מודלים

Qwen: Qwen3 VL 8B Instruct

Markdown · JSON

Qwen: Qwen3 VL 8B Instruct

Qwen3-VL-8B-Instruct הוא מודל חזותי-לשוני צפוף של Qwen הממוקד בהוראות לטקסט, לתמונות ולווידאו, ומחזיר טקסט או קוד. הוא תומך בקריאת מסמכים, בתכנות חזותי, בשאלות מרחביות ובניתוח וידאו, עם OCR ב-32 שפות והקשר מובנה של 262,144 טוקנים.

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

גרסת 8B Instruct החזותית-לשונית

Qwen3-VL-8B-Instruct הוא גרסת 8B הצפופה הממוקדת בהוראות של Qwen3-VL. הוא משלב טקסט עם תמונות או וידאו ומפיק טקסט, לרבות קוד. הוא נשאר נפרד מגרסת Thinking המועצמת בהסקה וממודלי מומחים דלילים באותה משפחה. בחרו בו להוראה חזותית ממוקדת, לשאלת מסמך או לתוצר הניתן לעריכה שאפשר להשוות את תוצאתו לראיות שסופקו.

סוכנים חזותיים ותכנות חזותי

היצרן מתאר זיהוי רכיבי ממשק במחשב או במכשיר נייד, הבנת תפקידיהם ושימוש בכלים בתהליך סוכן חזותי. ספקו צילום מסך ומטרה קונקרטית, ואז בקשו לזהות אילו פקדים גלויים מתאימים למטרה ואילו ראיות תומכות בבחירה. תוכנה מחוברת מבצעת פעולות; זיהוי ממשק אינו מעניק למודל שליטה עצמאית במכשיר.

תכנות חזותי כולל הפקת תוכן דיאגרמות ו-HTML, ‏CSS או JavaScript מתמונות או מווידאו. ספקו חומר ייחוס לפריסה לצד דרישות פונקציונליות והפלט הנדרש הניתן לעריכה. בקשו את מבנה קוד המקור ואת הסגנונות בנפרד כשזה מקל על הסקירה. קוד שנוצר הוא תוצר טקסטואלי; הוא עדיין דורש תהליך פיתוח לרינדור ולהערכת התנהגותו.

תפיסה מרחבית וחומר ארוך

Qwen מתעדת הסקה על מיקומי אובייקטים, נקודות מבט והסתרות, עם עיגון דו-ממדי ותמיכה בעיגון תלת-ממדי. ציינו את אובייקט היעד והגדירו איזה קשר נבחן. תוצאה על מיקום יחסי היא הסקה מהתמונה ולא מדידה פיזית מכוילת.

ההקשר המובנה הוא 262,144 טוקנים. המשפחה מתארת ספרים ווידאו הנמשך שעות, עם אינדוקס אירועים ברמת שניות והרחבה לכמיליון טוקנים באמצעות תצורה. ייצוג, דגימת פריימים ומגבלת הרצף המוגדרת קובעים איזה חומר מעובד. הקשר גדול אינו מבטיח זכירה מלאה של כל עמוד או פריים. שמרו תזמון כשמבקשים תיאור אירוע בווידאו.

הסקה רב-מודאלית, זיהוי ו-OCR

המשפחה תומכת בשאלות STEM ומתמטיקה, בניתוח סיבתי ובהסברים חזותיים מבוססי ראיות. ספקו את הנוסח המלא לצד דיאגרמה ובקשו את הערכים והקשרים שבהם נעשה שימוש לפני המסקנה. הזיהוי מכסה מגוון רחב של אנשים, מוצרים, אתרים מוכרים, צמחים, בעלי חיים ודמויות מדיה; יש לבדוק תווית סבירה כאשר הזיהוי חשוב.

OCR מכסה 32 שפות ונועד לשפר קריאה בתאורה נמוכה, בטשטוש או בהטיה, לרבות אוצר מילים מקצועי ומבנה מסמכים ארוכים. ספקו עמוד קריא ובקשו שדות בעלי שם, ציטוטים או טבלה מובנית שאפשר לבדוק מולו. הבנת טקסט וחזות משולבות, ולכן שאלה יכולה לקשר פסקה עם איור ועם הוראות המשתמש.

עדכוני ארכיטקטורה

תצורת הטקסט הצפופה שפורסמה כוללת 36 שכבות. Interleaved-MRoPE מייצג זמן, רוחב וגובה להסקה על וידאו. DeepStack משלב תכונות מכמה רמות של המקודד החזותי, והתאמת טקסט וחותמות זמן מעגנת אירועים בנקודות ייחוס בזמן. תכונות הארכיטקטורה מתארות את ייצוג המודל; הן אינן קובעות זמן תגובה קבוע או דיוק פיזי מוחלט.

הכנת קלט

דוגמאות המשפחה של היצרן מכסות בקשות טקסט בלבד, תמונה אחת או כמה תמונות ווידאו. סמנו קלטים חזותיים והגדירו את הקשר ביניהם. תקציבי הפיקסלים של תמונה ווידאו נפרדים: תקציב תמונה נוגע לתמונה אחת, ואילו תקציב וידאו נוגע לפיקסלים לאורך פריימים שנדגמו. ממדי תמונה מפורשים מותאמים לכפולות של 32. ברירת המחדל המתועדת לווידאו היא שני פריימים לשנייה, עם בקרות קצב או מספר פריימים בתהליכים נתמכים.

תהליך העזר משמר מטא-נתוני וידאו וממליץ להימנע משינוי גודל כפול כשהמדיה כבר עברה שינוי גודל. למשימת מסמך, שמרו מזהי עמודים; לקטע וידאו, בקשו את האירוע, פרק הזמן הרלוונטי והראיות הגלויות. דוגמאות ההכנה מיישמות יכולות מתועדות ואינן מבטיחות חילוץ מדויק או דיוק בתזמון.

הנחיות יצירה ומגבלות

הכרטיס המסוים נותן תצורות מוכנות נפרדות למשימות. משימות חזותיות-לשוניות משתמשות ב-temperature 0.7, ‏top_p 0.8, ‏top_k 20, קנס חזרתיות 1.0 וקנס נוכחות 1.5, עם הקצאת פלט של 16,384 טוקנים. משימות טקסט משתמשות ב-temperature 1.0, ‏top_p 1.0, ‏top_k 40, קנס חזרתיות 1.0 וקנס נוכחות 2.0, עם הקצאה של 32,768 טוקנים. אלו תקציבי מתכון של היצרן, ולא תקרות פלט קשיחות שנקבעו עצמאית או זהויות מודל נפרדות.

נוהל ההקשר הארוך של המשפחה משתמש ב-YaRN, עם מקדם שתיים או שלוש המוצעים בהרחבת המיקומים המשולבים מ-256K לכ-1M. אל תעתיקו מקדם ארבע ממשפחת Qwen אחרת. הקצו מקום לתשובה לצד קלט חזותי וטקסטואלי ואמתו OCR, מסקנות מחושבות וקוד מקור שנוצר מול החומר המקורי. שמרו על גרסת Instruct המסוימת במקום לייבא חוזה יצירה או בקרות של גרסת משקלים Thinking.

משימה מעשית

משימה מעשית

דוגמה טכנית באנגלית

Read a text diagram relationship

Use this text rendering of diagram D4: source A feeds filter B; B feeds tanks C and D; only D connects to drain E. List the directed path from A to E and name the tank on that path. Do not add physical dimensions or connections absent from the rendering.

התוצאה הצפויה

A labeled directed path and the tank identifier supported by D4.

בדיקת התוצאה

The path must follow the stated arrows and must not add a C-to-E connection.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen/qwen3-vl-8b-instruct

qwen/qwen3-vl-8b-instruct

Alibaba /qwen/qwen3-vl-8b-instruct

התחלה

Qwen3-VL-8B-Instruct הוא מודל חזותי-לשוני צפוף של Qwen הממוקד בהוראות לטקסט, לתמונות ולווידאו, ומחזיר טקסט או קוד. הוא תומך בקריאת מסמכים, בתכנות חזותי, בשאלות מרחביות ובניתוח וידאו, עם OCR ב-32 שפות והקשר מובנה של 262,144 טוקנים.

סוגי קלט נתמכים
טקסט
תוצאות
טקסט

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
סוגי קלט
text
סוגי פלט
text
פורמט פלט
json או SSE
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
qwen/qwen3-vl-8b-instruct
ברירת מחדל—
שדהmessagesסוגmessage[]דרישהחובהערכים ומגבלות
מספר פריטים מזערי: ⁦1⁩
ברירת מחדל—
שדהmessages[].roleסוגstringדרישהחובהערכים 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[].contentסוגstring|content_part[]|nullדרישהרשותערכים ומגבלותברירת מחדל—
שדהmessages[].tool_callsסוגtool_call[]דרישהרשותערכים ומגבלותברירת מחדל—
שדהmessages[].tool_call_idסוגstringדרישהרשותערכים ומגבלות
חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל
ברירת מחדל—
שדהmessages[].nameסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שדהmessages[].reasoning_contentסוגstringדרישהרשותערכים ומגבלות
חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה
ברירת מחדל—
שדהmessages[].reasoning_detailsסוגobject|arrayדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהmax_tokensסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦1⁩
תלוי במודל
ברירת מחדל—
שדהmax_completion_tokensסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦1⁩
תלוי במודל
ברירת מחדל—
שדהstreamסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שדהstream_options.include_usageסוגbooleanדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtemperatureסוגnumberדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtop_pסוגnumberדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהstopסוגstring|string[]דרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtoolsסוגfunction_tool[]דרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהtools[].typeסוגstringדרישהרשותערכים ומגבלות
function
תלוי במודל
ברירת מחדל—
שדהtools[].function.nameסוגstringדרישהחובהערכים ומגבלות
חל כאשר: סופק כלי פונקציה
ברירת מחדל—
שדהtools[].function.descriptionסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שדהtools[].function.parametersסוגJSON_schemaדרישהרשותערכים ומגבלותברירת מחדל—
שדהtool_choiceסוגstring|objectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהparallel_tool_callsסוגbooleanדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהresponse_formatסוגobjectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהreasoning_effortסוגstringדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהreasoningסוגobjectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהservice_tierסוגstringדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהinstructionsסוגstringדרישהרשותערכים ומגבלות
שדה תאימות
ברירת מחדל—
שדהfunctionsסוגfunction[]דרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהfunction_callסוגstring|objectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהprompt_cache_optionsסוגobjectדרישהרשותערכים ומגבלות
תלוי במודל
ברירת מחדל—
שדהmodalitiesסוגstring[]דרישהרשותערכים ומגבלות
text
ברירת מחדל—
שדהproviderסוגobjectדרישהרשותערכים ומגבלות
תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra
ברירת מחדל—
שדהcache_control.ttlסוגstringדרישהרשותערכים ומגבלות
תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות
ברירת מחדל—
שילובים של חומרי קלט

טקסט · טקסט UTF8

messages[].content

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרcontent_typeמפרטapplication/json
פרמטרrequiredמפרטmodel, messages
פרמטרmaterial_typesמפרטtext
פרמטרmessagesמפרטמערך הודעות במבנה role/content
פרמטרfile_materialמפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ
פרמטרoptional_controlsמפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
פרמטרcontrol_scopeמפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים
פרמטרoutput_modalitiesמפרטtext
פרמטרhosted_operationsמפרטfalse
פרמטרmultimodal_input_bindingמפרטnull

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.

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר
תעריף רגיל כאשר נבחר מצב מהיר
מצב Flex
תעריף רגיל כאשר נבחר מצב flex
מאמץ חשיבה מרבי
תעריף רגיל כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורהטבלת תעריפיםטוקנים בהקשר, יותר מ-טוקנים בהקשר, עד וכוללחיוב
תצורהתעריפי הבסיס לטוקניםטבלת תעריפיםתעריף בסיסטוקנים בהקשר, יותר מ-—טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0005 / 1K טוקנים
פלט · טוקני פלט $0.0015 / 1K טוקנים
קלט · קריאה מהמטמון $0.00024 / 1K טוקנים
קלט · כתיבה למטמון — / 1K טוקנים
קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהרמת אורך בקשה 1טבלת תעריפים—טוקנים בהקשר, יותר מ-⁦0⁩טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0005 / 1K טוקנים
פלט · טוקני פלט $0.0015 / 1K טוקנים
קלט · קריאה מהמטמון $0.00024 / 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 →

דוגמאות לבקשות

Ailoot Ultra · OpenAI Chat

curlPython SDKהזרמה ב-Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen/qwen3-vl-8b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

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

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='qwen/qwen3-vl-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

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

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='qwen/qwen3-vl-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

קבלה ושמירה של תוצאות

Ailoot Ultra · OpenAI Chat

json או SSE

שמירת כל התוצאות שהושלמו

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.

כשצריך לבדוק את התגובה המקורית

שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.

שדות התגובה
שדהסוג
שדהchoices[].indexסוגinteger
שדהchoices[].message.contentסוגstring|null
שדהchoices[].message.tool_callsסוגtool_call[]
שדהchoices[].message.reasoning_contentסוגstring
שדהchoices[].message.reasoning_detailsסוגobject|array
שדהchoices[].finish_reasonסוגstring|null
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.

כינויים

כינויים למודל

Ailoot Ultra qwen/qwen3-vl-8b-instruct

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

qwen/qwen3-vl-8b-instruct

Ailoot Ultra · Anthropic Messages POST /v1/messages qwen/qwen3-vl-8b-instruct

qwen/qwen3-vl-8b-instruct

Alibaba /qwen/qwen3-vl-8b-instruct

התחלה

Qwen3-VL-8B-Instruct הוא מודל חזותי-לשוני צפוף של Qwen הממוקד בהוראות לטקסט, לתמונות ולווידאו, ומחזיר טקסט או קוד. הוא תומך בקריאת מסמכים, בתכנות חזותי, בשאלות מרחביות ובניתוח וידאו, עם OCR ב-32 שפות והקשר מובנה של 262,144 טוקנים.

סוגי קלט נתמכים
טקסט
תוצאות
json · sse

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · Anthropic Messages POST /v1/messages
סוגי קלט
text
סוגי פלט
json, sse
פורמט פלט
JSON או SSE
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
qwen/qwen3-vl-8b-instruct
ברירת מחדל—
שדהmessagesסוגmessage[]דרישהחובהערכים ומגבלותברירת מחדל—
שדהmessages[].roleסוגstringדרישהחובהערכים ומגבלות
user, assistant
ברירת מחדל—
שדהmessages[].contentסוגstringדרישהחובהערכים ומגבלותברירת מחדל—
שדהmax_tokensסוגintegerדרישהחובהערכים ומגבלותברירת מחדל—
שדהstreamסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שילובים של חומרי קלט

טקסט · טקסט UTF-8

מחרוזת messages[].content

פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרcontent_typeמפרטapplication/json
פרמטרrequiredמפרטmodel, messages, max_tokens
פרמטרoptional_controlsמפרטstream
פרמטרmaterial_typesמפרטtext
פרמטרtext_file_materialמפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה.

מחזור חיים: synchronous_or_streamed

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר
תעריף רגיל כאשר נבחר מצב מהיר
מצב Flex
תעריף רגיל כאשר נבחר מצב flex
מאמץ חשיבה מרבי
תעריף רגיל כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורהטבלת תעריפיםטוקנים בהקשר, יותר מ-טוקנים בהקשר, עד וכוללחיוב
תצורהתעריפי הבסיס לטוקניםטבלת תעריפיםתעריף בסיסטוקנים בהקשר, יותר מ-—טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0005 / 1K טוקנים
פלט · טוקני פלט $0.0015 / 1K טוקנים
קלט · קריאה מהמטמון $0.00024 / 1K טוקנים
קלט · כתיבה למטמון — / 1K טוקנים
קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהרמת אורך בקשה 1טבלת תעריפים—טוקנים בהקשר, יותר מ-⁦0⁩טוקנים בהקשר, עד וכוללללא גבול עליוןחיוב
קלט · טוקני קלט $0.0005 / 1K טוקנים
פלט · טוקני פלט $0.0015 / 1K טוקנים
קלט · קריאה מהמטמון $0.00024 / 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 →

דוגמאות לבקשות

Ailoot Ultra · Anthropic Messages

גוף JSON מינימלי ושלםcurl · השתמשו במסמך UTF-8 שלכםPython · שמרו את התוצאה המלאה
{
  "model": "qwen/qwen3-vl-8b-instruct",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen/qwen3-vl-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

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

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen/qwen3-vl-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

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

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

קבלה ושמירה של תוצאות

Ailoot Ultra · Anthropic Messages

JSON או SSE

שמירת כל התוצאות שהושלמו

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.

כשצריך לבדוק את התגובה המקורית

שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.

שדות התגובה
שדהסוג
שדהidסוגstring
שדהmodelסוגstring
שדהcontent[]סוגtext|thinking|tool_use|other content block
שדהstop_reasonסוגstring|null
שדהusageסוגobject
שגיאות והשלבים הבאים
תגובהתנאיהשלב הבא
תגובה⁦400⁩ · invalid_request_errorתנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקיניםהשלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.

כינויים

כינויים למודל

Ailoot Ultra qwen/qwen3-vl-8b-instruct

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

qwen/qwen3-vl-8b-instruct

FAQ · Qwen: Qwen3 VL 8B Instruct
אילו קלטים ותוצאות זמינים?

POST /v1/chat/completions · qwen/qwen3-vl-8b-instruct: text → text

POST /v1/messages · qwen/qwen3-vl-8b-instruct: text → json, sse

באילו שדות הבקשה משתמשת?

POST /v1/chat/completions · qwen/qwen3-vl-8b-instruct: model, messages, stream, modalities, provider

POST /v1/messages · qwen/qwen3-vl-8b-instruct: model, messages, max_tokens, stream

אילו מגבלות חלות?

POST /v1/chat/completions · qwen/qwen3-vl-8b-instruct: messages.min_items: 1

פרטים נוספים

חברו Ailoot ל- Claude Code, OpenCode, Hermes או ליישום שלכם.

החברה ופורטפוליו הפרויקטים שלה

החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש.

קנו אסימונים בהנחה.

הנחת מנוי לעבודה קבועה. קודי הנחה עד 50% על רכישת אסימונים.

מנוי
בחרו מסלול עם הנחה לבקשות הקבועות שלכם.
קוד הנחה עד 50%
הזינו קוד ברכישה. המחיר יחושב מחדש לפי המבצע הפעיל.
הוצאות בהיסטוריה
המודל, האסימונים והסכום נשמרים לכל בקשה.

בחירת מנוי · מחירי מודלים

חברו API למוצר שאתם מוכרים.

SaaS, יישומים ובוטים לפי ההצעה והסכם הרישוי של Ailoot. למכירה מחדש בקשו רישיון משווק.

יישום מסחרי
שלבו יצירת טקסט, תמונות, וידאו ושמע בתכונות בתשלום של השירות שלכם.
רישיון למכירה מחדש
שלחו תיאור פרויקט ואופן מתן גישה. בקשו תנאי שימוש ומכירה מחדש בכתב.
מסמכים באתר
ההצעה, הסכם הרישוי ומדיניות עיבוד הנתונים זמינים לפני החיבור.

בקשת רישיון למכירה מחדש · ההצעה והסכם הרישוי