Ling-3.0-flash-VL ist inclusionAIs native multimodale Erweiterung von Ling-3.0-flash. Sie verbindet die Sprach-, Reasoning- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller ordnet ihre visuellen Aufgaben in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege verwenden und Beobachtungen in Handlungen einer unterstützenden Anwendung übersetzen. Die Antwort des Modells ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.
Die veröffentlichte Architektur hat insgesamt 124 Milliarden Parameter und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale, und ein zweischichtiger Projektor gleicht diese an die Sprachrepräsentation an. VideoRoPE trägt sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Grundgerüst mit 42 Schichten wechselt Kimi Delta Attention und Gated Multi-head Latent Attention im Verhältnis 5:1 ab und verwendet dünn besetztes Expertenrouting. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Konfiguration für erweiterten Kontext mit 262.144 Tokens.
Stellen Sie für visuelles Verständnis ein lesbares Bild bereit und benennen Sie die benötigte Beobachtung. Der Hersteller nennt unter anderem Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit der stützenden Seite oder sichtbaren Region verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen angegebenen Vergleich stützt. Bewahren Sie das ursprüngliche visuelle Material auf, damit sich Zahlen, Beschriftungen und kleine Details prüfen lassen. Eine unklare Region sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.
Stellen Sie für Schlussfolgern mit visuellen Belegen die Frage, relevante Annahmen und die benötigte Genauigkeit der abschließenden Antwort bereit. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung die Beobachtungen nennt, von denen sie abhängt. Wenn der Ablauf Berechnungs- oder Informationsabrufwerkzeuge umfasst, bewahren Sie ihre tatsächlichen Ergebnisse auf und trennen Sie sie von der Interpretation des Modells. Eine visuelle Beziehung und eine kalibrierte Messung sind unterschiedliche Arten von Belegen.
Bewahren Sie bei Video die Reihenfolge des Materials und richten Sie die Frage auf ein Ereignis, eine Veränderung oder ein Intervall. Der Hersteller nennt Ereignislokalisierung, Fragen zu langen Videos und Clipschnittabläufe als Anwendungen seiner zeitlichen Repräsentation. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente erhalten bleiben sollen und warum. Halten Sie diesen Vorschlag mit der Quellzeitleiste verknüpft; die umgebende Schnittanwendung führt die Änderungen durch und erzeugt die bearbeiteten Medien. Videoverständnis allein macht die Textantwort des Modells nicht zu einer neuen Videodatei.
Fügen Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die für die Anwendung verfügbaren Handlungen hinzu. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen interpretieren und anhand visueller Informationen Handlungsfolgen vorschlagen. Geben Sie den beobachteten Zustand nach jedem Vorgang zurück, wenn der nächste Schritt davon abhängt. Eine nützliche Abschlussaufzeichnung zeigt, was sich in der Oberfläche geändert hat und ob das gewünschte Ergebnis sichtbar ist, statt einen vorgeschlagenen Klick als ausgeführte Handlung zu behandeln.
Thinking ist in der Chatvorlage des Herstellers standardmäßig aktiviert und lässt sich in dessen dokumentierter Implementierung pro Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; separate Evaluierungsnotizen verwenden eigene Einstellungen. Wählen Sie die Form der abschließenden Antwort ausdrücklich und lassen Sie Platz sowohl für relevanten Medienkontext als auch für generierten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine Regler, die jede Anwendung bereitstellt.
Bewahren Sie beim Erfassen eines Ergebnisses die VL-Identität: Ihre Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Ausgabe. Prüfen Sie extrahierten Wortlaut, Anzahlen, zeitliche Positionen und vorgeschlagene Oberflächenhandlungen anhand des Ausgangsmaterials. Das nützliche fertige Ergebnis ist eine visuelle Analyse oder ein Handlungsvorschlag, dessen Belege und ungeklärte Details überprüfbar bleiben.
", "aboutText": "Ling-3.0-flash-VL ist inclusionAIs native multimodale Erweiterung von Ling-3.0-flash. Sie verbindet die Sprach-, Reasoning- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller ordnet ihre visuellen Aufgaben in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege verwenden und Beobachtungen in Handlungen einer unterstützenden Anwendung übersetzen. Die Antwort des Modells ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.\n\nDie veröffentlichte Architektur hat insgesamt 124 Milliarden Parameter und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale, und ein zweischichtiger Projektor gleicht diese an die Sprachrepräsentation an. VideoRoPE trägt sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Grundgerüst mit 42 Schichten wechselt Kimi Delta Attention und Gated Multi-head Latent Attention im Verhältnis 5:1 ab und verwendet dünn besetztes Expertenrouting. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Konfiguration für erweiterten Kontext mit 262.144 Tokens.\n\nStellen Sie für visuelles Verständnis ein lesbares Bild bereit und benennen Sie die benötigte Beobachtung. Der Hersteller nennt unter anderem Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit der stützenden Seite oder sichtbaren Region verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen angegebenen Vergleich stützt. Bewahren Sie das ursprüngliche visuelle Material auf, damit sich Zahlen, Beschriftungen und kleine Details prüfen lassen. Eine unklare Region sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.\n\nStellen Sie für Schlussfolgern mit visuellen Belegen die Frage, relevante Annahmen und die benötigte Genauigkeit der abschließenden Antwort bereit. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung die Beobachtungen nennt, von denen sie abhängt. Wenn der Ablauf Berechnungs- oder Informationsabrufwerkzeuge umfasst, bewahren Sie ihre tatsächlichen Ergebnisse auf und trennen Sie sie von der Interpretation des Modells. Eine visuelle Beziehung und eine kalibrierte Messung sind unterschiedliche Arten von Belegen.\n\nBewahren Sie bei Video die Reihenfolge des Materials und richten Sie die Frage auf ein Ereignis, eine Veränderung oder ein Intervall. Der Hersteller nennt Ereignislokalisierung, Fragen zu langen Videos und Clipschnittabläufe als Anwendungen seiner zeitlichen Repräsentation. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente erhalten bleiben sollen und warum. Halten Sie diesen Vorschlag mit der Quellzeitleiste verknüpft; die umgebende Schnittanwendung führt die Änderungen durch und erzeugt die bearbeiteten Medien. Videoverständnis allein macht die Textantwort des Modells nicht zu einer neuen Videodatei.\n\nFügen Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die für die Anwendung verfügbaren Handlungen hinzu. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen interpretieren und anhand visueller Informationen Handlungsfolgen vorschlagen. Geben Sie den beobachteten Zustand nach jedem Vorgang zurück, wenn der nächste Schritt davon abhängt. Eine nützliche Abschlussaufzeichnung zeigt, was sich in der Oberfläche geändert hat und ob das gewünschte Ergebnis sichtbar ist, statt einen vorgeschlagenen Klick als ausgeführte Handlung zu behandeln.\n\nThinking ist in der Chatvorlage des Herstellers standardmäßig aktiviert und lässt sich in dessen dokumentierter Implementierung pro Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; separate Evaluierungsnotizen verwenden eigene Einstellungen. Wählen Sie die Form der abschließenden Antwort ausdrücklich und lassen Sie Platz sowohl für relevanten Medienkontext als auch für generierten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine Regler, die jede Anwendung bereitstellt.\n\nBewahren Sie beim Erfassen eines Ergebnisses die VL-Identität: Ihre Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Ausgabe. Prüfen Sie extrahierten Wortlaut, Anzahlen, zeitliche Positionen und vorgeschlagene Oberflächenhandlungen anhand des Ausgangsmaterials. Das nützliche fertige Ergebnis ist eine visuelle Analyse oder ein Handlungsvorschlag, dessen Belege und ungeklärte Details überprüfbar bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL ergänzt inclusionAIs hybrides Reasoning-Modell um Bild- und Videoverständnis. Es unterstützt visuelle Analyse, beleggestütztes Schlussfolgern und Oberflächenabläufe mit insgesamt 124 Milliarden Parametern, 5,5 Milliarden aktiven Parametern und bis zu 256K Tokens Kontext.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Ling-3.0-flash-VL ist inclusionAIs native multimodale Erweiterung von Ling-3.0-flash. Sie verbindet die Sprach-, Reasoning- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller ordnet ihre visuellen Aufgaben in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege verwenden und Beobachtungen in Handlungen einer unterstützenden Anwendung übersetzen. Die Antwort des Modells ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.
Die veröffentlichte Architektur hat insgesamt 124 Milliarden Parameter und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale, und ein zweischichtiger Projektor gleicht diese an die Sprachrepräsentation an. VideoRoPE trägt sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Grundgerüst mit 42 Schichten wechselt Kimi Delta Attention und Gated Multi-head Latent Attention im Verhältnis 5:1 ab und verwendet dünn besetztes Expertenrouting. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Konfiguration für erweiterten Kontext mit 262.144 Tokens.
Stellen Sie für visuelles Verständnis ein lesbares Bild bereit und benennen Sie die benötigte Beobachtung. Der Hersteller nennt unter anderem Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit der stützenden Seite oder sichtbaren Region verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen angegebenen Vergleich stützt. Bewahren Sie das ursprüngliche visuelle Material auf, damit sich Zahlen, Beschriftungen und kleine Details prüfen lassen. Eine unklare Region sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.
Stellen Sie für Schlussfolgern mit visuellen Belegen die Frage, relevante Annahmen und die benötigte Genauigkeit der abschließenden Antwort bereit. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung die Beobachtungen nennt, von denen sie abhängt. Wenn der Ablauf Berechnungs- oder Informationsabrufwerkzeuge umfasst, bewahren Sie ihre tatsächlichen Ergebnisse auf und trennen Sie sie von der Interpretation des Modells. Eine visuelle Beziehung und eine kalibrierte Messung sind unterschiedliche Arten von Belegen.
Bewahren Sie bei Video die Reihenfolge des Materials und richten Sie die Frage auf ein Ereignis, eine Veränderung oder ein Intervall. Der Hersteller nennt Ereignislokalisierung, Fragen zu langen Videos und Clipschnittabläufe als Anwendungen seiner zeitlichen Repräsentation. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente erhalten bleiben sollen und warum. Halten Sie diesen Vorschlag mit der Quellzeitleiste verknüpft; die umgebende Schnittanwendung führt die Änderungen durch und erzeugt die bearbeiteten Medien. Videoverständnis allein macht die Textantwort des Modells nicht zu einer neuen Videodatei.
Fügen Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die für die Anwendung verfügbaren Handlungen hinzu. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen interpretieren und anhand visueller Informationen Handlungsfolgen vorschlagen. Geben Sie den beobachteten Zustand nach jedem Vorgang zurück, wenn der nächste Schritt davon abhängt. Eine nützliche Abschlussaufzeichnung zeigt, was sich in der Oberfläche geändert hat und ob das gewünschte Ergebnis sichtbar ist, statt einen vorgeschlagenen Klick als ausgeführte Handlung zu behandeln.
Thinking ist in der Chatvorlage des Herstellers standardmäßig aktiviert und lässt sich in dessen dokumentierter Implementierung pro Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; separate Evaluierungsnotizen verwenden eigene Einstellungen. Wählen Sie die Form der abschließenden Antwort ausdrücklich und lassen Sie Platz sowohl für relevanten Medienkontext als auch für generierten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine Regler, die jede Anwendung bereitstellt.
Bewahren Sie beim Erfassen eines Ergebnisses die VL-Identität: Ihre Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Ausgabe. Prüfen Sie extrahierten Wortlaut, Anzahlen, zeitliche Positionen und vorgeschlagene Oberflächenhandlungen anhand des Ausgangsmaterials. Das nützliche fertige Ergebnis ist eine visuelle Analyse oder ein Handlungsvorschlag, dessen Belege und ungeklärte Details überprüfbar bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits inclusionai/ling-3.0-flash-vl | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00012 / 1K Tokens Ausgabe · Ausgabetoken $0.00036 / 1K Tokens Eingabe · Cache lesen $0.000024 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00012 / 1K Tokens Ausgabe · Ausgabetoken $0.00036 / 1K Tokens Eingabe · Cache lesen $0.000024 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inclusionai/ling-3.0-flash-vl", "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='inclusionai/ling-3.0-flash-vl',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='inclusionai/ling-3.0-flash-vl',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Verwenden Sie die oben angezeigten Methodenpfade.
inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL ergänzt inclusionAIs hybrides Reasoning-Modell um Bild- und Videoverständnis. Es unterstützt visuelle Analyse, beleggestütztes Schlussfolgern und Oberflächenabläufe mit insgesamt 124 Milliarden Parametern, 5,5 Milliarden aktiven Parametern und bis zu 256K Tokens Kontext.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Ling-3.0-flash-VL ist inclusionAIs native multimodale Erweiterung von Ling-3.0-flash. Sie verbindet die Sprach-, Reasoning- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller ordnet ihre visuellen Aufgaben in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege verwenden und Beobachtungen in Handlungen einer unterstützenden Anwendung übersetzen. Die Antwort des Modells ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.
Die veröffentlichte Architektur hat insgesamt 124 Milliarden Parameter und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale, und ein zweischichtiger Projektor gleicht diese an die Sprachrepräsentation an. VideoRoPE trägt sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Grundgerüst mit 42 Schichten wechselt Kimi Delta Attention und Gated Multi-head Latent Attention im Verhältnis 5:1 ab und verwendet dünn besetztes Expertenrouting. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Konfiguration für erweiterten Kontext mit 262.144 Tokens.
Stellen Sie für visuelles Verständnis ein lesbares Bild bereit und benennen Sie die benötigte Beobachtung. Der Hersteller nennt unter anderem Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit der stützenden Seite oder sichtbaren Region verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen angegebenen Vergleich stützt. Bewahren Sie das ursprüngliche visuelle Material auf, damit sich Zahlen, Beschriftungen und kleine Details prüfen lassen. Eine unklare Region sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.
Stellen Sie für Schlussfolgern mit visuellen Belegen die Frage, relevante Annahmen und die benötigte Genauigkeit der abschließenden Antwort bereit. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung die Beobachtungen nennt, von denen sie abhängt. Wenn der Ablauf Berechnungs- oder Informationsabrufwerkzeuge umfasst, bewahren Sie ihre tatsächlichen Ergebnisse auf und trennen Sie sie von der Interpretation des Modells. Eine visuelle Beziehung und eine kalibrierte Messung sind unterschiedliche Arten von Belegen.
Bewahren Sie bei Video die Reihenfolge des Materials und richten Sie die Frage auf ein Ereignis, eine Veränderung oder ein Intervall. Der Hersteller nennt Ereignislokalisierung, Fragen zu langen Videos und Clipschnittabläufe als Anwendungen seiner zeitlichen Repräsentation. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente erhalten bleiben sollen und warum. Halten Sie diesen Vorschlag mit der Quellzeitleiste verknüpft; die umgebende Schnittanwendung führt die Änderungen durch und erzeugt die bearbeiteten Medien. Videoverständnis allein macht die Textantwort des Modells nicht zu einer neuen Videodatei.
Fügen Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die für die Anwendung verfügbaren Handlungen hinzu. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen interpretieren und anhand visueller Informationen Handlungsfolgen vorschlagen. Geben Sie den beobachteten Zustand nach jedem Vorgang zurück, wenn der nächste Schritt davon abhängt. Eine nützliche Abschlussaufzeichnung zeigt, was sich in der Oberfläche geändert hat und ob das gewünschte Ergebnis sichtbar ist, statt einen vorgeschlagenen Klick als ausgeführte Handlung zu behandeln.
Thinking ist in der Chatvorlage des Herstellers standardmäßig aktiviert und lässt sich in dessen dokumentierter Implementierung pro Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; separate Evaluierungsnotizen verwenden eigene Einstellungen. Wählen Sie die Form der abschließenden Antwort ausdrücklich und lassen Sie Platz sowohl für relevanten Medienkontext als auch für generierten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine Regler, die jede Anwendung bereitstellt.
Bewahren Sie beim Erfassen eines Ergebnisses die VL-Identität: Ihre Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Ausgabe. Prüfen Sie extrahierten Wortlaut, Anzahlen, zeitliche Positionen und vorgeschlagene Oberflächenhandlungen anhand des Ausgangsmaterials. Das nützliche fertige Ergebnis ist eine visuelle Analyse oder ein Handlungsvorschlag, dessen Belege und ungeklärte Details überprüfbar bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits inclusionai/ling-3.0-flash-vl | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00012 / 1K Tokens Ausgabe · Ausgabetoken $0.00036 / 1K Tokens Eingabe · Cache lesen $0.000024 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00012 / 1K Tokens Ausgabe · Ausgabetoken $0.00036 / 1K Tokens Eingabe · Cache lesen $0.000024 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inclusionai/ling-3.0-flash-vl', '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': 'inclusionai/ling-3.0-flash-vl', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.