Die Instruct-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschliesslich Code. Erhalten Sie diese genaue Instruct-Identität, statt die um Schlussfolgern erweiterte Thinking-Ausgabe oder eine andere Familiengrösse einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das in der Antwort erwartete konkrete Artefakt.
Visuelle Agenten und visuell gestützte Programmierung
Der Hersteller beschreibt das Erkennen von Elementen von Computer- oder Mobiloberflächen, das Verstehen ihrer Funktionen und das Aufrufen von Werkzeugen in einem visuellen Agentenablauf. Liefern Sie den Screenshot und das beabsichtigte Ziel und fragen Sie anschliessend, welches sichtbare Steuerelement zur Aufgabe passt und was die Wahl stützt. Die angebundene Anwendung führt Aktionen aus und liefert ihre Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.
Visuell gestützte Programmierung umfasst Diagramminhalte sowie HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Liefern Sie eine Layoutreferenz mit funktionalen Einschränkungen und verlangen Sie bearbeitbaren Quellcode. Fügen Sie für eine Änderung an einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände bei. Trennen Sie das Artefakt von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein zu prüfender Vorschlag und kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung, Kontext und Video
Qwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Ziel und fragen Sie nach sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physischen Messung getrennt bleiben.
Der native Kontext beträgt 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos, mit Ereignisindexierung auf Sekundenebene und Erweiterung auf etwa eine Million Token per Konfiguration. Erhalten Sie Zeitangaben und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die allgemeine Beschreibung langer Videos darf deshalb nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.
Multimodales Schlussfolgern, Erkennung und OCR
Das Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Liefern Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert zudem die Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.
OCR umfasst 32 Sprachen und ist darauf ausgelegt, das Lesen bei schwachem Licht, Unschärfe oder Neigung zu verbessern, einschliesslich Fachwortschatz und Dokumentstruktur. Liefern Sie lesbare Seiten und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Textverständnis und visuelles Verständnis werden verbunden, sodass die Frage eine Passage mit ihrer Abbildung und den Nutzeranweisungen verknüpfen kann.
Architektur
Die veröffentlichte Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale aus mehreren Ebenen des visuellen Encoders; Text-Zeitstempel-Ausrichtung verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese Instruct-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Aufgaben und beim Vergleichen ihrer Ergebnisse.
Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; das Videobudget berücksichtigt Pixel über abgetastete Bilder hinweg. Explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Rate oder Bildanzahl in unterstützten Abläufen.
Der Medienhelfer kann Videometadaten erhalten und empfiehlt, eine zweite Grössenänderung zu vermeiden, wenn er das Material bereits skaliert hat. Gliedern Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Verlangen Sie bei einem Clip das Ereignis, den relevanten Zeitabschnitt und stützende Belege. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den Originalseiten oder dem Clip.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.7, top_p 0.8, top_k 20 und eine Repetition Penalty von 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich eine Presence Penalty von 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus einer Herstelleranleitung und ist kein unabhängig festgelegtes hartes Ausgabemaximum. Die separaten Aufgabenbudgets der 8B-Instruct-Modellkarte dürfen dieser Ausgabe nicht automatisch zugeordnet werden.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Erweitern des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der Originalbelege. Halten Sie die Instruct-Generierungsvorgaben von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer Hybridschalter wird durch den Ausgabenamen allein nicht belegt.
", "aboutText": "Die Instruct-Ausgabe 30B-A3B\n\nQwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschliesslich Code. Erhalten Sie diese genaue Instruct-Identität, statt die um Schlussfolgern erweiterte Thinking-Ausgabe oder eine andere Familiengrösse einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das in der Antwort erwartete konkrete Artefakt.\n\nVisuelle Agenten und visuell gestützte Programmierung\n\nDer Hersteller beschreibt das Erkennen von Elementen von Computer- oder Mobiloberflächen, das Verstehen ihrer Funktionen und das Aufrufen von Werkzeugen in einem visuellen Agentenablauf. Liefern Sie den Screenshot und das beabsichtigte Ziel und fragen Sie anschliessend, welches sichtbare Steuerelement zur Aufgabe passt und was die Wahl stützt. Die angebundene Anwendung führt Aktionen aus und liefert ihre Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.\n\nVisuell gestützte Programmierung umfasst Diagramminhalte sowie HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Liefern Sie eine Layoutreferenz mit funktionalen Einschränkungen und verlangen Sie bearbeitbaren Quellcode. Fügen Sie für eine Änderung an einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände bei. Trennen Sie das Artefakt von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein zu prüfender Vorschlag und kein Beleg für eine funktionierende Anwendung.\n\nRäumliche Wahrnehmung, Kontext und Video\n\nQwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Ziel und fragen Sie nach sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physischen Messung getrennt bleiben.\n\nDer native Kontext beträgt 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos, mit Ereignisindexierung auf Sekundenebene und Erweiterung auf etwa eine Million Token per Konfiguration. Erhalten Sie Zeitangaben und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die allgemeine Beschreibung langer Videos darf deshalb nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.\n\nMultimodales Schlussfolgern, Erkennung und OCR\n\nDas Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Liefern Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert zudem die Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.\n\nOCR umfasst 32 Sprachen und ist darauf ausgelegt, das Lesen bei schwachem Licht, Unschärfe oder Neigung zu verbessern, einschliesslich Fachwortschatz und Dokumentstruktur. Liefern Sie lesbare Seiten und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Textverständnis und visuelles Verständnis werden verbunden, sodass die Frage eine Passage mit ihrer Abbildung und den Nutzeranweisungen verknüpfen kann.\n\nArchitektur\n\nDie veröffentlichte Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale aus mehreren Ebenen des visuellen Encoders; Text-Zeitstempel-Ausrichtung verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese Instruct-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Aufgaben und beim Vergleichen ihrer Ergebnisse.\n\nEingaben vorbereiten\n\nDie Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; das Videobudget berücksichtigt Pixel über abgetastete Bilder hinweg. Explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Rate oder Bildanzahl in unterstützten Abläufen.\n\nDer Medienhelfer kann Videometadaten erhalten und empfiehlt, eine zweite Grössenänderung zu vermeiden, wenn er das Material bereits skaliert hat. Gliedern Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Verlangen Sie bei einem Clip das Ereignis, den relevanten Zeitabschnitt und stützende Belege. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den Originalseiten oder dem Clip.\n\nEmpfehlungen zur Generierung und Grenzen\n\nDie Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.7, top_p 0.8, top_k 20 und eine Repetition Penalty von 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich eine Presence Penalty von 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus einer Herstelleranleitung und ist kein unabhängig festgelegtes hartes Ausgabemaximum. Die separaten Aufgabenbudgets der 8B-Instruct-Modellkarte dürfen dieser Ausgabe nicht automatisch zugeordnet werden.\n\nDas Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Erweitern des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der Originalbelege. Halten Sie die Instruct-Generierungsvorgaben von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer Hybridschalter wird durch den Ausgabenamen allein nicht belegt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-Instruct ist Qwens auf Anweisungen ausgerichtete Mixture-of-Experts-Vision-Language-Ausgabe für Text, Bilder und Video. Sie liefert Text oder Code für visuelle Agentenabläufe, Dokumentlesen, räumliche Fragen und visuell gestützte Programmierung, mit OCR für 32 Sprachen und einem nativen Kontext von 262,144 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Instruct-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschliesslich Code. Erhalten Sie diese genaue Instruct-Identität, statt die um Schlussfolgern erweiterte Thinking-Ausgabe oder eine andere Familiengrösse einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das in der Antwort erwartete konkrete Artefakt.
Visuelle Agenten und visuell gestützte Programmierung
Der Hersteller beschreibt das Erkennen von Elementen von Computer- oder Mobiloberflächen, das Verstehen ihrer Funktionen und das Aufrufen von Werkzeugen in einem visuellen Agentenablauf. Liefern Sie den Screenshot und das beabsichtigte Ziel und fragen Sie anschliessend, welches sichtbare Steuerelement zur Aufgabe passt und was die Wahl stützt. Die angebundene Anwendung führt Aktionen aus und liefert ihre Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.
Visuell gestützte Programmierung umfasst Diagramminhalte sowie HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Liefern Sie eine Layoutreferenz mit funktionalen Einschränkungen und verlangen Sie bearbeitbaren Quellcode. Fügen Sie für eine Änderung an einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände bei. Trennen Sie das Artefakt von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein zu prüfender Vorschlag und kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung, Kontext und Video
Qwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Ziel und fragen Sie nach sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physischen Messung getrennt bleiben.
Der native Kontext beträgt 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos, mit Ereignisindexierung auf Sekundenebene und Erweiterung auf etwa eine Million Token per Konfiguration. Erhalten Sie Zeitangaben und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die allgemeine Beschreibung langer Videos darf deshalb nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.
Multimodales Schlussfolgern, Erkennung und OCR
Das Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Liefern Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert zudem die Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.
OCR umfasst 32 Sprachen und ist darauf ausgelegt, das Lesen bei schwachem Licht, Unschärfe oder Neigung zu verbessern, einschliesslich Fachwortschatz und Dokumentstruktur. Liefern Sie lesbare Seiten und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Textverständnis und visuelles Verständnis werden verbunden, sodass die Frage eine Passage mit ihrer Abbildung und den Nutzeranweisungen verknüpfen kann.
Architektur
Die veröffentlichte Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale aus mehreren Ebenen des visuellen Encoders; Text-Zeitstempel-Ausrichtung verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese Instruct-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Aufgaben und beim Vergleichen ihrer Ergebnisse.
Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; das Videobudget berücksichtigt Pixel über abgetastete Bilder hinweg. Explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Rate oder Bildanzahl in unterstützten Abläufen.
Der Medienhelfer kann Videometadaten erhalten und empfiehlt, eine zweite Grössenänderung zu vermeiden, wenn er das Material bereits skaliert hat. Gliedern Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Verlangen Sie bei einem Clip das Ereignis, den relevanten Zeitabschnitt und stützende Belege. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den Originalseiten oder dem Clip.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.7, top_p 0.8, top_k 20 und eine Repetition Penalty von 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich eine Presence Penalty von 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus einer Herstelleranleitung und ist kein unabhängig festgelegtes hartes Ausgabemaximum. Die separaten Aufgabenbudgets der 8B-Instruct-Modellkarte dürfen dieser Ausgabe nicht automatisch zugeordnet werden.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Erweitern des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der Originalbelege. Halten Sie die Instruct-Generierungsvorgaben von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer Hybridschalter wird durch den Ausgabenamen allein nicht belegt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-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.
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 $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-vl-30b-a3b-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='qwen/qwen3-vl-30b-a3b-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='qwen/qwen3-vl-30b-a3b-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 qwen/qwen3-vl-30b-a3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-Instruct ist Qwens auf Anweisungen ausgerichtete Mixture-of-Experts-Vision-Language-Ausgabe für Text, Bilder und Video. Sie liefert Text oder Code für visuelle Agentenabläufe, Dokumentlesen, räumliche Fragen und visuell gestützte Programmierung, mit OCR für 32 Sprachen und einem nativen Kontext von 262,144 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Instruct-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschliesslich Code. Erhalten Sie diese genaue Instruct-Identität, statt die um Schlussfolgern erweiterte Thinking-Ausgabe oder eine andere Familiengrösse einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das in der Antwort erwartete konkrete Artefakt.
Visuelle Agenten und visuell gestützte Programmierung
Der Hersteller beschreibt das Erkennen von Elementen von Computer- oder Mobiloberflächen, das Verstehen ihrer Funktionen und das Aufrufen von Werkzeugen in einem visuellen Agentenablauf. Liefern Sie den Screenshot und das beabsichtigte Ziel und fragen Sie anschliessend, welches sichtbare Steuerelement zur Aufgabe passt und was die Wahl stützt. Die angebundene Anwendung führt Aktionen aus und liefert ihre Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.
Visuell gestützte Programmierung umfasst Diagramminhalte sowie HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Liefern Sie eine Layoutreferenz mit funktionalen Einschränkungen und verlangen Sie bearbeitbaren Quellcode. Fügen Sie für eine Änderung an einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände bei. Trennen Sie das Artefakt von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein zu prüfender Vorschlag und kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung, Kontext und Video
Qwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Ziel und fragen Sie nach sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physischen Messung getrennt bleiben.
Der native Kontext beträgt 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos, mit Ereignisindexierung auf Sekundenebene und Erweiterung auf etwa eine Million Token per Konfiguration. Erhalten Sie Zeitangaben und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die allgemeine Beschreibung langer Videos darf deshalb nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.
Multimodales Schlussfolgern, Erkennung und OCR
Das Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Liefern Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert zudem die Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.
OCR umfasst 32 Sprachen und ist darauf ausgelegt, das Lesen bei schwachem Licht, Unschärfe oder Neigung zu verbessern, einschliesslich Fachwortschatz und Dokumentstruktur. Liefern Sie lesbare Seiten und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Textverständnis und visuelles Verständnis werden verbunden, sodass die Frage eine Passage mit ihrer Abbildung und den Nutzeranweisungen verknüpfen kann.
Architektur
Die veröffentlichte Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale aus mehreren Ebenen des visuellen Encoders; Text-Zeitstempel-Ausrichtung verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese Instruct-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Aufgaben und beim Vergleichen ihrer Ergebnisse.
Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; das Videobudget berücksichtigt Pixel über abgetastete Bilder hinweg. Explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Rate oder Bildanzahl in unterstützten Abläufen.
Der Medienhelfer kann Videometadaten erhalten und empfiehlt, eine zweite Grössenänderung zu vermeiden, wenn er das Material bereits skaliert hat. Gliedern Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Verlangen Sie bei einem Clip das Ereignis, den relevanten Zeitabschnitt und stützende Belege. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den Originalseiten oder dem Clip.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.7, top_p 0.8, top_k 20 und eine Repetition Penalty von 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich eine Presence Penalty von 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus einer Herstelleranleitung und ist kein unabhängig festgelegtes hartes Ausgabemaximum. Die separaten Aufgabenbudgets der 8B-Instruct-Modellkarte dürfen dieser Ausgabe nicht automatisch zugeordnet werden.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Erweitern des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der Originalbelege. Halten Sie die Instruct-Generierungsvorgaben von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer Hybridschalter wird durch den Ausgabenamen allein nicht belegt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-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.
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 $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Tokens Ausgabe · Ausgabetoken $0.0012 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-vl-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen/qwen3-vl-30b-a3b-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': 'qwen/qwen3-vl-30b-a3b-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 qwen/qwen3-vl-30b-a3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.