Die Thinking-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Thinking ist die um Schlussfolgern erweiterte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie akzeptiert Text, Bilder und Video und erzeugt Text, einschliesslich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrössen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Schlussfolgerungsverhalten, ohne einen anwendungsspezifischen Hybridschalter zu belegen.
Visuelle Agenten und Programmierung
Qwen dokumentiert einen visuellen Agentenablauf, der Computer- oder Mobilsteuerelemente erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Liefern Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel und verlangen Sie anschliessend das relevante Steuerelement sowie eine Erklärung mit Bezug auf sichtbare Belege. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse zurück; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.
Die Familie erzeugt zudem Diagramminhalte, HTML, CSS und JavaScript aus Bildern oder Video. Liefern Sie die visuelle Referenz mit funktionalen Anforderungen und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion definiert. Erzeugter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.
Raum, langer Kontext und Video
Der Hersteller beschreibt Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welche Beziehung relevant ist und welche Hinweise die Schlussfolgerung stützen. Eine visuelle 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, Bildreihenfolge und Quellenkennungen, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage repräsentierte Material; die Familienbeschreibung darf nicht zu einer bedingungslosen Zusage perfekter Erinnerung werden.
Multimodales Schlussfolgern, Erkennung und OCR
Die Thinking-Ausgabe ist für MINT-, mathematische und logische Fragen relevant, die visuelle Belege mit einer Erklärung verbinden. Liefern Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Beziehungen. Ein klares Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine durch Bild und Text gestützte kurze Schlussfolgerung sein.
Die Familie erweitert die visuelle Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung, einschliesslich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie überprüfbare Felder oder Zitate. Diese Anwendungsfälle wenden dokumentierte Fähigkeiten an; sie garantieren nicht für jede Eingabe eine korrekte Identifikation, Transkription oder mathematische Schlussfolgerung.
Architektur
Die genaue Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale aus mehreren Encoderebenen, und Text-Zeitstempel-Ausrichtung hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Schlussfolgerungsaufgaben und beim Vergleichen ihrer Ergebnisse.
Eingaben vorbereiten
Die Familienbeispiele unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Getrennte Bild- und Videopixelbudgets erlauben einem Ablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Grössenänderung, wenn der Helfer die Medien bereits skaliert hat.
Gliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenkennung. Verlangen Sie bei einem Clip das relevante Ereignis, den Zeitabschnitt und die Belege. Reservieren Sie neben den visuellen Token Sequenzplatz für Denkverlauf und endgültigen Text.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.8, top_p 0.95, top_k 20 und eine Repetition Penalty von 1.0. Die separate Thinking-Auswertungsanleitung der Familie verwendet temperature 0.6, eine Presence Penalty von null, eine Repetition Penalty von 1.0 und ein Ausgabebudget von 40,960 Token. Dies sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei für das verschachtelte Positionsschema beim Übergang von 256K auf etwa 1M. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und erzeugten Code anhand der Originalbelege und halten Sie das Endartefakt vom Denkverlauf unterscheidbar. Das praktische Ergebnis ist eine überprüfbare visuelle Schlussfolgerung oder ein Codevorschlag unter Beibehaltung dieser konkreten Thinking-Ausgabe.
", "aboutText": "Die Thinking-Ausgabe 30B-A3B\n\nQwen3-VL-30B-A3B-Thinking ist die um Schlussfolgern erweiterte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie akzeptiert Text, Bilder und Video und erzeugt Text, einschliesslich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrössen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Schlussfolgerungsverhalten, ohne einen anwendungsspezifischen Hybridschalter zu belegen.\n\nVisuelle Agenten und Programmierung\n\nQwen dokumentiert einen visuellen Agentenablauf, der Computer- oder Mobilsteuerelemente erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Liefern Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel und verlangen Sie anschliessend das relevante Steuerelement sowie eine Erklärung mit Bezug auf sichtbare Belege. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse zurück; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.\n\nDie Familie erzeugt zudem Diagramminhalte, HTML, CSS und JavaScript aus Bildern oder Video. Liefern Sie die visuelle Referenz mit funktionalen Anforderungen und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion definiert. Erzeugter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.\n\nRaum, langer Kontext und Video\n\nDer Hersteller beschreibt Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welche Beziehung relevant ist und welche Hinweise die Schlussfolgerung stützen. Eine visuelle 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, Bildreihenfolge und Quellenkennungen, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage repräsentierte Material; die Familienbeschreibung darf nicht zu einer bedingungslosen Zusage perfekter Erinnerung werden.\n\nMultimodales Schlussfolgern, Erkennung und OCR\n\nDie Thinking-Ausgabe ist für MINT-, mathematische und logische Fragen relevant, die visuelle Belege mit einer Erklärung verbinden. Liefern Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Beziehungen. Ein klares Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine durch Bild und Text gestützte kurze Schlussfolgerung sein.\n\nDie Familie erweitert die visuelle Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung, einschliesslich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie überprüfbare Felder oder Zitate. Diese Anwendungsfälle wenden dokumentierte Fähigkeiten an; sie garantieren nicht für jede Eingabe eine korrekte Identifikation, Transkription oder mathematische Schlussfolgerung.\n\nArchitektur\n\nDie genaue Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale aus mehreren Encoderebenen, und Text-Zeitstempel-Ausrichtung hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Schlussfolgerungsaufgaben und beim Vergleichen ihrer Ergebnisse.\n\nEingaben vorbereiten\n\nDie Familienbeispiele unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Getrennte Bild- und Videopixelbudgets erlauben einem Ablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Grössenänderung, wenn der Helfer die Medien bereits skaliert hat.\n\nGliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenkennung. Verlangen Sie bei einem Clip das relevante Ereignis, den Zeitabschnitt und die Belege. Reservieren Sie neben den visuellen Token Sequenzplatz für Denkverlauf und endgültigen Text.\n\nEmpfehlungen zur Generierung und Grenzen\n\nDie Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.8, top_p 0.95, top_k 20 und eine Repetition Penalty von 1.0. Die separate Thinking-Auswertungsanleitung der Familie verwendet temperature 0.6, eine Presence Penalty von null, eine Repetition Penalty von 1.0 und ein Ausgabebudget von 40,960 Token. Dies sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.\n\nDas Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei für das verschachtelte Positionsschema beim Übergang von 256K auf etwa 1M. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und erzeugten Code anhand der Originalbelege und halten Sie das Endartefakt vom Denkverlauf unterscheidbar. Das praktische Ergebnis ist eine überprüfbare visuelle Schlussfolgerung oder ein Codevorschlag unter Beibehaltung dieser konkreten Thinking-Ausgabe.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking ist Qwens Mixture-of-Experts-Vision-Language-Ausgabe für tieferes Schlussfolgern über Text, Bilder und Video. Sie liefert Text oder Code für MINT-Fragen, Dokumente, räumliche Analyse und visuelle Abläufe, 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 Thinking-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Thinking ist die um Schlussfolgern erweiterte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie akzeptiert Text, Bilder und Video und erzeugt Text, einschliesslich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrössen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Schlussfolgerungsverhalten, ohne einen anwendungsspezifischen Hybridschalter zu belegen.
Visuelle Agenten und Programmierung
Qwen dokumentiert einen visuellen Agentenablauf, der Computer- oder Mobilsteuerelemente erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Liefern Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel und verlangen Sie anschliessend das relevante Steuerelement sowie eine Erklärung mit Bezug auf sichtbare Belege. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse zurück; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.
Die Familie erzeugt zudem Diagramminhalte, HTML, CSS und JavaScript aus Bildern oder Video. Liefern Sie die visuelle Referenz mit funktionalen Anforderungen und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion definiert. Erzeugter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.
Raum, langer Kontext und Video
Der Hersteller beschreibt Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welche Beziehung relevant ist und welche Hinweise die Schlussfolgerung stützen. Eine visuelle 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, Bildreihenfolge und Quellenkennungen, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage repräsentierte Material; die Familienbeschreibung darf nicht zu einer bedingungslosen Zusage perfekter Erinnerung werden.
Multimodales Schlussfolgern, Erkennung und OCR
Die Thinking-Ausgabe ist für MINT-, mathematische und logische Fragen relevant, die visuelle Belege mit einer Erklärung verbinden. Liefern Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Beziehungen. Ein klares Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine durch Bild und Text gestützte kurze Schlussfolgerung sein.
Die Familie erweitert die visuelle Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung, einschliesslich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie überprüfbare Felder oder Zitate. Diese Anwendungsfälle wenden dokumentierte Fähigkeiten an; sie garantieren nicht für jede Eingabe eine korrekte Identifikation, Transkription oder mathematische Schlussfolgerung.
Architektur
Die genaue Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale aus mehreren Encoderebenen, und Text-Zeitstempel-Ausrichtung hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Schlussfolgerungsaufgaben und beim Vergleichen ihrer Ergebnisse.
Eingaben vorbereiten
Die Familienbeispiele unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Getrennte Bild- und Videopixelbudgets erlauben einem Ablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Grössenänderung, wenn der Helfer die Medien bereits skaliert hat.
Gliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenkennung. Verlangen Sie bei einem Clip das relevante Ereignis, den Zeitabschnitt und die Belege. Reservieren Sie neben den visuellen Token Sequenzplatz für Denkverlauf und endgültigen Text.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.8, top_p 0.95, top_k 20 und eine Repetition Penalty von 1.0. Die separate Thinking-Auswertungsanleitung der Familie verwendet temperature 0.6, eine Presence Penalty von null, eine Repetition Penalty von 1.0 und ein Ausgabebudget von 40,960 Token. Dies sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei für das verschachtelte Positionsschema beim Übergang von 256K auf etwa 1M. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und erzeugten Code anhand der Originalbelege und halten Sie das Endartefakt vom Denkverlauf unterscheidbar. Das praktische Ergebnis ist eine überprüfbare visuelle Schlussfolgerung oder ein Codevorschlag unter Beibehaltung dieser konkreten Thinking-Ausgabe.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · 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 $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 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-thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-30b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-30b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking ist Qwens Mixture-of-Experts-Vision-Language-Ausgabe für tieferes Schlussfolgern über Text, Bilder und Video. Sie liefert Text oder Code für MINT-Fragen, Dokumente, räumliche Analyse und visuelle Abläufe, 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 Thinking-Ausgabe 30B-A3B
Qwen3-VL-30B-A3B-Thinking ist die um Schlussfolgern erweiterte Mixture-of-Experts-Ausgabe von Qwen3-VL. Sie akzeptiert Text, Bilder und Video und erzeugt Text, einschliesslich Code oder einer erläuterten Schlussfolgerung. Halten Sie ihre Thinking-Identität von Qwen3-VL-30B-A3B-Instruct und anderen Familiengrössen getrennt. Die Unterscheidung der Ausgaben durch den Hersteller beschreibt das beabsichtigte Schlussfolgerungsverhalten, ohne einen anwendungsspezifischen Hybridschalter zu belegen.
Visuelle Agenten und Programmierung
Qwen dokumentiert einen visuellen Agentenablauf, der Computer- oder Mobilsteuerelemente erkennt, ihre Funktionen versteht und Werkzeuge aufruft. Liefern Sie für eine Oberflächenaufgabe den aktuellen Screenshot und das beabsichtigte Ziel und verlangen Sie anschliessend das relevante Steuerelement sowie eine Erklärung mit Bezug auf sichtbare Belege. Die angebundene Anwendung führt Aktionen aus und liefert Ergebnisse zurück; das visuelle Schlussfolgern des Modells steuert das Gerät nicht eigenständig.
Die Familie erzeugt zudem Diagramminhalte, HTML, CSS und JavaScript aus Bildern oder Video. Liefern Sie die visuelle Referenz mit funktionalen Anforderungen und verlangen Sie bearbeitbaren Quellcode. Benennen Sie bei einer bestehenden Oberfläche die beabsichtigte Änderung und relevanten Code, statt zu erwarten, dass ein unerläutertes Bild jede Interaktion definiert. Erzeugter Quellcode ist ein zu renderndes und zu prüfendes Artefakt und kein Beleg für eine funktionierende Anwendung.
Raum, langer Kontext und Video
Der Hersteller beschreibt Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen, mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Fragen Sie, welche Beziehung relevant ist und welche Hinweise die Schlussfolgerung stützen. Eine visuelle 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, Bildreihenfolge und Quellenkennungen, wenn Sie eine Ereignisdarstellung verlangen. Kontext und Abtastung bestimmen das in einer Anfrage repräsentierte Material; die Familienbeschreibung darf nicht zu einer bedingungslosen Zusage perfekter Erinnerung werden.
Multimodales Schlussfolgern, Erkennung und OCR
Die Thinking-Ausgabe ist für MINT-, mathematische und logische Fragen relevant, die visuelle Belege mit einer Erklärung verbinden. Liefern Sie die vollständige Aufgabenstellung, Diagrammbeschriftungen und Einheiten und verlangen Sie vor der endgültigen Antwort die verwendeten Werte und Beziehungen. Ein klares Ergebnis kann ein abgegrenzter Wert, eine Belegtabelle oder eine durch Bild und Text gestützte kurze Schlussfolgerung sein.
Die Familie erweitert die visuelle Erkennung auf Personen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und zielt auf das Lesen bei schwachem Licht, Unschärfe oder Neigung, einschliesslich Fachwortschatz und Dokumentstruktur. Erhalten Sie die Lesbarkeit und verlangen Sie überprüfbare Felder oder Zitate. Diese Anwendungsfälle wenden dokumentierte Fähigkeiten an; sie garantieren nicht für jede Eingabe eine korrekte Identifikation, Transkription oder mathematische Schlussfolgerung.
Architektur
Die genaue Konfiguration bezeichnet ein Vision-Language-Mixture-of-Experts-Modell mit 48 Textschichten, 128 Experten und acht pro Token ausgewählten Experten. Interleaved-MRoPE verteilt Positionsinformationen über Zeit, Breite und Höhe. DeepStack verbindet visuelle Merkmale aus mehreren Encoderebenen, und Text-Zeitstempel-Ausrichtung hilft, Ereignisse in zeitlichen Referenzen zu verankern. Verwenden Sie diese Thinking-Ausgabe 30B-A3B konsistent beim Vorbereiten visueller Schlussfolgerungsaufgaben und beim Vergleichen ihrer Ergebnisse.
Eingaben vorbereiten
Die Familienbeispiele unterstützen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und erhalten Sie ihre Beziehung. Getrennte Bild- und Videopixelbudgets erlauben einem Ablauf, den Detailgrad zu steuern; explizite Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Der dokumentierte Videostandard beträgt zwei Bilder pro Sekunde, mit Optionen für Abtastrate oder Bildanzahl, soweit unterstützt. Erhalten Sie Videometadaten und vermeiden Sie doppelte Grössenänderung, wenn der Helfer die Medien bereits skaliert hat.
Gliedern Sie bei einem Dokumentvergleich das Ergebnis nach Seitenkennung. Verlangen Sie bei einem Clip das relevante Ereignis, den Zeitabschnitt und die Belege. Reservieren Sie neben den visuellen Token Sequenzplatz für Denkverlauf und endgültigen Text.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmässig temperature 0.8, top_p 0.95, top_k 20 und eine Repetition Penalty von 1.0. Die separate Thinking-Auswertungsanleitung der Familie verwendet temperature 0.6, eine Presence Penalty von null, eine Repetition Penalty von 1.0 und ein Ausgabebudget von 40,960 Token. Dies sind unterschiedliche Herstellervoreinstellungen; das Budget ist kein unabhängig festgelegtes hartes Ausgabemaximum.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei für das verschachtelte Positionsschema beim Übergang von 256K auf etwa 1M. Es sollte nicht den Faktor von vier einer anderen Familie übernehmen. Prüfen Sie extrahierte Beschriftungen, Berechnungen und erzeugten Code anhand der Originalbelege und halten Sie das Endartefakt vom Denkverlauf unterscheidbar. Das praktische Ergebnis ist eine überprüfbare visuelle Schlussfolgerung oder ein Codevorschlag unter Beibehaltung dieser konkreten Thinking-Ausgabe.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · 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 $0.00058 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-vl-30b-a3b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.