Die Instruct-Edition 30B-A3B
Qwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Edition von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschließlich Code. Bewahren Sie genau diese Instruct-Identität, statt die mit verstärktem Schlussfolgern ausgestattete Thinking-Edition oder eine andere Familiengröße einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das konkrete Arbeitsergebnis, das in der Antwort erwartet wird.
Visuelle Agenten und visuell gestützte Programmierung
Der Hersteller beschreibt das Erkennen von Elementen von Computer- oder mobilen Oberflächen, das Verstehen ihrer Funktionen und den Aufruf von Werkzeugen in einem Ablauf für visuelle Agenten. Stellen Sie den Screenshot und das vorgesehene Ziel bereit und fragen Sie anschließend, welches sichtbare Bedienelement zur Aufgabe gehört und was die Auswahl stützt. Die angeschlossene Anwendung führt Aktionen aus und liefert deren Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.
Visuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie eine Layoutreferenz mit funktionalen Vorgaben bereit und fordern Sie editierbaren Quellcode an. Fügen Sie bei einer Änderung einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände hinzu. Trennen Sie das Arbeitsergebnis von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein Vorschlag zur Prüfung, kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung, Kontext und Video
Qwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Zielobjekt und fragen Sie nach den sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physikalischen Messung getrennt bleiben.
Der native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf etwa eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die umfassende Beschreibung langer Videos durch die Familie sollte daher nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.
Multimodales Schlussfolgern, Erkennung und OCR
Das Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Stellen Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen bereit und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert die Erkennung außerdem auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.
OCR umfasst 32 Sprachen und soll das Lesen bei schwachem Licht, Unschärfe oder Schräglage verbessern, einschließlich Fachwortschatz und Dokumentstruktur. Stellen Sie gut lesbare Seiten bereit und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Text- und visuelles Verständnis werden kombiniert, sodass die Frage eine Passage mit ihrer Abbildung und den Anweisungen des Nutzers verbinden kann.
Architektur
Die veröffentlichte Konfiguration kennzeichnet ein Vision-Language-Modell mit Mixture-of-Experts-Architektur, 48 Textschichten, 128 Experten und acht ausgewählten Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale mehrerer Ebenen des Vision-Encoders; Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 30B-A3B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.
Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und bewahren Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; bei Video werden die Pixel über abgetastete Bilder hinweg berücksichtigt. Ausdrücklich angegebene Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl in unterstützten Abläufen.
Die Medienhilfsfunktion kann Videometadaten beibehalten und empfiehlt, eine zweite Größenänderung zu vermeiden, wenn sie das Material bereits skaliert hat. Ordnen Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Fordern Sie bei einem Clip das Ereignis, den relevanten Zeitraum und unterstützende Belege an. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den ursprünglichen Seiten oder dem Clip.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und 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 maximale Ausgabegrenze. Die gesonderten Aufgabenbudgets der Modellkarte für 8B Instruct sollten dieser Edition nicht automatisch zugewiesen werden.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei bei der Erweiterung des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der ursprünglichen Belege. Halten Sie die Generierungsvorgaben für Instruct von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer hybrider Umschalter ist durch den Editionsnamen allein nicht belegt.
", "aboutText": "Die Instruct-Edition 30B-A3B\n\nQwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Edition von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschließlich Code. Bewahren Sie genau diese Instruct-Identität, statt die mit verstärktem Schlussfolgern ausgestattete Thinking-Edition oder eine andere Familiengröße einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das konkrete Arbeitsergebnis, das in der Antwort erwartet wird.\n\nVisuelle Agenten und visuell gestützte Programmierung\n\nDer Hersteller beschreibt das Erkennen von Elementen von Computer- oder mobilen Oberflächen, das Verstehen ihrer Funktionen und den Aufruf von Werkzeugen in einem Ablauf für visuelle Agenten. Stellen Sie den Screenshot und das vorgesehene Ziel bereit und fragen Sie anschließend, welches sichtbare Bedienelement zur Aufgabe gehört und was die Auswahl stützt. Die angeschlossene Anwendung führt Aktionen aus und liefert deren Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.\n\nVisuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie eine Layoutreferenz mit funktionalen Vorgaben bereit und fordern Sie editierbaren Quellcode an. Fügen Sie bei einer Änderung einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände hinzu. Trennen Sie das Arbeitsergebnis von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein Vorschlag zur Prüfung, kein Beleg für eine funktionierende Anwendung.\n\nRäumliche Wahrnehmung, Kontext und Video\n\nQwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Zielobjekt und fragen Sie nach den sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physikalischen Messung getrennt bleiben.\n\nDer native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf etwa eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die umfassende Beschreibung langer Videos durch die Familie sollte daher nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.\n\nMultimodales Schlussfolgern, Erkennung und OCR\n\nDas Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Stellen Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen bereit und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert die Erkennung außerdem auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.\n\nOCR umfasst 32 Sprachen und soll das Lesen bei schwachem Licht, Unschärfe oder Schräglage verbessern, einschließlich Fachwortschatz und Dokumentstruktur. Stellen Sie gut lesbare Seiten bereit und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Text- und visuelles Verständnis werden kombiniert, sodass die Frage eine Passage mit ihrer Abbildung und den Anweisungen des Nutzers verbinden kann.\n\nArchitektur\n\nDie veröffentlichte Konfiguration kennzeichnet ein Vision-Language-Modell mit Mixture-of-Experts-Architektur, 48 Textschichten, 128 Experten und acht ausgewählten Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale mehrerer Ebenen des Vision-Encoders; Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 30B-A3B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.\n\nEingaben vorbereiten\n\nDie Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und bewahren Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; bei Video werden die Pixel über abgetastete Bilder hinweg berücksichtigt. Ausdrücklich angegebene Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl in unterstützten Abläufen.\n\nDie Medienhilfsfunktion kann Videometadaten beibehalten und empfiehlt, eine zweite Größenänderung zu vermeiden, wenn sie das Material bereits skaliert hat. Ordnen Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Fordern Sie bei einem Clip das Ereignis, den relevanten Zeitraum und unterstützende Belege an. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den ursprünglichen Seiten oder dem Clip.\n\nEmpfehlungen zur Generierung und Grenzen\n\nDie Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und 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 maximale Ausgabegrenze. Die gesonderten Aufgabenbudgets der Modellkarte für 8B Instruct sollten dieser Edition nicht automatisch zugewiesen werden.\n\nDas Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei bei der Erweiterung des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der ursprünglichen Belege. Halten Sie die Generierungsvorgaben für Instruct von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer hybrider Umschalter ist durch den Editionsnamen allein nicht belegt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-Instruct ist Qwens auf Anweisungen ausgerichtete Vision-Language-Edition mit Mixture-of-Experts-Architektur für Text, Bilder und Video. Sie gibt Text oder Code für Abläufe mit visuellen Agenten, Dokumentlesen, räumliche Fragen und visuell gestützte Programmierung zurück, mit OCR für 32 Sprachen und einem nativen Kontext von 262,144 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Instruct-Edition 30B-A3B
Qwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Edition von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschließlich Code. Bewahren Sie genau diese Instruct-Identität, statt die mit verstärktem Schlussfolgern ausgestattete Thinking-Edition oder eine andere Familiengröße einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das konkrete Arbeitsergebnis, das in der Antwort erwartet wird.
Visuelle Agenten und visuell gestützte Programmierung
Der Hersteller beschreibt das Erkennen von Elementen von Computer- oder mobilen Oberflächen, das Verstehen ihrer Funktionen und den Aufruf von Werkzeugen in einem Ablauf für visuelle Agenten. Stellen Sie den Screenshot und das vorgesehene Ziel bereit und fragen Sie anschließend, welches sichtbare Bedienelement zur Aufgabe gehört und was die Auswahl stützt. Die angeschlossene Anwendung führt Aktionen aus und liefert deren Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.
Visuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie eine Layoutreferenz mit funktionalen Vorgaben bereit und fordern Sie editierbaren Quellcode an. Fügen Sie bei einer Änderung einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände hinzu. Trennen Sie das Arbeitsergebnis von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein Vorschlag zur Prüfung, kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung, Kontext und Video
Qwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Zielobjekt und fragen Sie nach den sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physikalischen Messung getrennt bleiben.
Der native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf etwa eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die umfassende Beschreibung langer Videos durch die Familie sollte daher nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.
Multimodales Schlussfolgern, Erkennung und OCR
Das Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Stellen Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen bereit und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert die Erkennung außerdem auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.
OCR umfasst 32 Sprachen und soll das Lesen bei schwachem Licht, Unschärfe oder Schräglage verbessern, einschließlich Fachwortschatz und Dokumentstruktur. Stellen Sie gut lesbare Seiten bereit und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Text- und visuelles Verständnis werden kombiniert, sodass die Frage eine Passage mit ihrer Abbildung und den Anweisungen des Nutzers verbinden kann.
Architektur
Die veröffentlichte Konfiguration kennzeichnet ein Vision-Language-Modell mit Mixture-of-Experts-Architektur, 48 Textschichten, 128 Experten und acht ausgewählten Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale mehrerer Ebenen des Vision-Encoders; Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 30B-A3B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.
Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und bewahren Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; bei Video werden die Pixel über abgetastete Bilder hinweg berücksichtigt. Ausdrücklich angegebene Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl in unterstützten Abläufen.
Die Medienhilfsfunktion kann Videometadaten beibehalten und empfiehlt, eine zweite Größenänderung zu vermeiden, wenn sie das Material bereits skaliert hat. Ordnen Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Fordern Sie bei einem Clip das Ereignis, den relevanten Zeitraum und unterstützende Belege an. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den ursprünglichen Seiten oder dem Clip.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und 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 maximale Ausgabegrenze. Die gesonderten Aufgabenbudgets der Modellkarte für 8B Instruct sollten dieser Edition nicht automatisch zugewiesen werden.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei bei der Erweiterung des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der ursprünglichen Belege. Halten Sie die Generierungsvorgaben für Instruct von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer hybrider Umschalter ist durch den Editionsnamen allein nicht belegt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-instruct | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0 / 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 $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0 / 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-30b-a3b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-30b-a3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-30b-a3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-Instruct ist Qwens auf Anweisungen ausgerichtete Vision-Language-Edition mit Mixture-of-Experts-Architektur für Text, Bilder und Video. Sie gibt Text oder Code für Abläufe mit visuellen Agenten, Dokumentlesen, räumliche Fragen und visuell gestützte Programmierung zurück, mit OCR für 32 Sprachen und einem nativen Kontext von 262,144 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Instruct-Edition 30B-A3B
Qwen3-VL-30B-A3B-Instruct ist die auf Anweisungen ausgerichtete Mixture-of-Experts-Edition von Qwen3-VL. Sie verbindet Text mit Bildern oder Video und erzeugt Text, einschließlich Code. Bewahren Sie genau diese Instruct-Identität, statt die mit verstärktem Schlussfolgern ausgestattete Thinking-Edition oder eine andere Familiengröße einzusetzen. Eine nützliche Anfrage definiert die visuellen Belege, die Frage und das konkrete Arbeitsergebnis, das in der Antwort erwartet wird.
Visuelle Agenten und visuell gestützte Programmierung
Der Hersteller beschreibt das Erkennen von Elementen von Computer- oder mobilen Oberflächen, das Verstehen ihrer Funktionen und den Aufruf von Werkzeugen in einem Ablauf für visuelle Agenten. Stellen Sie den Screenshot und das vorgesehene Ziel bereit und fragen Sie anschließend, welches sichtbare Bedienelement zur Aufgabe gehört und was die Auswahl stützt. Die angeschlossene Anwendung führt Aktionen aus und liefert deren Ergebnisse zurück; visuelle Erkennung allein steuert das Gerät nicht.
Visuell gestützte Programmierung umfasst Diagramminhalte und HTML, CSS oder JavaScript, die aus Bildern oder Video erzeugt werden. Stellen Sie eine Layoutreferenz mit funktionalen Vorgaben bereit und fordern Sie editierbaren Quellcode an. Fügen Sie bei einer Änderung einer bestehenden Oberfläche den relevanten Code und die erwarteten Interaktionszustände hinzu. Trennen Sie das Arbeitsergebnis von der Erklärung, damit ein Entwicklungsablauf es rendern und prüfen kann. Erzeugter Quellcode ist ein Vorschlag zur Prüfung, kein Beleg für eine funktionierende Anwendung.
Räumliche Wahrnehmung, Kontext und Video
Qwen dokumentiert Einschätzungen zu Objektpositionen, Blickwinkeln und Verdeckungen mit zweidimensionalem Grounding und Unterstützung für dreidimensionales Grounding. Benennen Sie das Zielobjekt und fragen Sie nach den sichtbaren Hinweisen, die die Beziehung stützen. Eine bildbasierte Beziehung sollte von einer kalibrierten physikalischen Messung getrennt bleiben.
Der native Kontext umfasst 262,144 Token. Die Familie beschreibt Bücher und stundenlange Videos mit Ereignisindizierung auf Sekundenebene sowie eine Erweiterung auf etwa eine Million Token per Konfiguration. Bewahren Sie Zeitinformationen und Bildreihenfolge, wenn Sie nach einer Abfolge fragen. Das konfigurierte Repräsentationsbudget bestimmt, welches Material verarbeitet wird; die umfassende Beschreibung langer Videos durch die Familie sollte daher nicht zu einer Zusage perfekter Erinnerung an jedes Bild werden.
Multimodales Schlussfolgern, Erkennung und OCR
Das Modell unterstützt visuelle MINT- und Mathematikfragen, Kausalanalyse und beleggestützte Erklärungen. Stellen Sie die vollständige Aufgabenstellung und Diagrammbeschriftungen bereit und verlangen Sie vor der endgültigen Schlussfolgerung die verwendeten Werte. Die Familie erweitert die Erkennung außerdem auf Menschen, Produkte, Wahrzeichen, Pflanzen, Tiere und Medienfiguren. Prüfen Sie ein Identifikationsergebnis, wenn die genaue Identität wichtig ist.
OCR umfasst 32 Sprachen und soll das Lesen bei schwachem Licht, Unschärfe oder Schräglage verbessern, einschließlich Fachwortschatz und Dokumentstruktur. Stellen Sie gut lesbare Seiten bereit und verlangen Sie Felder, Zitate oder eine Tabelle, die sich anhand der Quelle prüfen lässt. Text- und visuelles Verständnis werden kombiniert, sodass die Frage eine Passage mit ihrer Abbildung und den Anweisungen des Nutzers verbinden kann.
Architektur
Die veröffentlichte Konfiguration kennzeichnet ein Vision-Language-Modell mit Mixture-of-Experts-Architektur, 48 Textschichten, 128 Experten und acht ausgewählten Experten pro Token. Interleaved-MRoPE repräsentiert Zeit, Breite und Höhe; DeepStack verbindet Merkmale mehrerer Ebenen des Vision-Encoders; Text-Zeitstempel-Abgleich verankert Ereignisse in zeitlichen Referenzen. Verwenden Sie diese 30B-A3B-Instruct-Edition konsistent, wenn Sie visuelle Aufgaben vorbereiten und ihre Ergebnisse vergleichen.
Eingaben vorbereiten
Die Familienbeispiele umfassen reine Textaufgaben, einzelne oder mehrere Bilder und Video. Kennzeichnen Sie visuelle Eingaben und bewahren Sie ihre Beziehung. Bild- und Videopixelbudgets sind getrennt; bei Video werden die Pixel über abgetastete Bilder hinweg berücksichtigt. Ausdrücklich angegebene Bildabmessungen werden an Vielfachen von 32 ausgerichtet. Die dokumentierte Videovoreinstellung beträgt zwei Bilder pro Sekunde, mit Einstellungen für Rate oder Bildanzahl in unterstützten Abläufen.
Die Medienhilfsfunktion kann Videometadaten beibehalten und empfiehlt, eine zweite Größenänderung zu vermeiden, wenn sie das Material bereits skaliert hat. Ordnen Sie bei einem Dokumentvergleich die Antwort nach Seitenkennzeichnung. Fordern Sie bei einem Clip das Ereignis, den relevanten Zeitraum und unterstützende Belege an. Vergleichen Sie die zurückgegebenen Felder, Passagen und Ereigniszeiten mit den ursprünglichen Seiten oder dem Clip.
Empfehlungen zur Generierung und Grenzen
Die Generierungsdatei des Checkpoints verwendet standardmäßig temperature 0.7, top_p 0.8, top_k 20 und 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 maximale Ausgabegrenze. Die gesonderten Aufgabenbudgets der Modellkarte für 8B Instruct sollten dieser Edition nicht automatisch zugewiesen werden.
Das Erweiterungsverfahren der Familie verwendet YaRN und empfiehlt einen Faktor von zwei oder drei bei der Erweiterung des verschachtelten Positionsschemas von 256K auf etwa 1M. Reservieren Sie neben Text und visuellen Repräsentationen Platz für das Ergebnis und prüfen Sie OCR, berechnete Schlussfolgerungen und erzeugten Code anhand der ursprünglichen Belege. Halten Sie die Generierungsvorgaben für Instruct von den Einstellungen eines Thinking-Checkpoints getrennt; ein anwendungsspezifischer hybrider Umschalter ist durch den Editionsnamen allein nicht belegt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-vl-30b-a3b-instruct | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0 / 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 $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0012 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3-vl-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.