Edice 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct je instrukčně zaměřený člen Qwen3-VL s architekturou mixture-of-experts. Přijímá text, obrázky a video a generuje text včetně kódu nebo požadovaného dokumentu. Zachovejte přesnou edici Instruct místo přisuzování odpovědního kontraktu checkpointu Thinking nebo postupu jiné velikosti. Užitečná úloha dává modelu konkrétní otázku a výsledek, který lze porovnat s dodanými podklady.
Vizuální agenti a programování
Výrobce popisuje postupy vizuálních agentů, které rozpoznávají prvky rozhraní, chápou jejich funkce a vyvolávají nástroje pro počítačové nebo mobilní úlohy. Poskytněte snímek obrazovky a cíl, poté požádejte o příslušný ovládací prvek a podklady podporující volbu. Připojená aplikace provádí akce a dodává výsledky; rozpoznání rozhraní samo o sobě neovládá zařízení.
Vizuální programování zahrnuje obsah diagramů a HTML, CSS nebo JavaScript vytvořené z obrázků nebo videa. Poskytněte předlohu rozvržení, funkční omezení a požadovaný upravitelný výstup. Pro změnu existující stránky zahrňte relevantní zdroj a stavy interakce. Požádejte o výsledek odděleně od vysvětlení, aby jej vývojový postup mohl vykreslit a prověřit. Generovaný zdroj zůstává návrhem, nikoli důkazem fungující aplikace.
Prostorové vnímání a dlouhý materiál
Qwen dokumentuje úsudky o pozicích, úhlech pohledu a zakrytí včetně dvourozměrné lokalizace a podpory třírozměrné lokalizace. Určete objekty a vztah, které jsou důležité, poté se zeptejte, které viditelné indicie podporují závěr. Vztah založený na obrázku by se neměl považovat za kalibrované fyzické měření.
Nativní kontext je 262 144 tokenů. Rodina popisuje knihy a několikahodinové video s indexováním událostí na úrovni sekund a rozšířením přibližně na milion tokenů prostřednictvím konfigurace. Při žádosti o popis událostí zachovejte časování a zdrojové identifikátory. Reprezentace a vzorkování určují, který materiál vstoupí do požadavku; velký kontext není zárukou dokonalého zapamatování každé stránky nebo snímku.
Uvažování, rozpoznávání a OCR
Rodina podporuje vizuální otázky z oblasti STEM, matematiky, kauzality a logiky. Dodejte úplné zadání a označení diagramu a požádejte model, aby před závěrem určil použité hodnoty nebo vztahy. Text a obraz se kombinují, takže jedna otázka může spojit odstavec s jeho ilustrací a uživatelovými instrukcemi.
Rozpoznávání se rozšiřuje na lidi, produkty, významná místa, rostliny, zvířata a mediální postavy. OCR pokrývá 32 jazyků a zaměřuje se na nízké osvětlení, rozmazání a náklon včetně odborné slovní zásoby a struktury dlouhých dokumentů. Poskytněte čitelné stránky a požádejte o pojmenovaná pole, citace nebo tabulku, kterou lze ověřit proti obrázku. Tato použití odrážejí zdokumentovaný rozsah, nikoli záruku přesné identifikace, přepisu nebo výpočtu.
Aktualizace architektury
Zveřejněná textová konfigurace mixture-of-experts má 94 vrstev, 128 expertů a osm expertů vybraných pro každý token. Interleaved-MRoPE reprezentuje čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z více úrovní enkodéru a zarovnání textu a časových značek ukotvuje události v časových referencích. Tuto edici 235B-A22B Instruct používejte konzistentně při přípravě vizuálních úloh a porovnávání jejich výsledků.
Příprava vizuálních vstupů
Příklady rodiny pokrývají pouze textové požadavky, jeden nebo více obrázků a video. Označte vizuální vstupy a určete jejich vztah. Rozpočty pixelů obrázků a videa jsou oddělené, zatímco explicitní rozměry obrázků se zarovnávají na násobky 32. Zdokumentovaná výchozí hodnota videa jsou dva snímky za sekundu s ovládáním frekvence nebo počtu snímků tam, kde je podporováno. Zachovejte metadata videa a neprovádějte dvojí změnu velikosti, pokud pomocný nástroj již změnil velikost materiálu.
Pro několik stránek dokumentu uspořádejte odpověď podle označení stránky a požádejte o podpůrná pole nebo pasáže. U klipu požadujte relevantní událost, interval a viditelné podklady. Porovnejte vrácený interval události a podpůrné detaily s původním klipem a jeho časováním.
Doporučení pro generování a limity
Generační soubor checkpointu má výchozí temperature 0,7, top_p 0,8, top_k 20 a repetition penalty 1,0. Postup rodiny pro Instruct navíc používá presence penalty 1,5 a prostor pro výstup 32 768 tokenů. Tato alokace je rozpočtem postupu výrobce, nikoli samostatně stanoveným pevným stropem výstupu. Alokace pro konkrétní úlohy karty 8B a přednastavení edice Thinking zůstávají oddělené.
Rozšíření kontextu rodiny používá YaRN a navrhuje faktor dva nebo tři při přesunu prokládaného pozičního schématu z 256K přibližně na 1M. Vyhraďte prostor pro odpověď vedle textu a reprezentovaných vizuálních dat a ověřte citace, extrahovaná čísla a generovaný kód proti zdroji. Užitečným výsledkem je konkrétní textový výstup se zachováním podpůrných vizuálních podkladů a přesné identity Instruct.
", "aboutText": "Edice 235B-A22B Instruct\n\nQwen3-VL-235B-A22B-Instruct je instrukčně zaměřený člen Qwen3-VL s architekturou mixture-of-experts. Přijímá text, obrázky a video a generuje text včetně kódu nebo požadovaného dokumentu. Zachovejte přesnou edici Instruct místo přisuzování odpovědního kontraktu checkpointu Thinking nebo postupu jiné velikosti. Užitečná úloha dává modelu konkrétní otázku a výsledek, který lze porovnat s dodanými podklady.\n\nVizuální agenti a programování\n\nVýrobce popisuje postupy vizuálních agentů, které rozpoznávají prvky rozhraní, chápou jejich funkce a vyvolávají nástroje pro počítačové nebo mobilní úlohy. Poskytněte snímek obrazovky a cíl, poté požádejte o příslušný ovládací prvek a podklady podporující volbu. Připojená aplikace provádí akce a dodává výsledky; rozpoznání rozhraní samo o sobě neovládá zařízení.\n\nVizuální programování zahrnuje obsah diagramů a HTML, CSS nebo JavaScript vytvořené z obrázků nebo videa. Poskytněte předlohu rozvržení, funkční omezení a požadovaný upravitelný výstup. Pro změnu existující stránky zahrňte relevantní zdroj a stavy interakce. Požádejte o výsledek odděleně od vysvětlení, aby jej vývojový postup mohl vykreslit a prověřit. Generovaný zdroj zůstává návrhem, nikoli důkazem fungující aplikace.\n\nProstorové vnímání a dlouhý materiál\n\nQwen dokumentuje úsudky o pozicích, úhlech pohledu a zakrytí včetně dvourozměrné lokalizace a podpory třírozměrné lokalizace. Určete objekty a vztah, které jsou důležité, poté se zeptejte, které viditelné indicie podporují závěr. Vztah založený na obrázku by se neměl považovat za kalibrované fyzické měření.\n\nNativní kontext je 262 144 tokenů. Rodina popisuje knihy a několikahodinové video s indexováním událostí na úrovni sekund a rozšířením přibližně na milion tokenů prostřednictvím konfigurace. Při žádosti o popis událostí zachovejte časování a zdrojové identifikátory. Reprezentace a vzorkování určují, který materiál vstoupí do požadavku; velký kontext není zárukou dokonalého zapamatování každé stránky nebo snímku.\n\nUvažování, rozpoznávání a OCR\n\nRodina podporuje vizuální otázky z oblasti STEM, matematiky, kauzality a logiky. Dodejte úplné zadání a označení diagramu a požádejte model, aby před závěrem určil použité hodnoty nebo vztahy. Text a obraz se kombinují, takže jedna otázka může spojit odstavec s jeho ilustrací a uživatelovými instrukcemi.\n\nRozpoznávání se rozšiřuje na lidi, produkty, významná místa, rostliny, zvířata a mediální postavy. OCR pokrývá 32 jazyků a zaměřuje se na nízké osvětlení, rozmazání a náklon včetně odborné slovní zásoby a struktury dlouhých dokumentů. Poskytněte čitelné stránky a požádejte o pojmenovaná pole, citace nebo tabulku, kterou lze ověřit proti obrázku. Tato použití odrážejí zdokumentovaný rozsah, nikoli záruku přesné identifikace, přepisu nebo výpočtu.\n\nAktualizace architektury\n\nZveřejněná textová konfigurace mixture-of-experts má 94 vrstev, 128 expertů a osm expertů vybraných pro každý token. Interleaved-MRoPE reprezentuje čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z více úrovní enkodéru a zarovnání textu a časových značek ukotvuje události v časových referencích. Tuto edici 235B-A22B Instruct používejte konzistentně při přípravě vizuálních úloh a porovnávání jejich výsledků.\n\nPříprava vizuálních vstupů\n\nPříklady rodiny pokrývají pouze textové požadavky, jeden nebo více obrázků a video. Označte vizuální vstupy a určete jejich vztah. Rozpočty pixelů obrázků a videa jsou oddělené, zatímco explicitní rozměry obrázků se zarovnávají na násobky 32. Zdokumentovaná výchozí hodnota videa jsou dva snímky za sekundu s ovládáním frekvence nebo počtu snímků tam, kde je podporováno. Zachovejte metadata videa a neprovádějte dvojí změnu velikosti, pokud pomocný nástroj již změnil velikost materiálu.\n\nPro několik stránek dokumentu uspořádejte odpověď podle označení stránky a požádejte o podpůrná pole nebo pasáže. U klipu požadujte relevantní událost, interval a viditelné podklady. Porovnejte vrácený interval události a podpůrné detaily s původním klipem a jeho časováním.\n\nDoporučení pro generování a limity\n\nGenerační soubor checkpointu má výchozí temperature 0,7, top_p 0,8, top_k 20 a repetition penalty 1,0. Postup rodiny pro Instruct navíc používá presence penalty 1,5 a prostor pro výstup 32 768 tokenů. Tato alokace je rozpočtem postupu výrobce, nikoli samostatně stanoveným pevným stropem výstupu. Alokace pro konkrétní úlohy karty 8B a přednastavení edice Thinking zůstávají oddělené.\n\nRozšíření kontextu rodiny používá YaRN a navrhuje faktor dva nebo tři při přesunu prokládaného pozičního schématu z 256K přibližně na 1M. Vyhraďte prostor pro odpověď vedle textu a reprezentovaných vizuálních dat a ověřte citace, extrahovaná čísla a generovaný kód proti zdroji. Užitečným výsledkem je konkrétní textový výstup se zachováním podpůrných vizuálních podkladů a přesné identity Instruct.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct je vizuálně-jazyková edice mixture-of-experts od Qwen zaměřená na instrukce pro text, obrázky a video. Vrací text nebo kód pro vizuální postupy, dokumenty, prostorové otázky a úlohy STEM, s OCR ve 32 jazycích a nativním kontextem 262 144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Edice 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct je instrukčně zaměřený člen Qwen3-VL s architekturou mixture-of-experts. Přijímá text, obrázky a video a generuje text včetně kódu nebo požadovaného dokumentu. Zachovejte přesnou edici Instruct místo přisuzování odpovědního kontraktu checkpointu Thinking nebo postupu jiné velikosti. Užitečná úloha dává modelu konkrétní otázku a výsledek, který lze porovnat s dodanými podklady.
Vizuální agenti a programování
Výrobce popisuje postupy vizuálních agentů, které rozpoznávají prvky rozhraní, chápou jejich funkce a vyvolávají nástroje pro počítačové nebo mobilní úlohy. Poskytněte snímek obrazovky a cíl, poté požádejte o příslušný ovládací prvek a podklady podporující volbu. Připojená aplikace provádí akce a dodává výsledky; rozpoznání rozhraní samo o sobě neovládá zařízení.
Vizuální programování zahrnuje obsah diagramů a HTML, CSS nebo JavaScript vytvořené z obrázků nebo videa. Poskytněte předlohu rozvržení, funkční omezení a požadovaný upravitelný výstup. Pro změnu existující stránky zahrňte relevantní zdroj a stavy interakce. Požádejte o výsledek odděleně od vysvětlení, aby jej vývojový postup mohl vykreslit a prověřit. Generovaný zdroj zůstává návrhem, nikoli důkazem fungující aplikace.
Prostorové vnímání a dlouhý materiál
Qwen dokumentuje úsudky o pozicích, úhlech pohledu a zakrytí včetně dvourozměrné lokalizace a podpory třírozměrné lokalizace. Určete objekty a vztah, které jsou důležité, poté se zeptejte, které viditelné indicie podporují závěr. Vztah založený na obrázku by se neměl považovat za kalibrované fyzické měření.
Nativní kontext je 262 144 tokenů. Rodina popisuje knihy a několikahodinové video s indexováním událostí na úrovni sekund a rozšířením přibližně na milion tokenů prostřednictvím konfigurace. Při žádosti o popis událostí zachovejte časování a zdrojové identifikátory. Reprezentace a vzorkování určují, který materiál vstoupí do požadavku; velký kontext není zárukou dokonalého zapamatování každé stránky nebo snímku.
Uvažování, rozpoznávání a OCR
Rodina podporuje vizuální otázky z oblasti STEM, matematiky, kauzality a logiky. Dodejte úplné zadání a označení diagramu a požádejte model, aby před závěrem určil použité hodnoty nebo vztahy. Text a obraz se kombinují, takže jedna otázka může spojit odstavec s jeho ilustrací a uživatelovými instrukcemi.
Rozpoznávání se rozšiřuje na lidi, produkty, významná místa, rostliny, zvířata a mediální postavy. OCR pokrývá 32 jazyků a zaměřuje se na nízké osvětlení, rozmazání a náklon včetně odborné slovní zásoby a struktury dlouhých dokumentů. Poskytněte čitelné stránky a požádejte o pojmenovaná pole, citace nebo tabulku, kterou lze ověřit proti obrázku. Tato použití odrážejí zdokumentovaný rozsah, nikoli záruku přesné identifikace, přepisu nebo výpočtu.
Aktualizace architektury
Zveřejněná textová konfigurace mixture-of-experts má 94 vrstev, 128 expertů a osm expertů vybraných pro každý token. Interleaved-MRoPE reprezentuje čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z více úrovní enkodéru a zarovnání textu a časových značek ukotvuje události v časových referencích. Tuto edici 235B-A22B Instruct používejte konzistentně při přípravě vizuálních úloh a porovnávání jejich výsledků.
Příprava vizuálních vstupů
Příklady rodiny pokrývají pouze textové požadavky, jeden nebo více obrázků a video. Označte vizuální vstupy a určete jejich vztah. Rozpočty pixelů obrázků a videa jsou oddělené, zatímco explicitní rozměry obrázků se zarovnávají na násobky 32. Zdokumentovaná výchozí hodnota videa jsou dva snímky za sekundu s ovládáním frekvence nebo počtu snímků tam, kde je podporováno. Zachovejte metadata videa a neprovádějte dvojí změnu velikosti, pokud pomocný nástroj již změnil velikost materiálu.
Pro několik stránek dokumentu uspořádejte odpověď podle označení stránky a požádejte o podpůrná pole nebo pasáže. U klipu požadujte relevantní událost, interval a viditelné podklady. Porovnejte vrácený interval události a podpůrné detaily s původním klipem a jeho časováním.
Doporučení pro generování a limity
Generační soubor checkpointu má výchozí temperature 0,7, top_p 0,8, top_k 20 a repetition penalty 1,0. Postup rodiny pro Instruct navíc používá presence penalty 1,5 a prostor pro výstup 32 768 tokenů. Tato alokace je rozpočtem postupu výrobce, nikoli samostatně stanoveným pevným stropem výstupu. Alokace pro konkrétní úlohy karty 8B a přednastavení edice Thinking zůstávají oddělené.
Rozšíření kontextu rodiny používá YaRN a navrhuje faktor dva nebo tři při přesunu prokládaného pozičního schématu z 256K přibližně na 1M. Vyhraďte prostor pro odpověď vedle textu a reprezentovaných vizuálních dat a ověřte citace, extrahovaná čísla a generovaný kód proti zdroji. Užitečným výsledkem je konkrétní textový výstup se zachováním podpůrných vizuálních podkladů a přesné identity Instruct.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3-vl-235b-a22b-instruct | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.0038 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.0038 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${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-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-235b-a22b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-235b-a22b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-instruct
Použijte cesty metod uvedené výše.
qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct je vizuálně-jazyková edice mixture-of-experts od Qwen zaměřená na instrukce pro text, obrázky a video. Vrací text nebo kód pro vizuální postupy, dokumenty, prostorové otázky a úlohy STEM, s OCR ve 32 jazycích a nativním kontextem 262 144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Edice 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct je instrukčně zaměřený člen Qwen3-VL s architekturou mixture-of-experts. Přijímá text, obrázky a video a generuje text včetně kódu nebo požadovaného dokumentu. Zachovejte přesnou edici Instruct místo přisuzování odpovědního kontraktu checkpointu Thinking nebo postupu jiné velikosti. Užitečná úloha dává modelu konkrétní otázku a výsledek, který lze porovnat s dodanými podklady.
Vizuální agenti a programování
Výrobce popisuje postupy vizuálních agentů, které rozpoznávají prvky rozhraní, chápou jejich funkce a vyvolávají nástroje pro počítačové nebo mobilní úlohy. Poskytněte snímek obrazovky a cíl, poté požádejte o příslušný ovládací prvek a podklady podporující volbu. Připojená aplikace provádí akce a dodává výsledky; rozpoznání rozhraní samo o sobě neovládá zařízení.
Vizuální programování zahrnuje obsah diagramů a HTML, CSS nebo JavaScript vytvořené z obrázků nebo videa. Poskytněte předlohu rozvržení, funkční omezení a požadovaný upravitelný výstup. Pro změnu existující stránky zahrňte relevantní zdroj a stavy interakce. Požádejte o výsledek odděleně od vysvětlení, aby jej vývojový postup mohl vykreslit a prověřit. Generovaný zdroj zůstává návrhem, nikoli důkazem fungující aplikace.
Prostorové vnímání a dlouhý materiál
Qwen dokumentuje úsudky o pozicích, úhlech pohledu a zakrytí včetně dvourozměrné lokalizace a podpory třírozměrné lokalizace. Určete objekty a vztah, které jsou důležité, poté se zeptejte, které viditelné indicie podporují závěr. Vztah založený na obrázku by se neměl považovat za kalibrované fyzické měření.
Nativní kontext je 262 144 tokenů. Rodina popisuje knihy a několikahodinové video s indexováním událostí na úrovni sekund a rozšířením přibližně na milion tokenů prostřednictvím konfigurace. Při žádosti o popis událostí zachovejte časování a zdrojové identifikátory. Reprezentace a vzorkování určují, který materiál vstoupí do požadavku; velký kontext není zárukou dokonalého zapamatování každé stránky nebo snímku.
Uvažování, rozpoznávání a OCR
Rodina podporuje vizuální otázky z oblasti STEM, matematiky, kauzality a logiky. Dodejte úplné zadání a označení diagramu a požádejte model, aby před závěrem určil použité hodnoty nebo vztahy. Text a obraz se kombinují, takže jedna otázka může spojit odstavec s jeho ilustrací a uživatelovými instrukcemi.
Rozpoznávání se rozšiřuje na lidi, produkty, významná místa, rostliny, zvířata a mediální postavy. OCR pokrývá 32 jazyků a zaměřuje se na nízké osvětlení, rozmazání a náklon včetně odborné slovní zásoby a struktury dlouhých dokumentů. Poskytněte čitelné stránky a požádejte o pojmenovaná pole, citace nebo tabulku, kterou lze ověřit proti obrázku. Tato použití odrážejí zdokumentovaný rozsah, nikoli záruku přesné identifikace, přepisu nebo výpočtu.
Aktualizace architektury
Zveřejněná textová konfigurace mixture-of-experts má 94 vrstev, 128 expertů a osm expertů vybraných pro každý token. Interleaved-MRoPE reprezentuje čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z více úrovní enkodéru a zarovnání textu a časových značek ukotvuje události v časových referencích. Tuto edici 235B-A22B Instruct používejte konzistentně při přípravě vizuálních úloh a porovnávání jejich výsledků.
Příprava vizuálních vstupů
Příklady rodiny pokrývají pouze textové požadavky, jeden nebo více obrázků a video. Označte vizuální vstupy a určete jejich vztah. Rozpočty pixelů obrázků a videa jsou oddělené, zatímco explicitní rozměry obrázků se zarovnávají na násobky 32. Zdokumentovaná výchozí hodnota videa jsou dva snímky za sekundu s ovládáním frekvence nebo počtu snímků tam, kde je podporováno. Zachovejte metadata videa a neprovádějte dvojí změnu velikosti, pokud pomocný nástroj již změnil velikost materiálu.
Pro několik stránek dokumentu uspořádejte odpověď podle označení stránky a požádejte o podpůrná pole nebo pasáže. U klipu požadujte relevantní událost, interval a viditelné podklady. Porovnejte vrácený interval události a podpůrné detaily s původním klipem a jeho časováním.
Doporučení pro generování a limity
Generační soubor checkpointu má výchozí temperature 0,7, top_p 0,8, top_k 20 a repetition penalty 1,0. Postup rodiny pro Instruct navíc používá presence penalty 1,5 a prostor pro výstup 32 768 tokenů. Tato alokace je rozpočtem postupu výrobce, nikoli samostatně stanoveným pevným stropem výstupu. Alokace pro konkrétní úlohy karty 8B a přednastavení edice Thinking zůstávají oddělené.
Rozšíření kontextu rodiny používá YaRN a navrhuje faktor dva nebo tři při přesunu prokládaného pozičního schématu z 256K přibližně na 1M. Vyhraďte prostor pro odpověď vedle textu a reprezentovaných vizuálních dat a ověřte citace, extrahovaná čísla a generovaný kód proti zdroji. Užitečným výsledkem je konkrétní textový výstup se zachováním podpůrných vizuálních podkladů a přesné identity Instruct.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3-vl-235b-a22b-instruct | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.0038 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.0038 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen/qwen3-vl-235b-a22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-instruct
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.