Die Instruct-Edition 235B-A22B
Qwen3-VL-235B-A22B-Instruct ist das auf Anweisungen ausgerichtete Mixture-of-Experts-Mitglied von Qwen3-VL. Es verarbeitet Text, Bilder und Video und erzeugt Text, einschließlich Code oder eines angeforderten Dokuments. Bewahren Sie die genaue Instruct-Edition, statt ihr die Antwortvorgaben eines Thinking-Checkpoints oder die Anleitung einer anderen Größe zuzuweisen. Eine nützliche Aufgabe gibt dem Modell eine konkrete Frage und ein Ergebnis vor, das sich mit den bereitgestellten Belegen vergleichen lässt.
Visuelle Agenten und Programmierung
Der Hersteller beschreibt Abläufe für visuelle Agenten, die Oberflächenelemente erkennen, ihre Funktionen verstehen und Werkzeuge für Computer- oder mobile Aufgaben aufrufen. Stellen Sie einen Screenshot und ein Ziel bereit und verlangen Sie anschließend das relevante Bedienelement und die Belege, die die Auswahl stützen. Die angeschlossene Anwendung führt Aktionen aus und stellt Ergebnisse bereit; das Erkennen einer Oberfläche steuert für sich genommen kein Gerät.
Visuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie die Layoutreferenz, funktionalen Vorgaben und die erforderliche editierbare Ausgabe bereit. Fügen Sie bei einer Änderung einer bestehenden Seite den relevanten Quellcode und die Interaktionszustände hinzu. Fordern Sie das Arbeitsergebnis getrennt von der Erklärung an, damit es in einem Entwicklungsablauf gerendert und geprüft werden kann. Erzeugter Quellcode bleibt ein Vorschlag, kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung und umfangreiches Material
Qwen dokumentiert Einschätzungen zu Positionen, Blickwinkeln und Verdeckungen, einschließlich zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie die relevanten Objekte und ihre Beziehung und fragen Sie anschließend, welche sichtbaren Hinweise die Schlussfolgerung stützen. Eine bildbasierte Beziehung sollte nicht als kalibrierte physikalische Messung behandelt werden.
Der native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf ungefähr eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Quellenkennungen, wenn Sie eine Ereignisdarstellung anfordern. Repräsentation und Abtastung bestimmen, welches Material in die Anfrage gelangt; ein großer Kontext ist keine Garantie für perfekte Erinnerung an jede Seite oder jedes Bild.
Schlussfolgern, Erkennung und OCR
Die Familie unterstützt visuelle MINT-, Mathematik-, Kausal- und Logikfragen. Geben Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen an und bitten Sie das Modell, vor der Schlussfolgerung die verwendeten Werte oder Beziehungen zu benennen. Text und visuelle Inhalte werden kombiniert, sodass eine Frage einen Absatz mit seiner Abbildung und den Anweisungen des Nutzers verbinden kann.
Die Erkennung erstreckt sich auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und ist auf das Lesen bei schwachem Licht, Unschärfe und Schräglage ausgelegt; sie berücksichtigt auch Fachwortschatz und die Struktur langer Dokumente. Stellen Sie gut lesbare Seiten bereit und verlangen Sie benannte Felder, Zitate oder eine Tabelle, die sich anhand des Bildes prüfen lässt. Diese Anwendungen spiegeln den dokumentierten Bereich wider, statt exakte Identifikation, Transkription oder Berechnung zu garantieren.
Architekturaktualisierungen
Die veröffentlichte Mixture-of-Experts-Textkonfiguration besitzt 94 Schichten, 128 Experten und acht ausgewählte Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe für Schlussfolgerungen zu Video. DeepStack kombiniert visuelle Merkmale mehrerer Encoderebenen, und Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 235B-A22B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.
Visuelle Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textanfragen, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und geben Sie an, wie sie zusammenhängen. Bild- und Videopixelbudgets sind getrennt, während ausdrücklich angegebene Bildabmessungen an Vielfachen von 32 ausgerichtet werden. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl, soweit unterstützt. Bewahren Sie Videometadaten und vermeiden Sie eine doppelte Größenänderung, wenn die Hilfsfunktion das Material bereits skaliert hat.
Ordnen Sie bei mehreren Dokumentseiten die Antwort nach Seitenkennzeichnung und verlangen Sie unterstützende Felder oder Passagen. Fordern Sie bei einem Clip das relevante Ereignis, den Zeitraum und sichtbare Belege an. Vergleichen Sie den zurückgegebenen Ereigniszeitraum und die unterstützenden Details mit dem ursprünglichen Clip und seinen Zeitinformationen.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und repetition penalty 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich presence penalty 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus Herstellervorgaben und ist keine unabhängig festgelegte harte Ausgabegrenze. Die aufgabenspezifischen Budgets der 8B-Modellkarte und die Voreinstellungen der Thinking-Edition bleiben getrennt.
Die Kontexterweiterung der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Wechsel des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für die Antwort und prüfen Sie Zitate, extrahierte Zahlen und erzeugten Code anhand der Quelle. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis, bei dem die unterstützenden visuellen Belege und die genaue Instruct-Identität erhalten bleiben.
", "aboutText": "Die Instruct-Edition 235B-A22B\n\nQwen3-VL-235B-A22B-Instruct ist das auf Anweisungen ausgerichtete Mixture-of-Experts-Mitglied von Qwen3-VL. Es verarbeitet Text, Bilder und Video und erzeugt Text, einschließlich Code oder eines angeforderten Dokuments. Bewahren Sie die genaue Instruct-Edition, statt ihr die Antwortvorgaben eines Thinking-Checkpoints oder die Anleitung einer anderen Größe zuzuweisen. Eine nützliche Aufgabe gibt dem Modell eine konkrete Frage und ein Ergebnis vor, das sich mit den bereitgestellten Belegen vergleichen lässt.\n\nVisuelle Agenten und Programmierung\n\nDer Hersteller beschreibt Abläufe für visuelle Agenten, die Oberflächenelemente erkennen, ihre Funktionen verstehen und Werkzeuge für Computer- oder mobile Aufgaben aufrufen. Stellen Sie einen Screenshot und ein Ziel bereit und verlangen Sie anschließend das relevante Bedienelement und die Belege, die die Auswahl stützen. Die angeschlossene Anwendung führt Aktionen aus und stellt Ergebnisse bereit; das Erkennen einer Oberfläche steuert für sich genommen kein Gerät.\n\nVisuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie die Layoutreferenz, funktionalen Vorgaben und die erforderliche editierbare Ausgabe bereit. Fügen Sie bei einer Änderung einer bestehenden Seite den relevanten Quellcode und die Interaktionszustände hinzu. Fordern Sie das Arbeitsergebnis getrennt von der Erklärung an, damit es in einem Entwicklungsablauf gerendert und geprüft werden kann. Erzeugter Quellcode bleibt ein Vorschlag, kein Beleg für eine funktionierende Anwendung.\n\nRäumliche Wahrnehmung und umfangreiches Material\n\nQwen dokumentiert Einschätzungen zu Positionen, Blickwinkeln und Verdeckungen, einschließlich zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie die relevanten Objekte und ihre Beziehung und fragen Sie anschließend, welche sichtbaren Hinweise die Schlussfolgerung stützen. Eine bildbasierte Beziehung sollte nicht als kalibrierte physikalische Messung behandelt werden.\n\nDer native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf ungefähr eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Quellenkennungen, wenn Sie eine Ereignisdarstellung anfordern. Repräsentation und Abtastung bestimmen, welches Material in die Anfrage gelangt; ein großer Kontext ist keine Garantie für perfekte Erinnerung an jede Seite oder jedes Bild.\n\nSchlussfolgern, Erkennung und OCR\n\nDie Familie unterstützt visuelle MINT-, Mathematik-, Kausal- und Logikfragen. Geben Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen an und bitten Sie das Modell, vor der Schlussfolgerung die verwendeten Werte oder Beziehungen zu benennen. Text und visuelle Inhalte werden kombiniert, sodass eine Frage einen Absatz mit seiner Abbildung und den Anweisungen des Nutzers verbinden kann.\n\nDie Erkennung erstreckt sich auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und ist auf das Lesen bei schwachem Licht, Unschärfe und Schräglage ausgelegt; sie berücksichtigt auch Fachwortschatz und die Struktur langer Dokumente. Stellen Sie gut lesbare Seiten bereit und verlangen Sie benannte Felder, Zitate oder eine Tabelle, die sich anhand des Bildes prüfen lässt. Diese Anwendungen spiegeln den dokumentierten Bereich wider, statt exakte Identifikation, Transkription oder Berechnung zu garantieren.\n\nArchitekturaktualisierungen\n\nDie veröffentlichte Mixture-of-Experts-Textkonfiguration besitzt 94 Schichten, 128 Experten und acht ausgewählte Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe für Schlussfolgerungen zu Video. DeepStack kombiniert visuelle Merkmale mehrerer Encoderebenen, und Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 235B-A22B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.\n\nVisuelle Eingaben vorbereiten\n\nDie Familienbeispiele umfassen reine Textanfragen, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und geben Sie an, wie sie zusammenhängen. Bild- und Videopixelbudgets sind getrennt, während ausdrücklich angegebene Bildabmessungen an Vielfachen von 32 ausgerichtet werden. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl, soweit unterstützt. Bewahren Sie Videometadaten und vermeiden Sie eine doppelte Größenänderung, wenn die Hilfsfunktion das Material bereits skaliert hat.\n\nOrdnen Sie bei mehreren Dokumentseiten die Antwort nach Seitenkennzeichnung und verlangen Sie unterstützende Felder oder Passagen. Fordern Sie bei einem Clip das relevante Ereignis, den Zeitraum und sichtbare Belege an. Vergleichen Sie den zurückgegebenen Ereigniszeitraum und die unterstützenden Details mit dem ursprünglichen Clip und seinen Zeitinformationen.\n\nEmpfehlungen zur Generierung und Grenzen\n\nDie Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und repetition penalty 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich presence penalty 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus Herstellervorgaben und ist keine unabhängig festgelegte harte Ausgabegrenze. Die aufgabenspezifischen Budgets der 8B-Modellkarte und die Voreinstellungen der Thinking-Edition bleiben getrennt.\n\nDie Kontexterweiterung der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Wechsel des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für die Antwort und prüfen Sie Zitate, extrahierte Zahlen und erzeugten Code anhand der Quelle. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis, bei dem die unterstützenden visuellen Belege und die genaue Instruct-Identität erhalten bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct ist Qwens auf Anweisungen ausgerichtete Mixture-of-Experts-Vision-Language-Edition für Text, Bilder und Video. Sie gibt Text oder Code für visuelle Abläufe, Dokumente, räumliche Fragen und MINT-Aufgaben zurück, mit OCR in 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-Edition 235B-A22B
Qwen3-VL-235B-A22B-Instruct ist das auf Anweisungen ausgerichtete Mixture-of-Experts-Mitglied von Qwen3-VL. Es verarbeitet Text, Bilder und Video und erzeugt Text, einschließlich Code oder eines angeforderten Dokuments. Bewahren Sie die genaue Instruct-Edition, statt ihr die Antwortvorgaben eines Thinking-Checkpoints oder die Anleitung einer anderen Größe zuzuweisen. Eine nützliche Aufgabe gibt dem Modell eine konkrete Frage und ein Ergebnis vor, das sich mit den bereitgestellten Belegen vergleichen lässt.
Visuelle Agenten und Programmierung
Der Hersteller beschreibt Abläufe für visuelle Agenten, die Oberflächenelemente erkennen, ihre Funktionen verstehen und Werkzeuge für Computer- oder mobile Aufgaben aufrufen. Stellen Sie einen Screenshot und ein Ziel bereit und verlangen Sie anschließend das relevante Bedienelement und die Belege, die die Auswahl stützen. Die angeschlossene Anwendung führt Aktionen aus und stellt Ergebnisse bereit; das Erkennen einer Oberfläche steuert für sich genommen kein Gerät.
Visuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie die Layoutreferenz, funktionalen Vorgaben und die erforderliche editierbare Ausgabe bereit. Fügen Sie bei einer Änderung einer bestehenden Seite den relevanten Quellcode und die Interaktionszustände hinzu. Fordern Sie das Arbeitsergebnis getrennt von der Erklärung an, damit es in einem Entwicklungsablauf gerendert und geprüft werden kann. Erzeugter Quellcode bleibt ein Vorschlag, kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung und umfangreiches Material
Qwen dokumentiert Einschätzungen zu Positionen, Blickwinkeln und Verdeckungen, einschließlich zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie die relevanten Objekte und ihre Beziehung und fragen Sie anschließend, welche sichtbaren Hinweise die Schlussfolgerung stützen. Eine bildbasierte Beziehung sollte nicht als kalibrierte physikalische Messung behandelt werden.
Der native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf ungefähr eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Quellenkennungen, wenn Sie eine Ereignisdarstellung anfordern. Repräsentation und Abtastung bestimmen, welches Material in die Anfrage gelangt; ein großer Kontext ist keine Garantie für perfekte Erinnerung an jede Seite oder jedes Bild.
Schlussfolgern, Erkennung und OCR
Die Familie unterstützt visuelle MINT-, Mathematik-, Kausal- und Logikfragen. Geben Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen an und bitten Sie das Modell, vor der Schlussfolgerung die verwendeten Werte oder Beziehungen zu benennen. Text und visuelle Inhalte werden kombiniert, sodass eine Frage einen Absatz mit seiner Abbildung und den Anweisungen des Nutzers verbinden kann.
Die Erkennung erstreckt sich auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und ist auf das Lesen bei schwachem Licht, Unschärfe und Schräglage ausgelegt; sie berücksichtigt auch Fachwortschatz und die Struktur langer Dokumente. Stellen Sie gut lesbare Seiten bereit und verlangen Sie benannte Felder, Zitate oder eine Tabelle, die sich anhand des Bildes prüfen lässt. Diese Anwendungen spiegeln den dokumentierten Bereich wider, statt exakte Identifikation, Transkription oder Berechnung zu garantieren.
Architekturaktualisierungen
Die veröffentlichte Mixture-of-Experts-Textkonfiguration besitzt 94 Schichten, 128 Experten und acht ausgewählte Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe für Schlussfolgerungen zu Video. DeepStack kombiniert visuelle Merkmale mehrerer Encoderebenen, und Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 235B-A22B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.
Visuelle Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textanfragen, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und geben Sie an, wie sie zusammenhängen. Bild- und Videopixelbudgets sind getrennt, während ausdrücklich angegebene Bildabmessungen an Vielfachen von 32 ausgerichtet werden. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl, soweit unterstützt. Bewahren Sie Videometadaten und vermeiden Sie eine doppelte Größenänderung, wenn die Hilfsfunktion das Material bereits skaliert hat.
Ordnen Sie bei mehreren Dokumentseiten die Antwort nach Seitenkennzeichnung und verlangen Sie unterstützende Felder oder Passagen. Fordern Sie bei einem Clip das relevante Ereignis, den Zeitraum und sichtbare Belege an. Vergleichen Sie den zurückgegebenen Ereigniszeitraum und die unterstützenden Details mit dem ursprünglichen Clip und seinen Zeitinformationen.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und repetition penalty 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich presence penalty 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus Herstellervorgaben und ist keine unabhängig festgelegte harte Ausgabegrenze. Die aufgabenspezifischen Budgets der 8B-Modellkarte und die Voreinstellungen der Thinking-Edition bleiben getrennt.
Die Kontexterweiterung der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Wechsel des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für die Antwort und prüfen Sie Zitate, extrahierte Zahlen und erzeugten Code anhand der Quelle. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis, bei dem die unterstützenden visuellen Belege und die genaue Instruct-Identität erhalten bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-235b-a22b-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 $0.000572 / 1K Token Ausgabe · Ausgabetoken $0.0038 / 1K Token Eingabe · Cache-Lesen $0.0002 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000572 / 1K Token Ausgabe · Ausgabetoken $0.0038 / 1K Token Eingabe · Cache-Lesen $0.0002 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-235b-a22b-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-235b-a22b-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-235b-a22b-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-235b-a22b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct ist Qwens auf Anweisungen ausgerichtete Mixture-of-Experts-Vision-Language-Edition für Text, Bilder und Video. Sie gibt Text oder Code für visuelle Abläufe, Dokumente, räumliche Fragen und MINT-Aufgaben zurück, mit OCR in 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-Edition 235B-A22B
Qwen3-VL-235B-A22B-Instruct ist das auf Anweisungen ausgerichtete Mixture-of-Experts-Mitglied von Qwen3-VL. Es verarbeitet Text, Bilder und Video und erzeugt Text, einschließlich Code oder eines angeforderten Dokuments. Bewahren Sie die genaue Instruct-Edition, statt ihr die Antwortvorgaben eines Thinking-Checkpoints oder die Anleitung einer anderen Größe zuzuweisen. Eine nützliche Aufgabe gibt dem Modell eine konkrete Frage und ein Ergebnis vor, das sich mit den bereitgestellten Belegen vergleichen lässt.
Visuelle Agenten und Programmierung
Der Hersteller beschreibt Abläufe für visuelle Agenten, die Oberflächenelemente erkennen, ihre Funktionen verstehen und Werkzeuge für Computer- oder mobile Aufgaben aufrufen. Stellen Sie einen Screenshot und ein Ziel bereit und verlangen Sie anschließend das relevante Bedienelement und die Belege, die die Auswahl stützen. Die angeschlossene Anwendung führt Aktionen aus und stellt Ergebnisse bereit; das Erkennen einer Oberfläche steuert für sich genommen kein Gerät.
Visuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie die Layoutreferenz, funktionalen Vorgaben und die erforderliche editierbare Ausgabe bereit. Fügen Sie bei einer Änderung einer bestehenden Seite den relevanten Quellcode und die Interaktionszustände hinzu. Fordern Sie das Arbeitsergebnis getrennt von der Erklärung an, damit es in einem Entwicklungsablauf gerendert und geprüft werden kann. Erzeugter Quellcode bleibt ein Vorschlag, kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung und umfangreiches Material
Qwen dokumentiert Einschätzungen zu Positionen, Blickwinkeln und Verdeckungen, einschließlich zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie die relevanten Objekte und ihre Beziehung und fragen Sie anschließend, welche sichtbaren Hinweise die Schlussfolgerung stützen. Eine bildbasierte Beziehung sollte nicht als kalibrierte physikalische Messung behandelt werden.
Der native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf ungefähr eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Quellenkennungen, wenn Sie eine Ereignisdarstellung anfordern. Repräsentation und Abtastung bestimmen, welches Material in die Anfrage gelangt; ein großer Kontext ist keine Garantie für perfekte Erinnerung an jede Seite oder jedes Bild.
Schlussfolgern, Erkennung und OCR
Die Familie unterstützt visuelle MINT-, Mathematik-, Kausal- und Logikfragen. Geben Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen an und bitten Sie das Modell, vor der Schlussfolgerung die verwendeten Werte oder Beziehungen zu benennen. Text und visuelle Inhalte werden kombiniert, sodass eine Frage einen Absatz mit seiner Abbildung und den Anweisungen des Nutzers verbinden kann.
Die Erkennung erstreckt sich auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. OCR umfasst 32 Sprachen und ist auf das Lesen bei schwachem Licht, Unschärfe und Schräglage ausgelegt; sie berücksichtigt auch Fachwortschatz und die Struktur langer Dokumente. Stellen Sie gut lesbare Seiten bereit und verlangen Sie benannte Felder, Zitate oder eine Tabelle, die sich anhand des Bildes prüfen lässt. Diese Anwendungen spiegeln den dokumentierten Bereich wider, statt exakte Identifikation, Transkription oder Berechnung zu garantieren.
Architekturaktualisierungen
Die veröffentlichte Mixture-of-Experts-Textkonfiguration besitzt 94 Schichten, 128 Experten und acht ausgewählte Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe für Schlussfolgerungen zu Video. DeepStack kombiniert visuelle Merkmale mehrerer Encoderebenen, und Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 235B-A22B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.
Visuelle Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textanfragen, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und geben Sie an, wie sie zusammenhängen. Bild- und Videopixelbudgets sind getrennt, während ausdrücklich angegebene Bildabmessungen an Vielfachen von 32 ausgerichtet werden. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl, soweit unterstützt. Bewahren Sie Videometadaten und vermeiden Sie eine doppelte Größenänderung, wenn die Hilfsfunktion das Material bereits skaliert hat.
Ordnen Sie bei mehreren Dokumentseiten die Antwort nach Seitenkennzeichnung und verlangen Sie unterstützende Felder oder Passagen. Fordern Sie bei einem Clip das relevante Ereignis, den Zeitraum und sichtbare Belege an. Vergleichen Sie den zurückgegebenen Ereigniszeitraum und die unterstützenden Details mit dem ursprünglichen Clip und seinen Zeitinformationen.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und repetition penalty 1.0. Die Instruct-Anleitung der Familie verwendet zusätzlich presence penalty 1.5 und ein Ausgabebudget von 32,768 Token. Dieses Budget stammt aus Herstellervorgaben und ist keine unabhängig festgelegte harte Ausgabegrenze. Die aufgabenspezifischen Budgets der 8B-Modellkarte und die Voreinstellungen der Thinking-Edition bleiben getrennt.
Die Kontexterweiterung der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei beim Wechsel des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für die Antwort und prüfen Sie Zitate, extrahierte Zahlen und erzeugten Code anhand der Quelle. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis, bei dem die unterstützenden visuellen Belege und die genaue Instruct-Identität erhalten bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-235b-a22b-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 $0.000572 / 1K Token Ausgabe · Ausgabetoken $0.0038 / 1K Token Eingabe · Cache-Lesen $0.0002 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.000572 / 1K Token Ausgabe · Ausgabetoken $0.0038 / 1K Token Eingabe · Cache-Lesen $0.0002 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-vl-235b-a22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-235b-a22b-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-235b-a22b-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-235b-a22b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.