Úvod: multimodální edice Thinking
Qwen3-VL-235B-A22B-Thinking je edice Qwen3-VL s architekturou mixture-of-experts zaměřená na uvažování. Kombinuje text s obrázky a videem a vytváří textové odpovědi nebo kód. Pevný checkpoint Thinking je samostatný od Qwen3-VL-235B-A22B-Instruct a samostatně pojmenovaných sestavení FP8. Zvolte jej pro otázku vyžadující propojení vizuálních důkazů s delším vysvětlením, místo abyste předpokládali stejný styl odpovědí u všech edic Qwen3-VL.
Vizuální agenti a tvorba kódu z obrazových podkladů
Qwen popisuje postup vizuálního agenta, který rozpoznává prvky rozhraní počítačů nebo mobilních zařízení, vykládá jejich funkce a spolupracuje s nástroji na dokončení úloh. Model zajišťuje vnímání a uvažování; aplikace musí akce propojit a provést. Pro posouzení rozhraní dodejte aktuální snímek obrazovky a konkrétní cíl a požadujte určení příslušných ovládacích prvků a vysvětlení další akce. Samotný obrázek neuděluje kontrolu nad zařízením.
Tvorba kódu z obrazových podkladů zahrnuje generování obsahu diagramů a HTML, CSS nebo JavaScriptu z obrázků a videí. Dodejte snímek obrazovky s požadovaným rozvržením, chováním a upravitelným výstupním formátem. Pokud to usnadní kontrolu, požadujte strukturu stránky a styly jako samostatné výstupy. Vygenerovaný kód je text pro vývojový postup; nedokládá, že byl web vykreslen ani že se zdrojový obrázek proměnil ve fungující aplikaci.
Prostorové vnímání
Výrobce dokumentuje uvažování o polohách objektů, úhlech pohledu a zakrytí, s dvourozměrným ukotvením a podporou trojrozměrného ukotvení. Položte konkrétní otázku na vztah a určete objekt zájmu: například která součást je zakrytá, co je před ní a která vizuální vodítka takový výklad podporují. Schopnost ukotvení nelze považovat za kalibrované fyzické měření z libovolného obrázku.
Dlouhý kontext a video
Nativní kontext má 262,144 tokenů. Qwen popisuje rozšíření přibližně na jeden milion pomocí konfigurace YaRN a pracovní postupy této rodiny modelů zahrnující knihy nebo několikahodinová videa s indexací událostí s přesností na sekundy. Tyto schopnosti závisejí na reprezentaci, vzorkování snímků a konfiguraci kontextu; obecný popis výrobce nezaručuje, že si model dokonale vybaví obsah každého snímku. Ve svém repozitáři Qwen pro toto prokládané poziční schéma doporučuje při rozšíření z 256K přibližně na 1M extrapolační faktor dva nebo tři, namísto automatického převzetí faktoru čtyři z jiného modelu.
Multimodální uvažování a rozpoznávání
Edice Thinking se zaměřuje na uvažování v oborech STEM a matematice opřené o důkazy, kauzální analýzu a logické odpovědi propojující text s obrazovými materiály. Dodejte diagram společně s jeho definicemi nebo graf s přesnou číselnou otázkou. Před závěrem požadujte uvedení použitých popisků a hodnot. Qwen také popisuje širší vizuální rozpoznávání lidí, anime, produktů, památek, rostlin a zvířat. Odpověď při rozpoznávání zůstává odvozením z dodaného obrázku, nikoli zárukou, že lze pojmenovat každý objekt nebo identitu.
OCR pokrývá 32 jazyků a je navrženo pro lepší čtení při slabém osvětlení, rozmazání nebo naklonění, včetně odborné slovní zásoby a struktury dlouhých dokumentů. Zachovejte čitelné zdrojové obrázky a požadujte pole, citace nebo strukturovanou tabulku, které lze ověřit. Porozumění textu a obrazovému obsahu je spojeno v jednom modelu, takže se otázka může současně odkazovat na pasáž dokumentu, obrázek a pokyny uživatele.
Změny architektury
Interleaved-MRoPE rozděluje poziční reprezentaci mezi čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z několika úrovní enkodéru, aby zachytil jemnější detaily a zlepšil sladění obrazu s textem. Sladění textu a časových značek ukotvuje události v časových odkazech. Vydaná textová konfigurace má 94 vrstev, 128 expertů a osm expertů vybíraných pro každý token. Tyto architektonické podrobnosti vysvětlují multimodální reprezentaci modelu; nezaručují dobu odezvy.
Příprava obrazového vstupu a výstupu
Příklady výrobce pokrývají požadavky s jedním nebo několika obrázky, videem i pouze textem. Každý obrazový vstup označte, aby na něj otázka mohla jasně odkazovat. Procesory obrázků a videa používají samostatné pixelové rozpočty: rozpočet obrázku omezuje počet jeho pixelů, zatímco rozpočet videa počítá pixely napříč vzorkovanými snímky. Výslovně zadané rozměry obrázků se zarovnávají na násobky 32. Vzorkování videa lze řídit frekvencí nebo počtem snímků; dokumentovaná výchozí hodnota jsou dva snímky za sekundu. Při požadavku na časovou osu událostí zachovejte časové značky.
U dlouhého klipu požadujte událost, její časový interval a viditelné důkazy místo nerozlišeného shrnutí. U několika stránek požadujte výsledek uspořádaný podle identifikátoru stránky. Tyto příklady přípravy využívají dokumentované schopnosti a pomáhají odhalit vynechání nebo chyby při extrakci.
Pokyny a limity generování
Soubor generování checkpointu má výchozí hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný vyhodnocovací postup Qwen pro Thinking používá temperature 0.6, presence penalty nula, repetition penalty 1.0 a povolený výstup 40,960 tokenů. Jde o odlišná přednastavení výrobce, nikoli o jediný pevný limit výstupu. Vedle obrazových tokenů ponechte prostor pro uvažování a konečný text a před použitím ověřte extrahovaný text, vypočtené odpovědi a vygenerovaný kód podle zdroje.
", "aboutText": "Úvod: multimodální edice Thinking\n\nQwen3-VL-235B-A22B-Thinking je edice Qwen3-VL s architekturou mixture-of-experts zaměřená na uvažování. Kombinuje text s obrázky a videem a vytváří textové odpovědi nebo kód. Pevný checkpoint Thinking je samostatný od Qwen3-VL-235B-A22B-Instruct a samostatně pojmenovaných sestavení FP8. Zvolte jej pro otázku vyžadující propojení vizuálních důkazů s delším vysvětlením, místo abyste předpokládali stejný styl odpovědí u všech edic Qwen3-VL.\n\nVizuální agenti a tvorba kódu z obrazových podkladů\n\nQwen popisuje postup vizuálního agenta, který rozpoznává prvky rozhraní počítačů nebo mobilních zařízení, vykládá jejich funkce a spolupracuje s nástroji na dokončení úloh. Model zajišťuje vnímání a uvažování; aplikace musí akce propojit a provést. Pro posouzení rozhraní dodejte aktuální snímek obrazovky a konkrétní cíl a požadujte určení příslušných ovládacích prvků a vysvětlení další akce. Samotný obrázek neuděluje kontrolu nad zařízením.\n\nTvorba kódu z obrazových podkladů zahrnuje generování obsahu diagramů a HTML, CSS nebo JavaScriptu z obrázků a videí. Dodejte snímek obrazovky s požadovaným rozvržením, chováním a upravitelným výstupním formátem. Pokud to usnadní kontrolu, požadujte strukturu stránky a styly jako samostatné výstupy. Vygenerovaný kód je text pro vývojový postup; nedokládá, že byl web vykreslen ani že se zdrojový obrázek proměnil ve fungující aplikaci.\n\nProstorové vnímání\n\nVýrobce dokumentuje uvažování o polohách objektů, úhlech pohledu a zakrytí, s dvourozměrným ukotvením a podporou trojrozměrného ukotvení. Položte konkrétní otázku na vztah a určete objekt zájmu: například která součást je zakrytá, co je před ní a která vizuální vodítka takový výklad podporují. Schopnost ukotvení nelze považovat za kalibrované fyzické měření z libovolného obrázku.\n\nDlouhý kontext a video\n\nNativní kontext má 262,144 tokenů. Qwen popisuje rozšíření přibližně na jeden milion pomocí konfigurace YaRN a pracovní postupy této rodiny modelů zahrnující knihy nebo několikahodinová videa s indexací událostí s přesností na sekundy. Tyto schopnosti závisejí na reprezentaci, vzorkování snímků a konfiguraci kontextu; obecný popis výrobce nezaručuje, že si model dokonale vybaví obsah každého snímku. Ve svém repozitáři Qwen pro toto prokládané poziční schéma doporučuje při rozšíření z 256K přibližně na 1M extrapolační faktor dva nebo tři, namísto automatického převzetí faktoru čtyři z jiného modelu.\n\nMultimodální uvažování a rozpoznávání\n\nEdice Thinking se zaměřuje na uvažování v oborech STEM a matematice opřené o důkazy, kauzální analýzu a logické odpovědi propojující text s obrazovými materiály. Dodejte diagram společně s jeho definicemi nebo graf s přesnou číselnou otázkou. Před závěrem požadujte uvedení použitých popisků a hodnot. Qwen také popisuje širší vizuální rozpoznávání lidí, anime, produktů, památek, rostlin a zvířat. Odpověď při rozpoznávání zůstává odvozením z dodaného obrázku, nikoli zárukou, že lze pojmenovat každý objekt nebo identitu.\n\nOCR pokrývá 32 jazyků a je navrženo pro lepší čtení při slabém osvětlení, rozmazání nebo naklonění, včetně odborné slovní zásoby a struktury dlouhých dokumentů. Zachovejte čitelné zdrojové obrázky a požadujte pole, citace nebo strukturovanou tabulku, které lze ověřit. Porozumění textu a obrazovému obsahu je spojeno v jednom modelu, takže se otázka může současně odkazovat na pasáž dokumentu, obrázek a pokyny uživatele.\n\nZměny architektury\n\nInterleaved-MRoPE rozděluje poziční reprezentaci mezi čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z několika úrovní enkodéru, aby zachytil jemnější detaily a zlepšil sladění obrazu s textem. Sladění textu a časových značek ukotvuje události v časových odkazech. Vydaná textová konfigurace má 94 vrstev, 128 expertů a osm expertů vybíraných pro každý token. Tyto architektonické podrobnosti vysvětlují multimodální reprezentaci modelu; nezaručují dobu odezvy.\n\nPříprava obrazového vstupu a výstupu\n\nPříklady výrobce pokrývají požadavky s jedním nebo několika obrázky, videem i pouze textem. Každý obrazový vstup označte, aby na něj otázka mohla jasně odkazovat. Procesory obrázků a videa používají samostatné pixelové rozpočty: rozpočet obrázku omezuje počet jeho pixelů, zatímco rozpočet videa počítá pixely napříč vzorkovanými snímky. Výslovně zadané rozměry obrázků se zarovnávají na násobky 32. Vzorkování videa lze řídit frekvencí nebo počtem snímků; dokumentovaná výchozí hodnota jsou dva snímky za sekundu. Při požadavku na časovou osu událostí zachovejte časové značky.\n\nU dlouhého klipu požadujte událost, její časový interval a viditelné důkazy místo nerozlišeného shrnutí. U několika stránek požadujte výsledek uspořádaný podle identifikátoru stránky. Tyto příklady přípravy využívají dokumentované schopnosti a pomáhají odhalit vynechání nebo chyby při extrakci.\n\nPokyny a limity generování\n\nSoubor generování checkpointu má výchozí hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný vyhodnocovací postup Qwen pro Thinking používá temperature 0.6, presence penalty nula, repetition penalty 1.0 a povolený výstup 40,960 tokenů. Jde o odlišná přednastavení výrobce, nikoli o jediný pevný limit výstupu. Vedle obrazových tokenů ponechte prostor pro uvažování a konečný text a před použitím ověřte extrahovaný text, vypočtené odpovědi a vygenerovaný kód podle zdroje.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
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 je vizuálně jazykový model Qwen s architekturou mixture-of-experts pro uvažování nad textem, obrázky a videem. Edici Thinking používejte pro otázky STEM, důkazy z dokumentů, prostorové vztahy, tvorbu kódu z obrazových podkladů a analýzu videa s časovými značkami, s nativním kontextem 262,144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Úvod: multimodální edice Thinking
Qwen3-VL-235B-A22B-Thinking je edice Qwen3-VL s architekturou mixture-of-experts zaměřená na uvažování. Kombinuje text s obrázky a videem a vytváří textové odpovědi nebo kód. Pevný checkpoint Thinking je samostatný od Qwen3-VL-235B-A22B-Instruct a samostatně pojmenovaných sestavení FP8. Zvolte jej pro otázku vyžadující propojení vizuálních důkazů s delším vysvětlením, místo abyste předpokládali stejný styl odpovědí u všech edic Qwen3-VL.
Vizuální agenti a tvorba kódu z obrazových podkladů
Qwen popisuje postup vizuálního agenta, který rozpoznává prvky rozhraní počítačů nebo mobilních zařízení, vykládá jejich funkce a spolupracuje s nástroji na dokončení úloh. Model zajišťuje vnímání a uvažování; aplikace musí akce propojit a provést. Pro posouzení rozhraní dodejte aktuální snímek obrazovky a konkrétní cíl a požadujte určení příslušných ovládacích prvků a vysvětlení další akce. Samotný obrázek neuděluje kontrolu nad zařízením.
Tvorba kódu z obrazových podkladů zahrnuje generování obsahu diagramů a HTML, CSS nebo JavaScriptu z obrázků a videí. Dodejte snímek obrazovky s požadovaným rozvržením, chováním a upravitelným výstupním formátem. Pokud to usnadní kontrolu, požadujte strukturu stránky a styly jako samostatné výstupy. Vygenerovaný kód je text pro vývojový postup; nedokládá, že byl web vykreslen ani že se zdrojový obrázek proměnil ve fungující aplikaci.
Prostorové vnímání
Výrobce dokumentuje uvažování o polohách objektů, úhlech pohledu a zakrytí, s dvourozměrným ukotvením a podporou trojrozměrného ukotvení. Položte konkrétní otázku na vztah a určete objekt zájmu: například která součást je zakrytá, co je před ní a která vizuální vodítka takový výklad podporují. Schopnost ukotvení nelze považovat za kalibrované fyzické měření z libovolného obrázku.
Dlouhý kontext a video
Nativní kontext má 262,144 tokenů. Qwen popisuje rozšíření přibližně na jeden milion pomocí konfigurace YaRN a pracovní postupy této rodiny modelů zahrnující knihy nebo několikahodinová videa s indexací událostí s přesností na sekundy. Tyto schopnosti závisejí na reprezentaci, vzorkování snímků a konfiguraci kontextu; obecný popis výrobce nezaručuje, že si model dokonale vybaví obsah každého snímku. Ve svém repozitáři Qwen pro toto prokládané poziční schéma doporučuje při rozšíření z 256K přibližně na 1M extrapolační faktor dva nebo tři, namísto automatického převzetí faktoru čtyři z jiného modelu.
Multimodální uvažování a rozpoznávání
Edice Thinking se zaměřuje na uvažování v oborech STEM a matematice opřené o důkazy, kauzální analýzu a logické odpovědi propojující text s obrazovými materiály. Dodejte diagram společně s jeho definicemi nebo graf s přesnou číselnou otázkou. Před závěrem požadujte uvedení použitých popisků a hodnot. Qwen také popisuje širší vizuální rozpoznávání lidí, anime, produktů, památek, rostlin a zvířat. Odpověď při rozpoznávání zůstává odvozením z dodaného obrázku, nikoli zárukou, že lze pojmenovat každý objekt nebo identitu.
OCR pokrývá 32 jazyků a je navrženo pro lepší čtení při slabém osvětlení, rozmazání nebo naklonění, včetně odborné slovní zásoby a struktury dlouhých dokumentů. Zachovejte čitelné zdrojové obrázky a požadujte pole, citace nebo strukturovanou tabulku, které lze ověřit. Porozumění textu a obrazovému obsahu je spojeno v jednom modelu, takže se otázka může současně odkazovat na pasáž dokumentu, obrázek a pokyny uživatele.
Změny architektury
Interleaved-MRoPE rozděluje poziční reprezentaci mezi čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z několika úrovní enkodéru, aby zachytil jemnější detaily a zlepšil sladění obrazu s textem. Sladění textu a časových značek ukotvuje události v časových odkazech. Vydaná textová konfigurace má 94 vrstev, 128 expertů a osm expertů vybíraných pro každý token. Tyto architektonické podrobnosti vysvětlují multimodální reprezentaci modelu; nezaručují dobu odezvy.
Příprava obrazového vstupu a výstupu
Příklady výrobce pokrývají požadavky s jedním nebo několika obrázky, videem i pouze textem. Každý obrazový vstup označte, aby na něj otázka mohla jasně odkazovat. Procesory obrázků a videa používají samostatné pixelové rozpočty: rozpočet obrázku omezuje počet jeho pixelů, zatímco rozpočet videa počítá pixely napříč vzorkovanými snímky. Výslovně zadané rozměry obrázků se zarovnávají na násobky 32. Vzorkování videa lze řídit frekvencí nebo počtem snímků; dokumentovaná výchozí hodnota jsou dva snímky za sekundu. Při požadavku na časovou osu událostí zachovejte časové značky.
U dlouhého klipu požadujte událost, její časový interval a viditelné důkazy místo nerozlišeného shrnutí. U několika stránek požadujte výsledek uspořádaný podle identifikátoru stránky. Tyto příklady přípravy využívají dokumentované schopnosti a pomáhají odhalit vynechání nebo chyby při extrakci.
Pokyny a limity generování
Soubor generování checkpointu má výchozí hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný vyhodnocovací postup Qwen pro Thinking používá temperature 0.6, presence penalty nula, repetition penalty 1.0 a povolený výstup 40,960 tokenů. Jde o odlišná přednastavení výrobce, nikoli o jediný pevný limit výstupu. Vedle obrazových tokenů ponechte prostor pro uvažování a konečný text a před použitím ověřte extrahovaný text, vypočtené odpovědi a vygenerovaný kód podle zdroje.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3-vl-235b-a22b-thinking | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Textová konverzace | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
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 |
Parametrcontrol_scope | KontraktTextová konverzace; stream je booleovská hodnota a ve výchozím nastavení je false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
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.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.00572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 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-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 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-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 je vizuálně jazykový model Qwen s architekturou mixture-of-experts pro uvažování nad textem, obrázky a videem. Edici Thinking používejte pro otázky STEM, důkazy z dokumentů, prostorové vztahy, tvorbu kódu z obrazových podkladů a analýzu videa s časovými značkami, s nativním kontextem 262,144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Úvod: multimodální edice Thinking
Qwen3-VL-235B-A22B-Thinking je edice Qwen3-VL s architekturou mixture-of-experts zaměřená na uvažování. Kombinuje text s obrázky a videem a vytváří textové odpovědi nebo kód. Pevný checkpoint Thinking je samostatný od Qwen3-VL-235B-A22B-Instruct a samostatně pojmenovaných sestavení FP8. Zvolte jej pro otázku vyžadující propojení vizuálních důkazů s delším vysvětlením, místo abyste předpokládali stejný styl odpovědí u všech edic Qwen3-VL.
Vizuální agenti a tvorba kódu z obrazových podkladů
Qwen popisuje postup vizuálního agenta, který rozpoznává prvky rozhraní počítačů nebo mobilních zařízení, vykládá jejich funkce a spolupracuje s nástroji na dokončení úloh. Model zajišťuje vnímání a uvažování; aplikace musí akce propojit a provést. Pro posouzení rozhraní dodejte aktuální snímek obrazovky a konkrétní cíl a požadujte určení příslušných ovládacích prvků a vysvětlení další akce. Samotný obrázek neuděluje kontrolu nad zařízením.
Tvorba kódu z obrazových podkladů zahrnuje generování obsahu diagramů a HTML, CSS nebo JavaScriptu z obrázků a videí. Dodejte snímek obrazovky s požadovaným rozvržením, chováním a upravitelným výstupním formátem. Pokud to usnadní kontrolu, požadujte strukturu stránky a styly jako samostatné výstupy. Vygenerovaný kód je text pro vývojový postup; nedokládá, že byl web vykreslen ani že se zdrojový obrázek proměnil ve fungující aplikaci.
Prostorové vnímání
Výrobce dokumentuje uvažování o polohách objektů, úhlech pohledu a zakrytí, s dvourozměrným ukotvením a podporou trojrozměrného ukotvení. Položte konkrétní otázku na vztah a určete objekt zájmu: například která součást je zakrytá, co je před ní a která vizuální vodítka takový výklad podporují. Schopnost ukotvení nelze považovat za kalibrované fyzické měření z libovolného obrázku.
Dlouhý kontext a video
Nativní kontext má 262,144 tokenů. Qwen popisuje rozšíření přibližně na jeden milion pomocí konfigurace YaRN a pracovní postupy této rodiny modelů zahrnující knihy nebo několikahodinová videa s indexací událostí s přesností na sekundy. Tyto schopnosti závisejí na reprezentaci, vzorkování snímků a konfiguraci kontextu; obecný popis výrobce nezaručuje, že si model dokonale vybaví obsah každého snímku. Ve svém repozitáři Qwen pro toto prokládané poziční schéma doporučuje při rozšíření z 256K přibližně na 1M extrapolační faktor dva nebo tři, namísto automatického převzetí faktoru čtyři z jiného modelu.
Multimodální uvažování a rozpoznávání
Edice Thinking se zaměřuje na uvažování v oborech STEM a matematice opřené o důkazy, kauzální analýzu a logické odpovědi propojující text s obrazovými materiály. Dodejte diagram společně s jeho definicemi nebo graf s přesnou číselnou otázkou. Před závěrem požadujte uvedení použitých popisků a hodnot. Qwen také popisuje širší vizuální rozpoznávání lidí, anime, produktů, památek, rostlin a zvířat. Odpověď při rozpoznávání zůstává odvozením z dodaného obrázku, nikoli zárukou, že lze pojmenovat každý objekt nebo identitu.
OCR pokrývá 32 jazyků a je navrženo pro lepší čtení při slabém osvětlení, rozmazání nebo naklonění, včetně odborné slovní zásoby a struktury dlouhých dokumentů. Zachovejte čitelné zdrojové obrázky a požadujte pole, citace nebo strukturovanou tabulku, které lze ověřit. Porozumění textu a obrazovému obsahu je spojeno v jednom modelu, takže se otázka může současně odkazovat na pasáž dokumentu, obrázek a pokyny uživatele.
Změny architektury
Interleaved-MRoPE rozděluje poziční reprezentaci mezi čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z několika úrovní enkodéru, aby zachytil jemnější detaily a zlepšil sladění obrazu s textem. Sladění textu a časových značek ukotvuje události v časových odkazech. Vydaná textová konfigurace má 94 vrstev, 128 expertů a osm expertů vybíraných pro každý token. Tyto architektonické podrobnosti vysvětlují multimodální reprezentaci modelu; nezaručují dobu odezvy.
Příprava obrazového vstupu a výstupu
Příklady výrobce pokrývají požadavky s jedním nebo několika obrázky, videem i pouze textem. Každý obrazový vstup označte, aby na něj otázka mohla jasně odkazovat. Procesory obrázků a videa používají samostatné pixelové rozpočty: rozpočet obrázku omezuje počet jeho pixelů, zatímco rozpočet videa počítá pixely napříč vzorkovanými snímky. Výslovně zadané rozměry obrázků se zarovnávají na násobky 32. Vzorkování videa lze řídit frekvencí nebo počtem snímků; dokumentovaná výchozí hodnota jsou dva snímky za sekundu. Při požadavku na časovou osu událostí zachovejte časové značky.
U dlouhého klipu požadujte událost, její časový interval a viditelné důkazy místo nerozlišeného shrnutí. U několika stránek požadujte výsledek uspořádaný podle identifikátoru stránky. Tyto příklady přípravy využívají dokumentované schopnosti a pomáhají odhalit vynechání nebo chyby při extrakci.
Pokyny a limity generování
Soubor generování checkpointu má výchozí hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný vyhodnocovací postup Qwen pro Thinking používá temperature 0.6, presence penalty nula, repetition penalty 1.0 a povolený výstup 40,960 tokenů. Jde o odlišná přednastavení výrobce, nikoli o jediný pevný limit výstupu. Vedle obrazových tokenů ponechte prostor pro uvažování a konečný text a před použitím ověřte extrahovaný text, vypočtené odpovědi a vygenerovaný kód podle zdroje.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen/qwen3-vl-235b-a22b-thinking | 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.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.00572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen/qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-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 je vizuálně jazykový model Qwen s architekturou mixture-of-experts pro uvažování nad textem, obrázky a videem. Edici Thinking používejte pro otázky STEM, důkazy z dokumentů, prostorové vztahy, tvorbu kódu z obrazových podkladů a analýzu videa s časovými značkami, s nativním kontextem 262,144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Úvod: multimodální edice Thinking
Qwen3-VL-235B-A22B-Thinking je edice Qwen3-VL s architekturou mixture-of-experts zaměřená na uvažování. Kombinuje text s obrázky a videem a vytváří textové odpovědi nebo kód. Pevný checkpoint Thinking je samostatný od Qwen3-VL-235B-A22B-Instruct a samostatně pojmenovaných sestavení FP8. Zvolte jej pro otázku vyžadující propojení vizuálních důkazů s delším vysvětlením, místo abyste předpokládali stejný styl odpovědí u všech edic Qwen3-VL.
Vizuální agenti a tvorba kódu z obrazových podkladů
Qwen popisuje postup vizuálního agenta, který rozpoznává prvky rozhraní počítačů nebo mobilních zařízení, vykládá jejich funkce a spolupracuje s nástroji na dokončení úloh. Model zajišťuje vnímání a uvažování; aplikace musí akce propojit a provést. Pro posouzení rozhraní dodejte aktuální snímek obrazovky a konkrétní cíl a požadujte určení příslušných ovládacích prvků a vysvětlení další akce. Samotný obrázek neuděluje kontrolu nad zařízením.
Tvorba kódu z obrazových podkladů zahrnuje generování obsahu diagramů a HTML, CSS nebo JavaScriptu z obrázků a videí. Dodejte snímek obrazovky s požadovaným rozvržením, chováním a upravitelným výstupním formátem. Pokud to usnadní kontrolu, požadujte strukturu stránky a styly jako samostatné výstupy. Vygenerovaný kód je text pro vývojový postup; nedokládá, že byl web vykreslen ani že se zdrojový obrázek proměnil ve fungující aplikaci.
Prostorové vnímání
Výrobce dokumentuje uvažování o polohách objektů, úhlech pohledu a zakrytí, s dvourozměrným ukotvením a podporou trojrozměrného ukotvení. Položte konkrétní otázku na vztah a určete objekt zájmu: například která součást je zakrytá, co je před ní a která vizuální vodítka takový výklad podporují. Schopnost ukotvení nelze považovat za kalibrované fyzické měření z libovolného obrázku.
Dlouhý kontext a video
Nativní kontext má 262,144 tokenů. Qwen popisuje rozšíření přibližně na jeden milion pomocí konfigurace YaRN a pracovní postupy této rodiny modelů zahrnující knihy nebo několikahodinová videa s indexací událostí s přesností na sekundy. Tyto schopnosti závisejí na reprezentaci, vzorkování snímků a konfiguraci kontextu; obecný popis výrobce nezaručuje, že si model dokonale vybaví obsah každého snímku. Ve svém repozitáři Qwen pro toto prokládané poziční schéma doporučuje při rozšíření z 256K přibližně na 1M extrapolační faktor dva nebo tři, namísto automatického převzetí faktoru čtyři z jiného modelu.
Multimodální uvažování a rozpoznávání
Edice Thinking se zaměřuje na uvažování v oborech STEM a matematice opřené o důkazy, kauzální analýzu a logické odpovědi propojující text s obrazovými materiály. Dodejte diagram společně s jeho definicemi nebo graf s přesnou číselnou otázkou. Před závěrem požadujte uvedení použitých popisků a hodnot. Qwen také popisuje širší vizuální rozpoznávání lidí, anime, produktů, památek, rostlin a zvířat. Odpověď při rozpoznávání zůstává odvozením z dodaného obrázku, nikoli zárukou, že lze pojmenovat každý objekt nebo identitu.
OCR pokrývá 32 jazyků a je navrženo pro lepší čtení při slabém osvětlení, rozmazání nebo naklonění, včetně odborné slovní zásoby a struktury dlouhých dokumentů. Zachovejte čitelné zdrojové obrázky a požadujte pole, citace nebo strukturovanou tabulku, které lze ověřit. Porozumění textu a obrazovému obsahu je spojeno v jednom modelu, takže se otázka může současně odkazovat na pasáž dokumentu, obrázek a pokyny uživatele.
Změny architektury
Interleaved-MRoPE rozděluje poziční reprezentaci mezi čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z několika úrovní enkodéru, aby zachytil jemnější detaily a zlepšil sladění obrazu s textem. Sladění textu a časových značek ukotvuje události v časových odkazech. Vydaná textová konfigurace má 94 vrstev, 128 expertů a osm expertů vybíraných pro každý token. Tyto architektonické podrobnosti vysvětlují multimodální reprezentaci modelu; nezaručují dobu odezvy.
Příprava obrazového vstupu a výstupu
Příklady výrobce pokrývají požadavky s jedním nebo několika obrázky, videem i pouze textem. Každý obrazový vstup označte, aby na něj otázka mohla jasně odkazovat. Procesory obrázků a videa používají samostatné pixelové rozpočty: rozpočet obrázku omezuje počet jeho pixelů, zatímco rozpočet videa počítá pixely napříč vzorkovanými snímky. Výslovně zadané rozměry obrázků se zarovnávají na násobky 32. Vzorkování videa lze řídit frekvencí nebo počtem snímků; dokumentovaná výchozí hodnota jsou dva snímky za sekundu. Při požadavku na časovou osu událostí zachovejte časové značky.
U dlouhého klipu požadujte událost, její časový interval a viditelné důkazy místo nerozlišeného shrnutí. U několika stránek požadujte výsledek uspořádaný podle identifikátoru stránky. Tyto příklady přípravy využívají dokumentované schopnosti a pomáhají odhalit vynechání nebo chyby při extrakci.
Pokyny a limity generování
Soubor generování checkpointu má výchozí hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný vyhodnocovací postup Qwen pro Thinking používá temperature 0.6, presence penalty nula, repetition penalty 1.0 a povolený výstup 40,960 tokenů. Jde o odlišná přednastavení výrobce, nikoli o jediný pevný limit výstupu. Vedle obrazových tokenů ponechte prostor pro uvažování a konečný text a před použitím ověřte extrahovaný text, vypočtené odpovědi a vygenerovaný kód podle zdroje.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen3-vl-235b-a22b-thinking | 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.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.00572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 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": "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 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-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 je vizuálně jazykový model Qwen s architekturou mixture-of-experts pro uvažování nad textem, obrázky a videem. Edici Thinking používejte pro otázky STEM, důkazy z dokumentů, prostorové vztahy, tvorbu kódu z obrazových podkladů a analýzu videa s časovými značkami, s nativním kontextem 262,144 tokenů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Úvod: multimodální edice Thinking
Qwen3-VL-235B-A22B-Thinking je edice Qwen3-VL s architekturou mixture-of-experts zaměřená na uvažování. Kombinuje text s obrázky a videem a vytváří textové odpovědi nebo kód. Pevný checkpoint Thinking je samostatný od Qwen3-VL-235B-A22B-Instruct a samostatně pojmenovaných sestavení FP8. Zvolte jej pro otázku vyžadující propojení vizuálních důkazů s delším vysvětlením, místo abyste předpokládali stejný styl odpovědí u všech edic Qwen3-VL.
Vizuální agenti a tvorba kódu z obrazových podkladů
Qwen popisuje postup vizuálního agenta, který rozpoznává prvky rozhraní počítačů nebo mobilních zařízení, vykládá jejich funkce a spolupracuje s nástroji na dokončení úloh. Model zajišťuje vnímání a uvažování; aplikace musí akce propojit a provést. Pro posouzení rozhraní dodejte aktuální snímek obrazovky a konkrétní cíl a požadujte určení příslušných ovládacích prvků a vysvětlení další akce. Samotný obrázek neuděluje kontrolu nad zařízením.
Tvorba kódu z obrazových podkladů zahrnuje generování obsahu diagramů a HTML, CSS nebo JavaScriptu z obrázků a videí. Dodejte snímek obrazovky s požadovaným rozvržením, chováním a upravitelným výstupním formátem. Pokud to usnadní kontrolu, požadujte strukturu stránky a styly jako samostatné výstupy. Vygenerovaný kód je text pro vývojový postup; nedokládá, že byl web vykreslen ani že se zdrojový obrázek proměnil ve fungující aplikaci.
Prostorové vnímání
Výrobce dokumentuje uvažování o polohách objektů, úhlech pohledu a zakrytí, s dvourozměrným ukotvením a podporou trojrozměrného ukotvení. Položte konkrétní otázku na vztah a určete objekt zájmu: například která součást je zakrytá, co je před ní a která vizuální vodítka takový výklad podporují. Schopnost ukotvení nelze považovat za kalibrované fyzické měření z libovolného obrázku.
Dlouhý kontext a video
Nativní kontext má 262,144 tokenů. Qwen popisuje rozšíření přibližně na jeden milion pomocí konfigurace YaRN a pracovní postupy této rodiny modelů zahrnující knihy nebo několikahodinová videa s indexací událostí s přesností na sekundy. Tyto schopnosti závisejí na reprezentaci, vzorkování snímků a konfiguraci kontextu; obecný popis výrobce nezaručuje, že si model dokonale vybaví obsah každého snímku. Ve svém repozitáři Qwen pro toto prokládané poziční schéma doporučuje při rozšíření z 256K přibližně na 1M extrapolační faktor dva nebo tři, namísto automatického převzetí faktoru čtyři z jiného modelu.
Multimodální uvažování a rozpoznávání
Edice Thinking se zaměřuje na uvažování v oborech STEM a matematice opřené o důkazy, kauzální analýzu a logické odpovědi propojující text s obrazovými materiály. Dodejte diagram společně s jeho definicemi nebo graf s přesnou číselnou otázkou. Před závěrem požadujte uvedení použitých popisků a hodnot. Qwen také popisuje širší vizuální rozpoznávání lidí, anime, produktů, památek, rostlin a zvířat. Odpověď při rozpoznávání zůstává odvozením z dodaného obrázku, nikoli zárukou, že lze pojmenovat každý objekt nebo identitu.
OCR pokrývá 32 jazyků a je navrženo pro lepší čtení při slabém osvětlení, rozmazání nebo naklonění, včetně odborné slovní zásoby a struktury dlouhých dokumentů. Zachovejte čitelné zdrojové obrázky a požadujte pole, citace nebo strukturovanou tabulku, které lze ověřit. Porozumění textu a obrazovému obsahu je spojeno v jednom modelu, takže se otázka může současně odkazovat na pasáž dokumentu, obrázek a pokyny uživatele.
Změny architektury
Interleaved-MRoPE rozděluje poziční reprezentaci mezi čas, šířku a výšku pro uvažování nad videem. DeepStack kombinuje vizuální rysy z několika úrovní enkodéru, aby zachytil jemnější detaily a zlepšil sladění obrazu s textem. Sladění textu a časových značek ukotvuje události v časových odkazech. Vydaná textová konfigurace má 94 vrstev, 128 expertů a osm expertů vybíraných pro každý token. Tyto architektonické podrobnosti vysvětlují multimodální reprezentaci modelu; nezaručují dobu odezvy.
Příprava obrazového vstupu a výstupu
Příklady výrobce pokrývají požadavky s jedním nebo několika obrázky, videem i pouze textem. Každý obrazový vstup označte, aby na něj otázka mohla jasně odkazovat. Procesory obrázků a videa používají samostatné pixelové rozpočty: rozpočet obrázku omezuje počet jeho pixelů, zatímco rozpočet videa počítá pixely napříč vzorkovanými snímky. Výslovně zadané rozměry obrázků se zarovnávají na násobky 32. Vzorkování videa lze řídit frekvencí nebo počtem snímků; dokumentovaná výchozí hodnota jsou dva snímky za sekundu. Při požadavku na časovou osu událostí zachovejte časové značky.
U dlouhého klipu požadujte událost, její časový interval a viditelné důkazy místo nerozlišeného shrnutí. U několika stránek požadujte výsledek uspořádaný podle identifikátoru stránky. Tyto příklady přípravy využívají dokumentované schopnosti a pomáhají odhalit vynechání nebo chyby při extrakci.
Pokyny a limity generování
Soubor generování checkpointu má výchozí hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný vyhodnocovací postup Qwen pro Thinking používá temperature 0.6, presence penalty nula, repetition penalty 1.0 a povolený výstup 40,960 tokenů. Jde o odlišná přednastavení výrobce, nikoli o jediný pevný limit výstupu. Vedle obrazových tokenů ponechte prostor pro uvažování a konečný text a před použitím ověřte extrahovaný text, vypočtené odpovědi a vygenerovaný kód podle zdroje.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen3-vl-235b-a22b-thinking | 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.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.000572 / 1K tokenů Výstup · Výstupní tokeny $0.00572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
Technický příklad v angličtině
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.