Το Qwen3-VL-8B-Thinking είναι η πυκνή έκδοση 8B της οικογένειας Qwen3-VL της Alibaba με έμφαση στον συλλογισμό. Συνδυάζει κείμενο, εικόνες και βίντεο σε κοινή εργασία και παράγει κείμενο. Η Qwen κυκλοφορεί χωριστά τις εκδόσεις Thinking και Instruct· αυτή η κάρτα αφορά το ονομαζόμενο μοντέλο Thinking, του οποίου ο σκοπός περιλαμβάνει ανάλυση οπτικών αποδεικτικών στοιχείων πριν από την παραγωγή απάντησης. Η εργασία αποκλειστικά κειμένου είναι επίσης μέρος της γλωσσικής δυνατότητας του μοντέλου.
Ο κατασκευαστής παρουσιάζει πρώτα τους οπτικούς πράκτορες: το μοντέλο μπορεί να αναγνωρίζει στοιχεία διεπαφής επιτραπέζιου ή κινητού, να ερμηνεύει τις λειτουργίες τους και να συλλογίζεται για την επόμενη αλληλεπίδραση. Σε μια εφαρμογή, τα στιγμιότυπα οθόνης παρέχουν την τρέχουσα κατάσταση και τα εργαλεία εκτελούν τις επιλεγμένες ενέργειες. Μια χρήσιμη εντολή δίνει τον στόχο του χρήστη, την ορατή οθόνη και τις επιτρεπόμενες ενέργειες, και έπειτα ζητά το επόμενο βήμα και το στοιχείο που το δικαιολογεί. Η παραγόμενη ερμηνεία είναι διακριτή από ενέργεια που εκτελεί η γύρω εφαρμογή.
Ο οπτικός προγραμματισμός συνδέει εικόνες ή βίντεο αναφοράς με κώδικα κειμένου. Η Qwen τεκμηριώνει διαγράμματα Draw.io και HTML, CSS και JavaScript ως παραδείγματα εξόδου. Δώστε στιγμιότυπο οθόνης ή σκίτσο μαζί με την απαιτούμενη συμπεριφορά, το περιεχόμενο και τη διάταξη στόχο· ζητήστε επεξεργάσιμο παραδοτέο κώδικα ή διαγράμματος. Για χωρική εργασία, η οικογένεια περιγράφει θέση αντικειμένου, οπτική γωνία και απόκρυψη, με χωρικό εντοπισμό 2D και 3D. Ορίστε τη σύμβαση συντεταγμένων αν χρειάζεστε θέσεις, ώστε μια περιγραφόμενη θέση και ένα ζητούμενο πλαίσιο να χρησιμοποιούν την ίδια αναφορά.
Το εγγενές πλαίσιο είναι 256K tokens για κείμενο και παρεμβαλλόμενο οπτικό υλικό. Η κάρτα μοντέλου περιγράφει επίσης επέκταση στο ένα εκατομμύριο tokens, η οποία είναι χωριστή διαμορφωμένη επέκταση και όχι προδιαγραφή εγγενούς πλαισίου. Οι εφαρμογές μεγάλου πλαισίου περιλαμβάνουν διασταύρωση σελίδων εγγράφων και εντοπισμό συμβάντων σε βίντεο. Διατηρήστε τη σειρά σελίδων και τις χρονικές σημάνσεις βίντεο κατά την προετοιμασία εισόδου και ζητήστε από την απάντηση να προσδιορίζει τη σελίδα ή τη στιγμή που χρησιμοποιεί για κάθε συμπέρασμα.
Ο πολυτροπικός συλλογισμός καλύπτει μαθηματικές και επιστημονικές εργασίες που απαιτούν τόσο το ορατό υλικό όσο και το γραπτό ερώτημά του. Η οικογένεια υποστηρίζει επίσης ευρεία οπτική αναγνώριση αντικειμένων, προϊόντων, τοποσήμων, φυτών και ζώων. Η κάλυψη OCR εκτείνεται σε 32 γλώσσες και περιλαμβάνει δύσκολες εικόνες με χαμηλό φωτισμό, θόλωση ή κλίση, μαζί με ερμηνεία δομής εγγράφων. Για σαρωμένο πρόβλημα, ζητήστε πρώτα μεταγραφή και κατόπιν λύση· αυτό κάνει ορατό ένα λανθασμένα αναγνωσμένο σύμβολο ή ετικέτα πριν αλλάξει τον συλλογισμό.
Τρεις αρχιτεκτονικές ενημερώσεις υποστηρίζουν αυτή την οπτική και χρονική εργασία. Το Interleaved-MRoPE κατανέμει την πληροφορία θέσης στον χρόνο, το πλάτος και το ύψος· το DeepStack εισάγει οπτικά χαρακτηριστικά από πολλά επίπεδα στο γλωσσικό μοντέλο· ρητές χρονικές σημάνσεις κειμένου αναπαριστούν τη χρονική θέση ομάδων καρέ βίντεο. Η πρακτική τους σημασία είναι η διατήρηση χωρικής λεπτομέρειας και η σύνδεση περιγραφής συμβάντος με μια στιγμή στην πηγή. Δεν μετατρέπουν μια μικρή ή δυσανάγνωστη λεπτομέρεια πηγής σε εγγυημένη αναγνώριση.
Η κάρτα του συγκεκριμένου μοντέλου Thinking δίνει χωριστές συστάσεις παραγωγής για οπτικές εργασίες και εργασίες κειμένου. Και οι δύο χρησιμοποιούν δειγματοληψία με temperature 1.0, top-p 0.95 και top-k 20· το οπτικό παράδειγμα χρησιμοποιεί ποινή παρουσίας 0.0, ενώ το παράδειγμα κειμένου χρησιμοποιεί 1.5. Οι ρυθμίσεις μήκους εξόδου του παραδείγματος είναι 40,960 για οπτική εργασία και 32,768 για κείμενο, με 81,920 να προτείνεται για επιλεγμένες απαιτητικές αξιολογήσεις κειμένου. Αυτές είναι συστάσεις ρύθμισης, όχι καθολική εγγύηση μέγιστης εξόδου ή παράμετροι που εκθέτει αναγκαστικά μια γύρω υπηρεσία.
Για μια πρακτική εργασία εγγράφου, δώστε διατεταγμένες εικόνες σελίδων και ζητήστε: «Εξάγαγε τις επικεφαλίδες ενοτήτων, εξήγησε τη σχέση ανάμεσα στο διάγραμμα και το γειτονικό κείμενο, και πρόσθεσε παραπομπή σε σελίδα σε κάθε εύρημα». Για βίντεο, ορίστε το συμβάν που θέλετε να εντοπιστεί και ζητήστε τη χρονική σήμανσή του μαζί με σύντομη οπτική εξήγηση. Για ερώτημα οπτικού συλλογισμού, ορίστε το απαιτούμενο τελικό παραδοτέο και τις παραδοχές που μπορούν να χρησιμοποιηθούν. Η έξοδος παραμένει εξήγηση κειμένου, εξαγόμενο περιεχόμενο, κώδικας ή προτεινόμενο βήμα εργαλείου· η οπτική είσοδος αυτής της έκδοσης δεν είναι ροή παραγωγής βίντεο ή ομιλίας.
", "aboutText": "Το Qwen3-VL-8B-Thinking είναι η πυκνή έκδοση 8B της οικογένειας Qwen3-VL της Alibaba με έμφαση στον συλλογισμό. Συνδυάζει κείμενο, εικόνες και βίντεο σε κοινή εργασία και παράγει κείμενο. Η Qwen κυκλοφορεί χωριστά τις εκδόσεις Thinking και Instruct· αυτή η κάρτα αφορά το ονομαζόμενο μοντέλο Thinking, του οποίου ο σκοπός περιλαμβάνει ανάλυση οπτικών αποδεικτικών στοιχείων πριν από την παραγωγή απάντησης. Η εργασία αποκλειστικά κειμένου είναι επίσης μέρος της γλωσσικής δυνατότητας του μοντέλου.\n\nΟ κατασκευαστής παρουσιάζει πρώτα τους οπτικούς πράκτορες: το μοντέλο μπορεί να αναγνωρίζει στοιχεία διεπαφής επιτραπέζιου ή κινητού, να ερμηνεύει τις λειτουργίες τους και να συλλογίζεται για την επόμενη αλληλεπίδραση. Σε μια εφαρμογή, τα στιγμιότυπα οθόνης παρέχουν την τρέχουσα κατάσταση και τα εργαλεία εκτελούν τις επιλεγμένες ενέργειες. Μια χρήσιμη εντολή δίνει τον στόχο του χρήστη, την ορατή οθόνη και τις επιτρεπόμενες ενέργειες, και έπειτα ζητά το επόμενο βήμα και το στοιχείο που το δικαιολογεί. Η παραγόμενη ερμηνεία είναι διακριτή από ενέργεια που εκτελεί η γύρω εφαρμογή.\n\nΟ οπτικός προγραμματισμός συνδέει εικόνες ή βίντεο αναφοράς με κώδικα κειμένου. Η Qwen τεκμηριώνει διαγράμματα Draw.io και HTML, CSS και JavaScript ως παραδείγματα εξόδου. Δώστε στιγμιότυπο οθόνης ή σκίτσο μαζί με την απαιτούμενη συμπεριφορά, το περιεχόμενο και τη διάταξη στόχο· ζητήστε επεξεργάσιμο παραδοτέο κώδικα ή διαγράμματος. Για χωρική εργασία, η οικογένεια περιγράφει θέση αντικειμένου, οπτική γωνία και απόκρυψη, με χωρικό εντοπισμό 2D και 3D. Ορίστε τη σύμβαση συντεταγμένων αν χρειάζεστε θέσεις, ώστε μια περιγραφόμενη θέση και ένα ζητούμενο πλαίσιο να χρησιμοποιούν την ίδια αναφορά.\n\nΤο εγγενές πλαίσιο είναι 256K tokens για κείμενο και παρεμβαλλόμενο οπτικό υλικό. Η κάρτα μοντέλου περιγράφει επίσης επέκταση στο ένα εκατομμύριο tokens, η οποία είναι χωριστή διαμορφωμένη επέκταση και όχι προδιαγραφή εγγενούς πλαισίου. Οι εφαρμογές μεγάλου πλαισίου περιλαμβάνουν διασταύρωση σελίδων εγγράφων και εντοπισμό συμβάντων σε βίντεο. Διατηρήστε τη σειρά σελίδων και τις χρονικές σημάνσεις βίντεο κατά την προετοιμασία εισόδου και ζητήστε από την απάντηση να προσδιορίζει τη σελίδα ή τη στιγμή που χρησιμοποιεί για κάθε συμπέρασμα.\n\nΟ πολυτροπικός συλλογισμός καλύπτει μαθηματικές και επιστημονικές εργασίες που απαιτούν τόσο το ορατό υλικό όσο και το γραπτό ερώτημά του. Η οικογένεια υποστηρίζει επίσης ευρεία οπτική αναγνώριση αντικειμένων, προϊόντων, τοποσήμων, φυτών και ζώων. Η κάλυψη OCR εκτείνεται σε 32 γλώσσες και περιλαμβάνει δύσκολες εικόνες με χαμηλό φωτισμό, θόλωση ή κλίση, μαζί με ερμηνεία δομής εγγράφων. Για σαρωμένο πρόβλημα, ζητήστε πρώτα μεταγραφή και κατόπιν λύση· αυτό κάνει ορατό ένα λανθασμένα αναγνωσμένο σύμβολο ή ετικέτα πριν αλλάξει τον συλλογισμό.\n\nΤρεις αρχιτεκτονικές ενημερώσεις υποστηρίζουν αυτή την οπτική και χρονική εργασία. Το Interleaved-MRoPE κατανέμει την πληροφορία θέσης στον χρόνο, το πλάτος και το ύψος· το DeepStack εισάγει οπτικά χαρακτηριστικά από πολλά επίπεδα στο γλωσσικό μοντέλο· ρητές χρονικές σημάνσεις κειμένου αναπαριστούν τη χρονική θέση ομάδων καρέ βίντεο. Η πρακτική τους σημασία είναι η διατήρηση χωρικής λεπτομέρειας και η σύνδεση περιγραφής συμβάντος με μια στιγμή στην πηγή. Δεν μετατρέπουν μια μικρή ή δυσανάγνωστη λεπτομέρεια πηγής σε εγγυημένη αναγνώριση.\n\nΗ κάρτα του συγκεκριμένου μοντέλου Thinking δίνει χωριστές συστάσεις παραγωγής για οπτικές εργασίες και εργασίες κειμένου. Και οι δύο χρησιμοποιούν δειγματοληψία με temperature 1.0, top-p 0.95 και top-k 20· το οπτικό παράδειγμα χρησιμοποιεί ποινή παρουσίας 0.0, ενώ το παράδειγμα κειμένου χρησιμοποιεί 1.5. Οι ρυθμίσεις μήκους εξόδου του παραδείγματος είναι 40,960 για οπτική εργασία και 32,768 για κείμενο, με 81,920 να προτείνεται για επιλεγμένες απαιτητικές αξιολογήσεις κειμένου. Αυτές είναι συστάσεις ρύθμισης, όχι καθολική εγγύηση μέγιστης εξόδου ή παράμετροι που εκθέτει αναγκαστικά μια γύρω υπηρεσία.\n\nΓια μια πρακτική εργασία εγγράφου, δώστε διατεταγμένες εικόνες σελίδων και ζητήστε: «Εξάγαγε τις επικεφαλίδες ενοτήτων, εξήγησε τη σχέση ανάμεσα στο διάγραμμα και το γειτονικό κείμενο, και πρόσθεσε παραπομπή σε σελίδα σε κάθε εύρημα». Για βίντεο, ορίστε το συμβάν που θέλετε να εντοπιστεί και ζητήστε τη χρονική σήμανσή του μαζί με σύντομη οπτική εξήγηση. Για ερώτημα οπτικού συλλογισμού, ορίστε το απαιτούμενο τελικό παραδοτέο και τις παραδοχές που μπορούν να χρησιμοποιηθούν. Η έξοδος παραμένει εξήγηση κειμένου, εξαγόμενο περιεχόμενο, κώδικας ή προτεινόμενο βήμα εργαλείου· η οπτική είσοδος αυτής της έκδοσης δεν είναι ροή παραγωγής βίντεο ή ομιλίας.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Reason about a written interface layout\n\nUse this textual layout description: a dialog contains a title at the top, a long message in the middle and Cancel/Confirm buttons at the bottom. On a short screen, only the message area should scroll; both buttons must stay visible. Propose HTML and CSS structure and explain the height constraints. Do not assume an image was supplied.An editable HTML/CSS proposal and a short explanation of which region scrolls.Check the proposed structure limits message overflow while keeping both actions outside that scroll area.Qwen/Qwen3-VL-8B-ThinkingΤο Qwen3-VL-8B-Thinking είναι η έκδοση όρασης και γλώσσας 8B της Qwen με έμφαση στον συλλογισμό. Συνδυάζει κείμενο, εικόνες και βίντεο για οπτική επίλυση προβλημάτων, ερμηνεία εγγράφων, χωρική ανάλυση και παραγωγή κώδικα από οπτικές αναφορές.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Qwen3-VL-8B-Thinking είναι η πυκνή έκδοση 8B της οικογένειας Qwen3-VL της Alibaba με έμφαση στον συλλογισμό. Συνδυάζει κείμενο, εικόνες και βίντεο σε κοινή εργασία και παράγει κείμενο. Η Qwen κυκλοφορεί χωριστά τις εκδόσεις Thinking και Instruct· αυτή η κάρτα αφορά το ονομαζόμενο μοντέλο Thinking, του οποίου ο σκοπός περιλαμβάνει ανάλυση οπτικών αποδεικτικών στοιχείων πριν από την παραγωγή απάντησης. Η εργασία αποκλειστικά κειμένου είναι επίσης μέρος της γλωσσικής δυνατότητας του μοντέλου.
Ο κατασκευαστής παρουσιάζει πρώτα τους οπτικούς πράκτορες: το μοντέλο μπορεί να αναγνωρίζει στοιχεία διεπαφής επιτραπέζιου ή κινητού, να ερμηνεύει τις λειτουργίες τους και να συλλογίζεται για την επόμενη αλληλεπίδραση. Σε μια εφαρμογή, τα στιγμιότυπα οθόνης παρέχουν την τρέχουσα κατάσταση και τα εργαλεία εκτελούν τις επιλεγμένες ενέργειες. Μια χρήσιμη εντολή δίνει τον στόχο του χρήστη, την ορατή οθόνη και τις επιτρεπόμενες ενέργειες, και έπειτα ζητά το επόμενο βήμα και το στοιχείο που το δικαιολογεί. Η παραγόμενη ερμηνεία είναι διακριτή από ενέργεια που εκτελεί η γύρω εφαρμογή.
Ο οπτικός προγραμματισμός συνδέει εικόνες ή βίντεο αναφοράς με κώδικα κειμένου. Η Qwen τεκμηριώνει διαγράμματα Draw.io και HTML, CSS και JavaScript ως παραδείγματα εξόδου. Δώστε στιγμιότυπο οθόνης ή σκίτσο μαζί με την απαιτούμενη συμπεριφορά, το περιεχόμενο και τη διάταξη στόχο· ζητήστε επεξεργάσιμο παραδοτέο κώδικα ή διαγράμματος. Για χωρική εργασία, η οικογένεια περιγράφει θέση αντικειμένου, οπτική γωνία και απόκρυψη, με χωρικό εντοπισμό 2D και 3D. Ορίστε τη σύμβαση συντεταγμένων αν χρειάζεστε θέσεις, ώστε μια περιγραφόμενη θέση και ένα ζητούμενο πλαίσιο να χρησιμοποιούν την ίδια αναφορά.
Το εγγενές πλαίσιο είναι 256K tokens για κείμενο και παρεμβαλλόμενο οπτικό υλικό. Η κάρτα μοντέλου περιγράφει επίσης επέκταση στο ένα εκατομμύριο tokens, η οποία είναι χωριστή διαμορφωμένη επέκταση και όχι προδιαγραφή εγγενούς πλαισίου. Οι εφαρμογές μεγάλου πλαισίου περιλαμβάνουν διασταύρωση σελίδων εγγράφων και εντοπισμό συμβάντων σε βίντεο. Διατηρήστε τη σειρά σελίδων και τις χρονικές σημάνσεις βίντεο κατά την προετοιμασία εισόδου και ζητήστε από την απάντηση να προσδιορίζει τη σελίδα ή τη στιγμή που χρησιμοποιεί για κάθε συμπέρασμα.
Ο πολυτροπικός συλλογισμός καλύπτει μαθηματικές και επιστημονικές εργασίες που απαιτούν τόσο το ορατό υλικό όσο και το γραπτό ερώτημά του. Η οικογένεια υποστηρίζει επίσης ευρεία οπτική αναγνώριση αντικειμένων, προϊόντων, τοποσήμων, φυτών και ζώων. Η κάλυψη OCR εκτείνεται σε 32 γλώσσες και περιλαμβάνει δύσκολες εικόνες με χαμηλό φωτισμό, θόλωση ή κλίση, μαζί με ερμηνεία δομής εγγράφων. Για σαρωμένο πρόβλημα, ζητήστε πρώτα μεταγραφή και κατόπιν λύση· αυτό κάνει ορατό ένα λανθασμένα αναγνωσμένο σύμβολο ή ετικέτα πριν αλλάξει τον συλλογισμό.
Τρεις αρχιτεκτονικές ενημερώσεις υποστηρίζουν αυτή την οπτική και χρονική εργασία. Το Interleaved-MRoPE κατανέμει την πληροφορία θέσης στον χρόνο, το πλάτος και το ύψος· το DeepStack εισάγει οπτικά χαρακτηριστικά από πολλά επίπεδα στο γλωσσικό μοντέλο· ρητές χρονικές σημάνσεις κειμένου αναπαριστούν τη χρονική θέση ομάδων καρέ βίντεο. Η πρακτική τους σημασία είναι η διατήρηση χωρικής λεπτομέρειας και η σύνδεση περιγραφής συμβάντος με μια στιγμή στην πηγή. Δεν μετατρέπουν μια μικρή ή δυσανάγνωστη λεπτομέρεια πηγής σε εγγυημένη αναγνώριση.
Η κάρτα του συγκεκριμένου μοντέλου Thinking δίνει χωριστές συστάσεις παραγωγής για οπτικές εργασίες και εργασίες κειμένου. Και οι δύο χρησιμοποιούν δειγματοληψία με temperature 1.0, top-p 0.95 και top-k 20· το οπτικό παράδειγμα χρησιμοποιεί ποινή παρουσίας 0.0, ενώ το παράδειγμα κειμένου χρησιμοποιεί 1.5. Οι ρυθμίσεις μήκους εξόδου του παραδείγματος είναι 40,960 για οπτική εργασία και 32,768 για κείμενο, με 81,920 να προτείνεται για επιλεγμένες απαιτητικές αξιολογήσεις κειμένου. Αυτές είναι συστάσεις ρύθμισης, όχι καθολική εγγύηση μέγιστης εξόδου ή παράμετροι που εκθέτει αναγκαστικά μια γύρω υπηρεσία.
Για μια πρακτική εργασία εγγράφου, δώστε διατεταγμένες εικόνες σελίδων και ζητήστε: «Εξάγαγε τις επικεφαλίδες ενοτήτων, εξήγησε τη σχέση ανάμεσα στο διάγραμμα και το γειτονικό κείμενο, και πρόσθεσε παραπομπή σε σελίδα σε κάθε εύρημα». Για βίντεο, ορίστε το συμβάν που θέλετε να εντοπιστεί και ζητήστε τη χρονική σήμανσή του μαζί με σύντομη οπτική εξήγηση. Για ερώτημα οπτικού συλλογισμού, ορίστε το απαιτούμενο τελικό παραδοτέο και τις παραδοχές που μπορούν να χρησιμοποιηθούν. Η έξοδος παραμένει εξήγηση κειμένου, εξαγόμενο περιεχόμενο, κώδικας ή προτεινόμενο βήμα εργαλείου· η οπτική είσοδος αυτής της έκδοσης δεν είναι ροή παραγωγής βίντεο ή ομιλίας.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Qwen/Qwen3-VL-8B-Thinking | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.000144 / 1K token Έξοδος · Token εξόδου $0.00143 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${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-8B-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-8B-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-8B-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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra Qwen/Qwen3-VL-8B-Thinking
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Qwen/Qwen3-VL-8B-ThinkingΤο Qwen3-VL-8B-Thinking είναι η έκδοση όρασης και γλώσσας 8B της Qwen με έμφαση στον συλλογισμό. Συνδυάζει κείμενο, εικόνες και βίντεο για οπτική επίλυση προβλημάτων, ερμηνεία εγγράφων, χωρική ανάλυση και παραγωγή κώδικα από οπτικές αναφορές.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Qwen3-VL-8B-Thinking είναι η πυκνή έκδοση 8B της οικογένειας Qwen3-VL της Alibaba με έμφαση στον συλλογισμό. Συνδυάζει κείμενο, εικόνες και βίντεο σε κοινή εργασία και παράγει κείμενο. Η Qwen κυκλοφορεί χωριστά τις εκδόσεις Thinking και Instruct· αυτή η κάρτα αφορά το ονομαζόμενο μοντέλο Thinking, του οποίου ο σκοπός περιλαμβάνει ανάλυση οπτικών αποδεικτικών στοιχείων πριν από την παραγωγή απάντησης. Η εργασία αποκλειστικά κειμένου είναι επίσης μέρος της γλωσσικής δυνατότητας του μοντέλου.
Ο κατασκευαστής παρουσιάζει πρώτα τους οπτικούς πράκτορες: το μοντέλο μπορεί να αναγνωρίζει στοιχεία διεπαφής επιτραπέζιου ή κινητού, να ερμηνεύει τις λειτουργίες τους και να συλλογίζεται για την επόμενη αλληλεπίδραση. Σε μια εφαρμογή, τα στιγμιότυπα οθόνης παρέχουν την τρέχουσα κατάσταση και τα εργαλεία εκτελούν τις επιλεγμένες ενέργειες. Μια χρήσιμη εντολή δίνει τον στόχο του χρήστη, την ορατή οθόνη και τις επιτρεπόμενες ενέργειες, και έπειτα ζητά το επόμενο βήμα και το στοιχείο που το δικαιολογεί. Η παραγόμενη ερμηνεία είναι διακριτή από ενέργεια που εκτελεί η γύρω εφαρμογή.
Ο οπτικός προγραμματισμός συνδέει εικόνες ή βίντεο αναφοράς με κώδικα κειμένου. Η Qwen τεκμηριώνει διαγράμματα Draw.io και HTML, CSS και JavaScript ως παραδείγματα εξόδου. Δώστε στιγμιότυπο οθόνης ή σκίτσο μαζί με την απαιτούμενη συμπεριφορά, το περιεχόμενο και τη διάταξη στόχο· ζητήστε επεξεργάσιμο παραδοτέο κώδικα ή διαγράμματος. Για χωρική εργασία, η οικογένεια περιγράφει θέση αντικειμένου, οπτική γωνία και απόκρυψη, με χωρικό εντοπισμό 2D και 3D. Ορίστε τη σύμβαση συντεταγμένων αν χρειάζεστε θέσεις, ώστε μια περιγραφόμενη θέση και ένα ζητούμενο πλαίσιο να χρησιμοποιούν την ίδια αναφορά.
Το εγγενές πλαίσιο είναι 256K tokens για κείμενο και παρεμβαλλόμενο οπτικό υλικό. Η κάρτα μοντέλου περιγράφει επίσης επέκταση στο ένα εκατομμύριο tokens, η οποία είναι χωριστή διαμορφωμένη επέκταση και όχι προδιαγραφή εγγενούς πλαισίου. Οι εφαρμογές μεγάλου πλαισίου περιλαμβάνουν διασταύρωση σελίδων εγγράφων και εντοπισμό συμβάντων σε βίντεο. Διατηρήστε τη σειρά σελίδων και τις χρονικές σημάνσεις βίντεο κατά την προετοιμασία εισόδου και ζητήστε από την απάντηση να προσδιορίζει τη σελίδα ή τη στιγμή που χρησιμοποιεί για κάθε συμπέρασμα.
Ο πολυτροπικός συλλογισμός καλύπτει μαθηματικές και επιστημονικές εργασίες που απαιτούν τόσο το ορατό υλικό όσο και το γραπτό ερώτημά του. Η οικογένεια υποστηρίζει επίσης ευρεία οπτική αναγνώριση αντικειμένων, προϊόντων, τοποσήμων, φυτών και ζώων. Η κάλυψη OCR εκτείνεται σε 32 γλώσσες και περιλαμβάνει δύσκολες εικόνες με χαμηλό φωτισμό, θόλωση ή κλίση, μαζί με ερμηνεία δομής εγγράφων. Για σαρωμένο πρόβλημα, ζητήστε πρώτα μεταγραφή και κατόπιν λύση· αυτό κάνει ορατό ένα λανθασμένα αναγνωσμένο σύμβολο ή ετικέτα πριν αλλάξει τον συλλογισμό.
Τρεις αρχιτεκτονικές ενημερώσεις υποστηρίζουν αυτή την οπτική και χρονική εργασία. Το Interleaved-MRoPE κατανέμει την πληροφορία θέσης στον χρόνο, το πλάτος και το ύψος· το DeepStack εισάγει οπτικά χαρακτηριστικά από πολλά επίπεδα στο γλωσσικό μοντέλο· ρητές χρονικές σημάνσεις κειμένου αναπαριστούν τη χρονική θέση ομάδων καρέ βίντεο. Η πρακτική τους σημασία είναι η διατήρηση χωρικής λεπτομέρειας και η σύνδεση περιγραφής συμβάντος με μια στιγμή στην πηγή. Δεν μετατρέπουν μια μικρή ή δυσανάγνωστη λεπτομέρεια πηγής σε εγγυημένη αναγνώριση.
Η κάρτα του συγκεκριμένου μοντέλου Thinking δίνει χωριστές συστάσεις παραγωγής για οπτικές εργασίες και εργασίες κειμένου. Και οι δύο χρησιμοποιούν δειγματοληψία με temperature 1.0, top-p 0.95 και top-k 20· το οπτικό παράδειγμα χρησιμοποιεί ποινή παρουσίας 0.0, ενώ το παράδειγμα κειμένου χρησιμοποιεί 1.5. Οι ρυθμίσεις μήκους εξόδου του παραδείγματος είναι 40,960 για οπτική εργασία και 32,768 για κείμενο, με 81,920 να προτείνεται για επιλεγμένες απαιτητικές αξιολογήσεις κειμένου. Αυτές είναι συστάσεις ρύθμισης, όχι καθολική εγγύηση μέγιστης εξόδου ή παράμετροι που εκθέτει αναγκαστικά μια γύρω υπηρεσία.
Για μια πρακτική εργασία εγγράφου, δώστε διατεταγμένες εικόνες σελίδων και ζητήστε: «Εξάγαγε τις επικεφαλίδες ενοτήτων, εξήγησε τη σχέση ανάμεσα στο διάγραμμα και το γειτονικό κείμενο, και πρόσθεσε παραπομπή σε σελίδα σε κάθε εύρημα». Για βίντεο, ορίστε το συμβάν που θέλετε να εντοπιστεί και ζητήστε τη χρονική σήμανσή του μαζί με σύντομη οπτική εξήγηση. Για ερώτημα οπτικού συλλογισμού, ορίστε το απαιτούμενο τελικό παραδοτέο και τις παραδοχές που μπορούν να χρησιμοποιηθούν. Η έξοδος παραμένει εξήγηση κειμένου, εξαγόμενο περιεχόμενο, κώδικας ή προτεινόμενο βήμα εργαλείου· η οπτική είσοδος αυτής της έκδοσης δεν είναι ροή παραγωγής βίντεο ή ομιλίας.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Qwen/Qwen3-VL-8B-Thinking | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.000144 / 1K token Έξοδος · Token εξόδου $0.00143 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "Qwen/Qwen3-VL-8B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-8B-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-8B-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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra Qwen/Qwen3-VL-8B-Thinking
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Reason about a written interface layout\n\nUse this textual layout description: a dialog contains a title at the top, a long message in the middle and Cancel/Confirm buttons at the bottom. On a short screen, only the message area should scroll; both buttons must stay visible. Propose HTML and CSS structure and explain the height constraints. Do not assume an image was supplied.An editable HTML/CSS proposal and a short explanation of which region scrolls.Check the proposed structure limits message overflow while keeping both actions outside that scroll area.