A Ling-3.0-flash-VL a Ling-3.0-flash inclusionAI által készített natív multimodális bővítése. Az alapmodell nyelvi, következtetési és hosszú kontextusú képességeit kép- és videóértelmezéssel egyesíti. A gyártó a vizuális feladatkört megértésre, következtetésre és cselekvésre osztja: összetett vizuális információ olvasására, bizonyítékként való használatára és a megfigyelések támogató alkalmazásban végzett műveletekké alakítására. A modell válasza szöveg vagy az alkalmazás által használt eszközhívás-ábrázolás.
A közzétett architektúra összesen 124 milliárd és tokenenként 5,5 milliárd aktivált paramétert tartalmaz. Egy vizuális transzformer kép- és videójellemzőket nyer ki, és egy kétrétegű projektor illeszti őket a nyelvi reprezentációhoz. A VideoRoPE a térbeli pozíciókat és az időrendet is hordozza. A 42 rétegű hibrid gerinc 5:1 mintában váltogatja a Kimi Delta Attention és a kapuzott Multi-head Latent Attention rétegeket, ritka szakértő-útválasztással. A gyártó legfeljebb 256K tokenes kontextust ír le, és 262 144 tokenes bővített kontextushoz közöl receptet.
Vizuális megértéshez olvasható képet adj, és azonosítsd a szükséges megfigyelést. A gyártó a feladatok között tárgyszámlálást, összetett elrendezéseket, diagramokat és dokumentumtartalmat sorol fel. Hasznos dokumentumkérés mezőtáblázatot kérhet az alátámasztó oldallal vagy látható régióval; diagramkérés pedig azt, melyik adatsor támaszt alá egy megadott összehasonlítást. Őrizd meg az eredeti vizuális anyagot a számok, címkék és apró részletek ellenőrzéséhez. A nem egyértelmű régió az eredményben is maradjon tisztázatlan, ne váljon kitalált értékké.
Vizuális bizonyítékra épülő következtetéshez add meg a kérdést, a releváns feltételezéseket és a végső válasz szükséges pontosságát. A modell diagramot, ábrát vagy képernyőképet kapcsolhat számításhoz és többlépéses következtetéshez. Kérd, hogy a következtetés azonosítsa az alapjául szolgáló megfigyeléseket. Ha a folyamat számítási vagy információlekérő eszközöket tartalmaz, tényleges eredményeiket őrizd meg, és különítsd el őket a modell értelmezésétől. A vizuális kapcsolat és a kalibrált mérés eltérő bizonyítékfajta.
Videónál őrizd meg az anyag sorrendjét, és a kérdést egy eseményre, változásra vagy időintervallumra összpontosítsd. A gyártó az időbeli reprezentáció alkalmazásaként események helyének meghatározását, hosszú videókra vonatkozó kérdéseket és klipvágási munkafolyamatokat nevez meg. Gyakorlati szerkesztői eredmény lehet egy javasolt vágáslista, amely elmagyarázza, mely pillanatokat érdemes megtartani és miért. A javaslat kapcsolódjon a forrás idővonalához; a módosításokat és a szerkesztett média előállítását a környező vágóalkalmazás végzi. A videó megértése önmagában nem alakítja a modell szöveges válaszát új videófájllá.
Felületi feladatoknál mellékeld az aktuális képernyőképet, a célt és az alkalmazás számára elérhető műveleteket. A Ling-3.0-flash-VL webes vagy szoftveres felületeket értelmezhet, és vizuális információból műveletsorokat javasolhat. Minden művelet után küldd vissza a megfigyelt állapotot, ha a következő lépés ettől függ. Hasznos teljesítési rekord azt mutatja, mi változott a felületen, és látható-e a kért eredmény, nem pedig végrehajtott műveletként kezeli a javasolt kattintást.
A gondolkodás alapértelmezés szerint engedélyezett a gyártó csevegési sablonjában, dokumentált megvalósításában pedig kérésenként kikapcsolható az enable_thinking false értékével. A kliens- és generálási recept temperature 1.0, top_p 0.95 és top_k 20 beállítást javasol; a külön értékelési jegyzetek saját beállításokat használnak. Kifejezetten válaszd ki a végső válasz formáját, és hagyj helyet a releváns médiakontextusnak és a generált szövegnek is. Ezek a gyártói beállítások a kiadott modell receptjét írják le, nem ígérik, hogy minden alkalmazás elérhetővé teszi e vezérlőket.
Az eredmény rögzítésekor őrizd meg a VL azonosságát: kép- és videóbemenetei különböztetik meg a szövegközpontú Ling-3.0-flash-től és a pénzügyekre szakosodott Fin kiadástól. A kinyert megfogalmazást, darabszámokat, időbeli helyeket és javasolt felületi műveleteket a forrásanyaghoz mérten ellenőrizd. A hasznos végső eredmény olyan vizuális elemzés vagy műveleti javaslat, amelynek bizonyítékai és tisztázatlan részletei vizsgálhatók maradnak.
", "aboutText": "A Ling-3.0-flash-VL a Ling-3.0-flash inclusionAI által készített natív multimodális bővítése. Az alapmodell nyelvi, következtetési és hosszú kontextusú képességeit kép- és videóértelmezéssel egyesíti. A gyártó a vizuális feladatkört megértésre, következtetésre és cselekvésre osztja: összetett vizuális információ olvasására, bizonyítékként való használatára és a megfigyelések támogató alkalmazásban végzett műveletekké alakítására. A modell válasza szöveg vagy az alkalmazás által használt eszközhívás-ábrázolás.\n\nA közzétett architektúra összesen 124 milliárd és tokenenként 5,5 milliárd aktivált paramétert tartalmaz. Egy vizuális transzformer kép- és videójellemzőket nyer ki, és egy kétrétegű projektor illeszti őket a nyelvi reprezentációhoz. A VideoRoPE a térbeli pozíciókat és az időrendet is hordozza. A 42 rétegű hibrid gerinc 5:1 mintában váltogatja a Kimi Delta Attention és a kapuzott Multi-head Latent Attention rétegeket, ritka szakértő-útválasztással. A gyártó legfeljebb 256K tokenes kontextust ír le, és 262 144 tokenes bővített kontextushoz közöl receptet.\n\nVizuális megértéshez olvasható képet adj, és azonosítsd a szükséges megfigyelést. A gyártó a feladatok között tárgyszámlálást, összetett elrendezéseket, diagramokat és dokumentumtartalmat sorol fel. Hasznos dokumentumkérés mezőtáblázatot kérhet az alátámasztó oldallal vagy látható régióval; diagramkérés pedig azt, melyik adatsor támaszt alá egy megadott összehasonlítást. Őrizd meg az eredeti vizuális anyagot a számok, címkék és apró részletek ellenőrzéséhez. A nem egyértelmű régió az eredményben is maradjon tisztázatlan, ne váljon kitalált értékké.\n\nVizuális bizonyítékra épülő következtetéshez add meg a kérdést, a releváns feltételezéseket és a végső válasz szükséges pontosságát. A modell diagramot, ábrát vagy képernyőképet kapcsolhat számításhoz és többlépéses következtetéshez. Kérd, hogy a következtetés azonosítsa az alapjául szolgáló megfigyeléseket. Ha a folyamat számítási vagy információlekérő eszközöket tartalmaz, tényleges eredményeiket őrizd meg, és különítsd el őket a modell értelmezésétől. A vizuális kapcsolat és a kalibrált mérés eltérő bizonyítékfajta.\n\nVideónál őrizd meg az anyag sorrendjét, és a kérdést egy eseményre, változásra vagy időintervallumra összpontosítsd. A gyártó az időbeli reprezentáció alkalmazásaként események helyének meghatározását, hosszú videókra vonatkozó kérdéseket és klipvágási munkafolyamatokat nevez meg. Gyakorlati szerkesztői eredmény lehet egy javasolt vágáslista, amely elmagyarázza, mely pillanatokat érdemes megtartani és miért. A javaslat kapcsolódjon a forrás idővonalához; a módosításokat és a szerkesztett média előállítását a környező vágóalkalmazás végzi. A videó megértése önmagában nem alakítja a modell szöveges válaszát új videófájllá.\n\nFelületi feladatoknál mellékeld az aktuális képernyőképet, a célt és az alkalmazás számára elérhető műveleteket. A Ling-3.0-flash-VL webes vagy szoftveres felületeket értelmezhet, és vizuális információból műveletsorokat javasolhat. Minden művelet után küldd vissza a megfigyelt állapotot, ha a következő lépés ettől függ. Hasznos teljesítési rekord azt mutatja, mi változott a felületen, és látható-e a kért eredmény, nem pedig végrehajtott műveletként kezeli a javasolt kattintást.\n\nA gondolkodás alapértelmezés szerint engedélyezett a gyártó csevegési sablonjában, dokumentált megvalósításában pedig kérésenként kikapcsolható az enable_thinking false értékével. A kliens- és generálási recept temperature 1.0, top_p 0.95 és top_k 20 beállítást javasol; a külön értékelési jegyzetek saját beállításokat használnak. Kifejezetten válaszd ki a végső válasz formáját, és hagyj helyet a releváns médiakontextusnak és a generált szövegnek is. Ezek a gyártói beállítások a kiadott modell receptjét írják le, nem ígérik, hogy minden alkalmazás elérhetővé teszi e vezérlőket.\n\nAz eredmény rögzítésekor őrizd meg a VL azonosságát: kép- és videóbemenetei különböztetik meg a szövegközpontú Ling-3.0-flash-től és a pénzügyekre szakosodott Fin kiadástól. A kinyert megfogalmazást, darabszámokat, időbeli helyeket és javasolt felületi műveleteket a forrásanyaghoz mérten ellenőrizd. A hasznos végső eredmény olyan vizuális elemzés vagy műveleti javaslat, amelynek bizonyítékai és tisztázatlan részletei vizsgálhatók maradnak.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-vlA Ling-3.0-flash-VL kép- és videóértelmezéssel egészíti ki az inclusionAI hibrid következtető modelljét. Vizuális elemzést, bizonyítékokra épülő következtetést és felületi munkafolyamatokat támogat, összesen 124 milliárd, ebből 5,5 milliárd aktív paraméterrel és legfeljebb 256K tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Ling-3.0-flash-VL a Ling-3.0-flash inclusionAI által készített natív multimodális bővítése. Az alapmodell nyelvi, következtetési és hosszú kontextusú képességeit kép- és videóértelmezéssel egyesíti. A gyártó a vizuális feladatkört megértésre, következtetésre és cselekvésre osztja: összetett vizuális információ olvasására, bizonyítékként való használatára és a megfigyelések támogató alkalmazásban végzett műveletekké alakítására. A modell válasza szöveg vagy az alkalmazás által használt eszközhívás-ábrázolás.
A közzétett architektúra összesen 124 milliárd és tokenenként 5,5 milliárd aktivált paramétert tartalmaz. Egy vizuális transzformer kép- és videójellemzőket nyer ki, és egy kétrétegű projektor illeszti őket a nyelvi reprezentációhoz. A VideoRoPE a térbeli pozíciókat és az időrendet is hordozza. A 42 rétegű hibrid gerinc 5:1 mintában váltogatja a Kimi Delta Attention és a kapuzott Multi-head Latent Attention rétegeket, ritka szakértő-útválasztással. A gyártó legfeljebb 256K tokenes kontextust ír le, és 262 144 tokenes bővített kontextushoz közöl receptet.
Vizuális megértéshez olvasható képet adj, és azonosítsd a szükséges megfigyelést. A gyártó a feladatok között tárgyszámlálást, összetett elrendezéseket, diagramokat és dokumentumtartalmat sorol fel. Hasznos dokumentumkérés mezőtáblázatot kérhet az alátámasztó oldallal vagy látható régióval; diagramkérés pedig azt, melyik adatsor támaszt alá egy megadott összehasonlítást. Őrizd meg az eredeti vizuális anyagot a számok, címkék és apró részletek ellenőrzéséhez. A nem egyértelmű régió az eredményben is maradjon tisztázatlan, ne váljon kitalált értékké.
Vizuális bizonyítékra épülő következtetéshez add meg a kérdést, a releváns feltételezéseket és a végső válasz szükséges pontosságát. A modell diagramot, ábrát vagy képernyőképet kapcsolhat számításhoz és többlépéses következtetéshez. Kérd, hogy a következtetés azonosítsa az alapjául szolgáló megfigyeléseket. Ha a folyamat számítási vagy információlekérő eszközöket tartalmaz, tényleges eredményeiket őrizd meg, és különítsd el őket a modell értelmezésétől. A vizuális kapcsolat és a kalibrált mérés eltérő bizonyítékfajta.
Videónál őrizd meg az anyag sorrendjét, és a kérdést egy eseményre, változásra vagy időintervallumra összpontosítsd. A gyártó az időbeli reprezentáció alkalmazásaként események helyének meghatározását, hosszú videókra vonatkozó kérdéseket és klipvágási munkafolyamatokat nevez meg. Gyakorlati szerkesztői eredmény lehet egy javasolt vágáslista, amely elmagyarázza, mely pillanatokat érdemes megtartani és miért. A javaslat kapcsolódjon a forrás idővonalához; a módosításokat és a szerkesztett média előállítását a környező vágóalkalmazás végzi. A videó megértése önmagában nem alakítja a modell szöveges válaszát új videófájllá.
Felületi feladatoknál mellékeld az aktuális képernyőképet, a célt és az alkalmazás számára elérhető műveleteket. A Ling-3.0-flash-VL webes vagy szoftveres felületeket értelmezhet, és vizuális információból műveletsorokat javasolhat. Minden művelet után küldd vissza a megfigyelt állapotot, ha a következő lépés ettől függ. Hasznos teljesítési rekord azt mutatja, mi változott a felületen, és látható-e a kért eredmény, nem pedig végrehajtott műveletként kezeli a javasolt kattintást.
A gondolkodás alapértelmezés szerint engedélyezett a gyártó csevegési sablonjában, dokumentált megvalósításában pedig kérésenként kikapcsolható az enable_thinking false értékével. A kliens- és generálási recept temperature 1.0, top_p 0.95 és top_k 20 beállítást javasol; a külön értékelési jegyzetek saját beállításokat használnak. Kifejezetten válaszd ki a végső válasz formáját, és hagyj helyet a releváns médiakontextusnak és a generált szövegnek is. Ezek a gyártói beállítások a kiadott modell receptjét írják le, nem ígérik, hogy minden alkalmazás elérhetővé teszi e vezérlőket.
Az eredmény rögzítésekor őrizd meg a VL azonosságát: kép- és videóbemenetei különböztetik meg a szövegközpontú Ling-3.0-flash-től és a pénzügyekre szakosodott Fin kiadástól. A kinyert megfogalmazást, darabszámokat, időbeli helyeket és javasolt felületi műveleteket a forrásanyaghoz mérten ellenőrizd. A hasznos végső eredmény olyan vizuális elemzés vagy műveleti javaslat, amelynek bizonyítékai és tisztázatlan részletei vizsgálhatók maradnak.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok inclusionai/ling-3.0-flash-vl | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00012 / 1K token Kimenet · Kimeneti tokenek $0.00036 / 1K token Bemenet · Gyorsítótár olvasása $0.000024 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00012 / 1K token Kimenet · Kimeneti tokenek $0.00036 / 1K token Bemenet · Gyorsítótár olvasása $0.000024 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Használja a fent látható metódusútvonalakat.
inclusionai/ling-3.0-flash-vlA Ling-3.0-flash-VL kép- és videóértelmezéssel egészíti ki az inclusionAI hibrid következtető modelljét. Vizuális elemzést, bizonyítékokra épülő következtetést és felületi munkafolyamatokat támogat, összesen 124 milliárd, ebből 5,5 milliárd aktív paraméterrel és legfeljebb 256K tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Ling-3.0-flash-VL a Ling-3.0-flash inclusionAI által készített natív multimodális bővítése. Az alapmodell nyelvi, következtetési és hosszú kontextusú képességeit kép- és videóértelmezéssel egyesíti. A gyártó a vizuális feladatkört megértésre, következtetésre és cselekvésre osztja: összetett vizuális információ olvasására, bizonyítékként való használatára és a megfigyelések támogató alkalmazásban végzett műveletekké alakítására. A modell válasza szöveg vagy az alkalmazás által használt eszközhívás-ábrázolás.
A közzétett architektúra összesen 124 milliárd és tokenenként 5,5 milliárd aktivált paramétert tartalmaz. Egy vizuális transzformer kép- és videójellemzőket nyer ki, és egy kétrétegű projektor illeszti őket a nyelvi reprezentációhoz. A VideoRoPE a térbeli pozíciókat és az időrendet is hordozza. A 42 rétegű hibrid gerinc 5:1 mintában váltogatja a Kimi Delta Attention és a kapuzott Multi-head Latent Attention rétegeket, ritka szakértő-útválasztással. A gyártó legfeljebb 256K tokenes kontextust ír le, és 262 144 tokenes bővített kontextushoz közöl receptet.
Vizuális megértéshez olvasható képet adj, és azonosítsd a szükséges megfigyelést. A gyártó a feladatok között tárgyszámlálást, összetett elrendezéseket, diagramokat és dokumentumtartalmat sorol fel. Hasznos dokumentumkérés mezőtáblázatot kérhet az alátámasztó oldallal vagy látható régióval; diagramkérés pedig azt, melyik adatsor támaszt alá egy megadott összehasonlítást. Őrizd meg az eredeti vizuális anyagot a számok, címkék és apró részletek ellenőrzéséhez. A nem egyértelmű régió az eredményben is maradjon tisztázatlan, ne váljon kitalált értékké.
Vizuális bizonyítékra épülő következtetéshez add meg a kérdést, a releváns feltételezéseket és a végső válasz szükséges pontosságát. A modell diagramot, ábrát vagy képernyőképet kapcsolhat számításhoz és többlépéses következtetéshez. Kérd, hogy a következtetés azonosítsa az alapjául szolgáló megfigyeléseket. Ha a folyamat számítási vagy információlekérő eszközöket tartalmaz, tényleges eredményeiket őrizd meg, és különítsd el őket a modell értelmezésétől. A vizuális kapcsolat és a kalibrált mérés eltérő bizonyítékfajta.
Videónál őrizd meg az anyag sorrendjét, és a kérdést egy eseményre, változásra vagy időintervallumra összpontosítsd. A gyártó az időbeli reprezentáció alkalmazásaként események helyének meghatározását, hosszú videókra vonatkozó kérdéseket és klipvágási munkafolyamatokat nevez meg. Gyakorlati szerkesztői eredmény lehet egy javasolt vágáslista, amely elmagyarázza, mely pillanatokat érdemes megtartani és miért. A javaslat kapcsolódjon a forrás idővonalához; a módosításokat és a szerkesztett média előállítását a környező vágóalkalmazás végzi. A videó megértése önmagában nem alakítja a modell szöveges válaszát új videófájllá.
Felületi feladatoknál mellékeld az aktuális képernyőképet, a célt és az alkalmazás számára elérhető műveleteket. A Ling-3.0-flash-VL webes vagy szoftveres felületeket értelmezhet, és vizuális információból műveletsorokat javasolhat. Minden művelet után küldd vissza a megfigyelt állapotot, ha a következő lépés ettől függ. Hasznos teljesítési rekord azt mutatja, mi változott a felületen, és látható-e a kért eredmény, nem pedig végrehajtott műveletként kezeli a javasolt kattintást.
A gondolkodás alapértelmezés szerint engedélyezett a gyártó csevegési sablonjában, dokumentált megvalósításában pedig kérésenként kikapcsolható az enable_thinking false értékével. A kliens- és generálási recept temperature 1.0, top_p 0.95 és top_k 20 beállítást javasol; a külön értékelési jegyzetek saját beállításokat használnak. Kifejezetten válaszd ki a végső válasz formáját, és hagyj helyet a releváns médiakontextusnak és a generált szövegnek is. Ezek a gyártói beállítások a kiadott modell receptjét írják le, nem ígérik, hogy minden alkalmazás elérhetővé teszi e vezérlőket.
Az eredmény rögzítésekor őrizd meg a VL azonosságát: kép- és videóbemenetei különböztetik meg a szövegközpontú Ling-3.0-flash-től és a pénzügyekre szakosodott Fin kiadástól. A kinyert megfogalmazást, darabszámokat, időbeli helyeket és javasolt felületi műveleteket a forrásanyaghoz mérten ellenőrizd. A hasznos végső eredmény olyan vizuális elemzés vagy műveleti javaslat, amelynek bizonyítékai és tisztázatlan részletei vizsgálhatók maradnak.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok inclusionai/ling-3.0-flash-vl | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00012 / 1K token Kimenet · Kimeneti tokenek $0.00036 / 1K token Bemenet · Gyorsítótár olvasása $0.000024 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00012 / 1K token Kimenet · Kimeneti tokenek $0.00036 / 1K token Bemenet · Gyorsítótár olvasása $0.000024 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.