Source: https://ailoot.ai/models/fr-ch/inclusionai-ling-3-0-flash-vl/
Canonical: https://ailoot.ai/models/fr-ch/inclusionai-ling-3-0-flash-vl/
Language: fr-ch

# inclusionAI: Ling 3.0 Flash VL

[Markdown](https://ailoot.ai/models/fr-ch/inclusionai-ling-3-0-flash-vl/index.md) · [JSON](https://ailoot.ai/models/fr-ch/inclusionai-ling-3-0-flash-vl/facts.json)

## [inclusionAI: Ling 3.0 Flash VL](https://ailoot.ai/models/fr-ch/inclusionai-ling-3-0-flash-vl/)

Ling-3.0-flash-VL ajoute la compréhension des images et des vidéos au modèle de raisonnement hybride d’inclusionAI. Il prend en charge l’analyse visuelle, le raisonnement fondé sur les preuves et les flux d’interface, avec 124 milliards de paramètres au total, 5,5 milliards actifs et jusqu’à 256K tokens de contexte.

- [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/inclusionai-ling-3-0-flash-vl/#method-0)
- [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/inclusionai-ling-3-0-flash-vl/#method-1)

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Ling-3.0-flash-VL est l’extension multimodale native de Ling-3.0-flash d’inclusionAI. Elle associe les capacités linguistiques, de raisonnement et de contexte long du modèle de base à la compréhension des images et des vidéos. Le fabricant répartit ses tâches visuelles en compréhension, raisonnement et action : lire des informations visuelles complexes, les utiliser comme preuves et traduire les observations en actions dans une application compatible. Le modèle répond par du texte ou par la représentation d’appel d’outil utilisée par cette application.

L’architecture publiée compte 124 milliards de paramètres au total et 5,5 milliards activés par token. Un transformeur de vision extrait les caractéristiques des images et des vidéos, puis un projecteur à deux couches les aligne sur la représentation linguistique. VideoRoPE porte les positions spatiales et l’ordre temporel. Le socle hybride de 42 couches alterne Kimi Delta Attention et Multi-head Latent Attention à portes selon un motif 5:1, avec routage parcimonieux des experts. Le fabricant décrit jusqu’à 256K tokens de contexte et publie une recette d’extension à 262 144 tokens.

Pour la compréhension visuelle, fournissez une image lisible et indiquez l’observation attendue. Le fabricant cite notamment le comptage d’objets, les mises en page complexes, les graphiques et le contenu documentaire. Une demande utile sur un document peut solliciter un tableau de champs avec la page ou la zone visible justificative ; une demande sur un graphique peut demander quelle série étaye une comparaison donnée. Conservez les éléments visuels originaux pour vérifier nombres, étiquettes et petits détails. Une zone illisible doit rester incertaine dans le résultat plutôt que devenir une valeur devinée.

Pour raisonner à partir de preuves visuelles, fournissez la question, les hypothèses pertinentes et la précision requise dans la réponse finale. Le modèle peut relier un graphique, un schéma ou une capture à un calcul et à un raisonnement en plusieurs étapes. Demandez que la conclusion indique les observations dont elle dépend. Si le flux comprend des outils de calcul ou de recherche d’informations, conservez leurs résultats réels et distinguez-les de l’interprétation du modèle. Une relation visuelle et une mesure étalonnée sont des preuves de natures différentes.

Pour la vidéo, préservez l’ordre du contenu et centrez la question sur un événement, un changement ou un intervalle. Le fabricant cite la localisation d’événements, les questions sur les vidéos longues et les flux de montage d’extraits comme applications de sa représentation temporelle. Un livrable éditorial pratique peut être une liste de coupes proposée, expliquant quels moments conserver et pourquoi. Reliez-la à la chronologie source ; l’application de montage effectue les changements et produit les médias montés. Comprendre une vidéo ne transforme pas en soi la réponse textuelle du modèle en nouveau fichier vidéo.

Pour les tâches d’interface, incluez la capture actuelle, l’objectif et les actions disponibles dans l’application. Ling-3.0-flash-VL peut interpréter des interfaces web ou logicielles et proposer des séquences d’actions à partir d’informations visuelles. Réintroduisez l’état observé après chaque opération lorsque l’étape suivante en dépend. Un compte rendu utile montre ce qui a changé dans l’interface et si le résultat demandé est visible, au lieu de considérer un clic proposé comme une action exécutée.

La réflexion est activée par défaut dans le modèle de conversation du fabricant ; son implémentation documentée permet de la désactiver par requête en fixant enable\_thinking à false. La recette client et de génération recommande temperature 1.0, top\_p 0.95 et top\_k 20 ; les notes d’évaluation distinctes utilisent leurs propres réglages. Choisissez explicitement la forme de la réponse finale et laissez de la place au contexte multimédia pertinent et au texte généré. Ces réglages du fabricant décrivent la recette du modèle publié, sans promettre que toutes les applications exposent ces commandes.

Conservez l’identité VL lorsque vous consignez un résultat : ses entrées image et vidéo le distinguent de Ling-3.0-flash centré sur le texte et de l’édition Fin spécialisée en finance. Vérifiez les mots extraits, comptages, positions temporelles et actions d’interface proposées au regard des sources. Le livrable final utile est une analyse visuelle ou une proposition d’action dont les preuves et détails non résolus restent examinables.

Cas pratique

### Cas pratique

Exemple technique en anglais

```
Create a cut list from scene notes

Use these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.
```

#### Résultat attendu

```
An ordered cut list with source intervals, chosen durations and a short editorial rationale.
```

#### Vérifier le résultat

```
Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.
```

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `inclusionai/ling-3.0-flash-vl`

[`inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/#m=inclusionai%2Fling-3.0-flash-vl&route=Ultra&caller=inclusionai%2Fling-3.0-flash-vl&fmt=chat)

inclusionAI /`inclusionai/ling-3.0-flash-vl`

### Premiers pas

Ling-3.0-flash-VL ajoute la compréhension des images et des vidéos au modèle de raisonnement hybride d’inclusionAI. Il prend en charge l’analyse visuelle, le raisonnement fondé sur les preuves et les flux d’interface, avec 124 milliards de paramètres au total, 5,5 milliards actifs et jusqu’à 256K tokens de contexte.

Entrées acceptées

Texte

Résultats

Texte

### Disponible dans Ailoot · entrées et méthodes

**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions`

Entrée

`text`

Sortie

`text`

Format de sortie

json ou SSE

| Champ | Type | Exigence | Valeurs et limites | Par défaut |
| --- | --- | --- | --- | --- |
| Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites inclusionai/ling-3.0-flash-vl | Par défaut— |
| Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
| Champ`messages[].role` | Type`string` | 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— |
| Champ`messages[].content` | Type`string\|content_part[]\|null` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].tool_calls` | Type`tool_call[]` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].tool_call_id` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
| Champ`messages[].name` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].reasoning_content` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
| Champ`messages[].reasoning_details` | Type`object\|array` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`max_tokens` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
| Champ`max_completion_tokens` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
| Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
| Champ`stream_options.include_usage` | Type`boolean` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`temperature` | Type`number` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`top_p` | Type`number` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`stop` | Type`string\|string[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`tools` | Type`function_tool[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`tools[].type` | Type`string` | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
| Champ`tools[].function.name` | Type`string` | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
| Champ`tools[].function.description` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`tools[].function.parameters` | Type`JSON_schema` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`tool_choice` | Type`string\|object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`parallel_tool_calls` | Type`boolean` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`response_format` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`reasoning_effort` | Type`string` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`reasoning` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`service_tier` | Type`string` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`instructions` | Type`string` | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
| Champ`functions` | Type`function[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`function_call` | Type`string\|object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`prompt_cache_options` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`modalities` | Type`string[]` | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
| Champ`provider` | Type`object` | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
| Champ`cache_control.ttl` | Type`string` | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |

Combinaisons d’éléments d’entrée

**Texte** · Texte UTF8

`messages[].content`

Paramètres et cycle de vie de la méthode

| Paramètre | Contrat |
| --- | --- |
| Paramètre`content_type` | Contratapplication/json |
| Paramètre`required` | Contratmodel, messages |
| Paramètre`material_types` | Contrattext |
| Paramètre`messages` | Contrattableau de messages avec une structure role/content |
| Paramètre`file_material` | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
| Paramètre`optional_controls` | Contratstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice |
| Paramètre`control_scope` | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
| Paramètre`output_modalities` | Contrattext |
| Paramètre`hosted_operations` | Contratfalse |
| Paramètre`multimodal_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.

### Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide

Tarif standard Lorsque le mode rapide est sélectionné

Mode Flex

Tarif standard Lorsque le mode flex est sélectionné

Effort de raisonnement maximal

Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

#### Tarifs Ailoot

#### Prix par configuration

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 **$0.00012** / 1K tokens Sortie · Tokens en sortie **$0.00036** / 1K tokens Entrée · Lecture du cache **$0.000024** / 1K tokens Entrée · Écriture dans le cache **—** / 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 **$0.00012** / 1K tokens Sortie · Tokens en sortie **$0.00036** / 1K tokens Entrée · Lecture du cache **$0.000024** / 1K tokens Entrée · Écriture dans le cache **—** / 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 →](https://ailoot.ai/docs/fr-ch/billing/reserve/)

### Exemples de requêtes

#### Ailoot Ultra · OpenAI Chat

curlPython SDKStreaming Python

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "inclusionai/ling-3.0-flash-vl", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='inclusionai/ling-3.0-flash-vl',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
```

```python
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='inclusionai/ling-3.0-flash-vl',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### Recevoir et enregistrer les résultats

#### Ailoot Ultra · OpenAI Chat

json ou SSE

##### Conserver tous les résultats terminés

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.

##### Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse

| Champ | Type |
| --- | --- |
| Champ`choices[].index` | Typeinteger |
| Champ`choices[].message.content` | Typestring\|null |
| Champ`choices[].message.tool_calls` | Typetool\_call\[\] |
| Champ`choices[].message.reasoning_content` | Typestring |
| Champ`choices[].message.reasoning_details` | Typeobject\|array |
| Champ`choices[].finish_reason` | Typestring\|null |
| Champ`usage` | Typeobject |

Erreurs et étapes suivantes

| 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. |

### Alias

#### Alias du modèle

**Ailoot Ultra** [`inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/#m=inclusionai%2Fling-3.0-flash-vl&route=Ultra&caller=inclusionai%2Fling-3.0-flash-vl&fmt=chat)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/#m=inclusionai%2Fling-3.0-flash-vl&route=Ultra&caller=inclusionai%2Fling-3.0-flash-vl&fmt=chat)

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `inclusionai/ling-3.0-flash-vl`

[`inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/#m=inclusionai%2Fling-3.0-flash-vl&route=Ultra&caller=inclusionai%2Fling-3.0-flash-vl&fmt=messages)

inclusionAI /`inclusionai/ling-3.0-flash-vl`

### Premiers pas

Ling-3.0-flash-VL ajoute la compréhension des images et des vidéos au modèle de raisonnement hybride d’inclusionAI. Il prend en charge l’analyse visuelle, le raisonnement fondé sur les preuves et les flux d’interface, avec 124 milliards de paramètres au total, 5,5 milliards actifs et jusqu’à 256K tokens de contexte.

Entrées acceptées

Texte

Résultats

json · sse

### Disponible dans Ailoot · entrées et méthodes

**Ailoot Ultra · Anthropic Messages** `POST /v1/messages`

Entrée

`text`

Sortie

`json`, `sse`

Format de sortie

JSON ou SSE

| Champ | Type | Exigence | Valeurs et limites | Par défaut |
| --- | --- | --- | --- | --- |
| Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites inclusionai/ling-3.0-flash-vl | Par défaut— |
| Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`messages[].role` | Type`string` | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
| Champ`messages[].content` | Type`string` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`max_tokens` | Type`integer` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse |

Combinaisons d’éléments d’entrée

**Texte** · Texte UTF-8

`chaîne messages[].content`

Paramètres et cycle de vie de la méthode

| Paramètre | Contrat |
| --- | --- |
| Paramètre`content_type` | Contratapplication/json |
| Paramètre`required` | Contratmodel, messages, max\_tokens |
| Paramètre`optional_controls` | Contratstream |
| Paramètre`material_types` | Contrattext |
| Paramètre`text_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`

### Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide

Tarif standard Lorsque le mode rapide est sélectionné

Mode Flex

Tarif standard Lorsque le mode flex est sélectionné

Effort de raisonnement maximal

Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

#### Tarifs Ailoot

#### Prix par configuration

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 **$0.00012** / 1K tokens Sortie · Tokens en sortie **$0.00036** / 1K tokens Entrée · Lecture du cache **$0.000024** / 1K tokens Entrée · Écriture dans le cache **—** / 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 **$0.00012** / 1K tokens Sortie · Tokens en sortie **$0.00036** / 1K tokens Entrée · Lecture du cache **$0.000024** / 1K tokens Entrée · Écriture dans le cache **—** / 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 →](https://ailoot.ai/docs/fr-ch/billing/reserve/)

### Exemples de requêtes

#### Ailoot Ultra · Anthropic Messages

Corps JSON minimal completcurl · utilisez votre document UTF-8Python · enregistrez le résultat complet

```json
{
  "model": "inclusionai/ling-3.0-flash-vl",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'inclusionai/ling-3.0-flash-vl', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'inclusionai/ling-3.0-flash-vl', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
```

### Recevoir et enregistrer les résultats

#### Ailoot Ultra · Anthropic Messages

JSON ou SSE

##### Conserver tous les résultats terminés

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.

##### Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse

| Champ | Type |
| --- | --- |
| Champ`id` | Typestring |
| Champ`model` | Typestring |
| Champ`content[]` | Typetext\|thinking\|tool\_use\|other content block |
| Champ`stop_reason` | Typestring\|null |
| Champ`usage` | Typeobject |

Erreurs et étapes suivantes

| 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. |

### Alias

#### Alias du modèle

**Ailoot Ultra** [`inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/#m=inclusionai%2Fling-3.0-flash-vl&route=Ultra&caller=inclusionai%2Fling-3.0-flash-vl&fmt=messages)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`inclusionai/ling-3.0-flash-vl`](https://ailoot.ai/models/fr-ch/#m=inclusionai%2Fling-3.0-flash-vl&route=Ultra&caller=inclusionai%2Fling-3.0-flash-vl&fmt=messages)

FAQ · inclusionAI: Ling 3.0 Flash VL

Quelles entrées et quels résultats sont disponibles ?

`POST /v1/chat/completions` · `inclusionai/ling-3.0-flash-vl`: `text` → `text` `POST /v1/messages` · `inclusionai/ling-3.0-flash-vl`: `text` → `json`, `sse`

Quels champs la requête utilise-t-elle ?

`POST /v1/chat/completions` · `inclusionai/ling-3.0-flash-vl`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `inclusionai/ling-3.0-flash-vl`: `model`, `messages`, `max_tokens`, `stream`

Quelles limites s’appliquent ?

`POST /v1/chat/completions` · `inclusionai/ling-3.0-flash-vl`: `messages.min_items`: `1`

Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application.

## L’entreprise et son portefeuille de projets

L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.

## Achetez des tokens à prix réduit.

Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens.

Abonnement

Choisissez une offre à tarif réduit pour vos requêtes régulières.

Code promo jusqu’à 50%

Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours.

Dépenses dans l’historique

Modèle, tokens et montant sont enregistrés pour chaque requête.

[Choisir un abonnement](https://ailoot.ai/docs/fr-ch/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-ch/)

## Connectez l’API au produit que vous vendez.

SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur.

Application commerciale

Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service.

Licence revendeur

Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente.

Documents sur le site

L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion.

[Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-ch)

## Ailoot · L’entreprise et son portefeuille de projets





Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI.





L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.





Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.