Ling-3.0-flash-VL ist inclusionAIs native multimodale Erweiterung von Ling-3.0-flash. Es verbindet die Sprach-, Schlussfolgerungs- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller gliedert den visuellen Aufgabenbereich in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege nutzen und Beobachtungen in Aktionen einer unterstützenden Anwendung übersetzen. Die Modellantwort ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.
Die veröffentlichte Architektur hat insgesamt 124 Milliarden und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale; ein zweischichtiger Projektor gleicht sie an die Sprachdarstellung an. VideoRoPE transportiert sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Backbone mit 42 Schichten wechselt Kimi Delta Attention und gated Multi-head Latent Attention im Muster 5:1 mit dünn besetztem Expertenrouting ab. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Erweiterungskonfiguration für 262’144 Tokens.
Liefern Sie für visuelles Verständnis ein lesbares Bild und benennen Sie die erforderliche Beobachtung. Der Hersteller führt Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben auf. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit stützender Seite oder sichtbarem Bereich verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen genannten Vergleich stützt. Bewahren Sie das ursprüngliche Bildmaterial, damit Zahlen, Beschriftungen und kleine Details geprüft werden können. Ein unklarer Bereich sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.
Liefern Sie für Schlussfolgerungen aus visuellen Belegen Frage, relevante Annahmen und die erforderliche Genauigkeit der abschliessenden Antwort. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung ihre zugrunde liegenden Beobachtungen benennt. Enthält der Ablauf Rechen- oder Informationsabrufwerkzeuge, bewahren Sie ihre tatsächlichen Ergebnisse und trennen Sie sie von der Modellinterpretation. Eine visuelle Beziehung und eine kalibrierte Messung sind verschiedene Belegarten.
Bewahren Sie bei Video die Materialreihenfolge 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 Darstellung. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente warum erhalten bleiben sollen. Verknüpfen Sie diesen Vorschlag mit der Quellzeitleiste; die umgebende Schnittanwendung führt die Änderungen aus und erzeugt die bearbeiteten Medien. Videoverständnis macht aus der Textantwort des Modells für sich keine neue Videodatei.
Liefern Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die der Anwendung verfügbaren Aktionen. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen deuten und aus visuellen Informationen Aktionsfolgen vorschlagen. Melden Sie nach jeder Operation den beobachteten Zustand 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 Aktion zu behandeln.
Der Denkmodus ist in der Chatvorlage des Herstellers standardmässig aktiviert und lässt sich in seiner dokumentierten Implementierung je Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; gesonderte Evaluationshinweise verwenden eigene Einstellungen. Wählen Sie die Form der abschliessenden Antwort ausdrücklich und lassen Sie Platz für relevanten Medienkontext und erzeugten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine von jeder Anwendung bereitgestellten Regler.
Bewahren Sie bei der Ergebnisaufzeichnung die VL-Identität: Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Edition. Prüfen Sie extrahierten Wortlaut, Zählungen, zeitliche Positionen und vorgeschlagene Oberflächenaktionen anhand des Quellmaterials. Das brauchbare Endergebnis ist eine visuelle Analyse oder ein Aktionsvorschlag, bei dem Belege und offene Details prüfbar bleiben.
", "aboutText": "Ling-3.0-flash-VL ist inclusionAIs native multimodale Erweiterung von Ling-3.0-flash. Es verbindet die Sprach-, Schlussfolgerungs- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller gliedert den visuellen Aufgabenbereich in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege nutzen und Beobachtungen in Aktionen einer unterstützenden Anwendung übersetzen. Die Modellantwort ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.\n\nDie veröffentlichte Architektur hat insgesamt 124 Milliarden und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale; ein zweischichtiger Projektor gleicht sie an die Sprachdarstellung an. VideoRoPE transportiert sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Backbone mit 42 Schichten wechselt Kimi Delta Attention und gated Multi-head Latent Attention im Muster 5:1 mit dünn besetztem Expertenrouting ab. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Erweiterungskonfiguration für 262’144 Tokens.\n\nLiefern Sie für visuelles Verständnis ein lesbares Bild und benennen Sie die erforderliche Beobachtung. Der Hersteller führt Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben auf. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit stützender Seite oder sichtbarem Bereich verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen genannten Vergleich stützt. Bewahren Sie das ursprüngliche Bildmaterial, damit Zahlen, Beschriftungen und kleine Details geprüft werden können. Ein unklarer Bereich sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.\n\nLiefern Sie für Schlussfolgerungen aus visuellen Belegen Frage, relevante Annahmen und die erforderliche Genauigkeit der abschliessenden Antwort. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung ihre zugrunde liegenden Beobachtungen benennt. Enthält der Ablauf Rechen- oder Informationsabrufwerkzeuge, bewahren Sie ihre tatsächlichen Ergebnisse und trennen Sie sie von der Modellinterpretation. Eine visuelle Beziehung und eine kalibrierte Messung sind verschiedene Belegarten.\n\nBewahren Sie bei Video die Materialreihenfolge 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 Darstellung. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente warum erhalten bleiben sollen. Verknüpfen Sie diesen Vorschlag mit der Quellzeitleiste; die umgebende Schnittanwendung führt die Änderungen aus und erzeugt die bearbeiteten Medien. Videoverständnis macht aus der Textantwort des Modells für sich keine neue Videodatei.\n\nLiefern Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die der Anwendung verfügbaren Aktionen. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen deuten und aus visuellen Informationen Aktionsfolgen vorschlagen. Melden Sie nach jeder Operation den beobachteten Zustand 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 Aktion zu behandeln.\n\nDer Denkmodus ist in der Chatvorlage des Herstellers standardmässig aktiviert und lässt sich in seiner dokumentierten Implementierung je Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; gesonderte Evaluationshinweise verwenden eigene Einstellungen. Wählen Sie die Form der abschliessenden Antwort ausdrücklich und lassen Sie Platz für relevanten Medienkontext und erzeugten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine von jeder Anwendung bereitgestellten Regler.\n\nBewahren Sie bei der Ergebnisaufzeichnung die VL-Identität: Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Edition. Prüfen Sie extrahierten Wortlaut, Zählungen, zeitliche Positionen und vorgeschlagene Oberflächenaktionen anhand des Quellmaterials. Das brauchbare Endergebnis ist eine visuelle Analyse oder ein Aktionsvorschlag, bei dem Belege und offene Details prüfbar 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 Schlussfolgerungsmodell 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. Es verbindet die Sprach-, Schlussfolgerungs- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller gliedert den visuellen Aufgabenbereich in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege nutzen und Beobachtungen in Aktionen einer unterstützenden Anwendung übersetzen. Die Modellantwort ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.
Die veröffentlichte Architektur hat insgesamt 124 Milliarden und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale; ein zweischichtiger Projektor gleicht sie an die Sprachdarstellung an. VideoRoPE transportiert sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Backbone mit 42 Schichten wechselt Kimi Delta Attention und gated Multi-head Latent Attention im Muster 5:1 mit dünn besetztem Expertenrouting ab. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Erweiterungskonfiguration für 262’144 Tokens.
Liefern Sie für visuelles Verständnis ein lesbares Bild und benennen Sie die erforderliche Beobachtung. Der Hersteller führt Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben auf. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit stützender Seite oder sichtbarem Bereich verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen genannten Vergleich stützt. Bewahren Sie das ursprüngliche Bildmaterial, damit Zahlen, Beschriftungen und kleine Details geprüft werden können. Ein unklarer Bereich sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.
Liefern Sie für Schlussfolgerungen aus visuellen Belegen Frage, relevante Annahmen und die erforderliche Genauigkeit der abschliessenden Antwort. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung ihre zugrunde liegenden Beobachtungen benennt. Enthält der Ablauf Rechen- oder Informationsabrufwerkzeuge, bewahren Sie ihre tatsächlichen Ergebnisse und trennen Sie sie von der Modellinterpretation. Eine visuelle Beziehung und eine kalibrierte Messung sind verschiedene Belegarten.
Bewahren Sie bei Video die Materialreihenfolge 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 Darstellung. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente warum erhalten bleiben sollen. Verknüpfen Sie diesen Vorschlag mit der Quellzeitleiste; die umgebende Schnittanwendung führt die Änderungen aus und erzeugt die bearbeiteten Medien. Videoverständnis macht aus der Textantwort des Modells für sich keine neue Videodatei.
Liefern Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die der Anwendung verfügbaren Aktionen. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen deuten und aus visuellen Informationen Aktionsfolgen vorschlagen. Melden Sie nach jeder Operation den beobachteten Zustand 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 Aktion zu behandeln.
Der Denkmodus ist in der Chatvorlage des Herstellers standardmässig aktiviert und lässt sich in seiner dokumentierten Implementierung je Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; gesonderte Evaluationshinweise verwenden eigene Einstellungen. Wählen Sie die Form der abschliessenden Antwort ausdrücklich und lassen Sie Platz für relevanten Medienkontext und erzeugten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine von jeder Anwendung bereitgestellten Regler.
Bewahren Sie bei der Ergebnisaufzeichnung die VL-Identität: Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Edition. Prüfen Sie extrahierten Wortlaut, Zählungen, zeitliche Positionen und vorgeschlagene Oberflächenaktionen anhand des Quellmaterials. Das brauchbare Endergebnis ist eine visuelle Analyse oder ein Aktionsvorschlag, bei dem Belege und offene Details prüfbar 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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.000024 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 Schlussfolgerungsmodell 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. Es verbindet die Sprach-, Schlussfolgerungs- und Langkontextfähigkeiten des Basismodells mit Bild- und Videoverständnis. Der Hersteller gliedert den visuellen Aufgabenbereich in Verstehen, Schlussfolgern und Handeln: komplexe visuelle Informationen lesen, sie als Belege nutzen und Beobachtungen in Aktionen einer unterstützenden Anwendung übersetzen. Die Modellantwort ist Text oder die von dieser Anwendung verwendete Darstellung eines Werkzeugaufrufs.
Die veröffentlichte Architektur hat insgesamt 124 Milliarden und 5,5 Milliarden aktivierte Parameter pro Token. Ein Vision Transformer extrahiert Bild- und Videomerkmale; ein zweischichtiger Projektor gleicht sie an die Sprachdarstellung an. VideoRoPE transportiert sowohl räumliche Positionen als auch zeitliche Reihenfolge. Das hybride Backbone mit 42 Schichten wechselt Kimi Delta Attention und gated Multi-head Latent Attention im Muster 5:1 mit dünn besetztem Expertenrouting ab. Der Hersteller beschreibt bis zu 256K Tokens Kontext und veröffentlicht eine Erweiterungskonfiguration für 262’144 Tokens.
Liefern Sie für visuelles Verständnis ein lesbares Bild und benennen Sie die erforderliche Beobachtung. Der Hersteller führt Objektzählung, komplexe Layouts, Diagramme und Dokumentinhalte als Aufgaben auf. Eine nützliche Dokumentanfrage kann eine Feldtabelle mit stützender Seite oder sichtbarem Bereich verlangen; eine Diagrammanfrage kann fragen, welche Datenreihe einen genannten Vergleich stützt. Bewahren Sie das ursprüngliche Bildmaterial, damit Zahlen, Beschriftungen und kleine Details geprüft werden können. Ein unklarer Bereich sollte im Ergebnis unklar bleiben, statt zu einem geratenen Wert zu werden.
Liefern Sie für Schlussfolgerungen aus visuellen Belegen Frage, relevante Annahmen und die erforderliche Genauigkeit der abschliessenden Antwort. Das Modell kann ein Diagramm, eine Zeichnung oder einen Screenshot mit Berechnungen und mehrstufigem Schlussfolgern verbinden. Verlangen Sie, dass die Schlussfolgerung ihre zugrunde liegenden Beobachtungen benennt. Enthält der Ablauf Rechen- oder Informationsabrufwerkzeuge, bewahren Sie ihre tatsächlichen Ergebnisse und trennen Sie sie von der Modellinterpretation. Eine visuelle Beziehung und eine kalibrierte Messung sind verschiedene Belegarten.
Bewahren Sie bei Video die Materialreihenfolge 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 Darstellung. Ein praktisches redaktionelles Ergebnis kann eine vorgeschlagene Schnittliste sein, die erklärt, welche Momente warum erhalten bleiben sollen. Verknüpfen Sie diesen Vorschlag mit der Quellzeitleiste; die umgebende Schnittanwendung führt die Änderungen aus und erzeugt die bearbeiteten Medien. Videoverständnis macht aus der Textantwort des Modells für sich keine neue Videodatei.
Liefern Sie für Oberflächenaufgaben den aktuellen Screenshot, das Ziel und die der Anwendung verfügbaren Aktionen. Ling-3.0-flash-VL kann Web- oder Softwareoberflächen deuten und aus visuellen Informationen Aktionsfolgen vorschlagen. Melden Sie nach jeder Operation den beobachteten Zustand 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 Aktion zu behandeln.
Der Denkmodus ist in der Chatvorlage des Herstellers standardmässig aktiviert und lässt sich in seiner dokumentierten Implementierung je Anfrage mit enable_thinking auf false deaktivieren. Die Client- und Generierungskonfiguration empfiehlt temperature 1.0, top_p 0.95 und top_k 20; gesonderte Evaluationshinweise verwenden eigene Einstellungen. Wählen Sie die Form der abschliessenden Antwort ausdrücklich und lassen Sie Platz für relevanten Medienkontext und erzeugten Text. Diese Herstellereinstellungen beschreiben die veröffentlichte Modellkonfiguration und versprechen keine von jeder Anwendung bereitgestellten Regler.
Bewahren Sie bei der Ergebnisaufzeichnung die VL-Identität: Bild- und Videoeingaben unterscheiden sie vom textorientierten Ling-3.0-flash und der finanzspezialisierten Fin-Edition. Prüfen Sie extrahierten Wortlaut, Zählungen, zeitliche Positionen und vorgeschlagene Oberflächenaktionen anhand des Quellmaterials. Das brauchbare Endergebnis ist eine visuelle Analyse oder ein Aktionsvorschlag, bei dem Belege und offene Details prüfbar 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 · Cache schreiben — / 1K Tokens Eingabe · 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 $0.000024 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.