Ling-3.0-flash-VL adalah perluasan multimodal bawaan inclusionAI dari Ling-3.0-flash. Model ini menggabungkan kemampuan bahasa, penalaran, dan konteks panjang model dasar dengan pemahaman gambar dan video. Produsen menata cakupan tugas visualnya menjadi pemahaman, penalaran, dan tindakan: membaca informasi visual kompleks, menggunakannya sebagai bukti, dan menerjemahkan pengamatan menjadi tindakan dalam aplikasi pendukung. Respons model berupa teks atau representasi panggilan alat yang digunakan aplikasi tersebut.
Arsitektur yang diterbitkan memiliki 124 miliar parameter total dan 5,5 miliar parameter yang diaktifkan per token. Vision transformer mengekstrak fitur gambar dan video, dan proyektor dua lapisan menyelaraskannya dengan representasi bahasa. VideoRoPE membawa posisi spasial sekaligus urutan waktu. Backbone hibrida 42 lapisan menyelang-selingkan Kimi Delta Attention dan Multi-head Latent Attention bergate dalam pola 5:1, dengan perutean expert secara sparse. Pembuat menjelaskan konteks hingga 256K token dan memublikasikan resep konteks diperluas sebesar 262.144 token.
Untuk pemahaman visual, berikan gambar yang terbaca dan tentukan pengamatan yang diperlukan. Pembuat mencantumkan penghitungan objek, tata letak kompleks, grafik, dan isi dokumen sebagai sebagian tugasnya. Permintaan dokumen yang berguna dapat meminta tabel kolom dengan halaman atau wilayah terlihat yang mendukungnya, sedangkan permintaan grafik dapat menanyakan deret mana yang mendukung perbandingan tertentu. Pertahankan materi visual asli agar angka, label, dan detail kecil dapat diperiksa. Wilayah yang tidak jelas harus tetap dinyatakan tidak jelas dalam hasil, bukan menjadi nilai tebakan.
Untuk penalaran dengan bukti visual, berikan pertanyaan, asumsi relevan, dan ketelitian yang diperlukan dalam jawaban akhir. Model dapat menghubungkan grafik, diagram, atau tangkapan layar dengan perhitungan dan penalaran beberapa langkah. Mintalah kesimpulan mengidentifikasi pengamatan yang mendasarinya. Jika alur kerja menyertakan alat perhitungan atau pencarian informasi, simpan hasil nyatanya dan pisahkan dari interpretasi model. Hubungan visual dan pengukuran terkalibrasi adalah jenis bukti yang berbeda.
Untuk video, pertahankan urutan materi dan fokuskan pertanyaan pada peristiwa, perubahan, atau interval. Pembuat mengidentifikasi pelokalan peristiwa, pertanyaan video panjang, dan alur penyuntingan klip sebagai aplikasi representasi temporalnya. Hasil editorial praktis dapat berupa usulan daftar potongan yang menjelaskan momen yang perlu dipertahankan dan alasannya. Hubungkan usulan itu dengan garis waktu sumber; aplikasi penyuntingan yang mengelilinginya melakukan perubahan dan menghasilkan media yang disunting. Pemahaman video sendiri tidak membuat jawaban teks model menjadi berkas video baru.
Untuk tugas antarmuka, sertakan tangkapan layar saat ini, tujuan, dan tindakan yang tersedia bagi aplikasi. Ling-3.0-flash-VL dapat menafsirkan antarmuka web atau perangkat lunak dan mengusulkan rangkaian tindakan dari informasi visual. Kembalikan status yang diamati setelah setiap operasi jika langkah berikutnya bergantung padanya. Catatan penyelesaian yang berguna menunjukkan perubahan pada antarmuka dan apakah hasil yang diminta terlihat, alih-alih memperlakukan klik yang diusulkan sebagai tindakan yang telah dijalankan.
Thinking diaktifkan secara bawaan dalam templat chat pembuat dan dapat dinonaktifkan per permintaan pada implementasi terdokumentasinya dengan enable_thinking diatur ke false. Resep klien dan pembangkitan menyarankan temperature 1.0, top_p 0.95, dan top_k 20; catatan evaluasi terpisah menggunakan pengaturannya sendiri. Pilih bentuk jawaban akhir secara eksplisit dan sisakan ruang bagi konteks media yang relevan serta teks yang dibangkitkan. Pengaturan produsen ini menjelaskan resep model yang dirilis, bukan janji tentang kontrol yang disediakan setiap aplikasi.
Pertahankan identitas VL ketika mencatat hasil: masukan gambar dan videonya membedakannya dari Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus keuangan. Periksa susunan kata hasil ekstraksi, jumlah, lokasi waktu, dan usulan tindakan antarmuka terhadap materi sumber. Artefak akhir yang berguna adalah analisis visual atau usulan tindakan yang menjaga bukti dan detail yang belum terselesaikan tetap dapat diperiksa.
", "aboutText": "Ling-3.0-flash-VL adalah perluasan multimodal bawaan inclusionAI dari Ling-3.0-flash. Model ini menggabungkan kemampuan bahasa, penalaran, dan konteks panjang model dasar dengan pemahaman gambar dan video. Produsen menata cakupan tugas visualnya menjadi pemahaman, penalaran, dan tindakan: membaca informasi visual kompleks, menggunakannya sebagai bukti, dan menerjemahkan pengamatan menjadi tindakan dalam aplikasi pendukung. Respons model berupa teks atau representasi panggilan alat yang digunakan aplikasi tersebut.\n\nArsitektur yang diterbitkan memiliki 124 miliar parameter total dan 5,5 miliar parameter yang diaktifkan per token. Vision transformer mengekstrak fitur gambar dan video, dan proyektor dua lapisan menyelaraskannya dengan representasi bahasa. VideoRoPE membawa posisi spasial sekaligus urutan waktu. Backbone hibrida 42 lapisan menyelang-selingkan Kimi Delta Attention dan Multi-head Latent Attention bergate dalam pola 5:1, dengan perutean expert secara sparse. Pembuat menjelaskan konteks hingga 256K token dan memublikasikan resep konteks diperluas sebesar 262.144 token.\n\nUntuk pemahaman visual, berikan gambar yang terbaca dan tentukan pengamatan yang diperlukan. Pembuat mencantumkan penghitungan objek, tata letak kompleks, grafik, dan isi dokumen sebagai sebagian tugasnya. Permintaan dokumen yang berguna dapat meminta tabel kolom dengan halaman atau wilayah terlihat yang mendukungnya, sedangkan permintaan grafik dapat menanyakan deret mana yang mendukung perbandingan tertentu. Pertahankan materi visual asli agar angka, label, dan detail kecil dapat diperiksa. Wilayah yang tidak jelas harus tetap dinyatakan tidak jelas dalam hasil, bukan menjadi nilai tebakan.\n\nUntuk penalaran dengan bukti visual, berikan pertanyaan, asumsi relevan, dan ketelitian yang diperlukan dalam jawaban akhir. Model dapat menghubungkan grafik, diagram, atau tangkapan layar dengan perhitungan dan penalaran beberapa langkah. Mintalah kesimpulan mengidentifikasi pengamatan yang mendasarinya. Jika alur kerja menyertakan alat perhitungan atau pencarian informasi, simpan hasil nyatanya dan pisahkan dari interpretasi model. Hubungan visual dan pengukuran terkalibrasi adalah jenis bukti yang berbeda.\n\nUntuk video, pertahankan urutan materi dan fokuskan pertanyaan pada peristiwa, perubahan, atau interval. Pembuat mengidentifikasi pelokalan peristiwa, pertanyaan video panjang, dan alur penyuntingan klip sebagai aplikasi representasi temporalnya. Hasil editorial praktis dapat berupa usulan daftar potongan yang menjelaskan momen yang perlu dipertahankan dan alasannya. Hubungkan usulan itu dengan garis waktu sumber; aplikasi penyuntingan yang mengelilinginya melakukan perubahan dan menghasilkan media yang disunting. Pemahaman video sendiri tidak membuat jawaban teks model menjadi berkas video baru.\n\nUntuk tugas antarmuka, sertakan tangkapan layar saat ini, tujuan, dan tindakan yang tersedia bagi aplikasi. Ling-3.0-flash-VL dapat menafsirkan antarmuka web atau perangkat lunak dan mengusulkan rangkaian tindakan dari informasi visual. Kembalikan status yang diamati setelah setiap operasi jika langkah berikutnya bergantung padanya. Catatan penyelesaian yang berguna menunjukkan perubahan pada antarmuka dan apakah hasil yang diminta terlihat, alih-alih memperlakukan klik yang diusulkan sebagai tindakan yang telah dijalankan.\n\nThinking diaktifkan secara bawaan dalam templat chat pembuat dan dapat dinonaktifkan per permintaan pada implementasi terdokumentasinya dengan enable_thinking diatur ke false. Resep klien dan pembangkitan menyarankan temperature 1.0, top_p 0.95, dan top_k 20; catatan evaluasi terpisah menggunakan pengaturannya sendiri. Pilih bentuk jawaban akhir secara eksplisit dan sisakan ruang bagi konteks media yang relevan serta teks yang dibangkitkan. Pengaturan produsen ini menjelaskan resep model yang dirilis, bukan janji tentang kontrol yang disediakan setiap aplikasi.\n\nPertahankan identitas VL ketika mencatat hasil: masukan gambar dan videonya membedakannya dari Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus keuangan. Periksa susunan kata hasil ekstraksi, jumlah, lokasi waktu, dan usulan tindakan antarmuka terhadap materi sumber. Artefak akhir yang berguna adalah analisis visual atau usulan tindakan yang menjaga bukti dan detail yang belum terselesaikan tetap dapat diperiksa.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL menambahkan pemahaman gambar dan video pada model penalaran hibrida inclusionAI. Model ini mendukung analisis visual, penalaran berdasarkan bukti, dan alur kerja antarmuka, dengan 124 miliar parameter total, 5,5 miliar parameter aktif, serta konteks hingga 256K token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ling-3.0-flash-VL adalah perluasan multimodal bawaan inclusionAI dari Ling-3.0-flash. Model ini menggabungkan kemampuan bahasa, penalaran, dan konteks panjang model dasar dengan pemahaman gambar dan video. Produsen menata cakupan tugas visualnya menjadi pemahaman, penalaran, dan tindakan: membaca informasi visual kompleks, menggunakannya sebagai bukti, dan menerjemahkan pengamatan menjadi tindakan dalam aplikasi pendukung. Respons model berupa teks atau representasi panggilan alat yang digunakan aplikasi tersebut.
Arsitektur yang diterbitkan memiliki 124 miliar parameter total dan 5,5 miliar parameter yang diaktifkan per token. Vision transformer mengekstrak fitur gambar dan video, dan proyektor dua lapisan menyelaraskannya dengan representasi bahasa. VideoRoPE membawa posisi spasial sekaligus urutan waktu. Backbone hibrida 42 lapisan menyelang-selingkan Kimi Delta Attention dan Multi-head Latent Attention bergate dalam pola 5:1, dengan perutean expert secara sparse. Pembuat menjelaskan konteks hingga 256K token dan memublikasikan resep konteks diperluas sebesar 262.144 token.
Untuk pemahaman visual, berikan gambar yang terbaca dan tentukan pengamatan yang diperlukan. Pembuat mencantumkan penghitungan objek, tata letak kompleks, grafik, dan isi dokumen sebagai sebagian tugasnya. Permintaan dokumen yang berguna dapat meminta tabel kolom dengan halaman atau wilayah terlihat yang mendukungnya, sedangkan permintaan grafik dapat menanyakan deret mana yang mendukung perbandingan tertentu. Pertahankan materi visual asli agar angka, label, dan detail kecil dapat diperiksa. Wilayah yang tidak jelas harus tetap dinyatakan tidak jelas dalam hasil, bukan menjadi nilai tebakan.
Untuk penalaran dengan bukti visual, berikan pertanyaan, asumsi relevan, dan ketelitian yang diperlukan dalam jawaban akhir. Model dapat menghubungkan grafik, diagram, atau tangkapan layar dengan perhitungan dan penalaran beberapa langkah. Mintalah kesimpulan mengidentifikasi pengamatan yang mendasarinya. Jika alur kerja menyertakan alat perhitungan atau pencarian informasi, simpan hasil nyatanya dan pisahkan dari interpretasi model. Hubungan visual dan pengukuran terkalibrasi adalah jenis bukti yang berbeda.
Untuk video, pertahankan urutan materi dan fokuskan pertanyaan pada peristiwa, perubahan, atau interval. Pembuat mengidentifikasi pelokalan peristiwa, pertanyaan video panjang, dan alur penyuntingan klip sebagai aplikasi representasi temporalnya. Hasil editorial praktis dapat berupa usulan daftar potongan yang menjelaskan momen yang perlu dipertahankan dan alasannya. Hubungkan usulan itu dengan garis waktu sumber; aplikasi penyuntingan yang mengelilinginya melakukan perubahan dan menghasilkan media yang disunting. Pemahaman video sendiri tidak membuat jawaban teks model menjadi berkas video baru.
Untuk tugas antarmuka, sertakan tangkapan layar saat ini, tujuan, dan tindakan yang tersedia bagi aplikasi. Ling-3.0-flash-VL dapat menafsirkan antarmuka web atau perangkat lunak dan mengusulkan rangkaian tindakan dari informasi visual. Kembalikan status yang diamati setelah setiap operasi jika langkah berikutnya bergantung padanya. Catatan penyelesaian yang berguna menunjukkan perubahan pada antarmuka dan apakah hasil yang diminta terlihat, alih-alih memperlakukan klik yang diusulkan sebagai tindakan yang telah dijalankan.
Thinking diaktifkan secara bawaan dalam templat chat pembuat dan dapat dinonaktifkan per permintaan pada implementasi terdokumentasinya dengan enable_thinking diatur ke false. Resep klien dan pembangkitan menyarankan temperature 1.0, top_p 0.95, dan top_k 20; catatan evaluasi terpisah menggunakan pengaturannya sendiri. Pilih bentuk jawaban akhir secara eksplisit dan sisakan ruang bagi konteks media yang relevan serta teks yang dibangkitkan. Pengaturan produsen ini menjelaskan resep model yang dirilis, bukan janji tentang kontrol yang disediakan setiap aplikasi.
Pertahankan identitas VL ketika mencatat hasil: masukan gambar dan videonya membedakannya dari Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus keuangan. Periksa susunan kata hasil ekstraksi, jumlah, lokasi waktu, dan usulan tindakan antarmuka terhadap materi sumber. Artefak akhir yang berguna adalah analisis visual atau usulan tindakan yang menjaga bukti dan detail yang belum terselesaikan tetap dapat diperiksa.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan inclusionai/ling-3.0-flash-vl | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00012 / 1K token Keluaran · Token keluaran $0.00036 / 1K token Masukan · Pembacaan cache $0.000024 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00012 / 1K token Keluaran · Token keluaran $0.00036 / 1K token Masukan · Pembacaan cache $0.000024 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Gunakan jalur metode yang ditampilkan di atas.
inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL menambahkan pemahaman gambar dan video pada model penalaran hibrida inclusionAI. Model ini mendukung analisis visual, penalaran berdasarkan bukti, dan alur kerja antarmuka, dengan 124 miliar parameter total, 5,5 miliar parameter aktif, serta konteks hingga 256K token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ling-3.0-flash-VL adalah perluasan multimodal bawaan inclusionAI dari Ling-3.0-flash. Model ini menggabungkan kemampuan bahasa, penalaran, dan konteks panjang model dasar dengan pemahaman gambar dan video. Produsen menata cakupan tugas visualnya menjadi pemahaman, penalaran, dan tindakan: membaca informasi visual kompleks, menggunakannya sebagai bukti, dan menerjemahkan pengamatan menjadi tindakan dalam aplikasi pendukung. Respons model berupa teks atau representasi panggilan alat yang digunakan aplikasi tersebut.
Arsitektur yang diterbitkan memiliki 124 miliar parameter total dan 5,5 miliar parameter yang diaktifkan per token. Vision transformer mengekstrak fitur gambar dan video, dan proyektor dua lapisan menyelaraskannya dengan representasi bahasa. VideoRoPE membawa posisi spasial sekaligus urutan waktu. Backbone hibrida 42 lapisan menyelang-selingkan Kimi Delta Attention dan Multi-head Latent Attention bergate dalam pola 5:1, dengan perutean expert secara sparse. Pembuat menjelaskan konteks hingga 256K token dan memublikasikan resep konteks diperluas sebesar 262.144 token.
Untuk pemahaman visual, berikan gambar yang terbaca dan tentukan pengamatan yang diperlukan. Pembuat mencantumkan penghitungan objek, tata letak kompleks, grafik, dan isi dokumen sebagai sebagian tugasnya. Permintaan dokumen yang berguna dapat meminta tabel kolom dengan halaman atau wilayah terlihat yang mendukungnya, sedangkan permintaan grafik dapat menanyakan deret mana yang mendukung perbandingan tertentu. Pertahankan materi visual asli agar angka, label, dan detail kecil dapat diperiksa. Wilayah yang tidak jelas harus tetap dinyatakan tidak jelas dalam hasil, bukan menjadi nilai tebakan.
Untuk penalaran dengan bukti visual, berikan pertanyaan, asumsi relevan, dan ketelitian yang diperlukan dalam jawaban akhir. Model dapat menghubungkan grafik, diagram, atau tangkapan layar dengan perhitungan dan penalaran beberapa langkah. Mintalah kesimpulan mengidentifikasi pengamatan yang mendasarinya. Jika alur kerja menyertakan alat perhitungan atau pencarian informasi, simpan hasil nyatanya dan pisahkan dari interpretasi model. Hubungan visual dan pengukuran terkalibrasi adalah jenis bukti yang berbeda.
Untuk video, pertahankan urutan materi dan fokuskan pertanyaan pada peristiwa, perubahan, atau interval. Pembuat mengidentifikasi pelokalan peristiwa, pertanyaan video panjang, dan alur penyuntingan klip sebagai aplikasi representasi temporalnya. Hasil editorial praktis dapat berupa usulan daftar potongan yang menjelaskan momen yang perlu dipertahankan dan alasannya. Hubungkan usulan itu dengan garis waktu sumber; aplikasi penyuntingan yang mengelilinginya melakukan perubahan dan menghasilkan media yang disunting. Pemahaman video sendiri tidak membuat jawaban teks model menjadi berkas video baru.
Untuk tugas antarmuka, sertakan tangkapan layar saat ini, tujuan, dan tindakan yang tersedia bagi aplikasi. Ling-3.0-flash-VL dapat menafsirkan antarmuka web atau perangkat lunak dan mengusulkan rangkaian tindakan dari informasi visual. Kembalikan status yang diamati setelah setiap operasi jika langkah berikutnya bergantung padanya. Catatan penyelesaian yang berguna menunjukkan perubahan pada antarmuka dan apakah hasil yang diminta terlihat, alih-alih memperlakukan klik yang diusulkan sebagai tindakan yang telah dijalankan.
Thinking diaktifkan secara bawaan dalam templat chat pembuat dan dapat dinonaktifkan per permintaan pada implementasi terdokumentasinya dengan enable_thinking diatur ke false. Resep klien dan pembangkitan menyarankan temperature 1.0, top_p 0.95, dan top_k 20; catatan evaluasi terpisah menggunakan pengaturannya sendiri. Pilih bentuk jawaban akhir secara eksplisit dan sisakan ruang bagi konteks media yang relevan serta teks yang dibangkitkan. Pengaturan produsen ini menjelaskan resep model yang dirilis, bukan janji tentang kontrol yang disediakan setiap aplikasi.
Pertahankan identitas VL ketika mencatat hasil: masukan gambar dan videonya membedakannya dari Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus keuangan. Periksa susunan kata hasil ekstraksi, jumlah, lokasi waktu, dan usulan tindakan antarmuka terhadap materi sumber. Artefak akhir yang berguna adalah analisis visual atau usulan tindakan yang menjaga bukti dan detail yang belum terselesaikan tetap dapat diperiksa.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan inclusionai/ling-3.0-flash-vl | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00012 / 1K token Keluaran · Token keluaran $0.00036 / 1K token Masukan · Pembacaan cache $0.000024 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00012 / 1K token Keluaran · Token keluaran $0.00036 / 1K token Masukan · Pembacaan cache $0.000024 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.