua URL có thể tối đa 2 GB, còn nội dung mã hóa Base64 phải nhỏ hơn 10 MB. Đây là giới hạn quy trình tệp của nhà sản xuất, khác với mô tả trong phần giới thiệu mô hình về khả năng hiểu hơn mười giờ âm thanh hoặc hơn 400 giây video 720p lấy mẫu ở 1 FPS.\n\nHình ảnh có các giới hạn chuẩn bị riêng trong hướng dẫn đó: tối đa 20 MB cho mỗi ảnh qua URL, mỗi chiều lớn hơn 10 pixel và tỷ lệ khung hình không vượt quá 200:1. Hướng dẫn cho phép tối đa 2,048 ảnh hoặc tệp âm thanh qua URL và 512 tệp video qua URL; đầu vào Base64 cho phép tối đa 250 tệp. Các giới hạn truyền tải này vẫn chịu ngân sách token đầu vào chung. Dòng mô hình có thể kết hợp nhiều loại phương tiện trong một yêu cầu. Chọn đoạn liên quan, bảo đảm nhãn nhỏ dễ đọc và giải thích quan hệ giữa các đầu vào riêng biệt. Mức trần số tệp được ghi nhận thay đổi theo phương thức và cách truyền, trong khi mọi đầu vào vẫn phải nằm trong ngân sách token chung.\n\nBản chụp ngày 15 tháng Ba có tên riêng không hỗ trợ nhân bản giọng nói tùy chỉnh trong hướng dẫn Qwen3.5-Omni. Chọn giọng trong danh mục được ghi nhận cho đầu ra lời nói và mô tả cách thể hiện mong muốn trong đề bài văn bản. Không chuyển quy trình đăng ký giọng riêng của bí danh Flash không ghi ngày sang phiên bản này. Giọng trong danh mục xác định phong cách người nói, còn chỉ dẫn có thể định hình âm lượng, tốc độ nói và cảm xúc.\n\nVới báo cáo về tư liệu đa phương tiện có thể lặp lại, cung cấp đoạn liên quan và yêu cầu sự kiện, chữ nhìn thấy và lời nói trong các phần theo thời gian riêng biệt, mỗi phần gắn với dấu thời gian nguồn. Với câu trả lời giáo dục, thêm sơ đồ và câu hỏi ghi âm của người học: “Giải thích các bộ phận đã gắn nhãn, trả lời câu hỏi âm thanh bằng tiếng Anh và cung cấp văn bản cùng lời nói bình tĩnh.” Giữ đoạn đầu vào, tên phiên bản và lời nhắc cùng nhau, đồng thời chỉ định đầu ra cần chép lại nguồn hay giải thích cho đối tượng mới.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
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 là bản chụp đa phương thức nhận văn bản, hình ảnh, âm thanh và video, rồi trả về văn bản hoặc lời nói. Dùng phiên bản riêng này cho các đề bài về tư liệu đa phương tiện và lời giải thích bằng giọng nói có thể lặp lại, với ranh giới đầu vào và đầu ra được ghi nhận.
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.
Qwen3.5-Omni-Flash 2026-03-15 là bản chụp đa phương thức ngày 15 tháng Ba có tên riêng của Alibaba cho tạo văn bản, trợ lý giọng nói và phân tích đa phương tiện. Mô hình nhận văn bản, hình ảnh, âm thanh và video, kể cả đầu vào kết hợp, rồi tạo văn bản hoặc văn bản kèm lời nói. Danh tính có ngày tách biệt với bí danh Flash không ghi ngày và các mô hình realtime. Nhiệm vụ được ghi lại có thể lưu tên phiên bản này cùng phương tiện và chỉ dẫn đang được rà soát.
Đầu vào có thể kết hợp hình ảnh với câu hỏi được nói, hoặc phối hợp hình ảnh và âm thanh của video với chỉ dẫn bằng văn bản. Điều này hữu ích khi bản tóm tắt chỉ có văn bản sẽ làm mất liên hệ giữa những gì nhìn thấy và nghe thấy. Với đề bài về tư liệu đa phương tiện, hãy yêu cầu riêng diễn biến nhìn thấy, chữ trên màn hình và nội dung được nói, đồng thời yêu cầu dấu thời gian tương đối với nguồn khi thứ tự sự kiện có ý nghĩa. Hiệu ứng âm thanh và âm thanh phi lời nói khác có thể góp phần vào phân tích bên cạnh lời nói.
Với câu trả lời bằng giọng nói, hãy chỉ định ngôn ngữ, đối tượng nghe và cách thể hiện. Hướng dẫn Qwen ghi nhận chỉ dẫn về âm lượng, tốc độ nói và cảm xúc. Tài liệu liệt kê 113 ngôn ngữ và phương ngữ cho âm thanh đầu vào, cùng 36 ngôn ngữ và phương ngữ cho lời nói đầu ra, bao gồm tiếng Anh, Pháp, Đức và Nga. Danh mục giọng nói xác định Tina là mặc định và có các lựa chọn như Serena và Ethan. Chọn giọng và yêu cầu giải thích ngắn gọn với nhịp độ vừa phải thay vì dựa vào giọng đầu vào để quyết định phong cách đầu ra.
Quy trình lời nói qua HTTP được ghi nhận trả về văn bản theo luồng và các đoạn âm thanh mã hóa Base64. Ví dụ WAV sử dụng 24 kHz, mono, PCM 16-bit; ứng dụng có thể tập hợp các đoạn thành tệp âm thanh hoặc giải mã để phát ngay khi chúng đến. Đây là quá trình tạo theo luồng từ yêu cầu đã gửi. Phát hiện lượt nói theo thời gian thực, xử lý ngắt lời và hội thoại qua micrô thuộc về các mô hình realtime có tên riêng khác. Bảng họ Qwen3.5-Omni không cung cấp chế độ suy nghĩ sâu.
Bản chụp Flash này liệt kê web search và Function Calling, với Function Calling giới hạn ở Beijing Chat Completions và đầu ra văn bản. Structured Outputs được đánh dấu không hỗ trợ: yêu cầu các phần theo thời gian là chỉ dẫn định dạng văn bản thay vì chế độ JSON có ràng buộc. Việc thực thi công cụ thuộc về ứng dụng bao quanh, nơi trả kết quả công cụ cho bước tiếp theo của mô hình. Prefix completion, context caching, suy luận theo lô và tinh chỉnh cũng được đánh dấu không hỗ trợ cho bản chụp này.
Cửa sổ ngữ cảnh công bố là 262,144 token, với đầu vào tối đa 196,608 token và đầu ra tối đa 65,536 token. Nội dung đa phương tiện kết hợp với văn bản dùng chung ngân sách ngữ cảnh. Hướng dẫn HTTP của Alibaba cho phép tối đa ba giờ âm thanh hoặc một giờ video cho dòng này; tài liệu liệt kê âm thanh AMR, WAV, 3GP, 3GPP, AAC và MP3, cùng video MP4, AVI, MKV, MOV, FLV và WMV. Tệp âm thanh hoặc video qua URL có thể tối đa 2 GB, còn nội dung mã hóa Base64 phải nhỏ hơn 10 MB. Đây là giới hạn quy trình tệp của nhà sản xuất, khác với mô tả trong phần giới thiệu mô hình về khả năng hiểu hơn mười giờ âm thanh hoặc hơn 400 giây video 720p lấy mẫu ở 1 FPS.
Hình ảnh có các giới hạn chuẩn bị riêng trong hướng dẫn đó: tối đa 20 MB cho mỗi ảnh qua URL, mỗi chiều lớn hơn 10 pixel và tỷ lệ khung hình không vượt quá 200:1. Hướng dẫn cho phép tối đa 2,048 ảnh hoặc tệp âm thanh qua URL và 512 tệp video qua URL; đầu vào Base64 cho phép tối đa 250 tệp. Các giới hạn truyền tải này vẫn chịu ngân sách token đầu vào chung. Dòng mô hình có thể kết hợp nhiều loại phương tiện trong một yêu cầu. Chọn đoạn liên quan, bảo đảm nhãn nhỏ dễ đọc và giải thích quan hệ giữa các đầu vào riêng biệt. Mức trần số tệp được ghi nhận thay đổi theo phương thức và cách truyền, trong khi mọi đầu vào vẫn phải nằm trong ngân sách token chung.
Bản chụp ngày 15 tháng Ba có tên riêng không hỗ trợ nhân bản giọng nói tùy chỉnh trong hướng dẫn Qwen3.5-Omni. Chọn giọng trong danh mục được ghi nhận cho đầu ra lời nói và mô tả cách thể hiện mong muốn trong đề bài văn bản. Không chuyển quy trình đăng ký giọng riêng của bí danh Flash không ghi ngày sang phiên bản này. Giọng trong danh mục xác định phong cách người nói, còn chỉ dẫn có thể định hình âm lượng, tốc độ nói và cảm xúc.
Với báo cáo về tư liệu đa phương tiện có thể lặp lại, cung cấp đoạn liên quan và yêu cầu sự kiện, chữ nhìn thấy và lời nói trong các phần theo thời gian riêng biệt, mỗi phần gắn với dấu thời gian nguồn. Với câu trả lời giáo dục, thêm sơ đồ và câu hỏi ghi âm của người học: “Giải thích các bộ phận đã gắn nhãn, trả lời câu hỏi âm thanh bằng tiếng Anh và cung cấp văn bản cùng lời nói bình tĩnh.” Giữ đoạn đầu vào, tên phiên bản và lời nhắc cùng nhau, đồng thời chỉ định đầu ra cần chép lại nguồn hay giải thích cho đối tượng mới.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen3.5-omni-flash-2026-03-15 | 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 $0.00069 / 1K token Đầu ra · Token đầu ra $0.00418 / 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": "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 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 qwen3.5-omni-flash-2026-03-15
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen3.5-omni-flash-2026-03-15Qwen3.5-Omni-Flash 2026-03-15 là bản chụp đa phương thức nhận văn bản, hình ảnh, âm thanh và video, rồi trả về văn bản hoặc lời nói. Dùng phiên bản riêng này cho các đề bài về tư liệu đa phương tiện và lời giải thích bằng giọng nói có thể lặp lại, với ranh giới đầu vào và đầu ra được ghi nhận.
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.
Qwen3.5-Omni-Flash 2026-03-15 là bản chụp đa phương thức ngày 15 tháng Ba có tên riêng của Alibaba cho tạo văn bản, trợ lý giọng nói và phân tích đa phương tiện. Mô hình nhận văn bản, hình ảnh, âm thanh và video, kể cả đầu vào kết hợp, rồi tạo văn bản hoặc văn bản kèm lời nói. Danh tính có ngày tách biệt với bí danh Flash không ghi ngày và các mô hình realtime. Nhiệm vụ được ghi lại có thể lưu tên phiên bản này cùng phương tiện và chỉ dẫn đang được rà soát.
Đầu vào có thể kết hợp hình ảnh với câu hỏi được nói, hoặc phối hợp hình ảnh và âm thanh của video với chỉ dẫn bằng văn bản. Điều này hữu ích khi bản tóm tắt chỉ có văn bản sẽ làm mất liên hệ giữa những gì nhìn thấy và nghe thấy. Với đề bài về tư liệu đa phương tiện, hãy yêu cầu riêng diễn biến nhìn thấy, chữ trên màn hình và nội dung được nói, đồng thời yêu cầu dấu thời gian tương đối với nguồn khi thứ tự sự kiện có ý nghĩa. Hiệu ứng âm thanh và âm thanh phi lời nói khác có thể góp phần vào phân tích bên cạnh lời nói.
Với câu trả lời bằng giọng nói, hãy chỉ định ngôn ngữ, đối tượng nghe và cách thể hiện. Hướng dẫn Qwen ghi nhận chỉ dẫn về âm lượng, tốc độ nói và cảm xúc. Tài liệu liệt kê 113 ngôn ngữ và phương ngữ cho âm thanh đầu vào, cùng 36 ngôn ngữ và phương ngữ cho lời nói đầu ra, bao gồm tiếng Anh, Pháp, Đức và Nga. Danh mục giọng nói xác định Tina là mặc định và có các lựa chọn như Serena và Ethan. Chọn giọng và yêu cầu giải thích ngắn gọn với nhịp độ vừa phải thay vì dựa vào giọng đầu vào để quyết định phong cách đầu ra.
Quy trình lời nói qua HTTP được ghi nhận trả về văn bản theo luồng và các đoạn âm thanh mã hóa Base64. Ví dụ WAV sử dụng 24 kHz, mono, PCM 16-bit; ứng dụng có thể tập hợp các đoạn thành tệp âm thanh hoặc giải mã để phát ngay khi chúng đến. Đây là quá trình tạo theo luồng từ yêu cầu đã gửi. Phát hiện lượt nói theo thời gian thực, xử lý ngắt lời và hội thoại qua micrô thuộc về các mô hình realtime có tên riêng khác. Bảng họ Qwen3.5-Omni không cung cấp chế độ suy nghĩ sâu.
Bản chụp Flash này liệt kê web search và Function Calling, với Function Calling giới hạn ở Beijing Chat Completions và đầu ra văn bản. Structured Outputs được đánh dấu không hỗ trợ: yêu cầu các phần theo thời gian là chỉ dẫn định dạng văn bản thay vì chế độ JSON có ràng buộc. Việc thực thi công cụ thuộc về ứng dụng bao quanh, nơi trả kết quả công cụ cho bước tiếp theo của mô hình. Prefix completion, context caching, suy luận theo lô và tinh chỉnh cũng được đánh dấu không hỗ trợ cho bản chụp này.
Cửa sổ ngữ cảnh công bố là 262,144 token, với đầu vào tối đa 196,608 token và đầu ra tối đa 65,536 token. Nội dung đa phương tiện kết hợp với văn bản dùng chung ngân sách ngữ cảnh. Hướng dẫn HTTP của Alibaba cho phép tối đa ba giờ âm thanh hoặc một giờ video cho dòng này; tài liệu liệt kê âm thanh AMR, WAV, 3GP, 3GPP, AAC và MP3, cùng video MP4, AVI, MKV, MOV, FLV và WMV. Tệp âm thanh hoặc video qua URL có thể tối đa 2 GB, còn nội dung mã hóa Base64 phải nhỏ hơn 10 MB. Đây là giới hạn quy trình tệp của nhà sản xuất, khác với mô tả trong phần giới thiệu mô hình về khả năng hiểu hơn mười giờ âm thanh hoặc hơn 400 giây video 720p lấy mẫu ở 1 FPS.
Hình ảnh có các giới hạn chuẩn bị riêng trong hướng dẫn đó: tối đa 20 MB cho mỗi ảnh qua URL, mỗi chiều lớn hơn 10 pixel và tỷ lệ khung hình không vượt quá 200:1. Hướng dẫn cho phép tối đa 2,048 ảnh hoặc tệp âm thanh qua URL và 512 tệp video qua URL; đầu vào Base64 cho phép tối đa 250 tệp. Các giới hạn truyền tải này vẫn chịu ngân sách token đầu vào chung. Dòng mô hình có thể kết hợp nhiều loại phương tiện trong một yêu cầu. Chọn đoạn liên quan, bảo đảm nhãn nhỏ dễ đọc và giải thích quan hệ giữa các đầu vào riêng biệt. Mức trần số tệp được ghi nhận thay đổi theo phương thức và cách truyền, trong khi mọi đầu vào vẫn phải nằm trong ngân sách token chung.
Bản chụp ngày 15 tháng Ba có tên riêng không hỗ trợ nhân bản giọng nói tùy chỉnh trong hướng dẫn Qwen3.5-Omni. Chọn giọng trong danh mục được ghi nhận cho đầu ra lời nói và mô tả cách thể hiện mong muốn trong đề bài văn bản. Không chuyển quy trình đăng ký giọng riêng của bí danh Flash không ghi ngày sang phiên bản này. Giọng trong danh mục xác định phong cách người nói, còn chỉ dẫn có thể định hình âm lượng, tốc độ nói và cảm xúc.
Với báo cáo về tư liệu đa phương tiện có thể lặp lại, cung cấp đoạn liên quan và yêu cầu sự kiện, chữ nhìn thấy và lời nói trong các phần theo thời gian riêng biệt, mỗi phần gắn với dấu thời gian nguồn. Với câu trả lời giáo dục, thêm sơ đồ và câu hỏi ghi âm của người học: “Giải thích các bộ phận đã gắn nhãn, trả lời câu hỏi âm thanh bằng tiếng Anh và cung cấp văn bản cùng lời nói bình tĩnh.” Giữ đoạn đầu vào, tên phiên bản và lời nhắc cùng nhau, đồng thời chỉ định đầu ra cần chép lại nguồn hay giải thích cho đối tượng mới.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen3.5-omni-flash-2026-03-15 | 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 $0.00069 / 1K token Đầu ra · Token đầu ra $0.00418 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen3.5-omni-flash-2026-03-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 qwen3.5-omni-flash-2026-03-15
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
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.