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 le texte, les images et la vidéo et génère du texte, y compris du code ou un artefact documentaire demandé. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un checkpoint Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat comparable aux éléments fournis.
Agents visuels et programmation
Le concepteur décrit des flux d’agents visuels reconnaissant les éléments d’interface, comprenant leurs fonctions et invoquant des outils pour des tâches sur ordinateur ou mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments justifiant le choix. L’application connectée effectue les actions et fournit les résultats ; reconnaître une interface ne contrôle pas en soi un appareil.
La programmation visuelle comprend les contenus de schémas 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 la sortie modifiable requise. Pour une modification d’une page existante, incluez la source pertinente et les états d’interaction. Demandez l’artefact séparément de l’explication pour qu’un flux de développement puisse le rendre et l’examiner. La source générée reste une proposition, et non la preuve d’une application fonctionnelle.
Perception spatiale et contenus longs
Qwen documente des jugements sur les positions, les points de vue et les occlusions, dont l’ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles étayent la conclusion. Une relation fondée sur l’image ne doit pas être traitée comme une mesure physique calibrée.
Le contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec une indexation des événements à la seconde et une extension à environ un million de tokens par configuration. Préservez le minutage et les identifiants des sources en demandant un compte rendu d’événements. La représentation et l’échantillonnage déterminent les contenus entrant dans la requête ; un grand contexte ne garantit pas le rappel parfait de chaque page ou image.
Raisonnement, reconnaissance et OCR
La famille prend en charge les questions visuelles STEM, mathématiques, causales et logiques. Donnez l’énoncé complet et les libellés du schéma et demandez au modèle d’identifier les valeurs ou relations utilisées avant la conclusion. Texte et vision sont combinés ; une question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.
La reconnaissance s’étend aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la faible luminosité, le flou et l’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 vérifiable par rapport à l’image. Ces applications reflètent le périmètre documenté plutôt qu’une garantie d’identification, de transcription ou de calcul exacts.
Mises à jour d’architecture
La configuration textuelle publiée à mélange d’experts possède 94 couches, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage ancre les événements dans des références temporelles. Utilisez cette édition 235B-A22B Instruct de manière cohérente en préparant les tâches visuelles et en comparant leurs résultats.
Préparer les entrées visuelles
Les exemples de la famille couvrent les requêtes uniquement textuelles, les images uniques ou multiples et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels des images et de la vidéo sont séparés, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Préservez les métadonnées vidéo et évitez un double redimensionnement lorsque l’auxiliaire a déjà redimensionné les contenus.
Pour plusieurs pages documentaires, organisez la réponse par libellé de page et demandez les champs ou passages à l’appui. Pour un extrait, demandez l’événement pertinent, l’intervalle et les éléments visibles. Comparez l’intervalle d’événement et les détails à l’appui renvoyés à l’extrait d’origine et à son minutage.
Conseils de génération et limites
Le fichier de génération du checkpoint définit par défaut temperature 0.7, top_p 0.8, top_k 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise aussi une pénalité de présence de 1.5 et une capacité de sortie de 32,768 tokens. Cette capacité est un budget de recette du producteur, et non un plafond strict de sortie établi indépendamment. Les capacités par tâche de la fiche 8B et les préréglages de l’édition Thinking restent séparés.
L’extension de contexte de la famille utilise YaRN et suggère un facteur de deux ou trois en passant son schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse à côté du texte et des représentations visuelles et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un artefact textuel concret préservant ses éléments visuels à l’appui et son 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 le texte, les images et la vidéo et génère du texte, y compris du code ou un artefact documentaire demandé. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un checkpoint Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat comparable aux éléments fournis.\n\nAgents visuels et programmation\n\nLe concepteur décrit des flux d’agents visuels reconnaissant les éléments d’interface, comprenant leurs fonctions et invoquant des outils pour des tâches sur ordinateur ou mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments justifiant le choix. L’application connectée effectue les actions et fournit les résultats ; reconnaître une interface ne contrôle pas en soi un appareil.\n\nLa programmation visuelle comprend les contenus de schémas 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 la sortie modifiable requise. Pour une modification d’une page existante, incluez la source pertinente et les états d’interaction. Demandez l’artefact séparément de l’explication pour qu’un flux de développement puisse le rendre et l’examiner. La source générée reste une proposition, et non la preuve d’une application fonctionnelle.\n\nPerception spatiale et contenus longs\n\nQwen documente des jugements sur les positions, les points de vue et les occlusions, dont l’ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles étayent la conclusion. Une relation fondée sur l’image ne doit pas être traitée comme une mesure physique calibrée.\n\nLe contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec une indexation des événements à la seconde et une extension à environ un million de tokens par configuration. Préservez le minutage et les identifiants des sources en demandant un compte rendu d’événements. La représentation et l’échantillonnage déterminent les contenus entrant dans la requête ; un grand contexte ne garantit pas le rappel parfait de chaque page ou image.\n\nRaisonnement, reconnaissance et OCR\n\nLa famille prend en charge les questions visuelles STEM, mathématiques, causales et logiques. Donnez l’énoncé complet et les libellés du schéma et demandez au modèle d’identifier les valeurs ou relations utilisées avant la conclusion. Texte et vision sont combinés ; une question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.\n\nLa reconnaissance s’étend aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la faible luminosité, le flou et l’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 vérifiable par rapport à l’image. Ces applications reflètent le périmètre documenté plutôt qu’une garantie d’identification, de transcription ou de calcul exacts.\n\nMises à jour d’architecture\n\nLa configuration textuelle publiée à mélange d’experts possède 94 couches, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage ancre les événements dans des références temporelles. Utilisez cette édition 235B-A22B Instruct de manière cohérente en préparant les tâches visuelles et en comparant leurs résultats.\n\nPréparer les entrées visuelles\n\nLes exemples de la famille couvrent les requêtes uniquement textuelles, les images uniques ou multiples et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels des images et de la vidéo sont séparés, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Préservez les métadonnées vidéo et évitez un double redimensionnement lorsque l’auxiliaire a déjà redimensionné les contenus.\n\nPour plusieurs pages documentaires, organisez la réponse par libellé de page et demandez les champs ou passages à l’appui. Pour un extrait, demandez l’événement pertinent, l’intervalle et les éléments visibles. Comparez l’intervalle d’événement et les détails à l’appui renvoyés à l’extrait d’origine et à son minutage.\n\nConseils de génération et limites\n\nLe fichier de génération du checkpoint définit par défaut temperature 0.7, top_p 0.8, top_k 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise aussi une pénalité de présence de 1.5 et une capacité de sortie de 32,768 tokens. Cette capacité est un budget de recette du producteur, et non un plafond strict de sortie établi indépendamment. Les capacités par tâche de la fiche 8B et les préréglages de l’édition Thinking restent séparés.\n\nL’extension de contexte de la famille utilise YaRN et suggère un facteur de deux ou trois en passant son schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse à côté du texte et des représentations visuelles et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un artefact textuel concret préservant ses éléments visuels à l’appui et son 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 les consignes, pour le texte, les images et la vidéo. Elle renvoie du texte ou du code pour les workflows visuels, documents, questions spatiales et tâches STEM, avec un OCR dans 32 langues et un contexte natif de 262 144 tokens.
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 le texte, les images et la vidéo et génère du texte, y compris du code ou un artefact documentaire demandé. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un checkpoint Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat comparable aux éléments fournis.
Agents visuels et programmation
Le concepteur décrit des flux d’agents visuels reconnaissant les éléments d’interface, comprenant leurs fonctions et invoquant des outils pour des tâches sur ordinateur ou mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments justifiant le choix. L’application connectée effectue les actions et fournit les résultats ; reconnaître une interface ne contrôle pas en soi un appareil.
La programmation visuelle comprend les contenus de schémas 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 la sortie modifiable requise. Pour une modification d’une page existante, incluez la source pertinente et les états d’interaction. Demandez l’artefact séparément de l’explication pour qu’un flux de développement puisse le rendre et l’examiner. La source générée reste une proposition, et non la preuve d’une application fonctionnelle.
Perception spatiale et contenus longs
Qwen documente des jugements sur les positions, les points de vue et les occlusions, dont l’ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles étayent la conclusion. Une relation fondée sur l’image ne doit pas être traitée comme une mesure physique calibrée.
Le contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec une indexation des événements à la seconde et une extension à environ un million de tokens par configuration. Préservez le minutage et les identifiants des sources en demandant un compte rendu d’événements. La représentation et l’échantillonnage déterminent les contenus entrant dans la requête ; un grand contexte ne garantit pas le rappel parfait de chaque page ou image.
Raisonnement, reconnaissance et OCR
La famille prend en charge les questions visuelles STEM, mathématiques, causales et logiques. Donnez l’énoncé complet et les libellés du schéma et demandez au modèle d’identifier les valeurs ou relations utilisées avant la conclusion. Texte et vision sont combinés ; une question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.
La reconnaissance s’étend aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la faible luminosité, le flou et l’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 vérifiable par rapport à l’image. Ces applications reflètent le périmètre documenté plutôt qu’une garantie d’identification, de transcription ou de calcul exacts.
Mises à jour d’architecture
La configuration textuelle publiée à mélange d’experts possède 94 couches, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage ancre les événements dans des références temporelles. Utilisez cette édition 235B-A22B Instruct de manière cohérente en préparant les tâches visuelles et en comparant leurs résultats.
Préparer les entrées visuelles
Les exemples de la famille couvrent les requêtes uniquement textuelles, les images uniques ou multiples et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels des images et de la vidéo sont séparés, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Préservez les métadonnées vidéo et évitez un double redimensionnement lorsque l’auxiliaire a déjà redimensionné les contenus.
Pour plusieurs pages documentaires, organisez la réponse par libellé de page et demandez les champs ou passages à l’appui. Pour un extrait, demandez l’événement pertinent, l’intervalle et les éléments visibles. Comparez l’intervalle d’événement et les détails à l’appui renvoyés à l’extrait d’origine et à son minutage.
Conseils de génération et limites
Le fichier de génération du checkpoint définit par défaut temperature 0.7, top_p 0.8, top_k 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise aussi une pénalité de présence de 1.5 et une capacité de sortie de 32,768 tokens. Cette capacité est un budget de recette du producteur, et non un plafond strict de sortie établi indépendamment. Les capacités par tâche de la fiche 8B et les préréglages de l’édition Thinking restent séparés.
L’extension de contexte de la famille utilise YaRN et suggère un facteur de deux ou trois en passant son schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse à côté du texte et des représentations visuelles et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un artefact textuel concret préservant ses éléments visuels à l’appui et son 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’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 $0.000572 / 1K tokens Sortie · Tokens en sortie $0.0038 / 1K tokens Entrée · Lecture du cache $0.0002 / 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 $0.000572 / 1K tokens Sortie · Tokens en sortie $0.0038 / 1K tokens Entrée · Lecture du cache $0.0002 / 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-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, 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-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 les consignes, pour le texte, les images et la vidéo. Elle renvoie du texte ou du code pour les workflows visuels, documents, questions spatiales et tâches STEM, avec un OCR dans 32 langues et un contexte natif de 262 144 tokens.
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 le texte, les images et la vidéo et génère du texte, y compris du code ou un artefact documentaire demandé. Préservez l’édition Instruct exacte plutôt que de lui attribuer le contrat de réponse d’un checkpoint Thinking ou la recette d’une autre taille. Une tâche utile donne au modèle une question concrète et un résultat comparable aux éléments fournis.
Agents visuels et programmation
Le concepteur décrit des flux d’agents visuels reconnaissant les éléments d’interface, comprenant leurs fonctions et invoquant des outils pour des tâches sur ordinateur ou mobile. Fournissez une capture d’écran et un objectif, puis demandez la commande pertinente et les éléments justifiant le choix. L’application connectée effectue les actions et fournit les résultats ; reconnaître une interface ne contrôle pas en soi un appareil.
La programmation visuelle comprend les contenus de schémas 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 la sortie modifiable requise. Pour une modification d’une page existante, incluez la source pertinente et les états d’interaction. Demandez l’artefact séparément de l’explication pour qu’un flux de développement puisse le rendre et l’examiner. La source générée reste une proposition, et non la preuve d’une application fonctionnelle.
Perception spatiale et contenus longs
Qwen documente des jugements sur les positions, les points de vue et les occlusions, dont l’ancrage bidimensionnel et la prise en charge d’un ancrage tridimensionnel. Identifiez les objets et la relation qui comptent, puis demandez quels indices visibles étayent la conclusion. Une relation fondée sur l’image ne doit pas être traitée comme une mesure physique calibrée.
Le contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec une indexation des événements à la seconde et une extension à environ un million de tokens par configuration. Préservez le minutage et les identifiants des sources en demandant un compte rendu d’événements. La représentation et l’échantillonnage déterminent les contenus entrant dans la requête ; un grand contexte ne garantit pas le rappel parfait de chaque page ou image.
Raisonnement, reconnaissance et OCR
La famille prend en charge les questions visuelles STEM, mathématiques, causales et logiques. Donnez l’énoncé complet et les libellés du schéma et demandez au modèle d’identifier les valeurs ou relations utilisées avant la conclusion. Texte et vision sont combinés ; une question peut donc relier un paragraphe à sa figure et aux instructions de l’utilisateur.
La reconnaissance s’étend aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la faible luminosité, le flou et l’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 vérifiable par rapport à l’image. Ces applications reflètent le périmètre documenté plutôt qu’une garantie d’identification, de transcription ou de calcul exacts.
Mises à jour d’architecture
La configuration textuelle publiée à mélange d’experts possède 94 couches, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE représente le temps, la largeur et la hauteur pour le raisonnement vidéo. DeepStack combine des caractéristiques visuelles de plusieurs niveaux d’encodeur, et l’alignement texte–horodatage ancre les événements dans des références temporelles. Utilisez cette édition 235B-A22B Instruct de manière cohérente en préparant les tâches visuelles et en comparant leurs résultats.
Préparer les entrées visuelles
Les exemples de la famille couvrent les requêtes uniquement textuelles, les images uniques ou multiples et la vidéo. Étiquetez les entrées visuelles et indiquez leurs relations. Les budgets de pixels des images et de la vidéo sont séparés, tandis que les dimensions explicites des images sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec des commandes de fréquence ou de nombre d’images lorsqu’elles sont prises en charge. Préservez les métadonnées vidéo et évitez un double redimensionnement lorsque l’auxiliaire a déjà redimensionné les contenus.
Pour plusieurs pages documentaires, organisez la réponse par libellé de page et demandez les champs ou passages à l’appui. Pour un extrait, demandez l’événement pertinent, l’intervalle et les éléments visibles. Comparez l’intervalle d’événement et les détails à l’appui renvoyés à l’extrait d’origine et à son minutage.
Conseils de génération et limites
Le fichier de génération du checkpoint définit par défaut temperature 0.7, top_p 0.8, top_k 20 et une pénalité de répétition de 1.0. La recette Instruct de la famille utilise aussi une pénalité de présence de 1.5 et une capacité de sortie de 32,768 tokens. Cette capacité est un budget de recette du producteur, et non un plafond strict de sortie établi indépendamment. Les capacités par tâche de la fiche 8B et les préréglages de l’édition Thinking restent séparés.
L’extension de contexte de la famille utilise YaRN et suggère un facteur de deux ou trois en passant son schéma positionnel entrelacé de 256K à environ 1M. Réservez de l’espace pour la réponse à côté du texte et des représentations visuelles et vérifiez les citations, les nombres extraits et le code généré par rapport à la source. Le résultat utile est un artefact textuel concret préservant ses éléments visuels à l’appui et son 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 | 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 $0.000572 / 1K tokens Sortie · Tokens en sortie $0.0038 / 1K tokens Entrée · Lecture du cache $0.0002 / 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 $0.000572 / 1K tokens Sortie · Tokens en sortie $0.0038 / 1K tokens Entrée · Lecture du cache $0.0002 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3-vl-235b-a22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-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.