A 235B-A22B Instruct kiadás
A Qwen3-VL-235B-A22B-Instruct a Qwen3-VL utasításközpontú szakértőkeverékes tagja. Szöveget, képeket és videót fogad, és szöveget generál, köztük kódot vagy kért dokumentum-munkaterméket. Őrizze meg a pontos Instruct kiadást, ne rendelje hozzá egy Thinking modellváltozat válaszadási szerződését vagy más méret receptjét. A hasznos feladat konkrét kérdést és a megadott bizonyítékkal összevethető eredményt ad a modellnek.
Vizuális ügynökök és kódolás
A gyártó olyan vizuálisügynök-folyamatokat ír le, amelyek felületelemeket ismernek fel, megértik funkcióikat és eszközöket hívnak meg számítógépes vagy mobilfeladatokhoz. Adjon képernyőképet és célt, majd kérje a releváns vezérlőt és a választást alátámasztó bizonyítékot. A kapcsolódó alkalmazás végzi a műveleteket és szolgáltatja eredményeiket; a felület felismerése önmagában nem vezérli az eszközt.
A vizuális kódolás képekből vagy videóból előállított ábratartalmat és HTML, CSS vagy JavaScript kódot is tartalmaz. Adja meg az elrendezési referenciát, funkcionális korlátokat és az elvárt szerkeszthető kimenetet. Meglévő oldal módosításához mellékelje a releváns forrást és interakciós állapotokat. A munkaterméket a magyarázattól külön kérje, hogy a fejlesztési folyamat megjeleníthesse és felülvizsgálhassa. A generált forrás javaslat marad, nem működő alkalmazás bizonyítéka.
Térbeli érzékelés és hosszú anyagok
A Qwen pozíciókra, nézőpontokra és takarásokra vonatkozó megítélést dokumentál, beleértve a kétdimenziós térbeli megfeleltetést és a háromdimenziós megfeleltetés támogatását. Azonosítsa a fontos objektumokat és kapcsolatot, majd kérdezze meg, milyen látható jelek támasztják alá a következtetést. A képalapú kapcsolatot nem szabad kalibrált fizikai mérésként kezelni.
A natív kontextus 262,144 token. A család könyveket és többórás videót ír le másodpercszintű eseményindexeléssel és beállításon keresztül hozzávetőleg egymillió tokenre bővítéssel. Eseménybeszámoló kérésekor őrizze meg az időzítést és a forrásazonosítókat. A reprezentáció és mintavétel határozza meg, mely anyag kerül a kérésbe; a nagy kontextus nem garantálja minden oldal vagy képkocka tökéletes felidézését.
Következtetés, felismerés és OCR
A család STEM-, matematikai, oksági és logikai vizuális kérdéseket támogat. Adja meg a teljes feladatot és ábrafeliratokat, és kérje a modelltől a következtetés előtt felhasznált értékek vagy kapcsolatok azonosítását. A szöveg és látás kombinálódik, így egy kérdés egy bekezdést annak ábrájával és a felhasználó utasításaival kapcsolhat össze.
A felismerés emberekre, termékekre, nevezetességekre, növényekre, állatokra és médiaszereplőkre terjed ki. Az OCR 32 nyelvet fed le, és gyenge megvilágítású, elmosódott vagy megdöntött képek olvasására összpontosít, a szakszókincs és a hosszú dokumentumok szerkezetének kezelését is beleértve. Adjon olvasható oldalakat, és kérjen a képpel összevethető megnevezett mezőket, idézeteket vagy táblázatot. Ezen alkalmazások a dokumentált feladatkört tükrözik, nem garantálnak pontos azonosítást, átírást vagy számítást.
Architekturális frissítések
A közzétett szakértőkeverékes szöveges konfigurációnak 94 rétege, 128 szakértője és tokenenként nyolc kiválasztott szakértője van. Az Interleaved-MRoPE az időt, szélességet és magasságot reprezentálja videós következtetéshez. A DeepStack több kódolószint vizuális jellemzőit ötvözi, a szöveg–időbélyeg illesztés pedig időbeli hivatkozásokhoz köti az eseményeket. Vizuális feladatok előkészítésekor és eredményeik összehasonlításakor következetesen ezt a 235B-A22B Instruct kiadást használja.
Vizuális bemenetek előkészítése
A család példái kizárólag szöveges kéréseket, egy vagy több képet és videót fednek le. Címkézze a vizuális bemeneteket, és adja meg kapcsolatukat. A kép- és videópixelkeretek különállók, az explicit képméretek pedig 32 többszöröseihez igazodnak. A dokumentált videós alapérték másodpercenként két képkocka, ahol támogatott, gyakoriság- vagy képkockaszám-vezérlőkkel. Őrizze meg a videó metaadatait, és kerülje a kétszeri átméretezést, ha a segéd már átméretezte az anyagot.
Több dokumentumoldalnál rendezze a választ oldalcímke szerint, és kérjen alátámasztó mezőket vagy szövegrészleteket. Klipnél kérje a releváns eseményt, időszakaszt és látható bizonyítékot. A visszaadott eseményidőszakaszt és alátámasztó részleteket vesse össze az eredeti klippel és időzítésével.
Generálási útmutató és korlátok
A modellváltozat generálási fájljának alapértékei temperature 0.7, top_p 0.8, top_k 20 és ismétlési büntetés 1.0. A család Instruct receptje ezenfelül jelenléti büntetés 1.5 és 32,768 tokenes kimeneti keret értékeket használ. Ez a keret gyártói receptkeret, nem függetlenül igazolt, szigorú kimeneti felső határ. A 8B kártya feladatspecifikus keretei és a Thinking kiadás beállításkészletei különállók maradnak.
A család kontextusbővítése YaRN-t használ, és kétszeres vagy háromszoros szorzót javasol a váltakozó pozicionális séma 256K-ról hozzávetőleg 1M-re lépésekor. A szöveg és reprezentált vizuális anyag mellett hagyjon helyet a válasznak, és az idézeteket, kinyert számokat és generált kódot ellenőrizze a forrással. A hasznos eredmény konkrét szöveges munkatermék, alátámasztó vizuális bizonyítékának és pontos Instruct azonosságának megőrzésével.
", "aboutText": "A 235B-A22B Instruct kiadás\n\nA Qwen3-VL-235B-A22B-Instruct a Qwen3-VL utasításközpontú szakértőkeverékes tagja. Szöveget, képeket és videót fogad, és szöveget generál, köztük kódot vagy kért dokumentum-munkaterméket. Őrizze meg a pontos Instruct kiadást, ne rendelje hozzá egy Thinking modellváltozat válaszadási szerződését vagy más méret receptjét. A hasznos feladat konkrét kérdést és a megadott bizonyítékkal összevethető eredményt ad a modellnek.\n\nVizuális ügynökök és kódolás\n\nA gyártó olyan vizuálisügynök-folyamatokat ír le, amelyek felületelemeket ismernek fel, megértik funkcióikat és eszközöket hívnak meg számítógépes vagy mobilfeladatokhoz. Adjon képernyőképet és célt, majd kérje a releváns vezérlőt és a választást alátámasztó bizonyítékot. A kapcsolódó alkalmazás végzi a műveleteket és szolgáltatja eredményeiket; a felület felismerése önmagában nem vezérli az eszközt.\n\nA vizuális kódolás képekből vagy videóból előállított ábratartalmat és HTML, CSS vagy JavaScript kódot is tartalmaz. Adja meg az elrendezési referenciát, funkcionális korlátokat és az elvárt szerkeszthető kimenetet. Meglévő oldal módosításához mellékelje a releváns forrást és interakciós állapotokat. A munkaterméket a magyarázattól külön kérje, hogy a fejlesztési folyamat megjeleníthesse és felülvizsgálhassa. A generált forrás javaslat marad, nem működő alkalmazás bizonyítéka.\n\nTérbeli érzékelés és hosszú anyagok\n\nA Qwen pozíciókra, nézőpontokra és takarásokra vonatkozó megítélést dokumentál, beleértve a kétdimenziós térbeli megfeleltetést és a háromdimenziós megfeleltetés támogatását. Azonosítsa a fontos objektumokat és kapcsolatot, majd kérdezze meg, milyen látható jelek támasztják alá a következtetést. A képalapú kapcsolatot nem szabad kalibrált fizikai mérésként kezelni.\n\nA natív kontextus 262,144 token. A család könyveket és többórás videót ír le másodpercszintű eseményindexeléssel és beállításon keresztül hozzávetőleg egymillió tokenre bővítéssel. Eseménybeszámoló kérésekor őrizze meg az időzítést és a forrásazonosítókat. A reprezentáció és mintavétel határozza meg, mely anyag kerül a kérésbe; a nagy kontextus nem garantálja minden oldal vagy képkocka tökéletes felidézését.\n\nKövetkeztetés, felismerés és OCR\n\nA család STEM-, matematikai, oksági és logikai vizuális kérdéseket támogat. Adja meg a teljes feladatot és ábrafeliratokat, és kérje a modelltől a következtetés előtt felhasznált értékek vagy kapcsolatok azonosítását. A szöveg és látás kombinálódik, így egy kérdés egy bekezdést annak ábrájával és a felhasználó utasításaival kapcsolhat össze.\n\nA felismerés emberekre, termékekre, nevezetességekre, növényekre, állatokra és médiaszereplőkre terjed ki. Az OCR 32 nyelvet fed le, és gyenge megvilágítású, elmosódott vagy megdöntött képek olvasására összpontosít, a szakszókincs és a hosszú dokumentumok szerkezetének kezelését is beleértve. Adjon olvasható oldalakat, és kérjen a képpel összevethető megnevezett mezőket, idézeteket vagy táblázatot. Ezen alkalmazások a dokumentált feladatkört tükrözik, nem garantálnak pontos azonosítást, átírást vagy számítást.\n\nArchitekturális frissítések\n\nA közzétett szakértőkeverékes szöveges konfigurációnak 94 rétege, 128 szakértője és tokenenként nyolc kiválasztott szakértője van. Az Interleaved-MRoPE az időt, szélességet és magasságot reprezentálja videós következtetéshez. A DeepStack több kódolószint vizuális jellemzőit ötvözi, a szöveg–időbélyeg illesztés pedig időbeli hivatkozásokhoz köti az eseményeket. Vizuális feladatok előkészítésekor és eredményeik összehasonlításakor következetesen ezt a 235B-A22B Instruct kiadást használja.\n\nVizuális bemenetek előkészítése\n\nA család példái kizárólag szöveges kéréseket, egy vagy több képet és videót fednek le. Címkézze a vizuális bemeneteket, és adja meg kapcsolatukat. A kép- és videópixelkeretek különállók, az explicit képméretek pedig 32 többszöröseihez igazodnak. A dokumentált videós alapérték másodpercenként két képkocka, ahol támogatott, gyakoriság- vagy képkockaszám-vezérlőkkel. Őrizze meg a videó metaadatait, és kerülje a kétszeri átméretezést, ha a segéd már átméretezte az anyagot.\n\nTöbb dokumentumoldalnál rendezze a választ oldalcímke szerint, és kérjen alátámasztó mezőket vagy szövegrészleteket. Klipnél kérje a releváns eseményt, időszakaszt és látható bizonyítékot. A visszaadott eseményidőszakaszt és alátámasztó részleteket vesse össze az eredeti klippel és időzítésével.\n\nGenerálási útmutató és korlátok\n\nA modellváltozat generálási fájljának alapértékei temperature 0.7, top_p 0.8, top_k 20 és ismétlési büntetés 1.0. A család Instruct receptje ezenfelül jelenléti büntetés 1.5 és 32,768 tokenes kimeneti keret értékeket használ. Ez a keret gyártói receptkeret, nem függetlenül igazolt, szigorú kimeneti felső határ. A 8B kártya feladatspecifikus keretei és a Thinking kiadás beállításkészletei különállók maradnak.\n\nA család kontextusbővítése YaRN-t használ, és kétszeres vagy háromszoros szorzót javasol a váltakozó pozicionális séma 256K-ról hozzávetőleg 1M-re lépésekor. A szöveg és reprezentált vizuális anyag mellett hagyjon helyet a válasznak, és az idézeteket, kinyert számokat és generált kódot ellenőrizze a forrással. A hasznos eredmény konkrét szöveges munkatermék, alátámasztó vizuális bizonyítékának és pontos Instruct azonosságának megőrzésével.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.qwen/qwen3-vl-235b-a22b-instructA Qwen3-VL-235B-A22B-Instruct a Qwen utasításközpontú, szakértőkeverékes látás-nyelv kiadása szöveghez, képekhez és videóhoz. Szöveget vagy kódot ad vizuális munkafolyamatokhoz, dokumentumokhoz, térbeli kérdésekhez és STEM-feladatokhoz, 32 nyelvű OCR-rel és natív 262,144 tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A 235B-A22B Instruct kiadás
A Qwen3-VL-235B-A22B-Instruct a Qwen3-VL utasításközpontú szakértőkeverékes tagja. Szöveget, képeket és videót fogad, és szöveget generál, köztük kódot vagy kért dokumentum-munkaterméket. Őrizze meg a pontos Instruct kiadást, ne rendelje hozzá egy Thinking modellváltozat válaszadási szerződését vagy más méret receptjét. A hasznos feladat konkrét kérdést és a megadott bizonyítékkal összevethető eredményt ad a modellnek.
Vizuális ügynökök és kódolás
A gyártó olyan vizuálisügynök-folyamatokat ír le, amelyek felületelemeket ismernek fel, megértik funkcióikat és eszközöket hívnak meg számítógépes vagy mobilfeladatokhoz. Adjon képernyőképet és célt, majd kérje a releváns vezérlőt és a választást alátámasztó bizonyítékot. A kapcsolódó alkalmazás végzi a műveleteket és szolgáltatja eredményeiket; a felület felismerése önmagában nem vezérli az eszközt.
A vizuális kódolás képekből vagy videóból előállított ábratartalmat és HTML, CSS vagy JavaScript kódot is tartalmaz. Adja meg az elrendezési referenciát, funkcionális korlátokat és az elvárt szerkeszthető kimenetet. Meglévő oldal módosításához mellékelje a releváns forrást és interakciós állapotokat. A munkaterméket a magyarázattól külön kérje, hogy a fejlesztési folyamat megjeleníthesse és felülvizsgálhassa. A generált forrás javaslat marad, nem működő alkalmazás bizonyítéka.
Térbeli érzékelés és hosszú anyagok
A Qwen pozíciókra, nézőpontokra és takarásokra vonatkozó megítélést dokumentál, beleértve a kétdimenziós térbeli megfeleltetést és a háromdimenziós megfeleltetés támogatását. Azonosítsa a fontos objektumokat és kapcsolatot, majd kérdezze meg, milyen látható jelek támasztják alá a következtetést. A képalapú kapcsolatot nem szabad kalibrált fizikai mérésként kezelni.
A natív kontextus 262,144 token. A család könyveket és többórás videót ír le másodpercszintű eseményindexeléssel és beállításon keresztül hozzávetőleg egymillió tokenre bővítéssel. Eseménybeszámoló kérésekor őrizze meg az időzítést és a forrásazonosítókat. A reprezentáció és mintavétel határozza meg, mely anyag kerül a kérésbe; a nagy kontextus nem garantálja minden oldal vagy képkocka tökéletes felidézését.
Következtetés, felismerés és OCR
A család STEM-, matematikai, oksági és logikai vizuális kérdéseket támogat. Adja meg a teljes feladatot és ábrafeliratokat, és kérje a modelltől a következtetés előtt felhasznált értékek vagy kapcsolatok azonosítását. A szöveg és látás kombinálódik, így egy kérdés egy bekezdést annak ábrájával és a felhasználó utasításaival kapcsolhat össze.
A felismerés emberekre, termékekre, nevezetességekre, növényekre, állatokra és médiaszereplőkre terjed ki. Az OCR 32 nyelvet fed le, és gyenge megvilágítású, elmosódott vagy megdöntött képek olvasására összpontosít, a szakszókincs és a hosszú dokumentumok szerkezetének kezelését is beleértve. Adjon olvasható oldalakat, és kérjen a képpel összevethető megnevezett mezőket, idézeteket vagy táblázatot. Ezen alkalmazások a dokumentált feladatkört tükrözik, nem garantálnak pontos azonosítást, átírást vagy számítást.
Architekturális frissítések
A közzétett szakértőkeverékes szöveges konfigurációnak 94 rétege, 128 szakértője és tokenenként nyolc kiválasztott szakértője van. Az Interleaved-MRoPE az időt, szélességet és magasságot reprezentálja videós következtetéshez. A DeepStack több kódolószint vizuális jellemzőit ötvözi, a szöveg–időbélyeg illesztés pedig időbeli hivatkozásokhoz köti az eseményeket. Vizuális feladatok előkészítésekor és eredményeik összehasonlításakor következetesen ezt a 235B-A22B Instruct kiadást használja.
Vizuális bemenetek előkészítése
A család példái kizárólag szöveges kéréseket, egy vagy több képet és videót fednek le. Címkézze a vizuális bemeneteket, és adja meg kapcsolatukat. A kép- és videópixelkeretek különállók, az explicit képméretek pedig 32 többszöröseihez igazodnak. A dokumentált videós alapérték másodpercenként két képkocka, ahol támogatott, gyakoriság- vagy képkockaszám-vezérlőkkel. Őrizze meg a videó metaadatait, és kerülje a kétszeri átméretezést, ha a segéd már átméretezte az anyagot.
Több dokumentumoldalnál rendezze a választ oldalcímke szerint, és kérjen alátámasztó mezőket vagy szövegrészleteket. Klipnél kérje a releváns eseményt, időszakaszt és látható bizonyítékot. A visszaadott eseményidőszakaszt és alátámasztó részleteket vesse össze az eredeti klippel és időzítésével.
Generálási útmutató és korlátok
A modellváltozat generálási fájljának alapértékei temperature 0.7, top_p 0.8, top_k 20 és ismétlési büntetés 1.0. A család Instruct receptje ezenfelül jelenléti büntetés 1.5 és 32,768 tokenes kimeneti keret értékeket használ. Ez a keret gyártói receptkeret, nem függetlenül igazolt, szigorú kimeneti felső határ. A 8B kártya feladatspecifikus keretei és a Thinking kiadás beállításkészletei különállók maradnak.
A család kontextusbővítése YaRN-t használ, és kétszeres vagy háromszoros szorzót javasol a váltakozó pozicionális séma 256K-ról hozzávetőleg 1M-re lépésekor. A szöveg és reprezentált vizuális anyag mellett hagyjon helyet a válasznak, és az idézeteket, kinyert számokat és generált kódot ellenőrizze a forrással. A hasznos eredmény konkrét szöveges munkatermék, alátámasztó vizuális bizonyítékának és pontos Instruct azonosságának megőrzésével.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3-vl-235b-a22b-instruct | 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 $0.000572 / 1K token Kimenet · Kimeneti tokenek $0.0038 / 1K token Bemenet · Gyorsítótár olvasása $0.0002 / 1K token Bemenet · Írás a gyorsítótárba $0 / 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 $0.000572 / 1K token Kimenet · Kimeneti tokenek $0.0038 / 1K token Bemenet · Gyorsítótár olvasása $0.0002 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-vl-235b-a22b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-235b-a22b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-235b-a22b-instruct',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 qwen/qwen3-vl-235b-a22b-instruct
Használja a fent látható metódusútvonalakat.
qwen/qwen3-vl-235b-a22b-instructA Qwen3-VL-235B-A22B-Instruct a Qwen utasításközpontú, szakértőkeverékes látás-nyelv kiadása szöveghez, képekhez és videóhoz. Szöveget vagy kódot ad vizuális munkafolyamatokhoz, dokumentumokhoz, térbeli kérdésekhez és STEM-feladatokhoz, 32 nyelvű OCR-rel és natív 262,144 tokenes kontextussal.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A 235B-A22B Instruct kiadás
A Qwen3-VL-235B-A22B-Instruct a Qwen3-VL utasításközpontú szakértőkeverékes tagja. Szöveget, képeket és videót fogad, és szöveget generál, köztük kódot vagy kért dokumentum-munkaterméket. Őrizze meg a pontos Instruct kiadást, ne rendelje hozzá egy Thinking modellváltozat válaszadási szerződését vagy más méret receptjét. A hasznos feladat konkrét kérdést és a megadott bizonyítékkal összevethető eredményt ad a modellnek.
Vizuális ügynökök és kódolás
A gyártó olyan vizuálisügynök-folyamatokat ír le, amelyek felületelemeket ismernek fel, megértik funkcióikat és eszközöket hívnak meg számítógépes vagy mobilfeladatokhoz. Adjon képernyőképet és célt, majd kérje a releváns vezérlőt és a választást alátámasztó bizonyítékot. A kapcsolódó alkalmazás végzi a műveleteket és szolgáltatja eredményeiket; a felület felismerése önmagában nem vezérli az eszközt.
A vizuális kódolás képekből vagy videóból előállított ábratartalmat és HTML, CSS vagy JavaScript kódot is tartalmaz. Adja meg az elrendezési referenciát, funkcionális korlátokat és az elvárt szerkeszthető kimenetet. Meglévő oldal módosításához mellékelje a releváns forrást és interakciós állapotokat. A munkaterméket a magyarázattól külön kérje, hogy a fejlesztési folyamat megjeleníthesse és felülvizsgálhassa. A generált forrás javaslat marad, nem működő alkalmazás bizonyítéka.
Térbeli érzékelés és hosszú anyagok
A Qwen pozíciókra, nézőpontokra és takarásokra vonatkozó megítélést dokumentál, beleértve a kétdimenziós térbeli megfeleltetést és a háromdimenziós megfeleltetés támogatását. Azonosítsa a fontos objektumokat és kapcsolatot, majd kérdezze meg, milyen látható jelek támasztják alá a következtetést. A képalapú kapcsolatot nem szabad kalibrált fizikai mérésként kezelni.
A natív kontextus 262,144 token. A család könyveket és többórás videót ír le másodpercszintű eseményindexeléssel és beállításon keresztül hozzávetőleg egymillió tokenre bővítéssel. Eseménybeszámoló kérésekor őrizze meg az időzítést és a forrásazonosítókat. A reprezentáció és mintavétel határozza meg, mely anyag kerül a kérésbe; a nagy kontextus nem garantálja minden oldal vagy képkocka tökéletes felidézését.
Következtetés, felismerés és OCR
A család STEM-, matematikai, oksági és logikai vizuális kérdéseket támogat. Adja meg a teljes feladatot és ábrafeliratokat, és kérje a modelltől a következtetés előtt felhasznált értékek vagy kapcsolatok azonosítását. A szöveg és látás kombinálódik, így egy kérdés egy bekezdést annak ábrájával és a felhasználó utasításaival kapcsolhat össze.
A felismerés emberekre, termékekre, nevezetességekre, növényekre, állatokra és médiaszereplőkre terjed ki. Az OCR 32 nyelvet fed le, és gyenge megvilágítású, elmosódott vagy megdöntött képek olvasására összpontosít, a szakszókincs és a hosszú dokumentumok szerkezetének kezelését is beleértve. Adjon olvasható oldalakat, és kérjen a képpel összevethető megnevezett mezőket, idézeteket vagy táblázatot. Ezen alkalmazások a dokumentált feladatkört tükrözik, nem garantálnak pontos azonosítást, átírást vagy számítást.
Architekturális frissítések
A közzétett szakértőkeverékes szöveges konfigurációnak 94 rétege, 128 szakértője és tokenenként nyolc kiválasztott szakértője van. Az Interleaved-MRoPE az időt, szélességet és magasságot reprezentálja videós következtetéshez. A DeepStack több kódolószint vizuális jellemzőit ötvözi, a szöveg–időbélyeg illesztés pedig időbeli hivatkozásokhoz köti az eseményeket. Vizuális feladatok előkészítésekor és eredményeik összehasonlításakor következetesen ezt a 235B-A22B Instruct kiadást használja.
Vizuális bemenetek előkészítése
A család példái kizárólag szöveges kéréseket, egy vagy több képet és videót fednek le. Címkézze a vizuális bemeneteket, és adja meg kapcsolatukat. A kép- és videópixelkeretek különállók, az explicit képméretek pedig 32 többszöröseihez igazodnak. A dokumentált videós alapérték másodpercenként két képkocka, ahol támogatott, gyakoriság- vagy képkockaszám-vezérlőkkel. Őrizze meg a videó metaadatait, és kerülje a kétszeri átméretezést, ha a segéd már átméretezte az anyagot.
Több dokumentumoldalnál rendezze a választ oldalcímke szerint, és kérjen alátámasztó mezőket vagy szövegrészleteket. Klipnél kérje a releváns eseményt, időszakaszt és látható bizonyítékot. A visszaadott eseményidőszakaszt és alátámasztó részleteket vesse össze az eredeti klippel és időzítésével.
Generálási útmutató és korlátok
A modellváltozat generálási fájljának alapértékei temperature 0.7, top_p 0.8, top_k 20 és ismétlési büntetés 1.0. A család Instruct receptje ezenfelül jelenléti büntetés 1.5 és 32,768 tokenes kimeneti keret értékeket használ. Ez a keret gyártói receptkeret, nem függetlenül igazolt, szigorú kimeneti felső határ. A 8B kártya feladatspecifikus keretei és a Thinking kiadás beállításkészletei különállók maradnak.
A család kontextusbővítése YaRN-t használ, és kétszeres vagy háromszoros szorzót javasol a váltakozó pozicionális séma 256K-ról hozzávetőleg 1M-re lépésekor. A szöveg és reprezentált vizuális anyag mellett hagyjon helyet a válasznak, és az idézeteket, kinyert számokat és generált kódot ellenőrizze a forrással. A hasznos eredmény konkrét szöveges munkatermék, alátámasztó vizuális bizonyítékának és pontos Instruct azonosságának megőrzésével.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen/qwen3-vl-235b-a22b-instruct | 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 $0.000572 / 1K token Kimenet · Kimeneti tokenek $0.0038 / 1K token Bemenet · Gyorsítótár olvasása $0.0002 / 1K token Bemenet · Írás a gyorsítótárba $0 / 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 $0.000572 / 1K token Kimenet · Kimeneti tokenek $0.0038 / 1K token Bemenet · Gyorsítótár olvasása $0.0002 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen/qwen3-vl-235b-a22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-instruct', '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 qwen/qwen3-vl-235b-a22b-instruct
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.