Qwen3-Omni-30B-A3B-Thinking 是 Qwen3-Omni 中以推理為重點的模型。它理解文字、圖片、音訊及影片，也包含同一對話中的組合，並產生文字結果。確切 Thinking 版本包含 Thinker 元件，適用於推理；不包含 Instruct 檢查點用於口頭輸出的 Talker。選擇分析報告模型而不是有聲對話模型時，這個區別很重要。
開發商將 Qwen3-Omni 描述為多語言混合專家系列，包含 119 種文字語言及 19 種語音輸入語言。俄文出現在公開語音輸入清單。確切 Thinking 設定包含 48 層文字 Transformer、128 個專家，以及每個 token 選擇八個專家。它也包含音訊及視覺處理元件。這些是具名檢查點的特色；不應以尺寸標籤類似的純文字 Qwen3 模型能力取代其多模態理解。
使用範例集涵蓋語音辨識及翻譯、音樂及環境聲分析、混合音訊、圖片問題、OCR、物件定位、影片描述及影音問題。圖片數學特別強調 Thinking 版本。幾何任務請提供完整圖解、清楚可讀標籤及問題，要求解答區分可見已知條件及假設。錄製示範請指出要調查的動作或差異，要求與資料相關部分連結的觀察。預期成果可以是書面解答、結構化觀察清單，或說明證據支持什麼。
請使用相符處理器及聊天範本，將輸入準備成多模態對話。開發商處理工具組處理穿插的文字、圖片、音訊及影片。Qwen 描述串流文字回應是此系列互動設計的一部分，並示範僅文字輸出的混合媒體批次推論。每輪對話中，開發商建議隨媒體提供明確文字指令。只提供影片會使任務不明確；請指出要摘要動作、比較兩個場景、解釋聲音，還是解答顯示的問題。標示多個輸入及其關係，使最終文字能將正確問題與正確資料連結。
包含語音或事件聲音的影片，請決定音訊是否屬於任務。文件記載的流程在前處理及生成一致使用 use_audio_in_video，模型卡提醒在不同對話輪次改變此設定，可能造成非預期結果。僅場景問題與影音問題因此需要不同準備。保留原始片段、選擇相關區間；要求結論依賴說過或聽到的內容時，不要省略音軌。
公開文字設定將 max_position_embeddings 設為 65,536。模型卡的 vLLM 範例另外使用 32,768 個 token 的模型長度設定及 16,384 個 token 的生成設定。這些展示設定過的推論範例，不是單一通用最大輸出限制。媒體透過處理器表示，因此請求大小不只是輸入字元數量。為文字結果預留空間；長錄音只有一個與問題相關的短事件時，請使用範圍明確的來源片段。
開發商示範 Transformers 及 vLLM 流程，將處理器支援及媒體解碼列為明確相依項目。共用模型卡也記載介面差異，包括服務範例中分開處理影片及音訊。請選擇確切 Thinking 檢查點及其支援處理路徑，不要假定系列模型卡上每個範例都有相同輸出行為。該頁的語音聲音及 Talker 控制適用於 Instruct，不適用此僅 Thinker 模型。
要取得有用最終結果，請要求有證據根據的說明及明確分開的結論。視覺問題請保留單位、符號及標籤；音訊請區分可聽內容與推論音源；影片請區分觀察動作與意圖解讀。根據提供資料檢查結果，明確指出不確定或無法辨讀細節。模型文字回答可以支援分析或後續應用步驟，任何工具執行、事實確認或媒體轉換仍是獨立操作，需要自己的輸入及結果。
", "aboutText": "Qwen3-Omni-30B-A3B-Thinking 是 Qwen3-Omni 中以推理為重點的模型。它理解文字、圖片、音訊及影片，也包含同一對話中的組合，並產生文字結果。確切 Thinking 版本包含 Thinker 元件，適用於推理；不包含 Instruct 檢查點用於口頭輸出的 Talker。選擇分析報告模型而不是有聲對話模型時，這個區別很重要。\n\n開發商將 Qwen3-Omni 描述為多語言混合專家系列，包含 119 種文字語言及 19 種語音輸入語言。俄文出現在公開語音輸入清單。確切 Thinking 設定包含 48 層文字 Transformer、128 個專家，以及每個 token 選擇八個專家。它也包含音訊及視覺處理元件。這些是具名檢查點的特色；不應以尺寸標籤類似的純文字 Qwen3 模型能力取代其多模態理解。\n\n使用範例集涵蓋語音辨識及翻譯、音樂及環境聲分析、混合音訊、圖片問題、OCR、物件定位、影片描述及影音問題。圖片數學特別強調 Thinking 版本。幾何任務請提供完整圖解、清楚可讀標籤及問題，要求解答區分可見已知條件及假設。錄製示範請指出要調查的動作或差異，要求與資料相關部分連結的觀察。預期成果可以是書面解答、結構化觀察清單，或說明證據支持什麼。\n\n請使用相符處理器及聊天範本，將輸入準備成多模態對話。開發商處理工具組處理穿插的文字、圖片、音訊及影片。Qwen 描述串流文字回應是此系列互動設計的一部分，並示範僅文字輸出的混合媒體批次推論。每輪對話中，開發商建議隨媒體提供明確文字指令。只提供影片會使任務不明確；請指出要摘要動作、比較兩個場景、解釋聲音，還是解答顯示的問題。標示多個輸入及其關係，使最終文字能將正確問題與正確資料連結。\n\n包含語音或事件聲音的影片，請決定音訊是否屬於任務。文件記載的流程在前處理及生成一致使用 use_audio_in_video，模型卡提醒在不同對話輪次改變此設定，可能造成非預期結果。僅場景問題與影音問題因此需要不同準備。保留原始片段、選擇相關區間；要求結論依賴說過或聽到的內容時，不要省略音軌。\n\n公開文字設定將 max_position_embeddings 設為 65,536。模型卡的 vLLM 範例另外使用 32,768 個 token 的模型長度設定及 16,384 個 token 的生成設定。這些展示設定過的推論範例，不是單一通用最大輸出限制。媒體透過處理器表示，因此請求大小不只是輸入字元數量。為文字結果預留空間；長錄音只有一個與問題相關的短事件時，請使用範圍明確的來源片段。\n\n開發商示範 Transformers 及 vLLM 流程，將處理器支援及媒體解碼列為明確相依項目。共用模型卡也記載介面差異，包括服務範例中分開處理影片及音訊。請選擇確切 Thinking 檢查點及其支援處理路徑，不要假定系列模型卡上每個範例都有相同輸出行為。該頁的語音聲音及 Talker 控制適用於 Instruct，不適用此僅 Thinker 模型。\n\n要取得有用最終結果，請要求有證據根據的說明及明確分開的結論。視覺問題請保留單位、符號及標籤；音訊請區分可聽內容與推論音源；影片請區分觀察動作與意圖解讀。根據提供資料檢查結果，明確指出不確定或無法辨讀細節。模型文字回答可以支援分析或後續應用步驟，任何工具執行、事實確認或媒體轉換仍是獨立操作，需要自己的輸入及結果。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Reconcile demonstration annotations\n\nAnalyze these supplied text annotations of a demonstration. T0 visual note: valve indicator reads Closed. T1 speech transcript: "I am opening the valve now." T2 visual note: indicator still reads Closed; valve mechanism is off camera. State what each source establishes, whether successful opening is confirmed and what evidence would resolve the discrepancy.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking 對文字、圖片、音訊及影片進行推理，回傳文字。此僅 Thinker 的版本適合視覺數學、音訊分析，以及需要多種模態證據的問題；語音生成屬於另一個 Omni 版本。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Qwen3-Omni-30B-A3B-Thinking 是 Qwen3-Omni 中以推理為重點的模型。它理解文字、圖片、音訊及影片，也包含同一對話中的組合，並產生文字結果。確切 Thinking 版本包含 Thinker 元件，適用於推理；不包含 Instruct 檢查點用於口頭輸出的 Talker。選擇分析報告模型而不是有聲對話模型時，這個區別很重要。
開發商將 Qwen3-Omni 描述為多語言混合專家系列，包含 119 種文字語言及 19 種語音輸入語言。俄文出現在公開語音輸入清單。確切 Thinking 設定包含 48 層文字 Transformer、128 個專家，以及每個 token 選擇八個專家。它也包含音訊及視覺處理元件。這些是具名檢查點的特色；不應以尺寸標籤類似的純文字 Qwen3 模型能力取代其多模態理解。
使用範例集涵蓋語音辨識及翻譯、音樂及環境聲分析、混合音訊、圖片問題、OCR、物件定位、影片描述及影音問題。圖片數學特別強調 Thinking 版本。幾何任務請提供完整圖解、清楚可讀標籤及問題，要求解答區分可見已知條件及假設。錄製示範請指出要調查的動作或差異，要求與資料相關部分連結的觀察。預期成果可以是書面解答、結構化觀察清單，或說明證據支持什麼。
請使用相符處理器及聊天範本，將輸入準備成多模態對話。開發商處理工具組處理穿插的文字、圖片、音訊及影片。Qwen 描述串流文字回應是此系列互動設計的一部分，並示範僅文字輸出的混合媒體批次推論。每輪對話中，開發商建議隨媒體提供明確文字指令。只提供影片會使任務不明確；請指出要摘要動作、比較兩個場景、解釋聲音，還是解答顯示的問題。標示多個輸入及其關係，使最終文字能將正確問題與正確資料連結。
包含語音或事件聲音的影片，請決定音訊是否屬於任務。文件記載的流程在前處理及生成一致使用 use_audio_in_video，模型卡提醒在不同對話輪次改變此設定，可能造成非預期結果。僅場景問題與影音問題因此需要不同準備。保留原始片段、選擇相關區間；要求結論依賴說過或聽到的內容時，不要省略音軌。
公開文字設定將 max_position_embeddings 設為 65,536。模型卡的 vLLM 範例另外使用 32,768 個 token 的模型長度設定及 16,384 個 token 的生成設定。這些展示設定過的推論範例，不是單一通用最大輸出限制。媒體透過處理器表示，因此請求大小不只是輸入字元數量。為文字結果預留空間；長錄音只有一個與問題相關的短事件時，請使用範圍明確的來源片段。
開發商示範 Transformers 及 vLLM 流程，將處理器支援及媒體解碼列為明確相依項目。共用模型卡也記載介面差異，包括服務範例中分開處理影片及音訊。請選擇確切 Thinking 檢查點及其支援處理路徑，不要假定系列模型卡上每個範例都有相同輸出行為。該頁的語音聲音及 Talker 控制適用於 Instruct，不適用此僅 Thinker 模型。
要取得有用最終結果，請要求有證據根據的說明及明確分開的結論。視覺問題請保留單位、符號及標籤；音訊請區分可聽內容與推論音源；影片請區分觀察動作與意圖解讀。根據提供資料檢查結果，明確指出不確定或無法辨讀細節。模型文字回答可以支援分析或後續應用步驟，任何工具執行、事實確認或媒體轉換仍是獨立操作，需要自己的輸入及結果。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 Qwen/Qwen3-Omni-30B-A3B-Thinking | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.0008 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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-Thinking", "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-Thinking',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-Thinking',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
請使用上方列出的 API 方法路徑。
Qwen/Qwen3-Omni-30B-A3B-ThinkingQwen3-Omni-30B-A3B-Thinking 對文字、圖片、音訊及影片進行推理，回傳文字。此僅 Thinker 的版本適合視覺數學、音訊分析，以及需要多種模態證據的問題；語音生成屬於另一個 Omni 版本。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Qwen3-Omni-30B-A3B-Thinking 是 Qwen3-Omni 中以推理為重點的模型。它理解文字、圖片、音訊及影片，也包含同一對話中的組合，並產生文字結果。確切 Thinking 版本包含 Thinker 元件，適用於推理；不包含 Instruct 檢查點用於口頭輸出的 Talker。選擇分析報告模型而不是有聲對話模型時，這個區別很重要。
開發商將 Qwen3-Omni 描述為多語言混合專家系列，包含 119 種文字語言及 19 種語音輸入語言。俄文出現在公開語音輸入清單。確切 Thinking 設定包含 48 層文字 Transformer、128 個專家，以及每個 token 選擇八個專家。它也包含音訊及視覺處理元件。這些是具名檢查點的特色；不應以尺寸標籤類似的純文字 Qwen3 模型能力取代其多模態理解。
使用範例集涵蓋語音辨識及翻譯、音樂及環境聲分析、混合音訊、圖片問題、OCR、物件定位、影片描述及影音問題。圖片數學特別強調 Thinking 版本。幾何任務請提供完整圖解、清楚可讀標籤及問題，要求解答區分可見已知條件及假設。錄製示範請指出要調查的動作或差異，要求與資料相關部分連結的觀察。預期成果可以是書面解答、結構化觀察清單，或說明證據支持什麼。
請使用相符處理器及聊天範本，將輸入準備成多模態對話。開發商處理工具組處理穿插的文字、圖片、音訊及影片。Qwen 描述串流文字回應是此系列互動設計的一部分，並示範僅文字輸出的混合媒體批次推論。每輪對話中，開發商建議隨媒體提供明確文字指令。只提供影片會使任務不明確；請指出要摘要動作、比較兩個場景、解釋聲音，還是解答顯示的問題。標示多個輸入及其關係，使最終文字能將正確問題與正確資料連結。
包含語音或事件聲音的影片，請決定音訊是否屬於任務。文件記載的流程在前處理及生成一致使用 use_audio_in_video，模型卡提醒在不同對話輪次改變此設定，可能造成非預期結果。僅場景問題與影音問題因此需要不同準備。保留原始片段、選擇相關區間；要求結論依賴說過或聽到的內容時，不要省略音軌。
公開文字設定將 max_position_embeddings 設為 65,536。模型卡的 vLLM 範例另外使用 32,768 個 token 的模型長度設定及 16,384 個 token 的生成設定。這些展示設定過的推論範例，不是單一通用最大輸出限制。媒體透過處理器表示，因此請求大小不只是輸入字元數量。為文字結果預留空間；長錄音只有一個與問題相關的短事件時，請使用範圍明確的來源片段。
開發商示範 Transformers 及 vLLM 流程，將處理器支援及媒體解碼列為明確相依項目。共用模型卡也記載介面差異，包括服務範例中分開處理影片及音訊。請選擇確切 Thinking 檢查點及其支援處理路徑，不要假定系列模型卡上每個範例都有相同輸出行為。該頁的語音聲音及 Talker 控制適用於 Instruct，不適用此僅 Thinker 模型。
要取得有用最終結果，請要求有證據根據的說明及明確分開的結論。視覺問題請保留單位、符號及標籤；音訊請區分可聽內容與推論音源；影片請區分觀察動作與意圖解讀。根據提供資料檢查結果，明確指出不確定或無法辨讀細節。模型文字回答可以支援分析或後續應用步驟，任何工具執行、事實確認或媒體轉換仍是獨立操作，需要自己的輸入及結果。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 Qwen/Qwen3-Omni-30B-A3B-Thinking | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.0008 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "Qwen/Qwen3-Omni-30B-A3B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Thinking', '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-Thinking', '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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra Qwen/Qwen3-Omni-30B-A3B-Thinking
請使用上方列出的 API 方法路徑。
英文技術範例
Reconcile demonstration annotations\n\nAnalyze these supplied text annotations of a demonstration. T0 visual note: valve indicator reads Closed. T1 speech transcript: "I am opening the valve now." T2 visual note: indicator still reads Closed; valve mechanism is off camera. State what each source establishes, whether successful opening is confirmed and what evidence would resolve the discrepancy.An evidence table separating visual notes from quoted speech, followed by a conclusion and one verification need.Check that a spoken intention is not treated as proof of the off-camera action or a faulty indicator.