L’édition 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct est le membre de Qwen3-VL à mélange d’experts axé sur les instructions. Il accepte du texte, des images et de la vidéo et génère du texte, notamment du code ou un document demandé comme livrable. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un point de contrôle Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat qui peut être comparé aux éléments probants fournis.
Agents visuels et programmation
Le fabricant décrit des flux de travail d’agents visuels qui reconnaissent les éléments d’interface, comprennent leurs fonctions et appellent des outils pour des tâches sur ordinateur ou appareil mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments probants qui appuient ce choix. L’application connectée exécute les actions et fournit les résultats; reconnaître une interface ne suffit pas à contrôler un appareil.
La programmation à partir de références visuelles comprend le contenu de diagrammes et le HTML, le CSS ou le JavaScript produits à partir d’images ou de vidéos. Fournissez la référence de mise en page, les contraintes fonctionnelles et le livrable modifiable requis. Pour modifier une page existante, incluez le code source pertinent et les états d’interaction. Demandez le livrable séparément de l’explication afin qu’un flux de développement puisse en effectuer le rendu et l’examiner. Le code source généré demeure une proposition, et non une preuve qu’une application fonctionne.
Perception spatiale et contenus longs
Qwen documente des évaluations des positions, des points de vue et des occlusions, y compris un ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles appuient la conclusion. Une relation fondée sur une image ne doit pas être considérée comme une mesure physique étalonnée.
Le contexte natif est de 262,144 jetons. La famille est décrite comme pouvant traiter des livres et des vidéos de plusieurs heures, avec une indexation des événements à la seconde près et une extension à environ un million de jetons par configuration. Conservez les repères temporels et les identifiants des sources lorsque vous demandez un compte rendu d’événements. La représentation et l’échantillonnage déterminent le contenu qui entre dans la requête; un contexte volumineux ne garantit pas un rappel parfait de chaque page ou image.
Raisonnement, reconnaissance et reconnaissance optique de caractères
La famille prend en charge les questions visuelles de STIM, de mathématiques, de causalité et de logique. Fournissez l’énoncé complet et les libellés du diagramme, puis demandez au modèle d’identifier les valeurs ou les relations utilisées avant la conclusion. Le texte et la vision sont combinés; une même question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.
La reconnaissance s’étend aux personnes, aux produits, aux points d’intérêt, aux plantes, aux animaux et aux personnages de médias. La reconnaissance optique de caractères couvre 32 langues et vise les conditions de faible éclairage, de flou et d’inclinaison, y compris le vocabulaire spécialisé et la structure des documents longs. Fournissez des pages lisibles et demandez des champs nommés, des citations ou un tableau qui peuvent être vérifiés par rapport à l’image. Ces applications reflètent la portée documentée plutôt que de garantir une identification, une transcription ou un calcul exacts.
Mises à jour de l’architecture
La configuration textuelle à mélange d’experts publiée comporte 94 couches, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement sur la vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux de l’encodeur, et l’alignement texte-horodatage ancre les événements dans des repères temporels. Utilisez systématiquement cette édition 235B-A22B Instruct pour préparer des tâches visuelles et comparer leurs résultats.
Préparation des entrées visuelles
Les exemples de la famille couvrent les requêtes textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels pour les images et la vidéo sont distincts, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur par défaut documentée pour la vidéo est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un deuxième redimensionnement lorsque l’utilitaire a déjà redimensionné le contenu.
Pour plusieurs pages de documents, organisez la réponse par libellé de page et demandez les champs ou les passages qui l’appuient. Pour un extrait vidéo, demandez l’événement pertinent, l’intervalle et les éléments visibles qui l’appuient. Comparez l’intervalle de l’événement et les détails à l’appui retournés avec l’extrait d’origine et ses repères temporels.
Conseils de génération et limites
Le fichier de génération du point de contrôle définit par défaut une température de 0.7, top_p à 0.8, top_k à 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise en plus une pénalité de présence de 1.5 et un budget de sortie de 32,768 jetons. Ce budget est celui d’une recette du producteur, et non un plafond strict de sortie établi indépendamment. Les budgets propres à chaque tâche de la fiche 8B et les préréglages de l’édition Thinking demeurent distincts.
L’extension du contexte de la famille utilise YaRN et suggère un facteur de deux ou de trois lors du passage du schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse en plus du texte et des éléments visuels représentés, et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un livrable textuel concret, accompagné des éléments visuels qui l’appuient, tout en préservant l’identité Instruct exacte.
", "aboutText": "L’édition 235B-A22B Instruct\n\nQwen3-VL-235B-A22B-Instruct est le membre de Qwen3-VL à mélange d’experts axé sur les instructions. Il accepte du texte, des images et de la vidéo et génère du texte, notamment du code ou un document demandé comme livrable. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un point de contrôle Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat qui peut être comparé aux éléments probants fournis.\n\nAgents visuels et programmation\n\nLe fabricant décrit des flux de travail d’agents visuels qui reconnaissent les éléments d’interface, comprennent leurs fonctions et appellent des outils pour des tâches sur ordinateur ou appareil mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments probants qui appuient ce choix. L’application connectée exécute les actions et fournit les résultats; reconnaître une interface ne suffit pas à contrôler un appareil.\n\nLa programmation à partir de références visuelles comprend le contenu de diagrammes et le HTML, le CSS ou le JavaScript produits à partir d’images ou de vidéos. Fournissez la référence de mise en page, les contraintes fonctionnelles et le livrable modifiable requis. Pour modifier une page existante, incluez le code source pertinent et les états d’interaction. Demandez le livrable séparément de l’explication afin qu’un flux de développement puisse en effectuer le rendu et l’examiner. Le code source généré demeure une proposition, et non une preuve qu’une application fonctionne.\n\nPerception spatiale et contenus longs\n\nQwen documente des évaluations des positions, des points de vue et des occlusions, y compris un ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles appuient la conclusion. Une relation fondée sur une image ne doit pas être considérée comme une mesure physique étalonnée.\n\nLe contexte natif est de 262,144 jetons. La famille est décrite comme pouvant traiter des livres et des vidéos de plusieurs heures, avec une indexation des événements à la seconde près et une extension à environ un million de jetons par configuration. Conservez les repères temporels et les identifiants des sources lorsque vous demandez un compte rendu d’événements. La représentation et l’échantillonnage déterminent le contenu qui entre dans la requête; un contexte volumineux ne garantit pas un rappel parfait de chaque page ou image.\n\nRaisonnement, reconnaissance et reconnaissance optique de caractères\n\nLa famille prend en charge les questions visuelles de STIM, de mathématiques, de causalité et de logique. Fournissez l’énoncé complet et les libellés du diagramme, puis demandez au modèle d’identifier les valeurs ou les relations utilisées avant la conclusion. Le texte et la vision sont combinés; une même question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.\n\nLa reconnaissance s’étend aux personnes, aux produits, aux points d’intérêt, aux plantes, aux animaux et aux personnages de médias. La reconnaissance optique de caractères couvre 32 langues et vise les conditions de faible éclairage, de flou et d’inclinaison, y compris le vocabulaire spécialisé et la structure des documents longs. Fournissez des pages lisibles et demandez des champs nommés, des citations ou un tableau qui peuvent être vérifiés par rapport à l’image. Ces applications reflètent la portée documentée plutôt que de garantir une identification, une transcription ou un calcul exacts.\n\nMises à jour de l’architecture\n\nLa configuration textuelle à mélange d’experts publiée comporte 94 couches, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement sur la vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux de l’encodeur, et l’alignement texte-horodatage ancre les événements dans des repères temporels. Utilisez systématiquement cette édition 235B-A22B Instruct pour préparer des tâches visuelles et comparer leurs résultats.\n\nPréparation des entrées visuelles\n\nLes exemples de la famille couvrent les requêtes textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels pour les images et la vidéo sont distincts, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur par défaut documentée pour la vidéo est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un deuxième redimensionnement lorsque l’utilitaire a déjà redimensionné le contenu.\n\nPour plusieurs pages de documents, organisez la réponse par libellé de page et demandez les champs ou les passages qui l’appuient. Pour un extrait vidéo, demandez l’événement pertinent, l’intervalle et les éléments visibles qui l’appuient. Comparez l’intervalle de l’événement et les détails à l’appui retournés avec l’extrait d’origine et ses repères temporels.\n\nConseils de génération et limites\n\nLe fichier de génération du point de contrôle définit par défaut une température de 0.7, top_p à 0.8, top_k à 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise en plus une pénalité de présence de 1.5 et un budget de sortie de 32,768 jetons. Ce budget est celui d’une recette du producteur, et non un plafond strict de sortie établi indépendamment. Les budgets propres à chaque tâche de la fiche 8B et les préréglages de l’édition Thinking demeurent distincts.\n\nL’extension du contexte de la famille utilise YaRN et suggère un facteur de deux ou de trois lors du passage du schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse en plus du texte et des éléments visuels représentés, et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un livrable textuel concret, accompagné des éléments visuels qui l’appuient, tout en préservant l’identité Instruct exacte.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct est l’édition vision-langage à mélange d’experts de Qwen axée sur le suivi d’instructions, pour le texte, les images et la vidéo. Elle renvoie du texte ou du code pour les flux visuels, les documents, les questions spatiales et les tâches STEM, avec une reconnaissance optique de caractères dans 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 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct est le membre de Qwen3-VL à mélange d’experts axé sur les instructions. Il accepte du texte, des images et de la vidéo et génère du texte, notamment du code ou un document demandé comme livrable. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un point de contrôle Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat qui peut être comparé aux éléments probants fournis.
Agents visuels et programmation
Le fabricant décrit des flux de travail d’agents visuels qui reconnaissent les éléments d’interface, comprennent leurs fonctions et appellent des outils pour des tâches sur ordinateur ou appareil mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments probants qui appuient ce choix. L’application connectée exécute les actions et fournit les résultats; reconnaître une interface ne suffit pas à contrôler un appareil.
La programmation à partir de références visuelles comprend le contenu de diagrammes et le HTML, le CSS ou le JavaScript produits à partir d’images ou de vidéos. Fournissez la référence de mise en page, les contraintes fonctionnelles et le livrable modifiable requis. Pour modifier une page existante, incluez le code source pertinent et les états d’interaction. Demandez le livrable séparément de l’explication afin qu’un flux de développement puisse en effectuer le rendu et l’examiner. Le code source généré demeure une proposition, et non une preuve qu’une application fonctionne.
Perception spatiale et contenus longs
Qwen documente des évaluations des positions, des points de vue et des occlusions, y compris un ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles appuient la conclusion. Une relation fondée sur une image ne doit pas être considérée comme une mesure physique étalonnée.
Le contexte natif est de 262,144 jetons. La famille est décrite comme pouvant traiter des livres et des vidéos de plusieurs heures, avec une indexation des événements à la seconde près et une extension à environ un million de jetons par configuration. Conservez les repères temporels et les identifiants des sources lorsque vous demandez un compte rendu d’événements. La représentation et l’échantillonnage déterminent le contenu qui entre dans la requête; un contexte volumineux ne garantit pas un rappel parfait de chaque page ou image.
Raisonnement, reconnaissance et reconnaissance optique de caractères
La famille prend en charge les questions visuelles de STIM, de mathématiques, de causalité et de logique. Fournissez l’énoncé complet et les libellés du diagramme, puis demandez au modèle d’identifier les valeurs ou les relations utilisées avant la conclusion. Le texte et la vision sont combinés; une même question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.
La reconnaissance s’étend aux personnes, aux produits, aux points d’intérêt, aux plantes, aux animaux et aux personnages de médias. La reconnaissance optique de caractères couvre 32 langues et vise les conditions de faible éclairage, de flou et d’inclinaison, y compris le vocabulaire spécialisé et la structure des documents longs. Fournissez des pages lisibles et demandez des champs nommés, des citations ou un tableau qui peuvent être vérifiés par rapport à l’image. Ces applications reflètent la portée documentée plutôt que de garantir une identification, une transcription ou un calcul exacts.
Mises à jour de l’architecture
La configuration textuelle à mélange d’experts publiée comporte 94 couches, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement sur la vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux de l’encodeur, et l’alignement texte-horodatage ancre les événements dans des repères temporels. Utilisez systématiquement cette édition 235B-A22B Instruct pour préparer des tâches visuelles et comparer leurs résultats.
Préparation des entrées visuelles
Les exemples de la famille couvrent les requêtes textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels pour les images et la vidéo sont distincts, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur par défaut documentée pour la vidéo est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un deuxième redimensionnement lorsque l’utilitaire a déjà redimensionné le contenu.
Pour plusieurs pages de documents, organisez la réponse par libellé de page et demandez les champs ou les passages qui l’appuient. Pour un extrait vidéo, demandez l’événement pertinent, l’intervalle et les éléments visibles qui l’appuient. Comparez l’intervalle de l’événement et les détails à l’appui retournés avec l’extrait d’origine et ses repères temporels.
Conseils de génération et limites
Le fichier de génération du point de contrôle définit par défaut une température de 0.7, top_p à 0.8, top_k à 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise en plus une pénalité de présence de 1.5 et un budget de sortie de 32,768 jetons. Ce budget est celui d’une recette du producteur, et non un plafond strict de sortie établi indépendamment. Les budgets propres à chaque tâche de la fiche 8B et les préréglages de l’édition Thinking demeurent distincts.
L’extension du contexte de la famille utilise YaRN et suggère un facteur de deux ou de trois lors du passage du schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse en plus du texte et des éléments visuels représentés, et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un livrable textuel concret, accompagné des éléments visuels qui l’appuient, tout en préservant l’identité Instruct exacte.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-vl-235b-a22b-instruct | 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.000572 / 1K jetons Sortie · Jetons en sortie $0.0038 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.000572 / 1K jetons Sortie · Jetons en sortie $0.0038 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-235b-a22b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-235b-a22b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-235b-a22b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct est l’édition vision-langage à mélange d’experts de Qwen axée sur le suivi d’instructions, pour le texte, les images et la vidéo. Elle renvoie du texte ou du code pour les flux visuels, les documents, les questions spatiales et les tâches STEM, avec une reconnaissance optique de caractères dans 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 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct est le membre de Qwen3-VL à mélange d’experts axé sur les instructions. Il accepte du texte, des images et de la vidéo et génère du texte, notamment du code ou un document demandé comme livrable. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un point de contrôle Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat qui peut être comparé aux éléments probants fournis.
Agents visuels et programmation
Le fabricant décrit des flux de travail d’agents visuels qui reconnaissent les éléments d’interface, comprennent leurs fonctions et appellent des outils pour des tâches sur ordinateur ou appareil mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments probants qui appuient ce choix. L’application connectée exécute les actions et fournit les résultats; reconnaître une interface ne suffit pas à contrôler un appareil.
La programmation à partir de références visuelles comprend le contenu de diagrammes et le HTML, le CSS ou le JavaScript produits à partir d’images ou de vidéos. Fournissez la référence de mise en page, les contraintes fonctionnelles et le livrable modifiable requis. Pour modifier une page existante, incluez le code source pertinent et les états d’interaction. Demandez le livrable séparément de l’explication afin qu’un flux de développement puisse en effectuer le rendu et l’examiner. Le code source généré demeure une proposition, et non une preuve qu’une application fonctionne.
Perception spatiale et contenus longs
Qwen documente des évaluations des positions, des points de vue et des occlusions, y compris un ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles appuient la conclusion. Une relation fondée sur une image ne doit pas être considérée comme une mesure physique étalonnée.
Le contexte natif est de 262,144 jetons. La famille est décrite comme pouvant traiter des livres et des vidéos de plusieurs heures, avec une indexation des événements à la seconde près et une extension à environ un million de jetons par configuration. Conservez les repères temporels et les identifiants des sources lorsque vous demandez un compte rendu d’événements. La représentation et l’échantillonnage déterminent le contenu qui entre dans la requête; un contexte volumineux ne garantit pas un rappel parfait de chaque page ou image.
Raisonnement, reconnaissance et reconnaissance optique de caractères
La famille prend en charge les questions visuelles de STIM, de mathématiques, de causalité et de logique. Fournissez l’énoncé complet et les libellés du diagramme, puis demandez au modèle d’identifier les valeurs ou les relations utilisées avant la conclusion. Le texte et la vision sont combinés; une même question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.
La reconnaissance s’étend aux personnes, aux produits, aux points d’intérêt, aux plantes, aux animaux et aux personnages de médias. La reconnaissance optique de caractères couvre 32 langues et vise les conditions de faible éclairage, de flou et d’inclinaison, y compris le vocabulaire spécialisé et la structure des documents longs. Fournissez des pages lisibles et demandez des champs nommés, des citations ou un tableau qui peuvent être vérifiés par rapport à l’image. Ces applications reflètent la portée documentée plutôt que de garantir une identification, une transcription ou un calcul exacts.
Mises à jour de l’architecture
La configuration textuelle à mélange d’experts publiée comporte 94 couches, 128 experts et huit experts sélectionnés par jeton. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement sur la vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux de l’encodeur, et l’alignement texte-horodatage ancre les événements dans des repères temporels. Utilisez systématiquement cette édition 235B-A22B Instruct pour préparer des tâches visuelles et comparer leurs résultats.
Préparation des entrées visuelles
Les exemples de la famille couvrent les requêtes textuelles, une ou plusieurs images et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels pour les images et la vidéo sont distincts, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur par défaut documentée pour la vidéo est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un deuxième redimensionnement lorsque l’utilitaire a déjà redimensionné le contenu.
Pour plusieurs pages de documents, organisez la réponse par libellé de page et demandez les champs ou les passages qui l’appuient. Pour un extrait vidéo, demandez l’événement pertinent, l’intervalle et les éléments visibles qui l’appuient. Comparez l’intervalle de l’événement et les détails à l’appui retournés avec l’extrait d’origine et ses repères temporels.
Conseils de génération et limites
Le fichier de génération du point de contrôle définit par défaut une température de 0.7, top_p à 0.8, top_k à 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise en plus une pénalité de présence de 1.5 et un budget de sortie de 32,768 jetons. Ce budget est celui d’une recette du producteur, et non un plafond strict de sortie établi indépendamment. Les budgets propres à chaque tâche de la fiche 8B et les préréglages de l’édition Thinking demeurent distincts.
L’extension du contexte de la famille utilise YaRN et suggère un facteur de deux ou de trois lors du passage du schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse en plus du texte et des éléments visuels représentés, et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un livrable textuel concret, accompagné des éléments visuels qui l’appuient, tout en préservant l’identité Instruct exacte.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-vl-235b-a22b-instruct | 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.000572 / 1K jetons Sortie · Jetons en sortie $0.0038 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.000572 / 1K jetons Sortie · Jetons en sortie $0.0038 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3-vl-235b-a22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.