Die Thinking-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Thinking ist die um erweitertes Schlussfolgern ergänzte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie nimmt Text, Bilder und Videos entgegen und erzeugt Text, einschließlich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrößen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Denkverhalten, ohne damit einen anwendungsspezifischen hybriden Umschalter festzulegen.
Visuelle Agenten und Programmieren
Qwen dokumentiert einen Arbeitsablauf mit visuellen Agenten, der Bedienelemente auf Computern oder mobilen Geräten erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Stellen Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel bereit und verlangen Sie anschließend das relevante Bedienelement sowie eine Erklärung mit Bezug zu den sichtbaren Belegen. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.
Die Familie erzeugt außerdem Diagramminhalte, HTML, CSS und JavaScript anhand von Bildern oder Videos. Stellen Sie die visuelle Referenz mit funktionalen Anforderungen bereit und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und den relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion festlegt. Generierter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.
Raum, langer Kontext und Videos
Der Hersteller beschreibt Beurteilungen von Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welcher Zusammenhang maßgeblich ist und welche Hinweise die Schlussfolgerung stützen. Ein visueller Zusammenhang sollte von einer kalibrierten physikalischen Messung getrennt bleiben.
Der native Kontext umfasst 262,144 Tokens. Die Familie beschreibt Bücher und stundenlange Videos mit sekundengenauer Ereignisindizierung und einer konfigurierbaren Erweiterung auf ungefähr eine Million Tokens. Erhalten Sie Zeitangaben, Bildreihenfolge und Quellbezeichner, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage dargestellte Material; die Familienbeschreibung sollte nicht zu einem bedingungslosen Versprechen perfekter Erinnerung werden.
Multimodales Schlussfolgern, Erkennung und OCR
Die Thinking-Ausgabe eignet sich für MINT-, Mathematik- und Logikfragen, die visuelle Belege mit einer Erklärung verbinden. Stellen Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten bereit und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Zusammenhänge. Ein klar festgelegtes Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine kurze, durch Bild und Text gestützte Schlussfolgerung sein.
Die Familie erweitert die visuelle Erkennung auf Menschen, Produkte, Sehenswürdigkeiten, Pflanzen, Tiere und Medienfiguren. OCR deckt 32 Sprachen ab und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung ab, einschließlich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie prüfbare Felder oder Zitate. Diese Anwendungsfälle nutzen dokumentierte Fähigkeiten; sie garantieren keine korrekte Identifizierung, Transkription oder mathematische Schlussfolgerung für jede Eingabe.
Architektur
Die konkrete Konfiguration weist ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten aus. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale mehrerer Encoderebenen, und die Ausrichtung von Text und Zeitstempeln hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B einheitlich, wenn Sie visuelle Denkaufgaben vorbereiten und deren Ergebnisse vergleichen.
Vorbereitung der Eingaben
Die Beispiele der Familie unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Videos. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihren Zusammenhang. Getrennte Pixelbudgets für Bilder und Videos ermöglichen es einem Arbeitsablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Steuerungsmöglichkeiten für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Größenänderungen, wenn die Hilfsfunktion die Medien bereits skaliert hat.
Gliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenbezeichnern. Verlangen Sie bei einem Clip das relevante Ereignis, Intervall und die Belege. Reservieren Sie zusätzlich zu den visuellen Tokens Sequenzplatz für den Gedankengang und den endgültigen Text.
Generierungshinweise und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.8, top_p 0.95, top_k 20 und eine Wiederholungsstrafe von 1.0. Die separate Thinking-Evaluierungsanleitung der Familie verwendet temperature 0.6, eine Präsenzstrafe von null, eine Wiederholungsstrafe von 1.0 und ein Ausgabebudget von 40,960 Tokens. Das sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.
Das Erweiterungsverfahren der Familie verwendet YaRN und schlägt für das verschachtelte Positionsschema beim Übergang von 256K auf ungefähr 1M einen Faktor von zwei oder drei vor. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und generierten Code anhand der ursprünglichen Belege und halten Sie das fertige Artefakt vom Gedankengang unterscheidbar. Das praktische Ergebnis ist eine prüfbare visuelle Schlussfolgerung oder ein Codevorschlag, bei dem diese konkrete Thinking-Ausgabe erhalten bleibt.
", "aboutText": "Die Thinking-Ausgabe 30B-A3B\n\nQwen3-VL-30B-A3B-Thinking ist die um erweitertes Schlussfolgern ergänzte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie nimmt Text, Bilder und Videos entgegen und erzeugt Text, einschließlich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrößen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Denkverhalten, ohne damit einen anwendungsspezifischen hybriden Umschalter festzulegen.\n\nVisuelle Agenten und Programmieren\n\nQwen dokumentiert einen Arbeitsablauf mit visuellen Agenten, der Bedienelemente auf Computern oder mobilen Geräten erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Stellen Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel bereit und verlangen Sie anschließend das relevante Bedienelement sowie eine Erklärung mit Bezug zu den sichtbaren Belegen. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.\n\nDie Familie erzeugt außerdem Diagramminhalte, HTML, CSS und JavaScript anhand von Bildern oder Videos. Stellen Sie die visuelle Referenz mit funktionalen Anforderungen bereit und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und den relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion festlegt. Generierter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.\n\nRaum, langer Kontext und Videos\n\nDer Hersteller beschreibt Beurteilungen von Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welcher Zusammenhang maßgeblich ist und welche Hinweise die Schlussfolgerung stützen. Ein visueller Zusammenhang sollte von einer kalibrierten physikalischen Messung getrennt bleiben.\n\nDer native Kontext umfasst 262,144 Tokens. Die Familie beschreibt Bücher und stundenlange Videos mit sekundengenauer Ereignisindizierung und einer konfigurierbaren Erweiterung auf ungefähr eine Million Tokens. Erhalten Sie Zeitangaben, Bildreihenfolge und Quellbezeichner, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage dargestellte Material; die Familienbeschreibung sollte nicht zu einem bedingungslosen Versprechen perfekter Erinnerung werden.\n\nMultimodales Schlussfolgern, Erkennung und OCR\n\nDie Thinking-Ausgabe eignet sich für MINT-, Mathematik- und Logikfragen, die visuelle Belege mit einer Erklärung verbinden. Stellen Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten bereit und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Zusammenhänge. Ein klar festgelegtes Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine kurze, durch Bild und Text gestützte Schlussfolgerung sein.\n\nDie Familie erweitert die visuelle Erkennung auf Menschen, Produkte, Sehenswürdigkeiten, Pflanzen, Tiere und Medienfiguren. OCR deckt 32 Sprachen ab und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung ab, einschließlich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie prüfbare Felder oder Zitate. Diese Anwendungsfälle nutzen dokumentierte Fähigkeiten; sie garantieren keine korrekte Identifizierung, Transkription oder mathematische Schlussfolgerung für jede Eingabe.\n\nArchitektur\n\nDie konkrete Konfiguration weist ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten aus. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale mehrerer Encoderebenen, und die Ausrichtung von Text und Zeitstempeln hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B einheitlich, wenn Sie visuelle Denkaufgaben vorbereiten und deren Ergebnisse vergleichen.\n\nVorbereitung der Eingaben\n\nDie Beispiele der Familie unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Videos. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihren Zusammenhang. Getrennte Pixelbudgets für Bilder und Videos ermöglichen es einem Arbeitsablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Steuerungsmöglichkeiten für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Größenänderungen, wenn die Hilfsfunktion die Medien bereits skaliert hat.\n\nGliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenbezeichnern. Verlangen Sie bei einem Clip das relevante Ereignis, Intervall und die Belege. Reservieren Sie zusätzlich zu den visuellen Tokens Sequenzplatz für den Gedankengang und den endgültigen Text.\n\nGenerierungshinweise und Grenzen\n\nDie Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.8, top_p 0.95, top_k 20 und eine Wiederholungsstrafe von 1.0. Die separate Thinking-Evaluierungsanleitung der Familie verwendet temperature 0.6, eine Präsenzstrafe von null, eine Wiederholungsstrafe von 1.0 und ein Ausgabebudget von 40,960 Tokens. Das sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.\n\nDas Erweiterungsverfahren der Familie verwendet YaRN und schlägt für das verschachtelte Positionsschema beim Übergang von 256K auf ungefähr 1M einen Faktor von zwei oder drei vor. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und generierten Code anhand der ursprünglichen Belege und halten Sie das fertige Artefakt vom Gedankengang unterscheidbar. Das praktische Ergebnis ist eine prüfbare visuelle Schlussfolgerung oder ein Codevorschlag, bei dem diese konkrete Thinking-Ausgabe erhalten bleibt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking ist Qwens Mixture-of-Experts-Vision-Language-Ausgabe für vertieftes Schlussfolgern über Text, Bilder und Videos. Sie gibt Text oder Code für MINT-Fragen, Dokumente, räumliche Analysen und visuelle Arbeitsabläufe aus, mit OCR für 32 Sprachen und einem nativen Kontext von 262,144 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Thinking-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Thinking ist die um erweitertes Schlussfolgern ergänzte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie nimmt Text, Bilder und Videos entgegen und erzeugt Text, einschließlich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrößen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Denkverhalten, ohne damit einen anwendungsspezifischen hybriden Umschalter festzulegen.
Visuelle Agenten und Programmieren
Qwen dokumentiert einen Arbeitsablauf mit visuellen Agenten, der Bedienelemente auf Computern oder mobilen Geräten erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Stellen Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel bereit und verlangen Sie anschließend das relevante Bedienelement sowie eine Erklärung mit Bezug zu den sichtbaren Belegen. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.
Die Familie erzeugt außerdem Diagramminhalte, HTML, CSS und JavaScript anhand von Bildern oder Videos. Stellen Sie die visuelle Referenz mit funktionalen Anforderungen bereit und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und den relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion festlegt. Generierter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.
Raum, langer Kontext und Videos
Der Hersteller beschreibt Beurteilungen von Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welcher Zusammenhang maßgeblich ist und welche Hinweise die Schlussfolgerung stützen. Ein visueller Zusammenhang sollte von einer kalibrierten physikalischen Messung getrennt bleiben.
Der native Kontext umfasst 262,144 Tokens. Die Familie beschreibt Bücher und stundenlange Videos mit sekundengenauer Ereignisindizierung und einer konfigurierbaren Erweiterung auf ungefähr eine Million Tokens. Erhalten Sie Zeitangaben, Bildreihenfolge und Quellbezeichner, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage dargestellte Material; die Familienbeschreibung sollte nicht zu einem bedingungslosen Versprechen perfekter Erinnerung werden.
Multimodales Schlussfolgern, Erkennung und OCR
Die Thinking-Ausgabe eignet sich für MINT-, Mathematik- und Logikfragen, die visuelle Belege mit einer Erklärung verbinden. Stellen Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten bereit und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Zusammenhänge. Ein klar festgelegtes Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine kurze, durch Bild und Text gestützte Schlussfolgerung sein.
Die Familie erweitert die visuelle Erkennung auf Menschen, Produkte, Sehenswürdigkeiten, Pflanzen, Tiere und Medienfiguren. OCR deckt 32 Sprachen ab und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung ab, einschließlich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie prüfbare Felder oder Zitate. Diese Anwendungsfälle nutzen dokumentierte Fähigkeiten; sie garantieren keine korrekte Identifizierung, Transkription oder mathematische Schlussfolgerung für jede Eingabe.
Architektur
Die konkrete Konfiguration weist ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten aus. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale mehrerer Encoderebenen, und die Ausrichtung von Text und Zeitstempeln hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B einheitlich, wenn Sie visuelle Denkaufgaben vorbereiten und deren Ergebnisse vergleichen.
Vorbereitung der Eingaben
Die Beispiele der Familie unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Videos. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihren Zusammenhang. Getrennte Pixelbudgets für Bilder und Videos ermöglichen es einem Arbeitsablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Steuerungsmöglichkeiten für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Größenänderungen, wenn die Hilfsfunktion die Medien bereits skaliert hat.
Gliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenbezeichnern. Verlangen Sie bei einem Clip das relevante Ereignis, Intervall und die Belege. Reservieren Sie zusätzlich zu den visuellen Tokens Sequenzplatz für den Gedankengang und den endgültigen Text.
Generierungshinweise und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.8, top_p 0.95, top_k 20 und eine Wiederholungsstrafe von 1.0. Die separate Thinking-Evaluierungsanleitung der Familie verwendet temperature 0.6, eine Präsenzstrafe von null, eine Wiederholungsstrafe von 1.0 und ein Ausgabebudget von 40,960 Tokens. Das sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.
Das Erweiterungsverfahren der Familie verwendet YaRN und schlägt für das verschachtelte Positionsschema beim Übergang von 256K auf ungefähr 1M einen Faktor von zwei oder drei vor. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und generierten Code anhand der ursprünglichen Belege und halten Sie das fertige Artefakt vom Gedankengang unterscheidbar. Das praktische Ergebnis ist eine prüfbare visuelle Schlussfolgerung oder ein Codevorschlag, bei dem diese konkrete Thinking-Ausgabe erhalten bleibt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-thinking | 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 $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-vl-30b-a3b-thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-30b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-30b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen/qwen3-vl-30b-a3b-thinking
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking ist Qwens Mixture-of-Experts-Vision-Language-Ausgabe für vertieftes Schlussfolgern über Text, Bilder und Videos. Sie gibt Text oder Code für MINT-Fragen, Dokumente, räumliche Analysen und visuelle Arbeitsabläufe aus, mit OCR für 32 Sprachen und einem nativen Kontext von 262,144 Tokens.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Thinking-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Thinking ist die um erweitertes Schlussfolgern ergänzte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie nimmt Text, Bilder und Videos entgegen und erzeugt Text, einschließlich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrößen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Denkverhalten, ohne damit einen anwendungsspezifischen hybriden Umschalter festzulegen.
Visuelle Agenten und Programmieren
Qwen dokumentiert einen Arbeitsablauf mit visuellen Agenten, der Bedienelemente auf Computern oder mobilen Geräten erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Stellen Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel bereit und verlangen Sie anschließend das relevante Bedienelement sowie eine Erklärung mit Bezug zu den sichtbaren Belegen. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.
Die Familie erzeugt außerdem Diagramminhalte, HTML, CSS und JavaScript anhand von Bildern oder Videos. Stellen Sie die visuelle Referenz mit funktionalen Anforderungen bereit und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und den relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion festlegt. Generierter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.
Raum, langer Kontext und Videos
Der Hersteller beschreibt Beurteilungen von Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welcher Zusammenhang maßgeblich ist und welche Hinweise die Schlussfolgerung stützen. Ein visueller Zusammenhang sollte von einer kalibrierten physikalischen Messung getrennt bleiben.
Der native Kontext umfasst 262,144 Tokens. Die Familie beschreibt Bücher und stundenlange Videos mit sekundengenauer Ereignisindizierung und einer konfigurierbaren Erweiterung auf ungefähr eine Million Tokens. Erhalten Sie Zeitangaben, Bildreihenfolge und Quellbezeichner, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage dargestellte Material; die Familienbeschreibung sollte nicht zu einem bedingungslosen Versprechen perfekter Erinnerung werden.
Multimodales Schlussfolgern, Erkennung und OCR
Die Thinking-Ausgabe eignet sich für MINT-, Mathematik- und Logikfragen, die visuelle Belege mit einer Erklärung verbinden. Stellen Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten bereit und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Zusammenhänge. Ein klar festgelegtes Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine kurze, durch Bild und Text gestützte Schlussfolgerung sein.
Die Familie erweitert die visuelle Erkennung auf Menschen, Produkte, Sehenswürdigkeiten, Pflanzen, Tiere und Medienfiguren. OCR deckt 32 Sprachen ab und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung ab, einschließlich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie prüfbare Felder oder Zitate. Diese Anwendungsfälle nutzen dokumentierte Fähigkeiten; sie garantieren keine korrekte Identifizierung, Transkription oder mathematische Schlussfolgerung für jede Eingabe.
Architektur
Die konkrete Konfiguration weist ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten aus. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale mehrerer Encoderebenen, und die Ausrichtung von Text und Zeitstempeln hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B einheitlich, wenn Sie visuelle Denkaufgaben vorbereiten und deren Ergebnisse vergleichen.
Vorbereitung der Eingaben
Die Beispiele der Familie unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Videos. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihren Zusammenhang. Getrennte Pixelbudgets für Bilder und Videos ermöglichen es einem Arbeitsablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Steuerungsmöglichkeiten für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Größenänderungen, wenn die Hilfsfunktion die Medien bereits skaliert hat.
Gliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenbezeichnern. Verlangen Sie bei einem Clip das relevante Ereignis, Intervall und die Belege. Reservieren Sie zusätzlich zu den visuellen Tokens Sequenzplatz für den Gedankengang und den endgültigen Text.
Generierungshinweise und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.8, top_p 0.95, top_k 20 und eine Wiederholungsstrafe von 1.0. Die separate Thinking-Evaluierungsanleitung der Familie verwendet temperature 0.6, eine Präsenzstrafe von null, eine Wiederholungsstrafe von 1.0 und ein Ausgabebudget von 40,960 Tokens. Das sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.
Das Erweiterungsverfahren der Familie verwendet YaRN und schlägt für das verschachtelte Positionsschema beim Übergang von 256K auf ungefähr 1M einen Faktor von zwei oder drei vor. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und generierten Code anhand der ursprünglichen Belege und halten Sie das fertige Artefakt vom Gedankengang unterscheidbar. Das praktische Ergebnis ist eine prüfbare visuelle Schlussfolgerung oder ein Codevorschlag, bei dem diese konkrete Thinking-Ausgabe erhalten bleibt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-thinking | 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 $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-vl-30b-a3b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen/qwen3-vl-30b-a3b-thinking
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.