Qwen3 VL 32B Instruct ist die anweisungsorientierte 32B-Ausführung der Qwen3 VL-Familie. Der Hersteller führt sie getrennt von der 32B-Thinking-Ausführung an. Der Familienleitfaden beschreibt visuelle Wahrnehmung, Textverständnis, OCR, Dokumentanalyse, räumliche Verortung und Videoverständnis als praktische Aufgaben.
Stellen Sie die visuelle Quelle und eine gezielte Frage bereit. Benennen Sie bei einem Dokumentbild den zu extrahierenden Text oder die Felder. Fragen Sie bei einem Diagramm nach bestimmten Beschriftungen und Beziehungen. Geben Sie bei einem Video das relevante Ereignis oder Zeitintervall und die von der Anwendung benötigte abschließende Beschreibung an.
Halten Sie Quellkennungen sichtbar, wenn mehrere Bilder oder Clips unterschiedliche Fakten beitragen. Die Anleitung des Herstellers behandelt das Hinzufügen von Kennungen zu visuellen Eingaben, damit eine spätere Antwort auf die vorgesehene Quelle verweisen kann.
Die Familie beschreibt OCR in 32 Sprachen und Dokumentanalyse mit Layoutinformationen. Definieren Sie die Felder, die Antwortstruktur und den Umgang mit unklaren Inhalten, wenn eine Anwendung das Ergebnis weiterverwendet. Prüfen Sie extrahierte Texte und Werte anhand der Originalquelle.
Die Beispiele für visuelle Codeerstellung umfassen Draw.io, HTML, CSS und JavaScript, die aus Bildern oder Video erzeugt werden. Eine hilfreiche Aufgabe benennt die visuellen Beziehungen und das Oberflächenverhalten, die der Code bewahren muss. Die umgebende Anwendung speichert und führt den zurückgegebenen Code aus, um das Artefakt zu prüfen.
Benennen Sie für eine Aufgabe zur Objektlokalisierung das Ziel und dessen Unterscheidungsmerkmale gegenüber benachbarten Objekten. Verwenden Sie die von der gewählten Oberfläche dokumentierte Positionsdarstellung. Identifizieren Sie bei einer bildschirmbezogenen Aufgabe das sichtbare Steuerelement und den gewünschten Zustand; eine Anwendung führt die ausgewählte Aktion aus und gibt die daraus folgende Beobachtung zurück.
Der Hersteller nennt einen nativen 256K-Kontext für die Familie. Bereiten Sie die Aufgabe innerhalb der tatsächlichen Eingabe- und Generierungsgrenzen der gewählten Oberfläche vor. Bewahren Sie die Identität von 32B Instruct zusammen mit Quelle und Antwort; die Thinking-Ausführung und andere Modellgrößen haben eigene Generierungseinstellungen.
", "aboutText": "Qwen3 VL 32B Instruct ist die anweisungsorientierte 32B-Ausführung der Qwen3 VL-Familie. Der Hersteller führt sie getrennt von der 32B-Thinking-Ausführung an. Der Familienleitfaden beschreibt visuelle Wahrnehmung, Textverständnis, OCR, Dokumentanalyse, räumliche Verortung und Videoverständnis als praktische Aufgaben.\n\n### Die zurückzugebenden Informationen festlegen\n\nStellen Sie die visuelle Quelle und eine gezielte Frage bereit. Benennen Sie bei einem Dokumentbild den zu extrahierenden Text oder die Felder. Fragen Sie bei einem Diagramm nach bestimmten Beschriftungen und Beziehungen. Geben Sie bei einem Video das relevante Ereignis oder Zeitintervall und die von der Anwendung benötigte abschließende Beschreibung an.\n\nHalten Sie Quellkennungen sichtbar, wenn mehrere Bilder oder Clips unterschiedliche Fakten beitragen. Die Anleitung des Herstellers behandelt das Hinzufügen von Kennungen zu visuellen Eingaben, damit eine spätere Antwort auf die vorgesehene Quelle verweisen kann.\n\n### Visuelles Material in ein nützliches Artefakt umwandeln\n\nDie Familie beschreibt OCR in 32 Sprachen und Dokumentanalyse mit Layoutinformationen. Definieren Sie die Felder, die Antwortstruktur und den Umgang mit unklaren Inhalten, wenn eine Anwendung das Ergebnis weiterverwendet. Prüfen Sie extrahierte Texte und Werte anhand der Originalquelle.\n\nDie Beispiele für visuelle Codeerstellung umfassen Draw.io, HTML, CSS und JavaScript, die aus Bildern oder Video erzeugt werden. Eine hilfreiche Aufgabe benennt die visuellen Beziehungen und das Oberflächenverhalten, die der Code bewahren muss. Die umgebende Anwendung speichert und führt den zurückgegebenen Code aus, um das Artefakt zu prüfen.\n\n### Objekte verorten und Anwendungsentscheidungen fundieren\n\nBenennen Sie für eine Aufgabe zur Objektlokalisierung das Ziel und dessen Unterscheidungsmerkmale gegenüber benachbarten Objekten. Verwenden Sie die von der gewählten Oberfläche dokumentierte Positionsdarstellung. Identifizieren Sie bei einer bildschirmbezogenen Aufgabe das sichtbare Steuerelement und den gewünschten Zustand; eine Anwendung führt die ausgewählte Aktion aus und gibt die daraus folgende Beobachtung zurück.\n\n### Das Instruct-Profil ausdrücklich beibehalten\n\nDer Hersteller nennt einen nativen 256K-Kontext für die Familie. Bereiten Sie die Aufgabe innerhalb der tatsächlichen Eingabe- und Generierungsgrenzen der gewählten Oberfläche vor. Bewahren Sie die Identität von 32B Instruct zusammen mit Quelle und Antwort; die Thinking-Ausführung und andere Modellgrößen haben eigene Generierungseinstellungen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Convert a transcribed table to a record\n\nUse this written transcription of page P3: 'Item | Ordered | Received; pads | 12 | 10; pens | 20 | unclear.' Produce a Markdown table with item, ordered, received and shortage. Use 'unknown' when the source cannot support a value, and retain P3 with the result. Do not infer the unclear count.A Markdown table with source-linked quantities and explicit unknown received/shortage values where necessary.The pads shortage may be calculated, but the pens shortage must remain unknown.qwen3-vl-32b-instructQwen3 VL 32B Instruct ist die anweisungsorientierte 32B-Vision-Language-Ausführung für Bilder, Video und schriftliche Aufgaben. Der Hersteller beschreibt OCR, strukturierte Dokumentinterpretation, räumliche Verortung und Abläufe zur Codeerstellung aus visuellen Quellen in der Qwen3 VL-Familie.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3 VL 32B Instruct ist die anweisungsorientierte 32B-Ausführung der Qwen3 VL-Familie. Der Hersteller führt sie getrennt von der 32B-Thinking-Ausführung an. Der Familienleitfaden beschreibt visuelle Wahrnehmung, Textverständnis, OCR, Dokumentanalyse, räumliche Verortung und Videoverständnis als praktische Aufgaben.
Stellen Sie die visuelle Quelle und eine gezielte Frage bereit. Benennen Sie bei einem Dokumentbild den zu extrahierenden Text oder die Felder. Fragen Sie bei einem Diagramm nach bestimmten Beschriftungen und Beziehungen. Geben Sie bei einem Video das relevante Ereignis oder Zeitintervall und die von der Anwendung benötigte abschließende Beschreibung an.
Halten Sie Quellkennungen sichtbar, wenn mehrere Bilder oder Clips unterschiedliche Fakten beitragen. Die Anleitung des Herstellers behandelt das Hinzufügen von Kennungen zu visuellen Eingaben, damit eine spätere Antwort auf die vorgesehene Quelle verweisen kann.
Die Familie beschreibt OCR in 32 Sprachen und Dokumentanalyse mit Layoutinformationen. Definieren Sie die Felder, die Antwortstruktur und den Umgang mit unklaren Inhalten, wenn eine Anwendung das Ergebnis weiterverwendet. Prüfen Sie extrahierte Texte und Werte anhand der Originalquelle.
Die Beispiele für visuelle Codeerstellung umfassen Draw.io, HTML, CSS und JavaScript, die aus Bildern oder Video erzeugt werden. Eine hilfreiche Aufgabe benennt die visuellen Beziehungen und das Oberflächenverhalten, die der Code bewahren muss. Die umgebende Anwendung speichert und führt den zurückgegebenen Code aus, um das Artefakt zu prüfen.
Benennen Sie für eine Aufgabe zur Objektlokalisierung das Ziel und dessen Unterscheidungsmerkmale gegenüber benachbarten Objekten. Verwenden Sie die von der gewählten Oberfläche dokumentierte Positionsdarstellung. Identifizieren Sie bei einer bildschirmbezogenen Aufgabe das sichtbare Steuerelement und den gewünschten Zustand; eine Anwendung führt die ausgewählte Aktion aus und gibt die daraus folgende Beobachtung zurück.
Der Hersteller nennt einen nativen 256K-Kontext für die Familie. Bereiten Sie die Aufgabe innerhalb der tatsächlichen Eingabe- und Generierungsgrenzen der gewählten Oberfläche vor. Bewahren Sie die Identität von 32B Instruct zusammen mit Quelle und Antwort; die Thinking-Ausführung und andere Modellgrößen haben eigene Generierungseinstellungen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3-vl-32b-instruct | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 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": "qwen3-vl-32b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3-vl-32b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3-vl-32b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen3-vl-32b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
qwen3-vl-32b-instructQwen3 VL 32B Instruct ist die anweisungsorientierte 32B-Vision-Language-Ausführung für Bilder, Video und schriftliche Aufgaben. Der Hersteller beschreibt OCR, strukturierte Dokumentinterpretation, räumliche Verortung und Abläufe zur Codeerstellung aus visuellen Quellen in der Qwen3 VL-Familie.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3 VL 32B Instruct ist die anweisungsorientierte 32B-Ausführung der Qwen3 VL-Familie. Der Hersteller führt sie getrennt von der 32B-Thinking-Ausführung an. Der Familienleitfaden beschreibt visuelle Wahrnehmung, Textverständnis, OCR, Dokumentanalyse, räumliche Verortung und Videoverständnis als praktische Aufgaben.
Stellen Sie die visuelle Quelle und eine gezielte Frage bereit. Benennen Sie bei einem Dokumentbild den zu extrahierenden Text oder die Felder. Fragen Sie bei einem Diagramm nach bestimmten Beschriftungen und Beziehungen. Geben Sie bei einem Video das relevante Ereignis oder Zeitintervall und die von der Anwendung benötigte abschließende Beschreibung an.
Halten Sie Quellkennungen sichtbar, wenn mehrere Bilder oder Clips unterschiedliche Fakten beitragen. Die Anleitung des Herstellers behandelt das Hinzufügen von Kennungen zu visuellen Eingaben, damit eine spätere Antwort auf die vorgesehene Quelle verweisen kann.
Die Familie beschreibt OCR in 32 Sprachen und Dokumentanalyse mit Layoutinformationen. Definieren Sie die Felder, die Antwortstruktur und den Umgang mit unklaren Inhalten, wenn eine Anwendung das Ergebnis weiterverwendet. Prüfen Sie extrahierte Texte und Werte anhand der Originalquelle.
Die Beispiele für visuelle Codeerstellung umfassen Draw.io, HTML, CSS und JavaScript, die aus Bildern oder Video erzeugt werden. Eine hilfreiche Aufgabe benennt die visuellen Beziehungen und das Oberflächenverhalten, die der Code bewahren muss. Die umgebende Anwendung speichert und führt den zurückgegebenen Code aus, um das Artefakt zu prüfen.
Benennen Sie für eine Aufgabe zur Objektlokalisierung das Ziel und dessen Unterscheidungsmerkmale gegenüber benachbarten Objekten. Verwenden Sie die von der gewählten Oberfläche dokumentierte Positionsdarstellung. Identifizieren Sie bei einer bildschirmbezogenen Aufgabe das sichtbare Steuerelement und den gewünschten Zustand; eine Anwendung führt die ausgewählte Aktion aus und gibt die daraus folgende Beobachtung zurück.
Der Hersteller nennt einen nativen 256K-Kontext für die Familie. Bereiten Sie die Aufgabe innerhalb der tatsächlichen Eingabe- und Generierungsgrenzen der gewählten Oberfläche vor. Bewahren Sie die Identität von 32B Instruct zusammen mit Quelle und Antwort; die Thinking-Ausführung und andere Modellgrößen haben eigene Generierungseinstellungen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3-vl-32b-instruct | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3-vl-32b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-vl-32b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-vl-32b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen3-vl-32b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Convert a transcribed table to a record\n\nUse this written transcription of page P3: 'Item | Ordered | Received; pads | 12 | 10; pens | 20 | unclear.' Produce a Markdown table with item, ordered, received and shortage. Use 'unknown' when the source cannot support a value, and retain P3 with the result. Do not infer the unclear count.A Markdown table with source-linked quantities and explicit unknown received/shortage values where necessary.The pads shortage may be calculated, but the pens shortage must remain unknown.