Ling-3.0-flash-VL הוא ההרחבה הרב־אופנית המובנית של Ling-3.0-flash מבית inclusionAI. הוא משלב את יכולות השפה, ההסקה וההקשר הארוך של מודל הבסיס עם הבנת תמונות ווידאו. היצרן מארגן את תחום המשימות החזותיות שלו להבנה, הסקה ופעולה: קריאת מידע חזותי מורכב, שימוש בו כראיה ותרגום תצפיות לפעולות ביישום תומך. תגובת המודל היא טקסט או ייצוג הקריאה לכלי שבו משתמש היישום הזה.
הארכיטקטורה שפורסמה כוללת 124 מיליארד פרמטרים בסך הכול ו־5.5 מיליארד פרמטרים המופעלים לכל אסימון. Transformer חזותי מחלץ מאפייני תמונה ווידאו, ומקרין דו־שכבתי מיישר אותם עם ייצוג השפה. VideoRoPE נושא גם מיקומים מרחביים וגם סדר זמנים. עמוד השדרה ההיברידי בן 42 השכבות מחליף בין Kimi Delta Attention לבין Multi-head Latent Attention עם שערים בתבנית 5:1, עם ניתוב מומחים דליל. היצרן מתאר עד 256K אסימוני הקשר ומפרסם מתכון להקשר מורחב של 262,144 אסימונים.
להבנה חזותית, ספקו תמונה קריאה וזהו את התצפית הדרושה. היצרן מונה בין המשימות ספירת עצמים, פריסות מורכבות, תרשימים ותוכן מסמכים. בקשה שימושית למסמך יכולה לבקש טבלת שדות עם העמוד או האזור הנראה התומכים בהם, בעוד שבקשה על תרשים יכולה לשאול איזו סדרה תומכת בהשוואה מסוימת. שמרו את החומר החזותי המקורי כדי שאפשר יהיה לבדוק מספרים, תוויות ופרטים קטנים. אזור לא ברור צריך להישאר לא ברור בתוצאה, במקום להפוך לערך מנוחש.
להסקה על סמך ראיות חזותיות, ספקו את השאלה, את ההנחות הרלוונטיות ואת הדיוק הדרוש בתשובה הסופית. המודל יכול לקשר תרשים, דיאגרמה או צילום מסך לחישוב ולהסקה רב־שלבית. בקשו שהמסקנה תזהה את התצפיות שבהן היא תלויה. אם התהליך כולל כלי חישוב או אחזור מידע, שמרו את תוצאותיהם בפועל והפרידו אותן מפרשנות המודל. קשר חזותי ומדידה מכוילת הם סוגים שונים של ראיות.
לווידאו, שמרו את סדר החומר ומקדו את השאלה באירוע, בשינוי או במרווח זמן. היצרן מציין איתור אירועים בזמן, שאלות על וידאו ארוך ותהליכי עריכת קטעים כיישומים של ייצוג הזמן שלו. תוצר עריכה מעשי יכול להיות רשימת חיתוכים מוצעת המסבירה אילו רגעים לשמר ומדוע. שמרו את ההצעה מקושרת לציר הזמן של המקור; יישום העריכה שסביב המודל מבצע את השינויים ומפיק את המדיה הערוכה. הבנת וידאו אינה הופכת כשלעצמה תשובת טקסט של המודל לקובץ וידאו חדש.
למשימות ממשק, כללו את צילום המסך הנוכחי, את המטרה ואת הפעולות הזמינות ליישום. Ling-3.0-flash-VL יכול לפרש ממשקי רשת או תוכנה ולהציע רצפי פעולות על סמך מידע חזותי. החזירו את המצב שנצפה אחרי כל פעולה כאשר הצעד הבא תלוי בו. רישום השלמה שימושי מראה מה השתנה בממשק ואם התוצאה המבוקשת נראית, במקום להתייחס ללחיצה מוצעת כפעולה שבוצעה.
חשיבה מופעלת כברירת מחדל בתבנית השיחה של היצרן, ואפשר להשביתה לכל בקשה במימוש המתועד שלו באמצעות enable_thinking המוגדר ל־false. מתכון הלקוח והיצירה ממליץ על temperature 1.0, top_p 0.95 ו־top_k 20; הערות הערכה נפרדות משתמשות בהגדרות משלהן. בחרו במפורש את מבנה התשובה הסופית והשאירו מקום הן להקשר המדיה הרלוונטי והן לטקסט שנוצר. הגדרות יצרן אלה מתארות את מתכון המודל שפורסם, ולא הבטחה לגבי בקרות הזמינות בכל יישום.
שמרו את זהות VL בעת תיעוד תוצאה: קלטי התמונה והווידאו מבדילים אותו מ־Ling-3.0-flash הממוקד בטקסט וממהדורת Fin המתמחה בפיננסים. בדקו ניסוח שחולץ, ספירות, מיקומים בזמן ופעולות ממשק מוצעות מול חומר המקור. התוצר הסופי השימושי הוא ניתוח חזותי או הצעת פעולה שהראיות והפרטים הפתוחים בהם נשארים ניתנים לבחינה.
", "aboutText": "Ling-3.0-flash-VL הוא ההרחבה הרב־אופנית המובנית של Ling-3.0-flash מבית inclusionAI. הוא משלב את יכולות השפה, ההסקה וההקשר הארוך של מודל הבסיס עם הבנת תמונות ווידאו. היצרן מארגן את תחום המשימות החזותיות שלו להבנה, הסקה ופעולה: קריאת מידע חזותי מורכב, שימוש בו כראיה ותרגום תצפיות לפעולות ביישום תומך. תגובת המודל היא טקסט או ייצוג הקריאה לכלי שבו משתמש היישום הזה.\n\nהארכיטקטורה שפורסמה כוללת 124 מיליארד פרמטרים בסך הכול ו־5.5 מיליארד פרמטרים המופעלים לכל אסימון. Transformer חזותי מחלץ מאפייני תמונה ווידאו, ומקרין דו־שכבתי מיישר אותם עם ייצוג השפה. VideoRoPE נושא גם מיקומים מרחביים וגם סדר זמנים. עמוד השדרה ההיברידי בן 42 השכבות מחליף בין Kimi Delta Attention לבין Multi-head Latent Attention עם שערים בתבנית 5:1, עם ניתוב מומחים דליל. היצרן מתאר עד 256K אסימוני הקשר ומפרסם מתכון להקשר מורחב של 262,144 אסימונים.\n\nלהבנה חזותית, ספקו תמונה קריאה וזהו את התצפית הדרושה. היצרן מונה בין המשימות ספירת עצמים, פריסות מורכבות, תרשימים ותוכן מסמכים. בקשה שימושית למסמך יכולה לבקש טבלת שדות עם העמוד או האזור הנראה התומכים בהם, בעוד שבקשה על תרשים יכולה לשאול איזו סדרה תומכת בהשוואה מסוימת. שמרו את החומר החזותי המקורי כדי שאפשר יהיה לבדוק מספרים, תוויות ופרטים קטנים. אזור לא ברור צריך להישאר לא ברור בתוצאה, במקום להפוך לערך מנוחש.\n\nלהסקה על סמך ראיות חזותיות, ספקו את השאלה, את ההנחות הרלוונטיות ואת הדיוק הדרוש בתשובה הסופית. המודל יכול לקשר תרשים, דיאגרמה או צילום מסך לחישוב ולהסקה רב־שלבית. בקשו שהמסקנה תזהה את התצפיות שבהן היא תלויה. אם התהליך כולל כלי חישוב או אחזור מידע, שמרו את תוצאותיהם בפועל והפרידו אותן מפרשנות המודל. קשר חזותי ומדידה מכוילת הם סוגים שונים של ראיות.\n\nלווידאו, שמרו את סדר החומר ומקדו את השאלה באירוע, בשינוי או במרווח זמן. היצרן מציין איתור אירועים בזמן, שאלות על וידאו ארוך ותהליכי עריכת קטעים כיישומים של ייצוג הזמן שלו. תוצר עריכה מעשי יכול להיות רשימת חיתוכים מוצעת המסבירה אילו רגעים לשמר ומדוע. שמרו את ההצעה מקושרת לציר הזמן של המקור; יישום העריכה שסביב המודל מבצע את השינויים ומפיק את המדיה הערוכה. הבנת וידאו אינה הופכת כשלעצמה תשובת טקסט של המודל לקובץ וידאו חדש.\n\nלמשימות ממשק, כללו את צילום המסך הנוכחי, את המטרה ואת הפעולות הזמינות ליישום. Ling-3.0-flash-VL יכול לפרש ממשקי רשת או תוכנה ולהציע רצפי פעולות על סמך מידע חזותי. החזירו את המצב שנצפה אחרי כל פעולה כאשר הצעד הבא תלוי בו. רישום השלמה שימושי מראה מה השתנה בממשק ואם התוצאה המבוקשת נראית, במקום להתייחס ללחיצה מוצעת כפעולה שבוצעה.\n\nחשיבה מופעלת כברירת מחדל בתבנית השיחה של היצרן, ואפשר להשביתה לכל בקשה במימוש המתועד שלו באמצעות enable_thinking המוגדר ל־false. מתכון הלקוח והיצירה ממליץ על temperature 1.0, top_p 0.95 ו־top_k 20; הערות הערכה נפרדות משתמשות בהגדרות משלהן. בחרו במפורש את מבנה התשובה הסופית והשאירו מקום הן להקשר המדיה הרלוונטי והן לטקסט שנוצר. הגדרות יצרן אלה מתארות את מתכון המודל שפורסם, ולא הבטחה לגבי בקרות הזמינות בכל יישום.\n\nשמרו את זהות VL בעת תיעוד תוצאה: קלטי התמונה והווידאו מבדילים אותו מ־Ling-3.0-flash הממוקד בטקסט וממהדורת Fin המתמחה בפיננסים. בדקו ניסוח שחולץ, ספירות, מיקומים בזמן ופעולות ממשק מוצעות מול חומר המקור. התוצר הסופי השימושי הוא ניתוח חזותי או הצעת פעולה שהראיות והפרטים הפתוחים בהם נשארים ניתנים לבחינה.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
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 מוסיף הבנת תמונות ווידאו למודל ההסקה ההיברידי של inclusionAI. הוא תומך בניתוח חזותי, בהסקה המבוססת על ראיות ובתהליכי עבודה עם ממשקים, עם 124 מיליארד פרמטרים בסך הכול, 5.5 מיליארד פרמטרים פעילים ועד 256K אסימוני הקשר.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Ling-3.0-flash-VL הוא ההרחבה הרב־אופנית המובנית של Ling-3.0-flash מבית inclusionAI. הוא משלב את יכולות השפה, ההסקה וההקשר הארוך של מודל הבסיס עם הבנת תמונות ווידאו. היצרן מארגן את תחום המשימות החזותיות שלו להבנה, הסקה ופעולה: קריאת מידע חזותי מורכב, שימוש בו כראיה ותרגום תצפיות לפעולות ביישום תומך. תגובת המודל היא טקסט או ייצוג הקריאה לכלי שבו משתמש היישום הזה.
הארכיטקטורה שפורסמה כוללת 124 מיליארד פרמטרים בסך הכול ו־5.5 מיליארד פרמטרים המופעלים לכל אסימון. Transformer חזותי מחלץ מאפייני תמונה ווידאו, ומקרין דו־שכבתי מיישר אותם עם ייצוג השפה. VideoRoPE נושא גם מיקומים מרחביים וגם סדר זמנים. עמוד השדרה ההיברידי בן 42 השכבות מחליף בין Kimi Delta Attention לבין Multi-head Latent Attention עם שערים בתבנית 5:1, עם ניתוב מומחים דליל. היצרן מתאר עד 256K אסימוני הקשר ומפרסם מתכון להקשר מורחב של 262,144 אסימונים.
להבנה חזותית, ספקו תמונה קריאה וזהו את התצפית הדרושה. היצרן מונה בין המשימות ספירת עצמים, פריסות מורכבות, תרשימים ותוכן מסמכים. בקשה שימושית למסמך יכולה לבקש טבלת שדות עם העמוד או האזור הנראה התומכים בהם, בעוד שבקשה על תרשים יכולה לשאול איזו סדרה תומכת בהשוואה מסוימת. שמרו את החומר החזותי המקורי כדי שאפשר יהיה לבדוק מספרים, תוויות ופרטים קטנים. אזור לא ברור צריך להישאר לא ברור בתוצאה, במקום להפוך לערך מנוחש.
להסקה על סמך ראיות חזותיות, ספקו את השאלה, את ההנחות הרלוונטיות ואת הדיוק הדרוש בתשובה הסופית. המודל יכול לקשר תרשים, דיאגרמה או צילום מסך לחישוב ולהסקה רב־שלבית. בקשו שהמסקנה תזהה את התצפיות שבהן היא תלויה. אם התהליך כולל כלי חישוב או אחזור מידע, שמרו את תוצאותיהם בפועל והפרידו אותן מפרשנות המודל. קשר חזותי ומדידה מכוילת הם סוגים שונים של ראיות.
לווידאו, שמרו את סדר החומר ומקדו את השאלה באירוע, בשינוי או במרווח זמן. היצרן מציין איתור אירועים בזמן, שאלות על וידאו ארוך ותהליכי עריכת קטעים כיישומים של ייצוג הזמן שלו. תוצר עריכה מעשי יכול להיות רשימת חיתוכים מוצעת המסבירה אילו רגעים לשמר ומדוע. שמרו את ההצעה מקושרת לציר הזמן של המקור; יישום העריכה שסביב המודל מבצע את השינויים ומפיק את המדיה הערוכה. הבנת וידאו אינה הופכת כשלעצמה תשובת טקסט של המודל לקובץ וידאו חדש.
למשימות ממשק, כללו את צילום המסך הנוכחי, את המטרה ואת הפעולות הזמינות ליישום. Ling-3.0-flash-VL יכול לפרש ממשקי רשת או תוכנה ולהציע רצפי פעולות על סמך מידע חזותי. החזירו את המצב שנצפה אחרי כל פעולה כאשר הצעד הבא תלוי בו. רישום השלמה שימושי מראה מה השתנה בממשק ואם התוצאה המבוקשת נראית, במקום להתייחס ללחיצה מוצעת כפעולה שבוצעה.
חשיבה מופעלת כברירת מחדל בתבנית השיחה של היצרן, ואפשר להשביתה לכל בקשה במימוש המתועד שלו באמצעות enable_thinking המוגדר ל־false. מתכון הלקוח והיצירה ממליץ על temperature 1.0, top_p 0.95 ו־top_k 20; הערות הערכה נפרדות משתמשות בהגדרות משלהן. בחרו במפורש את מבנה התשובה הסופית והשאירו מקום הן להקשר המדיה הרלוונטי והן לטקסט שנוצר. הגדרות יצרן אלה מתארות את מתכון המודל שפורסם, ולא הבטחה לגבי בקרות הזמינות בכל יישום.
שמרו את זהות VL בעת תיעוד תוצאה: קלטי התמונה והווידאו מבדילים אותו מ־Ling-3.0-flash הממוקד בטקסט וממהדורת Fin המתמחה בפיננסים. בדקו ניסוח שחולץ, ספירות, מיקומים בזמן ופעולות ממשק מוצעות מול חומר המקור. התוצר הסופי השימושי הוא ניתוח חזותי או הצעת פעולה שהראיות והפרטים הפתוחים בהם נשארים ניתנים לבחינה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות inclusionai/ling-3.0-flash-vl | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00012 / 1K טוקנים פלט · טוקני פלט $0.00036 / 1K טוקנים קלט · קריאה מהמטמון $0.000024 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00012 / 1K טוקנים פלט · טוקני פלט $0.00036 / 1K טוקנים קלט · קריאה מהמטמון $0.000024 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
השתמשו בנתיבי השיטות המוצגים למעלה.
inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL מוסיף הבנת תמונות ווידאו למודל ההסקה ההיברידי של inclusionAI. הוא תומך בניתוח חזותי, בהסקה המבוססת על ראיות ובתהליכי עבודה עם ממשקים, עם 124 מיליארד פרמטרים בסך הכול, 5.5 מיליארד פרמטרים פעילים ועד 256K אסימוני הקשר.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Ling-3.0-flash-VL הוא ההרחבה הרב־אופנית המובנית של Ling-3.0-flash מבית inclusionAI. הוא משלב את יכולות השפה, ההסקה וההקשר הארוך של מודל הבסיס עם הבנת תמונות ווידאו. היצרן מארגן את תחום המשימות החזותיות שלו להבנה, הסקה ופעולה: קריאת מידע חזותי מורכב, שימוש בו כראיה ותרגום תצפיות לפעולות ביישום תומך. תגובת המודל היא טקסט או ייצוג הקריאה לכלי שבו משתמש היישום הזה.
הארכיטקטורה שפורסמה כוללת 124 מיליארד פרמטרים בסך הכול ו־5.5 מיליארד פרמטרים המופעלים לכל אסימון. Transformer חזותי מחלץ מאפייני תמונה ווידאו, ומקרין דו־שכבתי מיישר אותם עם ייצוג השפה. VideoRoPE נושא גם מיקומים מרחביים וגם סדר זמנים. עמוד השדרה ההיברידי בן 42 השכבות מחליף בין Kimi Delta Attention לבין Multi-head Latent Attention עם שערים בתבנית 5:1, עם ניתוב מומחים דליל. היצרן מתאר עד 256K אסימוני הקשר ומפרסם מתכון להקשר מורחב של 262,144 אסימונים.
להבנה חזותית, ספקו תמונה קריאה וזהו את התצפית הדרושה. היצרן מונה בין המשימות ספירת עצמים, פריסות מורכבות, תרשימים ותוכן מסמכים. בקשה שימושית למסמך יכולה לבקש טבלת שדות עם העמוד או האזור הנראה התומכים בהם, בעוד שבקשה על תרשים יכולה לשאול איזו סדרה תומכת בהשוואה מסוימת. שמרו את החומר החזותי המקורי כדי שאפשר יהיה לבדוק מספרים, תוויות ופרטים קטנים. אזור לא ברור צריך להישאר לא ברור בתוצאה, במקום להפוך לערך מנוחש.
להסקה על סמך ראיות חזותיות, ספקו את השאלה, את ההנחות הרלוונטיות ואת הדיוק הדרוש בתשובה הסופית. המודל יכול לקשר תרשים, דיאגרמה או צילום מסך לחישוב ולהסקה רב־שלבית. בקשו שהמסקנה תזהה את התצפיות שבהן היא תלויה. אם התהליך כולל כלי חישוב או אחזור מידע, שמרו את תוצאותיהם בפועל והפרידו אותן מפרשנות המודל. קשר חזותי ומדידה מכוילת הם סוגים שונים של ראיות.
לווידאו, שמרו את סדר החומר ומקדו את השאלה באירוע, בשינוי או במרווח זמן. היצרן מציין איתור אירועים בזמן, שאלות על וידאו ארוך ותהליכי עריכת קטעים כיישומים של ייצוג הזמן שלו. תוצר עריכה מעשי יכול להיות רשימת חיתוכים מוצעת המסבירה אילו רגעים לשמר ומדוע. שמרו את ההצעה מקושרת לציר הזמן של המקור; יישום העריכה שסביב המודל מבצע את השינויים ומפיק את המדיה הערוכה. הבנת וידאו אינה הופכת כשלעצמה תשובת טקסט של המודל לקובץ וידאו חדש.
למשימות ממשק, כללו את צילום המסך הנוכחי, את המטרה ואת הפעולות הזמינות ליישום. Ling-3.0-flash-VL יכול לפרש ממשקי רשת או תוכנה ולהציע רצפי פעולות על סמך מידע חזותי. החזירו את המצב שנצפה אחרי כל פעולה כאשר הצעד הבא תלוי בו. רישום השלמה שימושי מראה מה השתנה בממשק ואם התוצאה המבוקשת נראית, במקום להתייחס ללחיצה מוצעת כפעולה שבוצעה.
חשיבה מופעלת כברירת מחדל בתבנית השיחה של היצרן, ואפשר להשביתה לכל בקשה במימוש המתועד שלו באמצעות enable_thinking המוגדר ל־false. מתכון הלקוח והיצירה ממליץ על temperature 1.0, top_p 0.95 ו־top_k 20; הערות הערכה נפרדות משתמשות בהגדרות משלהן. בחרו במפורש את מבנה התשובה הסופית והשאירו מקום הן להקשר המדיה הרלוונטי והן לטקסט שנוצר. הגדרות יצרן אלה מתארות את מתכון המודל שפורסם, ולא הבטחה לגבי בקרות הזמינות בכל יישום.
שמרו את זהות VL בעת תיעוד תוצאה: קלטי התמונה והווידאו מבדילים אותו מ־Ling-3.0-flash הממוקד בטקסט וממהדורת Fin המתמחה בפיננסים. בדקו ניסוח שחולץ, ספירות, מיקומים בזמן ופעולות ממשק מוצעות מול חומר המקור. התוצר הסופי השימושי הוא ניתוח חזותי או הצעת פעולה שהראיות והפרטים הפתוחים בהם נשארים ניתנים לבחינה.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות inclusionai/ling-3.0-flash-vl | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00012 / 1K טוקנים פלט · טוקני פלט $0.00036 / 1K טוקנים קלט · קריאה מהמטמון $0.000024 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.00012 / 1K טוקנים פלט · טוקני פלט $0.00036 / 1K טוקנים קלט · קריאה מהמטמון $0.000024 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
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.