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