Ling-3.0-flash-VL est l’extension multimodale native de Ling-3.0-flash par inclusionAI. Il combine les capacités linguistiques, de raisonnement et de contexte long du modèle de base avec la compréhension des images et des vidéos. Le fabricant organise ses tâches visuelles autour de la compréhension, du raisonnement et de l’action : lire des informations visuelles complexes, les utiliser comme éléments probants et traduire les observations en actions dans une application adaptée. La réponse du modèle est du texte ou la représentation d’appel d’outil utilisée par cette application.
L’architecture publiée comporte 124 milliards de paramètres au total et 5,5 milliards de paramètres activés par token. Un transformer visuel extrait les caractéristiques des images et des vidéos, et un projecteur à deux couches les aligne sur la représentation linguistique. VideoRoPE porte à la fois les positions spatiales et l’ordre temporel. Le réseau principal hybride de 42 couches alterne Kimi Delta Attention et une Multi-head Latent Attention à portes selon un rapport 5:1, avec routage parcimonieux des experts. Le fabricant décrit jusqu’à 256K tokens de contexte et publie une recette de contexte étendu de 262 144 tokens.
Pour la compréhension visuelle, fournissez une image lisible et identifiez l’observation requise. Le fabricant cite le comptage d’objets, les mises en page complexes, les graphiques et le contenu des documents parmi les tâches. Une demande documentaire utile peut solliciter un tableau de champs avec la page ou la zone visible correspondante, tandis qu’une demande sur un graphique peut demander quelle série étaye une comparaison donnée. Préservez les documents visuels originaux pour vérifier les nombres, les libellés et les petits détails. Une zone illisible doit rester incertaine dans le résultat plutôt que devenir une valeur devinée.
Pour raisonner à partir d’éléments visuels, fournissez la question, les hypothèses pertinentes et la précision nécessaire dans la réponse finale. Le modèle peut relier un graphique, un schéma ou une capture d’écran à un calcul et à un raisonnement en plusieurs étapes. Demandez que la conclusion identifie les observations dont elle dépend. Si le flux comprend des outils de calcul ou de recherche d’information, conservez leurs résultats réels et séparez-les de l’interprétation du modèle. Une relation visuelle et une mesure étalonnée sont des types d’éléments probants différents.
Pour la vidéo, préservez l’ordre des éléments 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 résultat éditorial pratique peut être une liste de coupes proposée expliquant les moments à conserver et pourquoi. Gardez cette proposition reliée à la chronologie source ; l’application de montage exécute les modifications et produit le média monté. La compréhension vidéo ne transforme pas à elle seule la réponse textuelle du modèle en un nouveau fichier vidéo.
Pour les tâches d’interface, incluez la capture d’écran actuelle, l’objectif et les actions accessibles à 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. Renvoyez l’état observé après chaque opération lorsque l’étape suivante en dépend. Un compte rendu d’achèvement utile montre ce qui a changé dans l’interface et si le résultat demandé est visible, au lieu de traiter un clic proposé comme une action exécutée.
La réflexion est activée par défaut dans le gabarit de conversation du fabricant et peut être désactivée par requête dans son implémentation documentée en réglant enable_thinking sur false. La recette de 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 pour le contexte multimédia pertinent et le texte généré. Ces réglages du producteur décrivent la recette du modèle publié, sans promettre les commandes exposées par chaque application.
Conservez l’identité VL lorsque vous enregistrez un résultat : ses entrées image et vidéo le distinguent du Ling-3.0-flash centré sur le texte et de l’édition Fin spécialisée en finance. Vérifiez les formulations extraites, les décomptes, les positions temporelles et les actions d’interface proposées à partir des documents sources. Le livrable final utile est une analyse visuelle ou une proposition d’action dont les éléments probants et les détails non résolus restent examinables.
", "aboutText": "Ling-3.0-flash-VL est l’extension multimodale native de Ling-3.0-flash par inclusionAI. Il combine les capacités linguistiques, de raisonnement et de contexte long du modèle de base avec la compréhension des images et des vidéos. Le fabricant organise ses tâches visuelles autour de la compréhension, du raisonnement et de l’action : lire des informations visuelles complexes, les utiliser comme éléments probants et traduire les observations en actions dans une application adaptée. La réponse du modèle est du texte ou la représentation d’appel d’outil utilisée par cette application.\n\nL’architecture publiée comporte 124 milliards de paramètres au total et 5,5 milliards de paramètres activés par token. Un transformer visuel extrait les caractéristiques des images et des vidéos, et un projecteur à deux couches les aligne sur la représentation linguistique. VideoRoPE porte à la fois les positions spatiales et l’ordre temporel. Le réseau principal hybride de 42 couches alterne Kimi Delta Attention et une Multi-head Latent Attention à portes selon un rapport 5:1, avec routage parcimonieux des experts. Le fabricant décrit jusqu’à 256K tokens de contexte et publie une recette de contexte étendu de 262 144 tokens.\n\nPour la compréhension visuelle, fournissez une image lisible et identifiez l’observation requise. Le fabricant cite le comptage d’objets, les mises en page complexes, les graphiques et le contenu des documents parmi les tâches. Une demande documentaire utile peut solliciter un tableau de champs avec la page ou la zone visible correspondante, tandis qu’une demande sur un graphique peut demander quelle série étaye une comparaison donnée. Préservez les documents visuels originaux pour vérifier les nombres, les libellés et les petits détails. Une zone illisible doit rester incertaine dans le résultat plutôt que devenir une valeur devinée.\n\nPour raisonner à partir d’éléments visuels, fournissez la question, les hypothèses pertinentes et la précision nécessaire dans la réponse finale. Le modèle peut relier un graphique, un schéma ou une capture d’écran à un calcul et à un raisonnement en plusieurs étapes. Demandez que la conclusion identifie les observations dont elle dépend. Si le flux comprend des outils de calcul ou de recherche d’information, conservez leurs résultats réels et séparez-les de l’interprétation du modèle. Une relation visuelle et une mesure étalonnée sont des types d’éléments probants différents.\n\nPour la vidéo, préservez l’ordre des éléments 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 résultat éditorial pratique peut être une liste de coupes proposée expliquant les moments à conserver et pourquoi. Gardez cette proposition reliée à la chronologie source ; l’application de montage exécute les modifications et produit le média monté. La compréhension vidéo ne transforme pas à elle seule la réponse textuelle du modèle en un nouveau fichier vidéo.\n\nPour les tâches d’interface, incluez la capture d’écran actuelle, l’objectif et les actions accessibles à 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. Renvoyez l’état observé après chaque opération lorsque l’étape suivante en dépend. Un compte rendu d’achèvement utile montre ce qui a changé dans l’interface et si le résultat demandé est visible, au lieu de traiter un clic proposé comme une action exécutée.\n\nLa réflexion est activée par défaut dans le gabarit de conversation du fabricant et peut être désactivée par requête dans son implémentation documentée en réglant enable_thinking sur false. La recette de 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 pour le contexte multimédia pertinent et le texte généré. Ces réglages du producteur décrivent la recette du modèle publié, sans promettre les commandes exposées par chaque application.\n\nConservez l’identité VL lorsque vous enregistrez un résultat : ses entrées image et vidéo le distinguent du Ling-3.0-flash centré sur le texte et de l’édition Fin spécialisée en finance. Vérifiez les formulations extraites, les décomptes, les positions temporelles et les actions d’interface proposées à partir des documents sources. Le livrable final utile est une analyse visuelle ou une proposition d’action dont les éléments probants et les détails non résolus restent examinables.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL 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 des éléments probants et les flux d’interface, avec 124 milliards de paramètres au total, 5,5 milliards de paramètres actifs et jusqu’à 256K tokens de contexte.
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 par inclusionAI. Il combine les capacités linguistiques, de raisonnement et de contexte long du modèle de base avec la compréhension des images et des vidéos. Le fabricant organise ses tâches visuelles autour de la compréhension, du raisonnement et de l’action : lire des informations visuelles complexes, les utiliser comme éléments probants et traduire les observations en actions dans une application adaptée. La réponse du modèle est du texte ou la représentation d’appel d’outil utilisée par cette application.
L’architecture publiée comporte 124 milliards de paramètres au total et 5,5 milliards de paramètres activés par token. Un transformer visuel extrait les caractéristiques des images et des vidéos, et un projecteur à deux couches les aligne sur la représentation linguistique. VideoRoPE porte à la fois les positions spatiales et l’ordre temporel. Le réseau principal hybride de 42 couches alterne Kimi Delta Attention et une Multi-head Latent Attention à portes selon un rapport 5:1, avec routage parcimonieux des experts. Le fabricant décrit jusqu’à 256K tokens de contexte et publie une recette de contexte étendu de 262 144 tokens.
Pour la compréhension visuelle, fournissez une image lisible et identifiez l’observation requise. Le fabricant cite le comptage d’objets, les mises en page complexes, les graphiques et le contenu des documents parmi les tâches. Une demande documentaire utile peut solliciter un tableau de champs avec la page ou la zone visible correspondante, tandis qu’une demande sur un graphique peut demander quelle série étaye une comparaison donnée. Préservez les documents visuels originaux pour vérifier les nombres, les libellés et les petits détails. Une zone illisible doit rester incertaine dans le résultat plutôt que devenir une valeur devinée.
Pour raisonner à partir d’éléments visuels, fournissez la question, les hypothèses pertinentes et la précision nécessaire dans la réponse finale. Le modèle peut relier un graphique, un schéma ou une capture d’écran à un calcul et à un raisonnement en plusieurs étapes. Demandez que la conclusion identifie les observations dont elle dépend. Si le flux comprend des outils de calcul ou de recherche d’information, conservez leurs résultats réels et séparez-les de l’interprétation du modèle. Une relation visuelle et une mesure étalonnée sont des types d’éléments probants différents.
Pour la vidéo, préservez l’ordre des éléments 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 résultat éditorial pratique peut être une liste de coupes proposée expliquant les moments à conserver et pourquoi. Gardez cette proposition reliée à la chronologie source ; l’application de montage exécute les modifications et produit le média monté. La compréhension vidéo ne transforme pas à elle seule la réponse textuelle du modèle en un nouveau fichier vidéo.
Pour les tâches d’interface, incluez la capture d’écran actuelle, l’objectif et les actions accessibles à 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. Renvoyez l’état observé après chaque opération lorsque l’étape suivante en dépend. Un compte rendu d’achèvement utile montre ce qui a changé dans l’interface et si le résultat demandé est visible, au lieu de traiter un clic proposé comme une action exécutée.
La réflexion est activée par défaut dans le gabarit de conversation du fabricant et peut être désactivée par requête dans son implémentation documentée en réglant enable_thinking sur false. La recette de 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 pour le contexte multimédia pertinent et le texte généré. Ces réglages du producteur décrivent la recette du modèle publié, sans promettre les commandes exposées par chaque application.
Conservez l’identité VL lorsque vous enregistrez un résultat : ses entrées image et vidéo le distinguent du Ling-3.0-flash centré sur le texte et de l’édition Fin spécialisée en finance. Vérifiez les formulations extraites, les décomptes, les positions temporelles et les actions d’interface proposées à partir des documents sources. Le livrable final utile est une analyse visuelle ou une proposition d’action dont les éléments probants et les détails non résolus restent examinables.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites inclusionai/ling-3.0-flash-vl | 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 $0.00012 / 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 $0.000024 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inclusionai/ling-3.0-flash-vl", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='inclusionai/ling-3.0-flash-vl',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='inclusionai/ling-3.0-flash-vl',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 inclusionai/ling-3.0-flash-vl
Utilisez les chemins de méthode indiqués ci-dessus.
inclusionai/ling-3.0-flash-vlLing-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 des éléments probants et les flux d’interface, avec 124 milliards de paramètres au total, 5,5 milliards de paramètres actifs et jusqu’à 256K tokens de contexte.
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 par inclusionAI. Il combine les capacités linguistiques, de raisonnement et de contexte long du modèle de base avec la compréhension des images et des vidéos. Le fabricant organise ses tâches visuelles autour de la compréhension, du raisonnement et de l’action : lire des informations visuelles complexes, les utiliser comme éléments probants et traduire les observations en actions dans une application adaptée. La réponse du modèle est du texte ou la représentation d’appel d’outil utilisée par cette application.
L’architecture publiée comporte 124 milliards de paramètres au total et 5,5 milliards de paramètres activés par token. Un transformer visuel extrait les caractéristiques des images et des vidéos, et un projecteur à deux couches les aligne sur la représentation linguistique. VideoRoPE porte à la fois les positions spatiales et l’ordre temporel. Le réseau principal hybride de 42 couches alterne Kimi Delta Attention et une Multi-head Latent Attention à portes selon un rapport 5:1, avec routage parcimonieux des experts. Le fabricant décrit jusqu’à 256K tokens de contexte et publie une recette de contexte étendu de 262 144 tokens.
Pour la compréhension visuelle, fournissez une image lisible et identifiez l’observation requise. Le fabricant cite le comptage d’objets, les mises en page complexes, les graphiques et le contenu des documents parmi les tâches. Une demande documentaire utile peut solliciter un tableau de champs avec la page ou la zone visible correspondante, tandis qu’une demande sur un graphique peut demander quelle série étaye une comparaison donnée. Préservez les documents visuels originaux pour vérifier les nombres, les libellés et les petits détails. Une zone illisible doit rester incertaine dans le résultat plutôt que devenir une valeur devinée.
Pour raisonner à partir d’éléments visuels, fournissez la question, les hypothèses pertinentes et la précision nécessaire dans la réponse finale. Le modèle peut relier un graphique, un schéma ou une capture d’écran à un calcul et à un raisonnement en plusieurs étapes. Demandez que la conclusion identifie les observations dont elle dépend. Si le flux comprend des outils de calcul ou de recherche d’information, conservez leurs résultats réels et séparez-les de l’interprétation du modèle. Une relation visuelle et une mesure étalonnée sont des types d’éléments probants différents.
Pour la vidéo, préservez l’ordre des éléments 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 résultat éditorial pratique peut être une liste de coupes proposée expliquant les moments à conserver et pourquoi. Gardez cette proposition reliée à la chronologie source ; l’application de montage exécute les modifications et produit le média monté. La compréhension vidéo ne transforme pas à elle seule la réponse textuelle du modèle en un nouveau fichier vidéo.
Pour les tâches d’interface, incluez la capture d’écran actuelle, l’objectif et les actions accessibles à 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. Renvoyez l’état observé après chaque opération lorsque l’étape suivante en dépend. Un compte rendu d’achèvement utile montre ce qui a changé dans l’interface et si le résultat demandé est visible, au lieu de traiter un clic proposé comme une action exécutée.
La réflexion est activée par défaut dans le gabarit de conversation du fabricant et peut être désactivée par requête dans son implémentation documentée en réglant enable_thinking sur false. La recette de 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 pour le contexte multimédia pertinent et le texte généré. Ces réglages du producteur décrivent la recette du modèle publié, sans promettre les commandes exposées par chaque application.
Conservez l’identité VL lorsque vous enregistrez un résultat : ses entrées image et vidéo le distinguent du Ling-3.0-flash centré sur le texte et de l’édition Fin spécialisée en finance. Vérifiez les formulations extraites, les décomptes, les positions temporelles et les actions d’interface proposées à partir des documents sources. Le livrable final utile est une analyse visuelle ou une proposition d’action dont les éléments probants et les détails non résolus restent examinables.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites inclusionai/ling-3.0-flash-vl | 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 $0.00012 / 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 $0.000024 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inclusionai/ling-3.0-flash-vl', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'inclusionai/ling-3.0-flash-vl', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 inclusionai/ling-3.0-flash-vl
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.