L’édition 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts de Qwen3-VL renforcée pour le raisonnement. Elle accepte texte, images et vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement visé sans établir un commutateur hybride propre à une application.
Agents visuels et programmation
Qwen documente un processus d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif visé, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée réalise les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.
La famille génère aussi du contenu de schémas, du HTML, du CSS et du JavaScript depuis des images ou de la vidéo. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez une source modifiable. Pour une interface existante, identifiez le changement souhaité et le code pertinent au lieu d’attendre qu’une image sans explication définisse toutes les interactions. La source générée est un livrable à rendre et à examiner, et non la preuve d’une application fonctionnelle.
Espace, contexte long et vidéo
Le concepteur décrit des jugements sur la position des objets, les points de vue et les occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.
Le contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec indexation des événements à la seconde et extension à environ un million de tokens par configuration. Préservez temporalité, ordre des images et identifiants de sources lorsque vous demandez un compte rendu d’événements. Le contexte et l’échantillonnage déterminent les éléments représentés dans une requête ; la description familiale ne doit pas devenir une promesse inconditionnelle de rappel parfait.
Raisonnement multimodal, reconnaissance et OCR
L’édition Thinking est pertinente pour les questions scientifiques, techniques, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés du schéma et les unités, et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau d’éléments probants ou une courte conclusion étayée par l’image et le texte.
La famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou avec inclinaison, y compris pour le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identité, une transcription ou une conclusion mathématique correctes pour chaque entrée.
Architecture
La configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE répartit l’information positionnelle entre temps, largeur et hauteur. DeepStack combine des caractéristiques visuelles issues de plusieurs niveaux de l’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de façon cohérente lors de la préparation des tâches de raisonnement visuel et de la comparaison de leurs résultats.
Préparation des entrées
Les exemples familiaux prennent en charge les tâches uniquement textuelles, les images uniques ou multiples et la vidéo. Identifiez les entrées visuelles et préservez leurs relations. Des budgets distincts de pixels image et vidéo permettent de contrôler le détail ; les dimensions d’image explicites sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec commandes de fréquence d’échantillonnage ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un second redimensionnement si l’outil auxiliaire a déjà redimensionné le média.
Pour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait vidéo, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de la place dans la séquence pour la réflexion et le texte final, en plus des tokens visuels.
Recommandations de génération et limites
Le fichier de génération du checkpoint utilise par défaut une température de 0.8, top_p à 0.95, top_k à 20 et une pénalité de répétition de 1.0. La procédure d’évaluation Thinking distincte de la famille utilise une température de 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et un budget de sortie de 40,960 tokens. Ce sont des préréglages distincts du producteur ; le budget n’est pas un maximum de sortie strict établi indépendamment.
La procédure d’extension familiale utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré à partir des éléments d’origine et distinguez le livrable final du raisonnement. Le résultat pratique est une conclusion visuelle ou une proposition de code vérifiable, conservant cette édition Thinking précise.
", "aboutText": "L’édition 30B-A3B Thinking\n\nQwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts de Qwen3-VL renforcée pour le raisonnement. Elle accepte texte, images et vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement visé sans établir un commutateur hybride propre à une application.\n\nAgents visuels et programmation\n\nQwen documente un processus d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif visé, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée réalise les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.\n\nLa famille génère aussi du contenu de schémas, du HTML, du CSS et du JavaScript depuis des images ou de la vidéo. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez une source modifiable. Pour une interface existante, identifiez le changement souhaité et le code pertinent au lieu d’attendre qu’une image sans explication définisse toutes les interactions. La source générée est un livrable à rendre et à examiner, et non la preuve d’une application fonctionnelle.\n\nEspace, contexte long et vidéo\n\nLe concepteur décrit des jugements sur la position des objets, les points de vue et les occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.\n\nLe contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec indexation des événements à la seconde et extension à environ un million de tokens par configuration. Préservez temporalité, ordre des images et identifiants de sources lorsque vous demandez un compte rendu d’événements. Le contexte et l’échantillonnage déterminent les éléments représentés dans une requête ; la description familiale ne doit pas devenir une promesse inconditionnelle de rappel parfait.\n\nRaisonnement multimodal, reconnaissance et OCR\n\nL’édition Thinking est pertinente pour les questions scientifiques, techniques, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés du schéma et les unités, et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau d’éléments probants ou une courte conclusion étayée par l’image et le texte.\n\nLa famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou avec inclinaison, y compris pour le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identité, une transcription ou une conclusion mathématique correctes pour chaque entrée.\n\nArchitecture\n\nLa configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE répartit l’information positionnelle entre temps, largeur et hauteur. DeepStack combine des caractéristiques visuelles issues de plusieurs niveaux de l’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de façon cohérente lors de la préparation des tâches de raisonnement visuel et de la comparaison de leurs résultats.\n\nPréparation des entrées\n\nLes exemples familiaux prennent en charge les tâches uniquement textuelles, les images uniques ou multiples et la vidéo. Identifiez les entrées visuelles et préservez leurs relations. Des budgets distincts de pixels image et vidéo permettent de contrôler le détail ; les dimensions d’image explicites sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec commandes de fréquence d’échantillonnage ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un second redimensionnement si l’outil auxiliaire a déjà redimensionné le média.\n\nPour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait vidéo, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de la place dans la séquence pour la réflexion et le texte final, en plus des tokens visuels.\n\nRecommandations de génération et limites\n\nLe fichier de génération du checkpoint utilise par défaut une température de 0.8, top_p à 0.95, top_k à 20 et une pénalité de répétition de 1.0. La procédure d’évaluation Thinking distincte de la famille utilise une température de 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et un budget de sortie de 40,960 tokens. Ce sont des préréglages distincts du producteur ; le budget n’est pas un maximum de sortie strict établi indépendamment.\n\nLa procédure d’extension familiale utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré à partir des éléments d’origine et distinguez le livrable final du raisonnement. Le résultat pratique est une conclusion visuelle ou une proposition de code vérifiable, conservant cette édition Thinking précise.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking est l’édition vision-langage à mélange d’experts de Qwen pour un raisonnement approfondi sur texte, images et vidéo. Elle renvoie du texte ou du code pour les questions scientifiques et techniques, documents, analyses spatiales et processus visuels, avec OCR en 32 langues et 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 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts de Qwen3-VL renforcée pour le raisonnement. Elle accepte texte, images et vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement visé sans établir un commutateur hybride propre à une application.
Agents visuels et programmation
Qwen documente un processus d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif visé, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée réalise les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.
La famille génère aussi du contenu de schémas, du HTML, du CSS et du JavaScript depuis des images ou de la vidéo. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez une source modifiable. Pour une interface existante, identifiez le changement souhaité et le code pertinent au lieu d’attendre qu’une image sans explication définisse toutes les interactions. La source générée est un livrable à rendre et à examiner, et non la preuve d’une application fonctionnelle.
Espace, contexte long et vidéo
Le concepteur décrit des jugements sur la position des objets, les points de vue et les occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.
Le contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec indexation des événements à la seconde et extension à environ un million de tokens par configuration. Préservez temporalité, ordre des images et identifiants de sources lorsque vous demandez un compte rendu d’événements. Le contexte et l’échantillonnage déterminent les éléments représentés dans une requête ; la description familiale ne doit pas devenir une promesse inconditionnelle de rappel parfait.
Raisonnement multimodal, reconnaissance et OCR
L’édition Thinking est pertinente pour les questions scientifiques, techniques, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés du schéma et les unités, et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau d’éléments probants ou une courte conclusion étayée par l’image et le texte.
La famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou avec inclinaison, y compris pour le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identité, une transcription ou une conclusion mathématique correctes pour chaque entrée.
Architecture
La configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE répartit l’information positionnelle entre temps, largeur et hauteur. DeepStack combine des caractéristiques visuelles issues de plusieurs niveaux de l’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de façon cohérente lors de la préparation des tâches de raisonnement visuel et de la comparaison de leurs résultats.
Préparation des entrées
Les exemples familiaux prennent en charge les tâches uniquement textuelles, les images uniques ou multiples et la vidéo. Identifiez les entrées visuelles et préservez leurs relations. Des budgets distincts de pixels image et vidéo permettent de contrôler le détail ; les dimensions d’image explicites sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec commandes de fréquence d’échantillonnage ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un second redimensionnement si l’outil auxiliaire a déjà redimensionné le média.
Pour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait vidéo, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de la place dans la séquence pour la réflexion et le texte final, en plus des tokens visuels.
Recommandations de génération et limites
Le fichier de génération du checkpoint utilise par défaut une température de 0.8, top_p à 0.95, top_k à 20 et une pénalité de répétition de 1.0. La procédure d’évaluation Thinking distincte de la famille utilise une température de 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et un budget de sortie de 40,960 tokens. Ce sont des préréglages distincts du producteur ; le budget n’est pas un maximum de sortie strict établi indépendamment.
La procédure d’extension familiale utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré à partir des éléments d’origine et distinguez le livrable final du raisonnement. Le résultat pratique est une conclusion visuelle ou une proposition de code vérifiable, conservant cette édition Thinking précise.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-vl-30b-a3b-thinking | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-vl-30b-a3b-thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-30b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-30b-a3b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Utilisez les chemins de méthode indiqués ci-dessus.
qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking est l’édition vision-langage à mélange d’experts de Qwen pour un raisonnement approfondi sur texte, images et vidéo. Elle renvoie du texte ou du code pour les questions scientifiques et techniques, documents, analyses spatiales et processus visuels, avec OCR en 32 langues et 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 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking est l’édition à mélange d’experts de Qwen3-VL renforcée pour le raisonnement. Elle accepte texte, images et vidéo et produit du texte, notamment du code ou une conclusion expliquée. Distinguez son identité Thinking de Qwen3-VL-30B-A3B-Instruct et des autres tailles de la famille. La distinction d’édition du concepteur décrit le comportement de raisonnement visé sans établir un commutateur hybride propre à une application.
Agents visuels et programmation
Qwen documente un processus d’agent visuel reconnaissant les commandes d’ordinateur ou de mobile, comprenant leurs fonctions et appelant des outils. Pour une tâche d’interface, fournissez la capture actuelle et l’objectif visé, puis demandez la commande pertinente et une explication liée aux éléments visibles. L’application connectée réalise les actions et renvoie les résultats ; le raisonnement visuel du modèle ne contrôle pas indépendamment l’appareil.
La famille génère aussi du contenu de schémas, du HTML, du CSS et du JavaScript depuis des images ou de la vidéo. Fournissez la référence visuelle avec les exigences fonctionnelles et demandez une source modifiable. Pour une interface existante, identifiez le changement souhaité et le code pertinent au lieu d’attendre qu’une image sans explication définisse toutes les interactions. La source générée est un livrable à rendre et à examiner, et non la preuve d’une application fonctionnelle.
Espace, contexte long et vidéo
Le concepteur décrit des jugements sur la position des objets, les points de vue et les occlusions, avec ancrage bidimensionnel et prise en charge de l’ancrage tridimensionnel. Demandez quelle relation compte et quels indices étayent la conclusion. Une relation visuelle doit rester distincte d’une mesure physique calibrée.
Le contexte natif est de 262,144 tokens. La famille décrit les livres et les vidéos de plusieurs heures, avec indexation des événements à la seconde et extension à environ un million de tokens par configuration. Préservez temporalité, ordre des images et identifiants de sources lorsque vous demandez un compte rendu d’événements. Le contexte et l’échantillonnage déterminent les éléments représentés dans une requête ; la description familiale ne doit pas devenir une promesse inconditionnelle de rappel parfait.
Raisonnement multimodal, reconnaissance et OCR
L’édition Thinking est pertinente pour les questions scientifiques, techniques, mathématiques et logiques reliant des éléments visuels à une explication. Fournissez l’énoncé complet, les libellés du schéma et les unités, et demandez les valeurs et relations utilisées avant la réponse finale. Un livrable clair peut être un résultat délimité, un tableau d’éléments probants ou une courte conclusion étayée par l’image et le texte.
La famille élargit la reconnaissance visuelle aux personnes, produits, monuments, plantes, animaux et personnages de médias. L’OCR couvre 32 langues et vise la lecture en faible lumière, dans le flou ou avec inclinaison, y compris pour le vocabulaire spécialisé et la structure documentaire. Préservez la lisibilité et demandez des champs ou citations vérifiables. Ces usages appliquent les capacités documentées ; ils ne garantissent pas une identité, une transcription ou une conclusion mathématique correctes pour chaque entrée.
Architecture
La configuration exacte identifie un modèle vision-langage à mélange d’experts avec 48 couches textuelles, 128 experts et huit experts sélectionnés par token. Interleaved-MRoPE répartit l’information positionnelle entre temps, largeur et hauteur. DeepStack combine des caractéristiques visuelles issues de plusieurs niveaux de l’encodeur, et l’alignement texte–horodatage aide à ancrer les événements dans des références temporelles. Utilisez cette édition 30B-A3B Thinking de façon cohérente lors de la préparation des tâches de raisonnement visuel et de la comparaison de leurs résultats.
Préparation des entrées
Les exemples familiaux prennent en charge les tâches uniquement textuelles, les images uniques ou multiples et la vidéo. Identifiez les entrées visuelles et préservez leurs relations. Des budgets distincts de pixels image et vidéo permettent de contrôler le détail ; les dimensions d’image explicites sont alignées sur des multiples de 32. La valeur vidéo par défaut documentée est de deux images par seconde, avec commandes de fréquence d’échantillonnage ou de nombre d’images lorsqu’elles sont prises en charge. Conservez les métadonnées vidéo et évitez un second redimensionnement si l’outil auxiliaire a déjà redimensionné le média.
Pour une comparaison documentaire, organisez le résultat par identifiant de page. Pour un extrait vidéo, demandez l’événement, l’intervalle et les éléments pertinents. Réservez de la place dans la séquence pour la réflexion et le texte final, en plus des tokens visuels.
Recommandations de génération et limites
Le fichier de génération du checkpoint utilise par défaut une température de 0.8, top_p à 0.95, top_k à 20 et une pénalité de répétition de 1.0. La procédure d’évaluation Thinking distincte de la famille utilise une température de 0.6, une pénalité de présence de zéro, une pénalité de répétition de 1.0 et un budget de sortie de 40,960 tokens. Ce sont des préréglages distincts du producteur ; le budget n’est pas un maximum de sortie strict établi indépendamment.
La procédure d’extension familiale utilise YaRN et suggère un facteur de deux ou trois pour le schéma positionnel entrelacé lors du passage de 256K à environ 1M. Elle ne doit pas hériter du facteur de quatre d’une autre famille. Vérifiez les libellés extraits, les calculs et le code généré à partir des éléments d’origine et distinguez le livrable final du raisonnement. Le résultat pratique est une conclusion visuelle ou une proposition de code vérifiable, conservant cette édition Thinking précise.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3-vl-30b-a3b-thinking | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.002 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3-vl-30b-a3b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.