Edisi 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct adalah anggota Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menerima teks, gambar, dan video lalu menghasilkan teks, termasuk kode atau artefak dokumen yang diminta. Pertahankan edisi Instruct yang persis alih-alih memberinya kontrak respons checkpoint Thinking atau prosedur ukuran lain. Tugas yang berguna memberi model pertanyaan konkret dan hasil yang dapat dibandingkan dengan bukti yang diberikan.
Agen visual dan pemrograman
Pembuat menjelaskan alur kerja agen visual yang mengenali elemen antarmuka, memahami fungsinya, dan memanggil alat untuk tugas komputer atau perangkat seluler. Berikan tangkapan layar dan tujuan, lalu minta kontrol yang relevan serta bukti yang mendukung pilihan. Aplikasi terhubung melakukan tindakan dan menyediakan hasil; mengenali antarmuka tidak dengan sendirinya mengontrol perangkat.
Pemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak, batasan fungsional, dan keluaran yang dapat diedit yang diperlukan. Untuk perubahan halaman yang sudah ada, sertakan sumber yang relevan dan keadaan interaksi. Minta artefak secara terpisah dari penjelasan agar alur kerja pengembangan dapat merender dan meninjaunya. Sumber yang dihasilkan tetap berupa usulan, bukan bukti aplikasi yang berfungsi.
Persepsi spasial dan materi panjang
Qwen mendokumentasikan penilaian tentang posisi, sudut pandang, dan oklusi, termasuk penentuan posisi dua dimensi dan dukungan penentuan posisi tiga dimensi. Identifikasi objek dan hubungan yang penting, lalu tanyakan petunjuk yang terlihat yang mendukung kesimpulan. Hubungan berbasis gambar sebaiknya tidak dianggap sebagai pengukuran fisik yang dikalibrasi.
Konteks bawaannya adalah 262.144 token. Keluarga ini menjelaskan buku dan video berdurasi berjam-jam, dengan pengindeksan peristiwa pada tingkat detik dan perluasan hingga sekitar satu juta token melalui konfigurasi. Pertahankan waktu dan pengenal sumber saat meminta uraian peristiwa. Representasi dan sampling menentukan materi yang masuk ke permintaan; konteks besar bukan jaminan ingatan sempurna atas setiap halaman atau bingkai video.
Penalaran, pengenalan, dan OCR
Keluarga ini mendukung pertanyaan visual STEM, matematika, kausal, dan logis. Berikan pernyataan lengkap dan label diagram, lalu minta model mengidentifikasi nilai atau hubungan yang digunakan sebelum kesimpulan. Teks dan penglihatan digabungkan, sehingga satu pertanyaan dapat menghubungkan paragraf dengan gambarnya dan instruksi pengguna.
Pengenalan meluas ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. OCR mencakup 32 bahasa dan menargetkan cahaya redup, keburaman, dan kemiringan, termasuk kosakata khusus serta struktur dokumen panjang. Berikan halaman yang dapat dibaca dan minta bidang bernama, kutipan, atau tabel yang dapat diperiksa berdasarkan gambar. Aplikasi ini mencerminkan cakupan yang didokumentasikan, bukan jaminan identifikasi, transkripsi, atau perhitungan yang persis.
Pembaruan arsitektur
Konfigurasi teks campuran pakar yang diterbitkan memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder, dan penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 235B-A22B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.
Menyiapkan masukan visual
Contoh keluarga mencakup permintaan teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan nyatakan hubungannya. Anggaran piksel gambar dan video terpisah, sedangkan dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Pengaturan video bawaan yang didokumentasikan adalah dua bingkai per detik, dengan kontrol laju atau jumlah bingkai jika didukung. Pertahankan metadata video dan hindari mengubah ukuran dua kali ketika utilitas pembantu sudah mengubah ukuran materi.
Untuk beberapa halaman dokumen, susun jawaban menurut label halaman dan minta bidang atau bagian teks pendukung. Untuk klip, minta peristiwa, interval, dan bukti terlihat yang relevan. Bandingkan interval peristiwa yang dikembalikan serta detail pendukung dengan klip asli dan waktunya.
Panduan generasi dan batasan
Berkas generasi checkpoint menggunakan nilai bawaan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,0. Prosedur Instruct keluarga ini juga menggunakan presence penalty 1,5 dan alokasi keluaran 32.768 token. Alokasi itu merupakan anggaran prosedur produsen, bukan batas keluaran ketat yang ditetapkan secara independen. Alokasi khusus tugas pada kartu 8B dan preset edisi Thinking tetap terpisah.
Perluasan konteks keluarga ini menggunakan YaRN dan menyarankan faktor dua atau tiga saat memindahkan skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang jawaban bersama teks dan visual yang direpresentasikan, lalu verifikasi kutipan, angka yang diekstrak, dan kode yang dihasilkan berdasarkan sumber. Hasil yang berguna adalah artefak tekstual konkret dengan bukti visual pendukung serta identitas Instruct yang persis tetap dipertahankan.
", "aboutText": "Edisi 235B-A22B Instruct\n\nQwen3-VL-235B-A22B-Instruct adalah anggota Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menerima teks, gambar, dan video lalu menghasilkan teks, termasuk kode atau artefak dokumen yang diminta. Pertahankan edisi Instruct yang persis alih-alih memberinya kontrak respons checkpoint Thinking atau prosedur ukuran lain. Tugas yang berguna memberi model pertanyaan konkret dan hasil yang dapat dibandingkan dengan bukti yang diberikan.\n\nAgen visual dan pemrograman\n\nPembuat menjelaskan alur kerja agen visual yang mengenali elemen antarmuka, memahami fungsinya, dan memanggil alat untuk tugas komputer atau perangkat seluler. Berikan tangkapan layar dan tujuan, lalu minta kontrol yang relevan serta bukti yang mendukung pilihan. Aplikasi terhubung melakukan tindakan dan menyediakan hasil; mengenali antarmuka tidak dengan sendirinya mengontrol perangkat.\n\nPemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak, batasan fungsional, dan keluaran yang dapat diedit yang diperlukan. Untuk perubahan halaman yang sudah ada, sertakan sumber yang relevan dan keadaan interaksi. Minta artefak secara terpisah dari penjelasan agar alur kerja pengembangan dapat merender dan meninjaunya. Sumber yang dihasilkan tetap berupa usulan, bukan bukti aplikasi yang berfungsi.\n\nPersepsi spasial dan materi panjang\n\nQwen mendokumentasikan penilaian tentang posisi, sudut pandang, dan oklusi, termasuk penentuan posisi dua dimensi dan dukungan penentuan posisi tiga dimensi. Identifikasi objek dan hubungan yang penting, lalu tanyakan petunjuk yang terlihat yang mendukung kesimpulan. Hubungan berbasis gambar sebaiknya tidak dianggap sebagai pengukuran fisik yang dikalibrasi.\n\nKonteks bawaannya adalah 262.144 token. Keluarga ini menjelaskan buku dan video berdurasi berjam-jam, dengan pengindeksan peristiwa pada tingkat detik dan perluasan hingga sekitar satu juta token melalui konfigurasi. Pertahankan waktu dan pengenal sumber saat meminta uraian peristiwa. Representasi dan sampling menentukan materi yang masuk ke permintaan; konteks besar bukan jaminan ingatan sempurna atas setiap halaman atau bingkai video.\n\nPenalaran, pengenalan, dan OCR\n\nKeluarga ini mendukung pertanyaan visual STEM, matematika, kausal, dan logis. Berikan pernyataan lengkap dan label diagram, lalu minta model mengidentifikasi nilai atau hubungan yang digunakan sebelum kesimpulan. Teks dan penglihatan digabungkan, sehingga satu pertanyaan dapat menghubungkan paragraf dengan gambarnya dan instruksi pengguna.\n\nPengenalan meluas ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. OCR mencakup 32 bahasa dan menargetkan cahaya redup, keburaman, dan kemiringan, termasuk kosakata khusus serta struktur dokumen panjang. Berikan halaman yang dapat dibaca dan minta bidang bernama, kutipan, atau tabel yang dapat diperiksa berdasarkan gambar. Aplikasi ini mencerminkan cakupan yang didokumentasikan, bukan jaminan identifikasi, transkripsi, atau perhitungan yang persis.\n\nPembaruan arsitektur\n\nKonfigurasi teks campuran pakar yang diterbitkan memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder, dan penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 235B-A22B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.\n\nMenyiapkan masukan visual\n\nContoh keluarga mencakup permintaan teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan nyatakan hubungannya. Anggaran piksel gambar dan video terpisah, sedangkan dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Pengaturan video bawaan yang didokumentasikan adalah dua bingkai per detik, dengan kontrol laju atau jumlah bingkai jika didukung. Pertahankan metadata video dan hindari mengubah ukuran dua kali ketika utilitas pembantu sudah mengubah ukuran materi.\n\nUntuk beberapa halaman dokumen, susun jawaban menurut label halaman dan minta bidang atau bagian teks pendukung. Untuk klip, minta peristiwa, interval, dan bukti terlihat yang relevan. Bandingkan interval peristiwa yang dikembalikan serta detail pendukung dengan klip asli dan waktunya.\n\nPanduan generasi dan batasan\n\nBerkas generasi checkpoint menggunakan nilai bawaan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,0. Prosedur Instruct keluarga ini juga menggunakan presence penalty 1,5 dan alokasi keluaran 32.768 token. Alokasi itu merupakan anggaran prosedur produsen, bukan batas keluaran ketat yang ditetapkan secara independen. Alokasi khusus tugas pada kartu 8B dan preset edisi Thinking tetap terpisah.\n\nPerluasan konteks keluarga ini menggunakan YaRN dan menyarankan faktor dua atau tiga saat memindahkan skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang jawaban bersama teks dan visual yang direpresentasikan, lalu verifikasi kutipan, angka yang diekstrak, dan kode yang dihasilkan berdasarkan sumber. Hasil yang berguna adalah artefak tekstual konkret dengan bukti visual pendukung serta identitas Instruct yang persis tetap dipertahankan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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-instructQwen3-VL-235B-A22B-Instruct adalah edisi penglihatan-bahasa campuran pakar Qwen yang berfokus pada instruksi untuk teks, gambar, dan video. Model ini mengembalikan teks atau kode untuk alur kerja visual, dokumen, pertanyaan spasial, dan tugas STEM, dengan OCR 32 bahasa serta konteks bawaan 262.144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Edisi 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct adalah anggota Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menerima teks, gambar, dan video lalu menghasilkan teks, termasuk kode atau artefak dokumen yang diminta. Pertahankan edisi Instruct yang persis alih-alih memberinya kontrak respons checkpoint Thinking atau prosedur ukuran lain. Tugas yang berguna memberi model pertanyaan konkret dan hasil yang dapat dibandingkan dengan bukti yang diberikan.
Agen visual dan pemrograman
Pembuat menjelaskan alur kerja agen visual yang mengenali elemen antarmuka, memahami fungsinya, dan memanggil alat untuk tugas komputer atau perangkat seluler. Berikan tangkapan layar dan tujuan, lalu minta kontrol yang relevan serta bukti yang mendukung pilihan. Aplikasi terhubung melakukan tindakan dan menyediakan hasil; mengenali antarmuka tidak dengan sendirinya mengontrol perangkat.
Pemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak, batasan fungsional, dan keluaran yang dapat diedit yang diperlukan. Untuk perubahan halaman yang sudah ada, sertakan sumber yang relevan dan keadaan interaksi. Minta artefak secara terpisah dari penjelasan agar alur kerja pengembangan dapat merender dan meninjaunya. Sumber yang dihasilkan tetap berupa usulan, bukan bukti aplikasi yang berfungsi.
Persepsi spasial dan materi panjang
Qwen mendokumentasikan penilaian tentang posisi, sudut pandang, dan oklusi, termasuk penentuan posisi dua dimensi dan dukungan penentuan posisi tiga dimensi. Identifikasi objek dan hubungan yang penting, lalu tanyakan petunjuk yang terlihat yang mendukung kesimpulan. Hubungan berbasis gambar sebaiknya tidak dianggap sebagai pengukuran fisik yang dikalibrasi.
Konteks bawaannya adalah 262.144 token. Keluarga ini menjelaskan buku dan video berdurasi berjam-jam, dengan pengindeksan peristiwa pada tingkat detik dan perluasan hingga sekitar satu juta token melalui konfigurasi. Pertahankan waktu dan pengenal sumber saat meminta uraian peristiwa. Representasi dan sampling menentukan materi yang masuk ke permintaan; konteks besar bukan jaminan ingatan sempurna atas setiap halaman atau bingkai video.
Penalaran, pengenalan, dan OCR
Keluarga ini mendukung pertanyaan visual STEM, matematika, kausal, dan logis. Berikan pernyataan lengkap dan label diagram, lalu minta model mengidentifikasi nilai atau hubungan yang digunakan sebelum kesimpulan. Teks dan penglihatan digabungkan, sehingga satu pertanyaan dapat menghubungkan paragraf dengan gambarnya dan instruksi pengguna.
Pengenalan meluas ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. OCR mencakup 32 bahasa dan menargetkan cahaya redup, keburaman, dan kemiringan, termasuk kosakata khusus serta struktur dokumen panjang. Berikan halaman yang dapat dibaca dan minta bidang bernama, kutipan, atau tabel yang dapat diperiksa berdasarkan gambar. Aplikasi ini mencerminkan cakupan yang didokumentasikan, bukan jaminan identifikasi, transkripsi, atau perhitungan yang persis.
Pembaruan arsitektur
Konfigurasi teks campuran pakar yang diterbitkan memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder, dan penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 235B-A22B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.
Menyiapkan masukan visual
Contoh keluarga mencakup permintaan teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan nyatakan hubungannya. Anggaran piksel gambar dan video terpisah, sedangkan dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Pengaturan video bawaan yang didokumentasikan adalah dua bingkai per detik, dengan kontrol laju atau jumlah bingkai jika didukung. Pertahankan metadata video dan hindari mengubah ukuran dua kali ketika utilitas pembantu sudah mengubah ukuran materi.
Untuk beberapa halaman dokumen, susun jawaban menurut label halaman dan minta bidang atau bagian teks pendukung. Untuk klip, minta peristiwa, interval, dan bukti terlihat yang relevan. Bandingkan interval peristiwa yang dikembalikan serta detail pendukung dengan klip asli dan waktunya.
Panduan generasi dan batasan
Berkas generasi checkpoint menggunakan nilai bawaan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,0. Prosedur Instruct keluarga ini juga menggunakan presence penalty 1,5 dan alokasi keluaran 32.768 token. Alokasi itu merupakan anggaran prosedur produsen, bukan batas keluaran ketat yang ditetapkan secara independen. Alokasi khusus tugas pada kartu 8B dan preset edisi Thinking tetap terpisah.
Perluasan konteks keluarga ini menggunakan YaRN dan menyarankan faktor dua atau tiga saat memindahkan skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang jawaban bersama teks dan visual yang direpresentasikan, lalu verifikasi kutipan, angka yang diekstrak, dan kode yang dihasilkan berdasarkan sumber. Hasil yang berguna adalah artefak tekstual konkret dengan bukti visual pendukung serta identitas Instruct yang persis tetap dipertahankan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-vl-235b-a22b-instruct | 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 $0.000572 / 1K token Keluaran · Token keluaran $0.0038 / 1K token Masukan · Pembacaan cache $0.0002 / 1K token Masukan · Penulisan cache $0 / 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 $0.000572 / 1K token Keluaran · Token keluaran $0.0038 / 1K token Masukan · Pembacaan cache $0.0002 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "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 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 qwen/qwen3-vl-235b-a22b-instruct
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct adalah edisi penglihatan-bahasa campuran pakar Qwen yang berfokus pada instruksi untuk teks, gambar, dan video. Model ini mengembalikan teks atau kode untuk alur kerja visual, dokumen, pertanyaan spasial, dan tugas STEM, dengan OCR 32 bahasa serta konteks bawaan 262.144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Edisi 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct adalah anggota Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menerima teks, gambar, dan video lalu menghasilkan teks, termasuk kode atau artefak dokumen yang diminta. Pertahankan edisi Instruct yang persis alih-alih memberinya kontrak respons checkpoint Thinking atau prosedur ukuran lain. Tugas yang berguna memberi model pertanyaan konkret dan hasil yang dapat dibandingkan dengan bukti yang diberikan.
Agen visual dan pemrograman
Pembuat menjelaskan alur kerja agen visual yang mengenali elemen antarmuka, memahami fungsinya, dan memanggil alat untuk tugas komputer atau perangkat seluler. Berikan tangkapan layar dan tujuan, lalu minta kontrol yang relevan serta bukti yang mendukung pilihan. Aplikasi terhubung melakukan tindakan dan menyediakan hasil; mengenali antarmuka tidak dengan sendirinya mengontrol perangkat.
Pemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak, batasan fungsional, dan keluaran yang dapat diedit yang diperlukan. Untuk perubahan halaman yang sudah ada, sertakan sumber yang relevan dan keadaan interaksi. Minta artefak secara terpisah dari penjelasan agar alur kerja pengembangan dapat merender dan meninjaunya. Sumber yang dihasilkan tetap berupa usulan, bukan bukti aplikasi yang berfungsi.
Persepsi spasial dan materi panjang
Qwen mendokumentasikan penilaian tentang posisi, sudut pandang, dan oklusi, termasuk penentuan posisi dua dimensi dan dukungan penentuan posisi tiga dimensi. Identifikasi objek dan hubungan yang penting, lalu tanyakan petunjuk yang terlihat yang mendukung kesimpulan. Hubungan berbasis gambar sebaiknya tidak dianggap sebagai pengukuran fisik yang dikalibrasi.
Konteks bawaannya adalah 262.144 token. Keluarga ini menjelaskan buku dan video berdurasi berjam-jam, dengan pengindeksan peristiwa pada tingkat detik dan perluasan hingga sekitar satu juta token melalui konfigurasi. Pertahankan waktu dan pengenal sumber saat meminta uraian peristiwa. Representasi dan sampling menentukan materi yang masuk ke permintaan; konteks besar bukan jaminan ingatan sempurna atas setiap halaman atau bingkai video.
Penalaran, pengenalan, dan OCR
Keluarga ini mendukung pertanyaan visual STEM, matematika, kausal, dan logis. Berikan pernyataan lengkap dan label diagram, lalu minta model mengidentifikasi nilai atau hubungan yang digunakan sebelum kesimpulan. Teks dan penglihatan digabungkan, sehingga satu pertanyaan dapat menghubungkan paragraf dengan gambarnya dan instruksi pengguna.
Pengenalan meluas ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. OCR mencakup 32 bahasa dan menargetkan cahaya redup, keburaman, dan kemiringan, termasuk kosakata khusus serta struktur dokumen panjang. Berikan halaman yang dapat dibaca dan minta bidang bernama, kutipan, atau tabel yang dapat diperiksa berdasarkan gambar. Aplikasi ini mencerminkan cakupan yang didokumentasikan, bukan jaminan identifikasi, transkripsi, atau perhitungan yang persis.
Pembaruan arsitektur
Konfigurasi teks campuran pakar yang diterbitkan memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder, dan penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 235B-A22B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.
Menyiapkan masukan visual
Contoh keluarga mencakup permintaan teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan nyatakan hubungannya. Anggaran piksel gambar dan video terpisah, sedangkan dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Pengaturan video bawaan yang didokumentasikan adalah dua bingkai per detik, dengan kontrol laju atau jumlah bingkai jika didukung. Pertahankan metadata video dan hindari mengubah ukuran dua kali ketika utilitas pembantu sudah mengubah ukuran materi.
Untuk beberapa halaman dokumen, susun jawaban menurut label halaman dan minta bidang atau bagian teks pendukung. Untuk klip, minta peristiwa, interval, dan bukti terlihat yang relevan. Bandingkan interval peristiwa yang dikembalikan serta detail pendukung dengan klip asli dan waktunya.
Panduan generasi dan batasan
Berkas generasi checkpoint menggunakan nilai bawaan temperature 0,7, top_p 0,8, top_k 20, dan repetition penalty 1,0. Prosedur Instruct keluarga ini juga menggunakan presence penalty 1,5 dan alokasi keluaran 32.768 token. Alokasi itu merupakan anggaran prosedur produsen, bukan batas keluaran ketat yang ditetapkan secara independen. Alokasi khusus tugas pada kartu 8B dan preset edisi Thinking tetap terpisah.
Perluasan konteks keluarga ini menggunakan YaRN dan menyarankan faktor dua atau tiga saat memindahkan skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang jawaban bersama teks dan visual yang direpresentasikan, lalu verifikasi kutipan, angka yang diekstrak, dan kode yang dihasilkan berdasarkan sumber. Hasil yang berguna adalah artefak tekstual konkret dengan bukti visual pendukung serta identitas Instruct yang persis tetap dipertahankan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-vl-235b-a22b-instruct | 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 $0.000572 / 1K token Keluaran · Token keluaran $0.0038 / 1K token Masukan · Pembacaan cache $0.0002 / 1K token Masukan · Penulisan cache $0 / 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 $0.000572 / 1K token Keluaran · Token keluaran $0.0038 / 1K token Masukan · Pembacaan cache $0.0002 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-vl-235b-a22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 qwen/qwen3-vl-235b-a22b-instruct
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.