Ling-3.0-flash-VL on inclusionAI:n natiivi multimodaalinen Ling-3.0-flash-laajennus. Se yhdistää perusmallin kieli-, päättely- ja pitkän kontekstin kyvyt kuvien ja videon ymmärtämiseen. Valmistaja jäsentää visuaaliset tehtävät ymmärtämiseen, päättelyyn ja toimintaan: monimutkaisen visuaalisen tiedon lukemiseen, sen käyttämiseen näyttönä ja havaintojen muuttamiseen toimenpiteiksi tukevassa sovelluksessa. Mallin vastaus on tekstiä tai kyseisen sovelluksen käyttämä työkalukutsuesitys.
Julkaistussa arkkitehtuurissa on yhteensä 124B parametria ja 5,5B aktivoitua parametria tokenia kohti. Näkötransformer poimii kuvien ja videoiden piirteet, ja kaksikerroksinen projektori kohdistaa ne kieliesitykseen. VideoRoPE välittää sekä tilalliset sijainnit että ajallisen järjestyksen. 42-kerroksinen hybridirunko vuorottelee Kimi Delta Attention- ja portitettua Multi-head Latent Attention -mekanismia suhteessa 5:1 ja käyttää harvaa asiantuntijareititystä. Valmistaja kuvaa enintään 256K tokenin kontekstin ja julkaisee 262 144 tokenin laajennetun kontekstin ohjeen.
Toimita visuaaliseen ymmärtämiseen luettava kuva ja yksilöi tarvittava havainto. Valmistaja luettelee tehtäviin objektien laskennan, monimutkaiset asettelut, kaaviot ja asiakirjojen sisällön. Hyödyllinen asiakirjapyyntö voi pyytää kenttätaulukon sekä sitä tukevan sivun tai näkyvän alueen; kaaviopyyntö voi kysyä, mikä sarja tukee esitettyä vertailua. Säilytä alkuperäinen visuaalinen aineisto, jotta numerot, merkinnät ja pienet yksityiskohdat voidaan tarkistaa. Epäselvän alueen tulee pysyä tuloksessakin epäselvänä eikä muuttua arvaukseksi.
Toimita visuaaliseen näyttöön perustuvaan päättelyyn kysymys, olennaiset oletukset ja lopullisessa vastauksessa tarvittava tarkkuus. Malli voi yhdistää kaavion, diagrammin tai kuvakaappauksen laskentaan ja monivaiheiseen päättelyyn. Pyydä päätelmää yksilöimään havainnot, joista se riippuu. Jos työnkulku sisältää laskenta- tai tiedonhakutyökaluja, säilytä niiden todelliset tulokset ja erota ne mallin tulkinnasta. Visuaalinen suhde ja kalibroitu mittaus ovat eri näyttötyyppejä.
Säilytä videossa aineiston järjestys ja kohdista kysymys tapahtumaan, muutokseen tai aikaväliin. Valmistaja tunnistaa ajallisen esityksen sovelluksiksi tapahtumien paikantamisen, pitkiä videoita koskevat kysymykset ja katkelmien leikkaustyönkulut. Käytännöllinen toimituksellinen tulos voi olla ehdotettu leikkauslista, joka selittää säilytettävät hetket ja syyt. Pidä ehdotus yhteydessä lähteen aikajanaan; ympäröivä editointisovellus suorittaa muutokset ja tuottaa muokatun median. Videon ymmärtäminen ei itsessään muuta mallin tekstivastausta uudeksi videotiedostoksi.
Sisällytä käyttöliittymätehtäviin nykyinen kuvakaappaus, tavoite ja sovelluksen käytettävissä olevat toiminnot. Ling-3.0-flash-VL voi tulkita verkko- tai ohjelmistokäyttöliittymiä ja ehdottaa visuaalisesta tiedosta toimintasarjoja. Palauta havaittu tila jokaisen operaation jälkeen, kun seuraava vaihe riippuu siitä. Hyödyllinen valmistumistietue näyttää, mikä käyttöliittymässä muuttui ja näkyykö pyydetty tulos, sen sijaan että ehdotettua napsautusta pidettäisiin suoritettuna toimintona.
Ajattelu on oletuksena käytössä valmistajan keskustelumallipohjassa, ja sen voi dokumentoidussa toteutuksessa poistaa käytöstä pyyntökohtaisesti asettamalla enable_thinking arvoksi false. Asiakas- ja generointiohje suosittelee arvoja temperature 1.0, top_p 0.95 ja top_k 20; erilliset arviointimuistiinpanot käyttävät omia asetuksiaan. Valitse lopullisen vastauksen muoto nimenomaisesti ja jätä tilaa sekä olennaiselle mediakontekstille että generoidulle tekstille. Nämä valmistaja-asetukset kuvaavat julkaistun mallin ohjetta, eivät lupausta jokaisen sovelluksen tarjoamista säätimistä.
Säilytä VL-identiteetti tulosta tallennettaessa: sen kuva- ja videosyötteet erottavat sen tekstipainotteisesta Ling-3.0-flashista ja talouteen erikoistuneesta Fin-versiosta. Tarkista poimitut sanamuodot, lukumäärät, ajalliset sijainnit ja ehdotetut käyttöliittymätoiminnot lähdeaineistoa vasten. Hyödyllinen lopputuotos on visuaalinen analyysi tai toimintasuunnitelma, jonka näyttö ja avoimet yksityiskohdat pysyvät tarkasteltavina.
", "aboutText": "Ling-3.0-flash-VL on inclusionAI:n natiivi multimodaalinen Ling-3.0-flash-laajennus. Se yhdistää perusmallin kieli-, päättely- ja pitkän kontekstin kyvyt kuvien ja videon ymmärtämiseen. Valmistaja jäsentää visuaaliset tehtävät ymmärtämiseen, päättelyyn ja toimintaan: monimutkaisen visuaalisen tiedon lukemiseen, sen käyttämiseen näyttönä ja havaintojen muuttamiseen toimenpiteiksi tukevassa sovelluksessa. Mallin vastaus on tekstiä tai kyseisen sovelluksen käyttämä työkalukutsuesitys.\n\nJulkaistussa arkkitehtuurissa on yhteensä 124B parametria ja 5,5B aktivoitua parametria tokenia kohti. Näkötransformer poimii kuvien ja videoiden piirteet, ja kaksikerroksinen projektori kohdistaa ne kieliesitykseen. VideoRoPE välittää sekä tilalliset sijainnit että ajallisen järjestyksen. 42-kerroksinen hybridirunko vuorottelee Kimi Delta Attention- ja portitettua Multi-head Latent Attention -mekanismia suhteessa 5:1 ja käyttää harvaa asiantuntijareititystä. Valmistaja kuvaa enintään 256K tokenin kontekstin ja julkaisee 262 144 tokenin laajennetun kontekstin ohjeen.\n\nToimita visuaaliseen ymmärtämiseen luettava kuva ja yksilöi tarvittava havainto. Valmistaja luettelee tehtäviin objektien laskennan, monimutkaiset asettelut, kaaviot ja asiakirjojen sisällön. Hyödyllinen asiakirjapyyntö voi pyytää kenttätaulukon sekä sitä tukevan sivun tai näkyvän alueen; kaaviopyyntö voi kysyä, mikä sarja tukee esitettyä vertailua. Säilytä alkuperäinen visuaalinen aineisto, jotta numerot, merkinnät ja pienet yksityiskohdat voidaan tarkistaa. Epäselvän alueen tulee pysyä tuloksessakin epäselvänä eikä muuttua arvaukseksi.\n\nToimita visuaaliseen näyttöön perustuvaan päättelyyn kysymys, olennaiset oletukset ja lopullisessa vastauksessa tarvittava tarkkuus. Malli voi yhdistää kaavion, diagrammin tai kuvakaappauksen laskentaan ja monivaiheiseen päättelyyn. Pyydä päätelmää yksilöimään havainnot, joista se riippuu. Jos työnkulku sisältää laskenta- tai tiedonhakutyökaluja, säilytä niiden todelliset tulokset ja erota ne mallin tulkinnasta. Visuaalinen suhde ja kalibroitu mittaus ovat eri näyttötyyppejä.\n\nSäilytä videossa aineiston järjestys ja kohdista kysymys tapahtumaan, muutokseen tai aikaväliin. Valmistaja tunnistaa ajallisen esityksen sovelluksiksi tapahtumien paikantamisen, pitkiä videoita koskevat kysymykset ja katkelmien leikkaustyönkulut. Käytännöllinen toimituksellinen tulos voi olla ehdotettu leikkauslista, joka selittää säilytettävät hetket ja syyt. Pidä ehdotus yhteydessä lähteen aikajanaan; ympäröivä editointisovellus suorittaa muutokset ja tuottaa muokatun median. Videon ymmärtäminen ei itsessään muuta mallin tekstivastausta uudeksi videotiedostoksi.\n\nSisällytä käyttöliittymätehtäviin nykyinen kuvakaappaus, tavoite ja sovelluksen käytettävissä olevat toiminnot. Ling-3.0-flash-VL voi tulkita verkko- tai ohjelmistokäyttöliittymiä ja ehdottaa visuaalisesta tiedosta toimintasarjoja. Palauta havaittu tila jokaisen operaation jälkeen, kun seuraava vaihe riippuu siitä. Hyödyllinen valmistumistietue näyttää, mikä käyttöliittymässä muuttui ja näkyykö pyydetty tulos, sen sijaan että ehdotettua napsautusta pidettäisiin suoritettuna toimintona.\n\nAjattelu on oletuksena käytössä valmistajan keskustelumallipohjassa, ja sen voi dokumentoidussa toteutuksessa poistaa käytöstä pyyntökohtaisesti asettamalla enable_thinking arvoksi false. Asiakas- ja generointiohje suosittelee arvoja temperature 1.0, top_p 0.95 ja top_k 20; erilliset arviointimuistiinpanot käyttävät omia asetuksiaan. Valitse lopullisen vastauksen muoto nimenomaisesti ja jätä tilaa sekä olennaiselle mediakontekstille että generoidulle tekstille. Nämä valmistaja-asetukset kuvaavat julkaistun mallin ohjetta, eivät lupausta jokaisen sovelluksen tarjoamista säätimistä.\n\nSäilytä VL-identiteetti tulosta tallennettaessa: sen kuva- ja videosyötteet erottavat sen tekstipainotteisesta Ling-3.0-flashista ja talouteen erikoistuneesta Fin-versiosta. Tarkista poimitut sanamuodot, lukumäärät, ajalliset sijainnit ja ehdotetut käyttöliittymätoiminnot lähdeaineistoa vasten. Hyödyllinen lopputuotos on visuaalinen analyysi tai toimintasuunnitelma, jonka näyttö ja avoimet yksityiskohdat pysyvät tarkasteltavina.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL lisää kuvien ja videon ymmärtämisen inclusionAI:n hybridipäättelymalliin. Se tukee visuaalista analyysia, näyttöön perustuvaa päättelyä ja käyttöliittymätyönkulkuja; siinä on yhteensä 124B parametria, 5,5B aktiivista parametria ja enintään 256K tokenin konteksti.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Ling-3.0-flash-VL on inclusionAI:n natiivi multimodaalinen Ling-3.0-flash-laajennus. Se yhdistää perusmallin kieli-, päättely- ja pitkän kontekstin kyvyt kuvien ja videon ymmärtämiseen. Valmistaja jäsentää visuaaliset tehtävät ymmärtämiseen, päättelyyn ja toimintaan: monimutkaisen visuaalisen tiedon lukemiseen, sen käyttämiseen näyttönä ja havaintojen muuttamiseen toimenpiteiksi tukevassa sovelluksessa. Mallin vastaus on tekstiä tai kyseisen sovelluksen käyttämä työkalukutsuesitys.
Julkaistussa arkkitehtuurissa on yhteensä 124B parametria ja 5,5B aktivoitua parametria tokenia kohti. Näkötransformer poimii kuvien ja videoiden piirteet, ja kaksikerroksinen projektori kohdistaa ne kieliesitykseen. VideoRoPE välittää sekä tilalliset sijainnit että ajallisen järjestyksen. 42-kerroksinen hybridirunko vuorottelee Kimi Delta Attention- ja portitettua Multi-head Latent Attention -mekanismia suhteessa 5:1 ja käyttää harvaa asiantuntijareititystä. Valmistaja kuvaa enintään 256K tokenin kontekstin ja julkaisee 262 144 tokenin laajennetun kontekstin ohjeen.
Toimita visuaaliseen ymmärtämiseen luettava kuva ja yksilöi tarvittava havainto. Valmistaja luettelee tehtäviin objektien laskennan, monimutkaiset asettelut, kaaviot ja asiakirjojen sisällön. Hyödyllinen asiakirjapyyntö voi pyytää kenttätaulukon sekä sitä tukevan sivun tai näkyvän alueen; kaaviopyyntö voi kysyä, mikä sarja tukee esitettyä vertailua. Säilytä alkuperäinen visuaalinen aineisto, jotta numerot, merkinnät ja pienet yksityiskohdat voidaan tarkistaa. Epäselvän alueen tulee pysyä tuloksessakin epäselvänä eikä muuttua arvaukseksi.
Toimita visuaaliseen näyttöön perustuvaan päättelyyn kysymys, olennaiset oletukset ja lopullisessa vastauksessa tarvittava tarkkuus. Malli voi yhdistää kaavion, diagrammin tai kuvakaappauksen laskentaan ja monivaiheiseen päättelyyn. Pyydä päätelmää yksilöimään havainnot, joista se riippuu. Jos työnkulku sisältää laskenta- tai tiedonhakutyökaluja, säilytä niiden todelliset tulokset ja erota ne mallin tulkinnasta. Visuaalinen suhde ja kalibroitu mittaus ovat eri näyttötyyppejä.
Säilytä videossa aineiston järjestys ja kohdista kysymys tapahtumaan, muutokseen tai aikaväliin. Valmistaja tunnistaa ajallisen esityksen sovelluksiksi tapahtumien paikantamisen, pitkiä videoita koskevat kysymykset ja katkelmien leikkaustyönkulut. Käytännöllinen toimituksellinen tulos voi olla ehdotettu leikkauslista, joka selittää säilytettävät hetket ja syyt. Pidä ehdotus yhteydessä lähteen aikajanaan; ympäröivä editointisovellus suorittaa muutokset ja tuottaa muokatun median. Videon ymmärtäminen ei itsessään muuta mallin tekstivastausta uudeksi videotiedostoksi.
Sisällytä käyttöliittymätehtäviin nykyinen kuvakaappaus, tavoite ja sovelluksen käytettävissä olevat toiminnot. Ling-3.0-flash-VL voi tulkita verkko- tai ohjelmistokäyttöliittymiä ja ehdottaa visuaalisesta tiedosta toimintasarjoja. Palauta havaittu tila jokaisen operaation jälkeen, kun seuraava vaihe riippuu siitä. Hyödyllinen valmistumistietue näyttää, mikä käyttöliittymässä muuttui ja näkyykö pyydetty tulos, sen sijaan että ehdotettua napsautusta pidettäisiin suoritettuna toimintona.
Ajattelu on oletuksena käytössä valmistajan keskustelumallipohjassa, ja sen voi dokumentoidussa toteutuksessa poistaa käytöstä pyyntökohtaisesti asettamalla enable_thinking arvoksi false. Asiakas- ja generointiohje suosittelee arvoja temperature 1.0, top_p 0.95 ja top_k 20; erilliset arviointimuistiinpanot käyttävät omia asetuksiaan. Valitse lopullisen vastauksen muoto nimenomaisesti ja jätä tilaa sekä olennaiselle mediakontekstille että generoidulle tekstille. Nämä valmistaja-asetukset kuvaavat julkaistun mallin ohjetta, eivät lupausta jokaisen sovelluksen tarjoamista säätimistä.
Säilytä VL-identiteetti tulosta tallennettaessa: sen kuva- ja videosyötteet erottavat sen tekstipainotteisesta Ling-3.0-flashista ja talouteen erikoistuneesta Fin-versiosta. Tarkista poimitut sanamuodot, lukumäärät, ajalliset sijainnit ja ehdotetut käyttöliittymätoiminnot lähdeaineistoa vasten. Hyödyllinen lopputuotos on visuaalinen analyysi tai toimintasuunnitelma, jonka näyttö ja avoimet yksityiskohdat pysyvät tarkasteltavina.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat inclusionai/ling-3.0-flash-vl | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: system, user, assistant, tool, function Ehdot: Nämä roolit esitetään nimenomaisesti lähdekoodin yhteensopivuustyypeissä; mallin täsmällinen roolijoukko pysyy mallikohtaisena. Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring|content_part[]|null | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_calls | Tyyppitool_call[] | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_call_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: role=tool; käytä todella palautettua ID:tä | Oletus— |
Kenttämessages[].name | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].reasoning_content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Palauta todella saatu päättely takaisin mallille, kun kyseinen malli käyttää sitä | Oletus— |
Kenttämessages[].reasoning_details | Tyyppiobject|array | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttämax_completion_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttästream_options.include_usage | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätop_p | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttästop | Tyyppistring|string[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools | Tyyppifunction_tool[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools[].type | Tyyppistring | VaatimusValinnainen | Arvot & rajat function Riippuu mallista | Oletus— |
Kenttätools[].function.name | Tyyppistring | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: funktiotyökalu annettu | Oletus— |
Kenttätools[].function.description | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätools[].function.parameters | TyyppiJSON_schema | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätool_choice | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäparallel_tool_calls | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäresponse_format | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning_effort | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäservice_tier | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäinstructions | Tyyppistring | VaatimusValinnainen | Arvot & rajat Yhteensopivuuskenttä | Oletus— |
Kenttäfunctions | Tyyppifunction[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäfunction_call | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäprompt_cache_options | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämodalities | Tyyppistring[] | VaatimusValinnainen | Arvot & rajat text | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätään tällä Ultran tekstireitillä | Oletus— |
Kenttäcache_control.ttl | Tyyppistring | VaatimusValinnainen | Arvot & rajat Ehdot: 1h hylätään varsinaisissa kehotevälimuistin kohdissa | Oletus— |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametricontrol_scope | Sopimusmallikohtainen; käyttäjän funktiotyökalut eroavat palvelun isännöimistä työkaluista |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.
| Asetukset | Hinnasto | Kontekstin tokenit, enemmän kuin | Kontekstin tokenit, enintään raja-arvo mukaan lukien | Veloitus |
|---|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Kontekstin tokenit, enemmän kuin— | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.00012 / 1K tokenia Tuloste · Tulostokenit $0.00036 / 1K tokenia Syöte · Välimuistin luku $0.000024 / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
| AsetuksetPyynnön pituusluokka 1 | Hinnasto— | Kontekstin tokenit, enemmän kuin0 | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.00012 / 1K tokenia Tuloste · Tulostokenit $0.00036 / 1K tokenia Syöte · Välimuistin luku $0.000024 / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inclusionai/ling-3.0-flash-vl", "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='inclusionai/ling-3.0-flash-vl',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='inclusionai/ling-3.0-flash-vl',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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Käytä yllä näytettyjä menetelmäpolkuja.
inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL lisää kuvien ja videon ymmärtämisen inclusionAI:n hybridipäättelymalliin. Se tukee visuaalista analyysia, näyttöön perustuvaa päättelyä ja käyttöliittymätyönkulkuja; siinä on yhteensä 124B parametria, 5,5B aktiivista parametria ja enintään 256K tokenin konteksti.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Ling-3.0-flash-VL on inclusionAI:n natiivi multimodaalinen Ling-3.0-flash-laajennus. Se yhdistää perusmallin kieli-, päättely- ja pitkän kontekstin kyvyt kuvien ja videon ymmärtämiseen. Valmistaja jäsentää visuaaliset tehtävät ymmärtämiseen, päättelyyn ja toimintaan: monimutkaisen visuaalisen tiedon lukemiseen, sen käyttämiseen näyttönä ja havaintojen muuttamiseen toimenpiteiksi tukevassa sovelluksessa. Mallin vastaus on tekstiä tai kyseisen sovelluksen käyttämä työkalukutsuesitys.
Julkaistussa arkkitehtuurissa on yhteensä 124B parametria ja 5,5B aktivoitua parametria tokenia kohti. Näkötransformer poimii kuvien ja videoiden piirteet, ja kaksikerroksinen projektori kohdistaa ne kieliesitykseen. VideoRoPE välittää sekä tilalliset sijainnit että ajallisen järjestyksen. 42-kerroksinen hybridirunko vuorottelee Kimi Delta Attention- ja portitettua Multi-head Latent Attention -mekanismia suhteessa 5:1 ja käyttää harvaa asiantuntijareititystä. Valmistaja kuvaa enintään 256K tokenin kontekstin ja julkaisee 262 144 tokenin laajennetun kontekstin ohjeen.
Toimita visuaaliseen ymmärtämiseen luettava kuva ja yksilöi tarvittava havainto. Valmistaja luettelee tehtäviin objektien laskennan, monimutkaiset asettelut, kaaviot ja asiakirjojen sisällön. Hyödyllinen asiakirjapyyntö voi pyytää kenttätaulukon sekä sitä tukevan sivun tai näkyvän alueen; kaaviopyyntö voi kysyä, mikä sarja tukee esitettyä vertailua. Säilytä alkuperäinen visuaalinen aineisto, jotta numerot, merkinnät ja pienet yksityiskohdat voidaan tarkistaa. Epäselvän alueen tulee pysyä tuloksessakin epäselvänä eikä muuttua arvaukseksi.
Toimita visuaaliseen näyttöön perustuvaan päättelyyn kysymys, olennaiset oletukset ja lopullisessa vastauksessa tarvittava tarkkuus. Malli voi yhdistää kaavion, diagrammin tai kuvakaappauksen laskentaan ja monivaiheiseen päättelyyn. Pyydä päätelmää yksilöimään havainnot, joista se riippuu. Jos työnkulku sisältää laskenta- tai tiedonhakutyökaluja, säilytä niiden todelliset tulokset ja erota ne mallin tulkinnasta. Visuaalinen suhde ja kalibroitu mittaus ovat eri näyttötyyppejä.
Säilytä videossa aineiston järjestys ja kohdista kysymys tapahtumaan, muutokseen tai aikaväliin. Valmistaja tunnistaa ajallisen esityksen sovelluksiksi tapahtumien paikantamisen, pitkiä videoita koskevat kysymykset ja katkelmien leikkaustyönkulut. Käytännöllinen toimituksellinen tulos voi olla ehdotettu leikkauslista, joka selittää säilytettävät hetket ja syyt. Pidä ehdotus yhteydessä lähteen aikajanaan; ympäröivä editointisovellus suorittaa muutokset ja tuottaa muokatun median. Videon ymmärtäminen ei itsessään muuta mallin tekstivastausta uudeksi videotiedostoksi.
Sisällytä käyttöliittymätehtäviin nykyinen kuvakaappaus, tavoite ja sovelluksen käytettävissä olevat toiminnot. Ling-3.0-flash-VL voi tulkita verkko- tai ohjelmistokäyttöliittymiä ja ehdottaa visuaalisesta tiedosta toimintasarjoja. Palauta havaittu tila jokaisen operaation jälkeen, kun seuraava vaihe riippuu siitä. Hyödyllinen valmistumistietue näyttää, mikä käyttöliittymässä muuttui ja näkyykö pyydetty tulos, sen sijaan että ehdotettua napsautusta pidettäisiin suoritettuna toimintona.
Ajattelu on oletuksena käytössä valmistajan keskustelumallipohjassa, ja sen voi dokumentoidussa toteutuksessa poistaa käytöstä pyyntökohtaisesti asettamalla enable_thinking arvoksi false. Asiakas- ja generointiohje suosittelee arvoja temperature 1.0, top_p 0.95 ja top_k 20; erilliset arviointimuistiinpanot käyttävät omia asetuksiaan. Valitse lopullisen vastauksen muoto nimenomaisesti ja jätä tilaa sekä olennaiselle mediakontekstille että generoidulle tekstille. Nämä valmistaja-asetukset kuvaavat julkaistun mallin ohjetta, eivät lupausta jokaisen sovelluksen tarjoamista säätimistä.
Säilytä VL-identiteetti tulosta tallennettaessa: sen kuva- ja videosyötteet erottavat sen tekstipainotteisesta Ling-3.0-flashista ja talouteen erikoistuneesta Fin-versiosta. Tarkista poimitut sanamuodot, lukumäärät, ajalliset sijainnit ja ehdotetut käyttöliittymätoiminnot lähdeaineistoa vasten. Hyödyllinen lopputuotos on visuaalinen analyysi tai toimintasuunnitelma, jonka näyttö ja avoimet yksityiskohdat pysyvät tarkasteltavina.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat inclusionai/ling-3.0-flash-vl | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.
| Asetukset | Hinnasto | Kontekstin tokenit, enemmän kuin | Kontekstin tokenit, enintään raja-arvo mukaan lukien | Veloitus |
|---|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Kontekstin tokenit, enemmän kuin— | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.00012 / 1K tokenia Tuloste · Tulostokenit $0.00036 / 1K tokenia Syöte · Välimuistin luku $0.000024 / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
| AsetuksetPyynnön pituusluokka 1 | Hinnasto— | Kontekstin tokenit, enemmän kuin0 | Kontekstin tokenit, enintään raja-arvo mukaan lukienEi ylärajaa | Veloitus Syöte · Syötetokenit $0.00012 / 1K tokenia Tuloste · Tulostokenit $0.00036 / 1K tokenia Syöte · Välimuistin luku $0.000024 / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inclusionai/ling-3.0-flash-vl', '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': 'inclusionai/ling-3.0-flash-vl', '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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.