L’édition 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts et au raisonnement renforcé de Qwen3-VL. Elle accepte le texte, les images et la vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement prévu sans établir un commutateur hybride propre à une application.
Agents visuels et programmation
Qwen documente un flux d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif prévu, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée exécute les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.
La famille génère aussi du contenu de schéma, HTML, CSS et JavaScript à partir d’images ou de vidéos. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez du code source modifiable. Pour une interface existante, identifiez le changement prévu et le code pertinent au lieu d’attendre d’une image inexpliquée qu’elle définisse chaque interaction. Le code source généré est un livrable dont il faut effectuer le rendu et l’examen, pas la preuve d’une application fonctionnelle.
Espace, contexte long et vidéo
Le concepteur décrit des appréciations des positions d’objets, points de vue et occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.
Le contexte natif est de 262 144 jetons. La famille décrit des livres et des vidéos de plusieurs heures, avec indexation d’événements à la seconde et extension à environ un million de jetons par configuration. Préservez le minutage, l’ordre des images et les identifiants de source pour un compte rendu d’événements. Le contexte et l’échantillonnage déterminent le contenu représenté dans la requête ; la description de famille ne doit pas devenir une promesse inconditionnelle de rappel parfait.
Raisonnement multimodal, reconnaissance et OCR
L’édition Thinking convient aux questions STEM, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés de schéma et les unités et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau de preuves ou une courte conclusion étayée par l’image et le texte.
La famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages médiatiques. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou en cas d’inclinaison, y compris le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identification, une transcription ou une conclusion mathématique correcte pour chaque entrée.
Architecture
La configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE répartit les informations positionnelles entre temps, largeur et hauteur. DeepStack combine les caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de manière cohérente pour préparer les tâches de raisonnement visuel et comparer leurs résultats.
Préparer les entrées
Les exemples de famille prennent en charge les tâches purement textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et préservez leur relation. Des budgets de pixels séparés d’image et de vidéo permettent au flux de contrôler le détail ; les dimensions explicites d’image sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec contrôle de fréquence d’échantillonnage ou de nombre d’images lorsque cela est pris en charge. Gardez les métadonnées vidéo et évitez un second redimensionnement lorsque l’auxiliaire a déjà redimensionné le média.
Pour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de l’espace dans la séquence pour la réflexion et le texte final, en plus des jetons visuels.
Recommandations de génération et limites
Le fichier de génération du checkpoint utilise par défaut temperature 0.8, top_p 0.95, top_k 20 et une pénalité de répétition de 1.0. La recette d’évaluation Thinking distincte de la famille utilise temperature 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et une allocation de sortie de 40 960 jetons. Ce sont des préréglages distincts du producteur ; l’allocation n’est pas un maximum strict de sortie établi indépendamment.
La procédure d’extension de la famille utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré par rapport aux éléments originaux et gardez le livrable final distinct du raisonnement. Le résultat pratique est une conclusion visuelle ou proposition de code vérifiable préservant cette édition Thinking exacte.
", "aboutText": "L’édition 30B-A3B Thinking\n\nQwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts et au raisonnement renforcé de Qwen3-VL. Elle accepte le texte, les images et la vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement prévu sans établir un commutateur hybride propre à une application.\n\nAgents visuels et programmation\n\nQwen documente un flux d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif prévu, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée exécute les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.\n\nLa famille génère aussi du contenu de schéma, HTML, CSS et JavaScript à partir d’images ou de vidéos. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez du code source modifiable. Pour une interface existante, identifiez le changement prévu et le code pertinent au lieu d’attendre d’une image inexpliquée qu’elle définisse chaque interaction. Le code source généré est un livrable dont il faut effectuer le rendu et l’examen, pas la preuve d’une application fonctionnelle.\n\nEspace, contexte long et vidéo\n\nLe concepteur décrit des appréciations des positions d’objets, points de vue et occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.\n\nLe contexte natif est de 262 144 jetons. La famille décrit des livres et des vidéos de plusieurs heures, avec indexation d’événements à la seconde et extension à environ un million de jetons par configuration. Préservez le minutage, l’ordre des images et les identifiants de source pour un compte rendu d’événements. Le contexte et l’échantillonnage déterminent le contenu représenté dans la requête ; la description de famille ne doit pas devenir une promesse inconditionnelle de rappel parfait.\n\nRaisonnement multimodal, reconnaissance et OCR\n\nL’édition Thinking convient aux questions STEM, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés de schéma et les unités et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau de preuves ou une courte conclusion étayée par l’image et le texte.\n\nLa famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages médiatiques. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou en cas d’inclinaison, y compris le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identification, une transcription ou une conclusion mathématique correcte pour chaque entrée.\n\nArchitecture\n\nLa configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE répartit les informations positionnelles entre temps, largeur et hauteur. DeepStack combine les caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de manière cohérente pour préparer les tâches de raisonnement visuel et comparer leurs résultats.\n\nPréparer les entrées\n\nLes exemples de famille prennent en charge les tâches purement textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et préservez leur relation. Des budgets de pixels séparés d’image et de vidéo permettent au flux de contrôler le détail ; les dimensions explicites d’image sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec contrôle de fréquence d’échantillonnage ou de nombre d’images lorsque cela est pris en charge. Gardez les métadonnées vidéo et évitez un second redimensionnement lorsque l’auxiliaire a déjà redimensionné le média.\n\nPour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de l’espace dans la séquence pour la réflexion et le texte final, en plus des jetons visuels.\n\nRecommandations de génération et limites\n\nLe fichier de génération du checkpoint utilise par défaut temperature 0.8, top_p 0.95, top_k 20 et une pénalité de répétition de 1.0. La recette d’évaluation Thinking distincte de la famille utilise temperature 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et une allocation de sortie de 40 960 jetons. Ce sont des préréglages distincts du producteur ; l’allocation n’est pas un maximum strict de sortie établi indépendamment.\n\nLa procédure d’extension de la famille utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré par rapport aux éléments originaux et gardez le livrable final distinct du raisonnement. Le résultat pratique est une conclusion visuelle ou proposition de code vérifiable préservant cette édition Thinking exacte.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est l’édition vision-langage de Qwen à mélange d’experts pour approfondir le raisonnement sur texte, images et vidéo. Elle renvoie du texte ou du code pour les questions STEM, les documents, l’analyse spatiale et les flux visuels, avec OCR en 32 langues et un contexte natif de 262 144 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
L’édition 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts et au raisonnement renforcé de Qwen3-VL. Elle accepte le texte, les images et la vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement prévu sans établir un commutateur hybride propre à une application.
Agents visuels et programmation
Qwen documente un flux d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif prévu, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée exécute les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.
La famille génère aussi du contenu de schéma, HTML, CSS et JavaScript à partir d’images ou de vidéos. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez du code source modifiable. Pour une interface existante, identifiez le changement prévu et le code pertinent au lieu d’attendre d’une image inexpliquée qu’elle définisse chaque interaction. Le code source généré est un livrable dont il faut effectuer le rendu et l’examen, pas la preuve d’une application fonctionnelle.
Espace, contexte long et vidéo
Le concepteur décrit des appréciations des positions d’objets, points de vue et occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.
Le contexte natif est de 262 144 jetons. La famille décrit des livres et des vidéos de plusieurs heures, avec indexation d’événements à la seconde et extension à environ un million de jetons par configuration. Préservez le minutage, l’ordre des images et les identifiants de source pour un compte rendu d’événements. Le contexte et l’échantillonnage déterminent le contenu représenté dans la requête ; la description de famille ne doit pas devenir une promesse inconditionnelle de rappel parfait.
Raisonnement multimodal, reconnaissance et OCR
L’édition Thinking convient aux questions STEM, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés de schéma et les unités et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau de preuves ou une courte conclusion étayée par l’image et le texte.
La famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages médiatiques. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou en cas d’inclinaison, y compris le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identification, une transcription ou une conclusion mathématique correcte pour chaque entrée.
Architecture
La configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE répartit les informations positionnelles entre temps, largeur et hauteur. DeepStack combine les caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de manière cohérente pour préparer les tâches de raisonnement visuel et comparer leurs résultats.
Préparer les entrées
Les exemples de famille prennent en charge les tâches purement textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et préservez leur relation. Des budgets de pixels séparés d’image et de vidéo permettent au flux de contrôler le détail ; les dimensions explicites d’image sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec contrôle de fréquence d’échantillonnage ou de nombre d’images lorsque cela est pris en charge. Gardez les métadonnées vidéo et évitez un second redimensionnement lorsque l’auxiliaire a déjà redimensionné le média.
Pour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de l’espace dans la séquence pour la réflexion et le texte final, en plus des jetons visuels.
Recommandations de génération et limites
Le fichier de génération du checkpoint utilise par défaut temperature 0.8, top_p 0.95, top_k 20 et une pénalité de répétition de 1.0. La recette d’évaluation Thinking distincte de la famille utilise temperature 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et une allocation de sortie de 40 960 jetons. Ce sont des préréglages distincts du producteur ; l’allocation n’est pas un maximum strict de sortie établi indépendamment.
La procédure d’extension de la famille utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré par rapport aux éléments originaux et gardez le livrable final distinct du raisonnement. Le résultat pratique est une conclusion visuelle ou proposition de code vérifiable préservant cette édition Thinking exacte.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-vl-30b-a3b-thinking | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Utilisez les chemins de méthode indiqués ci-dessus.
qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking est l’édition vision-langage de Qwen à mélange d’experts pour approfondir le raisonnement sur texte, images et vidéo. Elle renvoie du texte ou du code pour les questions STEM, les documents, l’analyse spatiale et les flux visuels, avec OCR en 32 langues et un contexte natif de 262 144 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
L’édition 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts et au raisonnement renforcé de Qwen3-VL. Elle accepte le texte, les images et la vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement prévu sans établir un commutateur hybride propre à une application.
Agents visuels et programmation
Qwen documente un flux d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif prévu, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée exécute les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.
La famille génère aussi du contenu de schéma, HTML, CSS et JavaScript à partir d’images ou de vidéos. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez du code source modifiable. Pour une interface existante, identifiez le changement prévu et le code pertinent au lieu d’attendre d’une image inexpliquée qu’elle définisse chaque interaction. Le code source généré est un livrable dont il faut effectuer le rendu et l’examen, pas la preuve d’une application fonctionnelle.
Espace, contexte long et vidéo
Le concepteur décrit des appréciations des positions d’objets, points de vue et occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.
Le contexte natif est de 262 144 jetons. La famille décrit des livres et des vidéos de plusieurs heures, avec indexation d’événements à la seconde et extension à environ un million de jetons par configuration. Préservez le minutage, l’ordre des images et les identifiants de source pour un compte rendu d’événements. Le contexte et l’échantillonnage déterminent le contenu représenté dans la requête ; la description de famille ne doit pas devenir une promesse inconditionnelle de rappel parfait.
Raisonnement multimodal, reconnaissance et OCR
L’édition Thinking convient aux questions STEM, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés de schéma et les unités et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau de preuves ou une courte conclusion étayée par l’image et le texte.
La famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages médiatiques. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou en cas d’inclinaison, y compris le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identification, une transcription ou une conclusion mathématique correcte pour chaque entrée.
Architecture
La configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE répartit les informations positionnelles entre temps, largeur et hauteur. DeepStack combine les caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de manière cohérente pour préparer les tâches de raisonnement visuel et comparer leurs résultats.
Préparer les entrées
Les exemples de famille prennent en charge les tâches purement textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et préservez leur relation. Des budgets de pixels séparés d’image et de vidéo permettent au flux de contrôler le détail ; les dimensions explicites d’image sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec contrôle de fréquence d’échantillonnage ou de nombre d’images lorsque cela est pris en charge. Gardez les métadonnées vidéo et évitez un second redimensionnement lorsque l’auxiliaire a déjà redimensionné le média.
Pour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de l’espace dans la séquence pour la réflexion et le texte final, en plus des jetons visuels.
Recommandations de génération et limites
Le fichier de génération du checkpoint utilise par défaut temperature 0.8, top_p 0.95, top_k 20 et une pénalité de répétition de 1.0. La recette d’évaluation Thinking distincte de la famille utilise temperature 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et une allocation de sortie de 40 960 jetons. Ce sont des préréglages distincts du producteur ; l’allocation n’est pas un maximum strict de sortie établi indépendamment.
La procédure d’extension de la famille utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré par rapport aux éléments originaux et gardez le livrable final distinct du raisonnement. Le résultat pratique est une conclusion visuelle ou proposition de code vérifiable préservant cette édition Thinking exacte.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-vl-30b-a3b-thinking | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3-vl-30b-a3b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.