مقدمة: إصدار Thinking متعدد الوسائط
Qwen3-VL-235B-A22B-Thinking هو إصدار Qwen3-VL القائم على مزيج الخبراء والمركّز على الاستدلال. يجمع النص مع الصور والفيديو وينتج إجابات نصية أو شيفرة. إصدار أوزان Thinking الثابت منفصل عن Qwen3-VL-235B-A22B-Instruct وبنيات FP8 ذات الأسماء المنفصلة. اختره لسؤال يتطلب ربط الأدلة البصرية بشرح أطول، بدل افتراض أن جميع إصدارات Qwen3-VL لها أسلوب الاستجابة نفسه.
الوكلاء البصريون والبرمجة البصرية
تصف Qwen سير عمل لوكيل بصري يتعرف على عناصر واجهات الكمبيوتر أو الهاتف، ويفسّر وظائفها، ويعمل مع الأدوات لإتمام المهام. يوفّر النموذج الإدراك والاستدلال؛ ويجب على التطبيق ربط الإجراءات وتنفيذها. وفي مراجعة واجهة، قدّم لقطة الشاشة الحالية وهدفًا محددًا، ثم اطلب تحديد عناصر التحكم ذات الصلة وشرح الإجراء التالي. الصورة وحدها لا تمنح التحكم في الجهاز.
تشمل البرمجة البصرية توليد محتوى المخططات وHTML أو CSS أو JavaScript من الصور والفيديو. قدّم لقطة شاشة مع التخطيط والسلوك وتنسيق الإخراج القابل للتحرير المطلوب. اطلب بنية الصفحة وأنماطها كمخرجين منفصلين عندما يسهّل ذلك المراجعة. الشيفرة المولّدة نص لسير عمل تطوير؛ وليست دليلًا على عرض موقع ويب أو تحول الصورة المصدرية إلى تطبيق عامل.
الإدراك المكاني
توثّق الجهة المصنّعة الاستدلال بشأن مواضع الأجسام وزوايا النظر والحجب، مع ربط مكاني ثنائي الأبعاد ودعم للربط ثلاثي الأبعاد. اسأل عن علاقة محددة وعيّن الجسم المعني: مثلًا، أي مكوّن محجوب، وما الذي يقع أمامه، وأي قرائن بصرية تدعم ذلك التفسير. لا ينبغي اعتبار قدرة الربط المكاني قياسًا ماديًا معايرًا من صورة اعتباطية.
السياق الطويل والفيديو
يبلغ السياق الأصلي 262,144 رمزًا. تصف Qwen توسيعه إلى نحو مليون عبر إعداد YaRN، ومسارات عائلية تتضمن كتبًا أو فيديو لساعات مع فهرسة أحداث بدقة الثواني. تعتمد هذه القدرات على التمثيل وأخذ عينات الإطارات وإعداد السياق؛ ولا يضمن الوصف العام للجهة المصنّعة استرجاعًا مثاليًا لكل إطار. وتنصح Qwen في مستودعها بمعامل استقراء مقداره اثنان أو ثلاثة لهذا المخطط الموضعي المتداخل عند توسيع 256K إلى نحو 1M، بدل نسخ معامل أربعة من نموذج آخر تلقائيًا.
الاستدلال متعدد الوسائط والتعرف
يستهدف إصدار Thinking الاستدلال الرياضي وفي مجالات STEM المستند إلى الأدلة، والتحليل السببي والإجابات المنطقية التي تربط النص بالمواد البصرية. قدّم الرسم وتعريفاته معًا، أو مخططًا والسؤال العددي الدقيق. اطلب التسميات والقيم المستخدمة قبل الاستنتاج. وتصف Qwen أيضًا تعرفًا بصريًا أوسع يشمل الأشخاص والأنمي والمنتجات والمعالم والنباتات والحيوانات. وتظل إجابة التعرف استنتاجًا من الصورة المقدمة، وليست ضمانًا لإمكان تسمية كل جسم أو هوية.
يغطي OCR عددًا يبلغ 32 لغة، وهو مصمم لتحسين القراءة في الإضاءة المنخفضة أو الضبابية أو الميل، بما يشمل المفردات المتخصصة وبنية المستندات الطويلة. احتفظ بصور مصدرية مقروءة، واطلب حقولًا أو اقتباسات أو جدولًا منظّمًا يمكن التحقق منه. يجتمع فهم النص والمرئيات في نموذج واحد، لذا يمكن للسؤال الإشارة معًا إلى مقطع مستند وشكل وتعليمات المستخدم.
تغييرات البنية
يوزّع Interleaved-MRoPE التمثيل الموضعي عبر الزمن والعرض والارتفاع لاستدلال الفيديو. يجمع DeepStack السمات البصرية من عدة مستويات في المشفّر لالتقاط تفاصيل أدق وتحسين محاذاة الصورة والنص. وتربط محاذاة النص والطوابع الزمنية الأحداث بمراجع زمنية. تحتوي إعدادات النص المنشورة على 94 طبقة و128 خبيرًا، مع اختيار ثمانية خبراء لكل رمز. تشرح هذه التفاصيل المعمارية التمثيل متعدد الوسائط للنموذج؛ ولا تثبت ضمانًا لزمن الاستجابة.
إعداد المدخلات والمخرجات البصرية
تغطي أمثلة الجهة المصنّعة صورة واحدة أو عدة صور والفيديو والطلبات النصية فقط. ضع تسمية لكل مدخل بصري حتى يستطيع السؤال الإشارة إليه بوضوح. تستخدم معالجات الصور والفيديو ميزانيتين منفصلتين للبكسلات: تحد ميزانية الصورة بكسلاتها، بينما تحسب ميزانية الفيديو البكسلات عبر الإطارات المأخوذة كعينات. تُحاذى أبعاد الصور الصريحة مع مضاعفات 32. يمكن التحكم في أخذ عينات الفيديو بالمعدل أو عدد الإطارات؛ والمعدل الافتراضي الموثّق إطاران في الثانية. احتفظ بالطوابع الزمنية عند طلب خط زمني للأحداث.
في مقطع طويل، اطلب الحدث وفترته الزمنية والأدلة المرئية بدل ملخص غير مميّز التفاصيل. وفي عدة صفحات، اطلب نتيجة منظّمة بحسب معرّف الصفحة. تطبّق أمثلة الإعداد هذه القدرات الموثّقة وتساعد على إظهار السهو أو أخطاء الاستخراج.
إرشادات التوليد وحدوده
يضبط ملف التوليد لإصدار الأوزان القيم الافتراضية على temperature 0.8 وtop_p 0.95 وtop_k 20. وتستخدم وصفة تقييم Thinking المنفصلة لدى Qwen قيمة temperature 0.6، وعقوبة حضور صفرًا، وعقوبة تكرار 1.0، وحصة إخراج تبلغ 40,960 رمزًا. وهذه إعدادات مسبقة مختلفة لدى الجهة المنتجة، وليست حدًا صارمًا واحدًا للإخراج. أتح مساحة للاستدلال والنص النهائي إلى جانب الرموز البصرية، وتحقّق من النص المستخرج والإجابات المحسوبة والشيفرة المولّدة وفق المصدر قبل استخدامها.
", "aboutText": "مقدمة: إصدار Thinking متعدد الوسائط\n\nQwen3-VL-235B-A22B-Thinking هو إصدار Qwen3-VL القائم على مزيج الخبراء والمركّز على الاستدلال. يجمع النص مع الصور والفيديو وينتج إجابات نصية أو شيفرة. إصدار أوزان Thinking الثابت منفصل عن Qwen3-VL-235B-A22B-Instruct وبنيات FP8 ذات الأسماء المنفصلة. اختره لسؤال يتطلب ربط الأدلة البصرية بشرح أطول، بدل افتراض أن جميع إصدارات Qwen3-VL لها أسلوب الاستجابة نفسه.\n\nالوكلاء البصريون والبرمجة البصرية\n\nتصف Qwen سير عمل لوكيل بصري يتعرف على عناصر واجهات الكمبيوتر أو الهاتف، ويفسّر وظائفها، ويعمل مع الأدوات لإتمام المهام. يوفّر النموذج الإدراك والاستدلال؛ ويجب على التطبيق ربط الإجراءات وتنفيذها. وفي مراجعة واجهة، قدّم لقطة الشاشة الحالية وهدفًا محددًا، ثم اطلب تحديد عناصر التحكم ذات الصلة وشرح الإجراء التالي. الصورة وحدها لا تمنح التحكم في الجهاز.\n\nتشمل البرمجة البصرية توليد محتوى المخططات وHTML أو CSS أو JavaScript من الصور والفيديو. قدّم لقطة شاشة مع التخطيط والسلوك وتنسيق الإخراج القابل للتحرير المطلوب. اطلب بنية الصفحة وأنماطها كمخرجين منفصلين عندما يسهّل ذلك المراجعة. الشيفرة المولّدة نص لسير عمل تطوير؛ وليست دليلًا على عرض موقع ويب أو تحول الصورة المصدرية إلى تطبيق عامل.\n\nالإدراك المكاني\n\nتوثّق الجهة المصنّعة الاستدلال بشأن مواضع الأجسام وزوايا النظر والحجب، مع ربط مكاني ثنائي الأبعاد ودعم للربط ثلاثي الأبعاد. اسأل عن علاقة محددة وعيّن الجسم المعني: مثلًا، أي مكوّن محجوب، وما الذي يقع أمامه، وأي قرائن بصرية تدعم ذلك التفسير. لا ينبغي اعتبار قدرة الربط المكاني قياسًا ماديًا معايرًا من صورة اعتباطية.\n\nالسياق الطويل والفيديو\n\nيبلغ السياق الأصلي 262,144 رمزًا. تصف Qwen توسيعه إلى نحو مليون عبر إعداد YaRN، ومسارات عائلية تتضمن كتبًا أو فيديو لساعات مع فهرسة أحداث بدقة الثواني. تعتمد هذه القدرات على التمثيل وأخذ عينات الإطارات وإعداد السياق؛ ولا يضمن الوصف العام للجهة المصنّعة استرجاعًا مثاليًا لكل إطار. وتنصح Qwen في مستودعها بمعامل استقراء مقداره اثنان أو ثلاثة لهذا المخطط الموضعي المتداخل عند توسيع 256K إلى نحو 1M، بدل نسخ معامل أربعة من نموذج آخر تلقائيًا.\n\nالاستدلال متعدد الوسائط والتعرف\n\nيستهدف إصدار Thinking الاستدلال الرياضي وفي مجالات STEM المستند إلى الأدلة، والتحليل السببي والإجابات المنطقية التي تربط النص بالمواد البصرية. قدّم الرسم وتعريفاته معًا، أو مخططًا والسؤال العددي الدقيق. اطلب التسميات والقيم المستخدمة قبل الاستنتاج. وتصف Qwen أيضًا تعرفًا بصريًا أوسع يشمل الأشخاص والأنمي والمنتجات والمعالم والنباتات والحيوانات. وتظل إجابة التعرف استنتاجًا من الصورة المقدمة، وليست ضمانًا لإمكان تسمية كل جسم أو هوية.\n\nيغطي OCR عددًا يبلغ 32 لغة، وهو مصمم لتحسين القراءة في الإضاءة المنخفضة أو الضبابية أو الميل، بما يشمل المفردات المتخصصة وبنية المستندات الطويلة. احتفظ بصور مصدرية مقروءة، واطلب حقولًا أو اقتباسات أو جدولًا منظّمًا يمكن التحقق منه. يجتمع فهم النص والمرئيات في نموذج واحد، لذا يمكن للسؤال الإشارة معًا إلى مقطع مستند وشكل وتعليمات المستخدم.\n\nتغييرات البنية\n\nيوزّع Interleaved-MRoPE التمثيل الموضعي عبر الزمن والعرض والارتفاع لاستدلال الفيديو. يجمع DeepStack السمات البصرية من عدة مستويات في المشفّر لالتقاط تفاصيل أدق وتحسين محاذاة الصورة والنص. وتربط محاذاة النص والطوابع الزمنية الأحداث بمراجع زمنية. تحتوي إعدادات النص المنشورة على 94 طبقة و128 خبيرًا، مع اختيار ثمانية خبراء لكل رمز. تشرح هذه التفاصيل المعمارية التمثيل متعدد الوسائط للنموذج؛ ولا تثبت ضمانًا لزمن الاستجابة.\n\nإعداد المدخلات والمخرجات البصرية\n\nتغطي أمثلة الجهة المصنّعة صورة واحدة أو عدة صور والفيديو والطلبات النصية فقط. ضع تسمية لكل مدخل بصري حتى يستطيع السؤال الإشارة إليه بوضوح. تستخدم معالجات الصور والفيديو ميزانيتين منفصلتين للبكسلات: تحد ميزانية الصورة بكسلاتها، بينما تحسب ميزانية الفيديو البكسلات عبر الإطارات المأخوذة كعينات. تُحاذى أبعاد الصور الصريحة مع مضاعفات 32. يمكن التحكم في أخذ عينات الفيديو بالمعدل أو عدد الإطارات؛ والمعدل الافتراضي الموثّق إطاران في الثانية. احتفظ بالطوابع الزمنية عند طلب خط زمني للأحداث.\n\nفي مقطع طويل، اطلب الحدث وفترته الزمنية والأدلة المرئية بدل ملخص غير مميّز التفاصيل. وفي عدة صفحات، اطلب نتيجة منظّمة بحسب معرّف الصفحة. تطبّق أمثلة الإعداد هذه القدرات الموثّقة وتساعد على إظهار السهو أو أخطاء الاستخراج.\n\nإرشادات التوليد وحدوده\n\nيضبط ملف التوليد لإصدار الأوزان القيم الافتراضية على temperature 0.8 وtop_p 0.95 وtop_k 20. وتستخدم وصفة تقييم Thinking المنفصلة لدى Qwen قيمة temperature 0.6، وعقوبة حضور صفرًا، وعقوبة تكرار 1.0، وحصة إخراج تبلغ 40,960 رمزًا. وهذه إعدادات مسبقة مختلفة لدى الجهة المنتجة، وليست حدًا صارمًا واحدًا للإخراج. أتح مساحة للاستدلال والنص النهائي إلى جانب الرموز البصرية، وتحقّق من النص المستخرج والإجابات المحسوبة والشيفرة المولّدة وفق المصدر قبل استخدامها.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking هو نموذج Qwen للرؤية واللغة القائم على مزيج الخبراء لاستدلال النص والصور والفيديو. استخدم إصدار Thinking لأسئلة STEM وأدلة المستندات والعلاقات المكانية والبرمجة البصرية وتحليل الفيديو بطوابع زمنية، مع سياق أصلي يبلغ 262,144 رمزًا.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
مقدمة: إصدار Thinking متعدد الوسائط
Qwen3-VL-235B-A22B-Thinking هو إصدار Qwen3-VL القائم على مزيج الخبراء والمركّز على الاستدلال. يجمع النص مع الصور والفيديو وينتج إجابات نصية أو شيفرة. إصدار أوزان Thinking الثابت منفصل عن Qwen3-VL-235B-A22B-Instruct وبنيات FP8 ذات الأسماء المنفصلة. اختره لسؤال يتطلب ربط الأدلة البصرية بشرح أطول، بدل افتراض أن جميع إصدارات Qwen3-VL لها أسلوب الاستجابة نفسه.
الوكلاء البصريون والبرمجة البصرية
تصف Qwen سير عمل لوكيل بصري يتعرف على عناصر واجهات الكمبيوتر أو الهاتف، ويفسّر وظائفها، ويعمل مع الأدوات لإتمام المهام. يوفّر النموذج الإدراك والاستدلال؛ ويجب على التطبيق ربط الإجراءات وتنفيذها. وفي مراجعة واجهة، قدّم لقطة الشاشة الحالية وهدفًا محددًا، ثم اطلب تحديد عناصر التحكم ذات الصلة وشرح الإجراء التالي. الصورة وحدها لا تمنح التحكم في الجهاز.
تشمل البرمجة البصرية توليد محتوى المخططات وHTML أو CSS أو JavaScript من الصور والفيديو. قدّم لقطة شاشة مع التخطيط والسلوك وتنسيق الإخراج القابل للتحرير المطلوب. اطلب بنية الصفحة وأنماطها كمخرجين منفصلين عندما يسهّل ذلك المراجعة. الشيفرة المولّدة نص لسير عمل تطوير؛ وليست دليلًا على عرض موقع ويب أو تحول الصورة المصدرية إلى تطبيق عامل.
الإدراك المكاني
توثّق الجهة المصنّعة الاستدلال بشأن مواضع الأجسام وزوايا النظر والحجب، مع ربط مكاني ثنائي الأبعاد ودعم للربط ثلاثي الأبعاد. اسأل عن علاقة محددة وعيّن الجسم المعني: مثلًا، أي مكوّن محجوب، وما الذي يقع أمامه، وأي قرائن بصرية تدعم ذلك التفسير. لا ينبغي اعتبار قدرة الربط المكاني قياسًا ماديًا معايرًا من صورة اعتباطية.
السياق الطويل والفيديو
يبلغ السياق الأصلي 262,144 رمزًا. تصف Qwen توسيعه إلى نحو مليون عبر إعداد YaRN، ومسارات عائلية تتضمن كتبًا أو فيديو لساعات مع فهرسة أحداث بدقة الثواني. تعتمد هذه القدرات على التمثيل وأخذ عينات الإطارات وإعداد السياق؛ ولا يضمن الوصف العام للجهة المصنّعة استرجاعًا مثاليًا لكل إطار. وتنصح Qwen في مستودعها بمعامل استقراء مقداره اثنان أو ثلاثة لهذا المخطط الموضعي المتداخل عند توسيع 256K إلى نحو 1M، بدل نسخ معامل أربعة من نموذج آخر تلقائيًا.
الاستدلال متعدد الوسائط والتعرف
يستهدف إصدار Thinking الاستدلال الرياضي وفي مجالات STEM المستند إلى الأدلة، والتحليل السببي والإجابات المنطقية التي تربط النص بالمواد البصرية. قدّم الرسم وتعريفاته معًا، أو مخططًا والسؤال العددي الدقيق. اطلب التسميات والقيم المستخدمة قبل الاستنتاج. وتصف Qwen أيضًا تعرفًا بصريًا أوسع يشمل الأشخاص والأنمي والمنتجات والمعالم والنباتات والحيوانات. وتظل إجابة التعرف استنتاجًا من الصورة المقدمة، وليست ضمانًا لإمكان تسمية كل جسم أو هوية.
يغطي OCR عددًا يبلغ 32 لغة، وهو مصمم لتحسين القراءة في الإضاءة المنخفضة أو الضبابية أو الميل، بما يشمل المفردات المتخصصة وبنية المستندات الطويلة. احتفظ بصور مصدرية مقروءة، واطلب حقولًا أو اقتباسات أو جدولًا منظّمًا يمكن التحقق منه. يجتمع فهم النص والمرئيات في نموذج واحد، لذا يمكن للسؤال الإشارة معًا إلى مقطع مستند وشكل وتعليمات المستخدم.
تغييرات البنية
يوزّع Interleaved-MRoPE التمثيل الموضعي عبر الزمن والعرض والارتفاع لاستدلال الفيديو. يجمع DeepStack السمات البصرية من عدة مستويات في المشفّر لالتقاط تفاصيل أدق وتحسين محاذاة الصورة والنص. وتربط محاذاة النص والطوابع الزمنية الأحداث بمراجع زمنية. تحتوي إعدادات النص المنشورة على 94 طبقة و128 خبيرًا، مع اختيار ثمانية خبراء لكل رمز. تشرح هذه التفاصيل المعمارية التمثيل متعدد الوسائط للنموذج؛ ولا تثبت ضمانًا لزمن الاستجابة.
إعداد المدخلات والمخرجات البصرية
تغطي أمثلة الجهة المصنّعة صورة واحدة أو عدة صور والفيديو والطلبات النصية فقط. ضع تسمية لكل مدخل بصري حتى يستطيع السؤال الإشارة إليه بوضوح. تستخدم معالجات الصور والفيديو ميزانيتين منفصلتين للبكسلات: تحد ميزانية الصورة بكسلاتها، بينما تحسب ميزانية الفيديو البكسلات عبر الإطارات المأخوذة كعينات. تُحاذى أبعاد الصور الصريحة مع مضاعفات 32. يمكن التحكم في أخذ عينات الفيديو بالمعدل أو عدد الإطارات؛ والمعدل الافتراضي الموثّق إطاران في الثانية. احتفظ بالطوابع الزمنية عند طلب خط زمني للأحداث.
في مقطع طويل، اطلب الحدث وفترته الزمنية والأدلة المرئية بدل ملخص غير مميّز التفاصيل. وفي عدة صفحات، اطلب نتيجة منظّمة بحسب معرّف الصفحة. تطبّق أمثلة الإعداد هذه القدرات الموثّقة وتساعد على إظهار السهو أو أخطاء الاستخراج.
إرشادات التوليد وحدوده
يضبط ملف التوليد لإصدار الأوزان القيم الافتراضية على temperature 0.8 وtop_p 0.95 وtop_k 20. وتستخدم وصفة تقييم Thinking المنفصلة لدى Qwen قيمة temperature 0.6، وعقوبة حضور صفرًا، وعقوبة تكرار 1.0، وحصة إخراج تبلغ 40,960 رمزًا. وهذه إعدادات مسبقة مختلفة لدى الجهة المنتجة، وليست حدًا صارمًا واحدًا للإخراج. أتح مساحة للاستدلال والنص النهائي إلى جانب الرموز البصرية، وتحقّق من النص المستخرج والإجابات المحسوبة والشيفرة المولّدة وفق المصدر قبل استخدامها.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود qwen/qwen3-vl-235b-a22b-thinking | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: محادثة نصية | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream |
المعلمةcontrol_scope | المواصفاتمحادثة نصية؛ stream قيمة منطقية، وقيمتها الافتراضية false. |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
الأسماء البديلة للطريقة: /chat/completions
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000572 / 1K من الرموز الإخراج · رموز الإخراج $0.00572 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen/qwen3-vl-235b-a22b-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-vl-235b-a22b-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking هو نموذج Qwen للرؤية واللغة القائم على مزيج الخبراء لاستدلال النص والصور والفيديو. استخدم إصدار Thinking لأسئلة STEM وأدلة المستندات والعلاقات المكانية والبرمجة البصرية وتحليل الفيديو بطوابع زمنية، مع سياق أصلي يبلغ 262,144 رمزًا.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
مقدمة: إصدار Thinking متعدد الوسائط
Qwen3-VL-235B-A22B-Thinking هو إصدار Qwen3-VL القائم على مزيج الخبراء والمركّز على الاستدلال. يجمع النص مع الصور والفيديو وينتج إجابات نصية أو شيفرة. إصدار أوزان Thinking الثابت منفصل عن Qwen3-VL-235B-A22B-Instruct وبنيات FP8 ذات الأسماء المنفصلة. اختره لسؤال يتطلب ربط الأدلة البصرية بشرح أطول، بدل افتراض أن جميع إصدارات Qwen3-VL لها أسلوب الاستجابة نفسه.
الوكلاء البصريون والبرمجة البصرية
تصف Qwen سير عمل لوكيل بصري يتعرف على عناصر واجهات الكمبيوتر أو الهاتف، ويفسّر وظائفها، ويعمل مع الأدوات لإتمام المهام. يوفّر النموذج الإدراك والاستدلال؛ ويجب على التطبيق ربط الإجراءات وتنفيذها. وفي مراجعة واجهة، قدّم لقطة الشاشة الحالية وهدفًا محددًا، ثم اطلب تحديد عناصر التحكم ذات الصلة وشرح الإجراء التالي. الصورة وحدها لا تمنح التحكم في الجهاز.
تشمل البرمجة البصرية توليد محتوى المخططات وHTML أو CSS أو JavaScript من الصور والفيديو. قدّم لقطة شاشة مع التخطيط والسلوك وتنسيق الإخراج القابل للتحرير المطلوب. اطلب بنية الصفحة وأنماطها كمخرجين منفصلين عندما يسهّل ذلك المراجعة. الشيفرة المولّدة نص لسير عمل تطوير؛ وليست دليلًا على عرض موقع ويب أو تحول الصورة المصدرية إلى تطبيق عامل.
الإدراك المكاني
توثّق الجهة المصنّعة الاستدلال بشأن مواضع الأجسام وزوايا النظر والحجب، مع ربط مكاني ثنائي الأبعاد ودعم للربط ثلاثي الأبعاد. اسأل عن علاقة محددة وعيّن الجسم المعني: مثلًا، أي مكوّن محجوب، وما الذي يقع أمامه، وأي قرائن بصرية تدعم ذلك التفسير. لا ينبغي اعتبار قدرة الربط المكاني قياسًا ماديًا معايرًا من صورة اعتباطية.
السياق الطويل والفيديو
يبلغ السياق الأصلي 262,144 رمزًا. تصف Qwen توسيعه إلى نحو مليون عبر إعداد YaRN، ومسارات عائلية تتضمن كتبًا أو فيديو لساعات مع فهرسة أحداث بدقة الثواني. تعتمد هذه القدرات على التمثيل وأخذ عينات الإطارات وإعداد السياق؛ ولا يضمن الوصف العام للجهة المصنّعة استرجاعًا مثاليًا لكل إطار. وتنصح Qwen في مستودعها بمعامل استقراء مقداره اثنان أو ثلاثة لهذا المخطط الموضعي المتداخل عند توسيع 256K إلى نحو 1M، بدل نسخ معامل أربعة من نموذج آخر تلقائيًا.
الاستدلال متعدد الوسائط والتعرف
يستهدف إصدار Thinking الاستدلال الرياضي وفي مجالات STEM المستند إلى الأدلة، والتحليل السببي والإجابات المنطقية التي تربط النص بالمواد البصرية. قدّم الرسم وتعريفاته معًا، أو مخططًا والسؤال العددي الدقيق. اطلب التسميات والقيم المستخدمة قبل الاستنتاج. وتصف Qwen أيضًا تعرفًا بصريًا أوسع يشمل الأشخاص والأنمي والمنتجات والمعالم والنباتات والحيوانات. وتظل إجابة التعرف استنتاجًا من الصورة المقدمة، وليست ضمانًا لإمكان تسمية كل جسم أو هوية.
يغطي OCR عددًا يبلغ 32 لغة، وهو مصمم لتحسين القراءة في الإضاءة المنخفضة أو الضبابية أو الميل، بما يشمل المفردات المتخصصة وبنية المستندات الطويلة. احتفظ بصور مصدرية مقروءة، واطلب حقولًا أو اقتباسات أو جدولًا منظّمًا يمكن التحقق منه. يجتمع فهم النص والمرئيات في نموذج واحد، لذا يمكن للسؤال الإشارة معًا إلى مقطع مستند وشكل وتعليمات المستخدم.
تغييرات البنية
يوزّع Interleaved-MRoPE التمثيل الموضعي عبر الزمن والعرض والارتفاع لاستدلال الفيديو. يجمع DeepStack السمات البصرية من عدة مستويات في المشفّر لالتقاط تفاصيل أدق وتحسين محاذاة الصورة والنص. وتربط محاذاة النص والطوابع الزمنية الأحداث بمراجع زمنية. تحتوي إعدادات النص المنشورة على 94 طبقة و128 خبيرًا، مع اختيار ثمانية خبراء لكل رمز. تشرح هذه التفاصيل المعمارية التمثيل متعدد الوسائط للنموذج؛ ولا تثبت ضمانًا لزمن الاستجابة.
إعداد المدخلات والمخرجات البصرية
تغطي أمثلة الجهة المصنّعة صورة واحدة أو عدة صور والفيديو والطلبات النصية فقط. ضع تسمية لكل مدخل بصري حتى يستطيع السؤال الإشارة إليه بوضوح. تستخدم معالجات الصور والفيديو ميزانيتين منفصلتين للبكسلات: تحد ميزانية الصورة بكسلاتها، بينما تحسب ميزانية الفيديو البكسلات عبر الإطارات المأخوذة كعينات. تُحاذى أبعاد الصور الصريحة مع مضاعفات 32. يمكن التحكم في أخذ عينات الفيديو بالمعدل أو عدد الإطارات؛ والمعدل الافتراضي الموثّق إطاران في الثانية. احتفظ بالطوابع الزمنية عند طلب خط زمني للأحداث.
في مقطع طويل، اطلب الحدث وفترته الزمنية والأدلة المرئية بدل ملخص غير مميّز التفاصيل. وفي عدة صفحات، اطلب نتيجة منظّمة بحسب معرّف الصفحة. تطبّق أمثلة الإعداد هذه القدرات الموثّقة وتساعد على إظهار السهو أو أخطاء الاستخراج.
إرشادات التوليد وحدوده
يضبط ملف التوليد لإصدار الأوزان القيم الافتراضية على temperature 0.8 وtop_p 0.95 وtop_k 20. وتستخدم وصفة تقييم Thinking المنفصلة لدى Qwen قيمة temperature 0.6، وعقوبة حضور صفرًا، وعقوبة تكرار 1.0، وحصة إخراج تبلغ 40,960 رمزًا. وهذه إعدادات مسبقة مختلفة لدى الجهة المنتجة، وليست حدًا صارمًا واحدًا للإخراج. أتح مساحة للاستدلال والنص النهائي إلى جانب الرموز البصرية، وتحقّق من النص المستخرج والإجابات المحسوبة والشيفرة المولّدة وفق المصدر قبل استخدامها.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود qwen/qwen3-vl-235b-a22b-thinking | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000572 / 1K من الرموز الإخراج · رموز الإخراج $0.00572 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "qwen/qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-vl-235b-a22b-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-vl-235b-a22b-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 أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking هو نموذج Qwen للرؤية واللغة القائم على مزيج الخبراء لاستدلال النص والصور والفيديو. استخدم إصدار Thinking لأسئلة STEM وأدلة المستندات والعلاقات المكانية والبرمجة البصرية وتحليل الفيديو بطوابع زمنية، مع سياق أصلي يبلغ 262,144 رمزًا.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
مقدمة: إصدار Thinking متعدد الوسائط
Qwen3-VL-235B-A22B-Thinking هو إصدار Qwen3-VL القائم على مزيج الخبراء والمركّز على الاستدلال. يجمع النص مع الصور والفيديو وينتج إجابات نصية أو شيفرة. إصدار أوزان Thinking الثابت منفصل عن Qwen3-VL-235B-A22B-Instruct وبنيات FP8 ذات الأسماء المنفصلة. اختره لسؤال يتطلب ربط الأدلة البصرية بشرح أطول، بدل افتراض أن جميع إصدارات Qwen3-VL لها أسلوب الاستجابة نفسه.
الوكلاء البصريون والبرمجة البصرية
تصف Qwen سير عمل لوكيل بصري يتعرف على عناصر واجهات الكمبيوتر أو الهاتف، ويفسّر وظائفها، ويعمل مع الأدوات لإتمام المهام. يوفّر النموذج الإدراك والاستدلال؛ ويجب على التطبيق ربط الإجراءات وتنفيذها. وفي مراجعة واجهة، قدّم لقطة الشاشة الحالية وهدفًا محددًا، ثم اطلب تحديد عناصر التحكم ذات الصلة وشرح الإجراء التالي. الصورة وحدها لا تمنح التحكم في الجهاز.
تشمل البرمجة البصرية توليد محتوى المخططات وHTML أو CSS أو JavaScript من الصور والفيديو. قدّم لقطة شاشة مع التخطيط والسلوك وتنسيق الإخراج القابل للتحرير المطلوب. اطلب بنية الصفحة وأنماطها كمخرجين منفصلين عندما يسهّل ذلك المراجعة. الشيفرة المولّدة نص لسير عمل تطوير؛ وليست دليلًا على عرض موقع ويب أو تحول الصورة المصدرية إلى تطبيق عامل.
الإدراك المكاني
توثّق الجهة المصنّعة الاستدلال بشأن مواضع الأجسام وزوايا النظر والحجب، مع ربط مكاني ثنائي الأبعاد ودعم للربط ثلاثي الأبعاد. اسأل عن علاقة محددة وعيّن الجسم المعني: مثلًا، أي مكوّن محجوب، وما الذي يقع أمامه، وأي قرائن بصرية تدعم ذلك التفسير. لا ينبغي اعتبار قدرة الربط المكاني قياسًا ماديًا معايرًا من صورة اعتباطية.
السياق الطويل والفيديو
يبلغ السياق الأصلي 262,144 رمزًا. تصف Qwen توسيعه إلى نحو مليون عبر إعداد YaRN، ومسارات عائلية تتضمن كتبًا أو فيديو لساعات مع فهرسة أحداث بدقة الثواني. تعتمد هذه القدرات على التمثيل وأخذ عينات الإطارات وإعداد السياق؛ ولا يضمن الوصف العام للجهة المصنّعة استرجاعًا مثاليًا لكل إطار. وتنصح Qwen في مستودعها بمعامل استقراء مقداره اثنان أو ثلاثة لهذا المخطط الموضعي المتداخل عند توسيع 256K إلى نحو 1M، بدل نسخ معامل أربعة من نموذج آخر تلقائيًا.
الاستدلال متعدد الوسائط والتعرف
يستهدف إصدار Thinking الاستدلال الرياضي وفي مجالات STEM المستند إلى الأدلة، والتحليل السببي والإجابات المنطقية التي تربط النص بالمواد البصرية. قدّم الرسم وتعريفاته معًا، أو مخططًا والسؤال العددي الدقيق. اطلب التسميات والقيم المستخدمة قبل الاستنتاج. وتصف Qwen أيضًا تعرفًا بصريًا أوسع يشمل الأشخاص والأنمي والمنتجات والمعالم والنباتات والحيوانات. وتظل إجابة التعرف استنتاجًا من الصورة المقدمة، وليست ضمانًا لإمكان تسمية كل جسم أو هوية.
يغطي OCR عددًا يبلغ 32 لغة، وهو مصمم لتحسين القراءة في الإضاءة المنخفضة أو الضبابية أو الميل، بما يشمل المفردات المتخصصة وبنية المستندات الطويلة. احتفظ بصور مصدرية مقروءة، واطلب حقولًا أو اقتباسات أو جدولًا منظّمًا يمكن التحقق منه. يجتمع فهم النص والمرئيات في نموذج واحد، لذا يمكن للسؤال الإشارة معًا إلى مقطع مستند وشكل وتعليمات المستخدم.
تغييرات البنية
يوزّع Interleaved-MRoPE التمثيل الموضعي عبر الزمن والعرض والارتفاع لاستدلال الفيديو. يجمع DeepStack السمات البصرية من عدة مستويات في المشفّر لالتقاط تفاصيل أدق وتحسين محاذاة الصورة والنص. وتربط محاذاة النص والطوابع الزمنية الأحداث بمراجع زمنية. تحتوي إعدادات النص المنشورة على 94 طبقة و128 خبيرًا، مع اختيار ثمانية خبراء لكل رمز. تشرح هذه التفاصيل المعمارية التمثيل متعدد الوسائط للنموذج؛ ولا تثبت ضمانًا لزمن الاستجابة.
إعداد المدخلات والمخرجات البصرية
تغطي أمثلة الجهة المصنّعة صورة واحدة أو عدة صور والفيديو والطلبات النصية فقط. ضع تسمية لكل مدخل بصري حتى يستطيع السؤال الإشارة إليه بوضوح. تستخدم معالجات الصور والفيديو ميزانيتين منفصلتين للبكسلات: تحد ميزانية الصورة بكسلاتها، بينما تحسب ميزانية الفيديو البكسلات عبر الإطارات المأخوذة كعينات. تُحاذى أبعاد الصور الصريحة مع مضاعفات 32. يمكن التحكم في أخذ عينات الفيديو بالمعدل أو عدد الإطارات؛ والمعدل الافتراضي الموثّق إطاران في الثانية. احتفظ بالطوابع الزمنية عند طلب خط زمني للأحداث.
في مقطع طويل، اطلب الحدث وفترته الزمنية والأدلة المرئية بدل ملخص غير مميّز التفاصيل. وفي عدة صفحات، اطلب نتيجة منظّمة بحسب معرّف الصفحة. تطبّق أمثلة الإعداد هذه القدرات الموثّقة وتساعد على إظهار السهو أو أخطاء الاستخراج.
إرشادات التوليد وحدوده
يضبط ملف التوليد لإصدار الأوزان القيم الافتراضية على temperature 0.8 وtop_p 0.95 وtop_k 20. وتستخدم وصفة تقييم Thinking المنفصلة لدى Qwen قيمة temperature 0.6، وعقوبة حضور صفرًا، وعقوبة تكرار 1.0، وحصة إخراج تبلغ 40,960 رمزًا. وهذه إعدادات مسبقة مختلفة لدى الجهة المنتجة، وليست حدًا صارمًا واحدًا للإخراج. أتح مساحة للاستدلال والنص النهائي إلى جانب الرموز البصرية، وتحقّق من النص المستخرج والإجابات المحسوبة والشيفرة المولّدة وفق المصدر قبل استخدامها.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود qwen3-vl-235b-a22b-thinking | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000572 / 1K من الرموز الإخراج · رموز الإخراج $0.00572 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3-vl-235b-a22b-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='qwen3-vl-235b-a22b-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='qwen3-vl-235b-a22b-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 أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking هو نموذج Qwen للرؤية واللغة القائم على مزيج الخبراء لاستدلال النص والصور والفيديو. استخدم إصدار Thinking لأسئلة STEM وأدلة المستندات والعلاقات المكانية والبرمجة البصرية وتحليل الفيديو بطوابع زمنية، مع سياق أصلي يبلغ 262,144 رمزًا.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
مقدمة: إصدار Thinking متعدد الوسائط
Qwen3-VL-235B-A22B-Thinking هو إصدار Qwen3-VL القائم على مزيج الخبراء والمركّز على الاستدلال. يجمع النص مع الصور والفيديو وينتج إجابات نصية أو شيفرة. إصدار أوزان Thinking الثابت منفصل عن Qwen3-VL-235B-A22B-Instruct وبنيات FP8 ذات الأسماء المنفصلة. اختره لسؤال يتطلب ربط الأدلة البصرية بشرح أطول، بدل افتراض أن جميع إصدارات Qwen3-VL لها أسلوب الاستجابة نفسه.
الوكلاء البصريون والبرمجة البصرية
تصف Qwen سير عمل لوكيل بصري يتعرف على عناصر واجهات الكمبيوتر أو الهاتف، ويفسّر وظائفها، ويعمل مع الأدوات لإتمام المهام. يوفّر النموذج الإدراك والاستدلال؛ ويجب على التطبيق ربط الإجراءات وتنفيذها. وفي مراجعة واجهة، قدّم لقطة الشاشة الحالية وهدفًا محددًا، ثم اطلب تحديد عناصر التحكم ذات الصلة وشرح الإجراء التالي. الصورة وحدها لا تمنح التحكم في الجهاز.
تشمل البرمجة البصرية توليد محتوى المخططات وHTML أو CSS أو JavaScript من الصور والفيديو. قدّم لقطة شاشة مع التخطيط والسلوك وتنسيق الإخراج القابل للتحرير المطلوب. اطلب بنية الصفحة وأنماطها كمخرجين منفصلين عندما يسهّل ذلك المراجعة. الشيفرة المولّدة نص لسير عمل تطوير؛ وليست دليلًا على عرض موقع ويب أو تحول الصورة المصدرية إلى تطبيق عامل.
الإدراك المكاني
توثّق الجهة المصنّعة الاستدلال بشأن مواضع الأجسام وزوايا النظر والحجب، مع ربط مكاني ثنائي الأبعاد ودعم للربط ثلاثي الأبعاد. اسأل عن علاقة محددة وعيّن الجسم المعني: مثلًا، أي مكوّن محجوب، وما الذي يقع أمامه، وأي قرائن بصرية تدعم ذلك التفسير. لا ينبغي اعتبار قدرة الربط المكاني قياسًا ماديًا معايرًا من صورة اعتباطية.
السياق الطويل والفيديو
يبلغ السياق الأصلي 262,144 رمزًا. تصف Qwen توسيعه إلى نحو مليون عبر إعداد YaRN، ومسارات عائلية تتضمن كتبًا أو فيديو لساعات مع فهرسة أحداث بدقة الثواني. تعتمد هذه القدرات على التمثيل وأخذ عينات الإطارات وإعداد السياق؛ ولا يضمن الوصف العام للجهة المصنّعة استرجاعًا مثاليًا لكل إطار. وتنصح Qwen في مستودعها بمعامل استقراء مقداره اثنان أو ثلاثة لهذا المخطط الموضعي المتداخل عند توسيع 256K إلى نحو 1M، بدل نسخ معامل أربعة من نموذج آخر تلقائيًا.
الاستدلال متعدد الوسائط والتعرف
يستهدف إصدار Thinking الاستدلال الرياضي وفي مجالات STEM المستند إلى الأدلة، والتحليل السببي والإجابات المنطقية التي تربط النص بالمواد البصرية. قدّم الرسم وتعريفاته معًا، أو مخططًا والسؤال العددي الدقيق. اطلب التسميات والقيم المستخدمة قبل الاستنتاج. وتصف Qwen أيضًا تعرفًا بصريًا أوسع يشمل الأشخاص والأنمي والمنتجات والمعالم والنباتات والحيوانات. وتظل إجابة التعرف استنتاجًا من الصورة المقدمة، وليست ضمانًا لإمكان تسمية كل جسم أو هوية.
يغطي OCR عددًا يبلغ 32 لغة، وهو مصمم لتحسين القراءة في الإضاءة المنخفضة أو الضبابية أو الميل، بما يشمل المفردات المتخصصة وبنية المستندات الطويلة. احتفظ بصور مصدرية مقروءة، واطلب حقولًا أو اقتباسات أو جدولًا منظّمًا يمكن التحقق منه. يجتمع فهم النص والمرئيات في نموذج واحد، لذا يمكن للسؤال الإشارة معًا إلى مقطع مستند وشكل وتعليمات المستخدم.
تغييرات البنية
يوزّع Interleaved-MRoPE التمثيل الموضعي عبر الزمن والعرض والارتفاع لاستدلال الفيديو. يجمع DeepStack السمات البصرية من عدة مستويات في المشفّر لالتقاط تفاصيل أدق وتحسين محاذاة الصورة والنص. وتربط محاذاة النص والطوابع الزمنية الأحداث بمراجع زمنية. تحتوي إعدادات النص المنشورة على 94 طبقة و128 خبيرًا، مع اختيار ثمانية خبراء لكل رمز. تشرح هذه التفاصيل المعمارية التمثيل متعدد الوسائط للنموذج؛ ولا تثبت ضمانًا لزمن الاستجابة.
إعداد المدخلات والمخرجات البصرية
تغطي أمثلة الجهة المصنّعة صورة واحدة أو عدة صور والفيديو والطلبات النصية فقط. ضع تسمية لكل مدخل بصري حتى يستطيع السؤال الإشارة إليه بوضوح. تستخدم معالجات الصور والفيديو ميزانيتين منفصلتين للبكسلات: تحد ميزانية الصورة بكسلاتها، بينما تحسب ميزانية الفيديو البكسلات عبر الإطارات المأخوذة كعينات. تُحاذى أبعاد الصور الصريحة مع مضاعفات 32. يمكن التحكم في أخذ عينات الفيديو بالمعدل أو عدد الإطارات؛ والمعدل الافتراضي الموثّق إطاران في الثانية. احتفظ بالطوابع الزمنية عند طلب خط زمني للأحداث.
في مقطع طويل، اطلب الحدث وفترته الزمنية والأدلة المرئية بدل ملخص غير مميّز التفاصيل. وفي عدة صفحات، اطلب نتيجة منظّمة بحسب معرّف الصفحة. تطبّق أمثلة الإعداد هذه القدرات الموثّقة وتساعد على إظهار السهو أو أخطاء الاستخراج.
إرشادات التوليد وحدوده
يضبط ملف التوليد لإصدار الأوزان القيم الافتراضية على temperature 0.8 وtop_p 0.95 وtop_k 20. وتستخدم وصفة تقييم Thinking المنفصلة لدى Qwen قيمة temperature 0.6، وعقوبة حضور صفرًا، وعقوبة تكرار 1.0، وحصة إخراج تبلغ 40,960 رمزًا. وهذه إعدادات مسبقة مختلفة لدى الجهة المنتجة، وليست حدًا صارمًا واحدًا للإخراج. أتح مساحة للاستدلال والنص النهائي إلى جانب الرموز البصرية، وتحقّق من النص المستخرج والإجابات المحسوبة والشيفرة المولّدة وفق المصدر قبل استخدامها.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود qwen3-vl-235b-a22b-thinking | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000572 / 1K من الرموز الإخراج · رموز الإخراج $0.00572 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-vl-235b-a22b-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': 'qwen3-vl-235b-a22b-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 أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
مثال تقني باللغة الإنجليزية
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.