Pengantar: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking adalah edisi mixture-of-experts Qwen3-VL yang berfokus pada penalaran. Model ini menggabungkan teks dengan gambar dan video, menghasilkan jawaban tekstual atau kode. Checkpoint Thinking tetap ini terpisah dari Qwen3-VL-235B-A22B-Instruct dan build FP8 yang dinamai secara terpisah. Pilih model ini untuk pertanyaan yang memerlukan pengaitan bukti visual dengan penjelasan lebih panjang, alih-alih mengasumsikan setiap edisi Qwen3-VL memiliki gaya respons yang sama.
Agen visual dan pemrograman visual
Qwen menjelaskan alur agen visual yang mengenali elemen dalam antarmuka komputer atau ponsel, menginterpretasikan fungsinya, dan bekerja dengan alat untuk menyelesaikan tugas. Model menyediakan persepsi dan penalaran; aplikasi harus menghubungkan serta menjalankan tindakan. Untuk tinjauan antarmuka, berikan tangkapan layar saat ini dan tujuan spesifik, lalu minta model mengidentifikasi kendali yang relevan dan menjelaskan tindakan berikutnya. Gambar saja tidak memberikan kendali atas perangkat.
Pemrograman visual mencakup pembuatan konten diagram serta HTML, CSS, atau JavaScript dari gambar dan video. Berikan tangkapan layar dengan tata letak, perilaku, dan format keluaran yang dapat disunting yang diperlukan. Minta struktur halaman dan gaya sebagai artefak terpisah ketika hal itu memudahkan tinjauan. Kode yang dihasilkan adalah teks untuk alur pengembangan; kode itu bukan bukti bahwa situs web telah dirender atau gambar sumber telah menjadi aplikasi yang berfungsi.
Persepsi spasial
Produsen mendokumentasikan penalaran tentang posisi objek, sudut pandang, dan oklusi, dengan grounding dua dimensi serta dukungan grounding tiga dimensi. Ajukan pertanyaan hubungan yang konkret dan tentukan objek yang menjadi perhatian: misalnya, komponen mana yang tertutup, apa yang berada di depannya, dan petunjuk visual mana yang mendukung interpretasi tersebut. Kemampuan grounding tidak boleh diperlakukan sebagai pengukuran fisik terkalibrasi dari gambar sembarang.
Konteks panjang dan video
Konteks native adalah 262,144 token. Qwen menjelaskan perluasan hingga sekitar satu juta melalui konfigurasi YaRN, serta alur keluarga yang melibatkan buku atau video berdurasi berjam-jam dengan pengindeksan peristiwa pada ketelitian tingkat detik. Kemampuan ini bergantung pada representasi, sampling frame, dan konfigurasi konteks; deskripsi luas dari produsen tidak menjamin ingatan sempurna atas setiap frame. Dalam repositorinya, Qwen menyarankan faktor ekstrapolasi dua atau tiga untuk skema posisi interleaved ini saat memperluas 256K menjadi sekitar 1M, alih-alih otomatis menyalin faktor empat dari model lain.
Penalaran dan pengenalan multimodal
Edisi Thinking menargetkan penalaran STEM dan matematika berbasis bukti, analisis kausal, serta jawaban logis yang menghubungkan teks dengan materi visual. Berikan diagram beserta definisinya, atau grafik beserta pertanyaan numerik yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen juga menjelaskan pengenalan visual yang lebih luas untuk orang, anime, produk, tengara, tumbuhan, dan hewan. Jawaban pengenalan tetap merupakan inferensi dari gambar yang diberikan, bukan jaminan bahwa setiap objek atau identitas dapat dinamai.
OCR mencakup 32 bahasa dan dirancang untuk meningkatkan pembacaan dalam kondisi cahaya redup, buram, atau miring, termasuk kosakata khusus dan struktur dokumen panjang. Pertahankan gambar sumber yang terbaca dan minta bidang, kutipan, atau tabel terstruktur yang dapat diperiksa. Pemahaman teks dan visual digabungkan dalam satu model, sehingga pertanyaan dapat merujuk secara bersamaan pada kutipan dokumen, gambar, dan instruksi pengguna.
Perubahan arsitektur
Interleaved-MRoPE mendistribusikan representasi posisi pada dimensi waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder untuk menangkap rincian lebih halus dan meningkatkan keselarasan gambar–teks. Penyelarasan teks–stempel waktu menautkan peristiwa pada rujukan temporal. Konfigurasi teks yang dirilis memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Rincian arsitektur ini menjelaskan representasi multimodal model; rincian tersebut tidak menetapkan jaminan waktu respons.
Menyiapkan masukan dan keluaran visual
Contoh produsen mencakup gambar tunggal atau jamak, video, dan permintaan yang hanya berupa teks. Beri label pada setiap masukan visual agar pertanyaan dapat merujuknya dengan jelas. Pemroses gambar dan video menggunakan anggaran piksel yang terpisah: anggaran gambar membatasi pikselnya, sedangkan anggaran video menghitung piksel pada seluruh frame yang disampel. Dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Sampling video dapat dikendalikan berdasarkan laju atau jumlah frame; pengaturan bawaan yang didokumentasikan adalah dua frame per detik. Pertahankan stempel waktu saat meminta linimasa peristiwa.
Untuk klip panjang, minta peristiwa, interval waktunya, dan bukti yang terlihat, bukan ringkasan tanpa pembedaan. Untuk beberapa halaman, minta hasil yang ditata berdasarkan pengenal halaman. Contoh persiapan ini menerapkan kemampuan yang didokumentasikan dan membantu memperlihatkan kelalaian atau kesalahan ekstraksi.
Panduan generasi dan batas
Berkas generasi checkpoint memiliki pengaturan bawaan temperature 0.8, top_p 0.95, dan top_k 20. Resep evaluasi Thinking terpisah dari Qwen menggunakan temperature 0.6, presence penalty nol, repetition penalty 1.0, dan jatah keluaran 40,960 token. Ini adalah preset produsen yang berbeda, bukan satu batas keluaran mutlak. Sisakan ruang untuk penalaran dan teks akhir bersama token visual, serta verifikasi teks hasil ekstraksi, jawaban perhitungan, dan kode yang dihasilkan terhadap sumber sebelum menggunakannya.
", "aboutText": "Pengantar: edisi Thinking multimodal\n\nQwen3-VL-235B-A22B-Thinking adalah edisi mixture-of-experts Qwen3-VL yang berfokus pada penalaran. Model ini menggabungkan teks dengan gambar dan video, menghasilkan jawaban tekstual atau kode. Checkpoint Thinking tetap ini terpisah dari Qwen3-VL-235B-A22B-Instruct dan build FP8 yang dinamai secara terpisah. Pilih model ini untuk pertanyaan yang memerlukan pengaitan bukti visual dengan penjelasan lebih panjang, alih-alih mengasumsikan setiap edisi Qwen3-VL memiliki gaya respons yang sama.\n\nAgen visual dan pemrograman visual\n\nQwen menjelaskan alur agen visual yang mengenali elemen dalam antarmuka komputer atau ponsel, menginterpretasikan fungsinya, dan bekerja dengan alat untuk menyelesaikan tugas. Model menyediakan persepsi dan penalaran; aplikasi harus menghubungkan serta menjalankan tindakan. Untuk tinjauan antarmuka, berikan tangkapan layar saat ini dan tujuan spesifik, lalu minta model mengidentifikasi kendali yang relevan dan menjelaskan tindakan berikutnya. Gambar saja tidak memberikan kendali atas perangkat.\n\nPemrograman visual mencakup pembuatan konten diagram serta HTML, CSS, atau JavaScript dari gambar dan video. Berikan tangkapan layar dengan tata letak, perilaku, dan format keluaran yang dapat disunting yang diperlukan. Minta struktur halaman dan gaya sebagai artefak terpisah ketika hal itu memudahkan tinjauan. Kode yang dihasilkan adalah teks untuk alur pengembangan; kode itu bukan bukti bahwa situs web telah dirender atau gambar sumber telah menjadi aplikasi yang berfungsi.\n\nPersepsi spasial\n\nProdusen mendokumentasikan penalaran tentang posisi objek, sudut pandang, dan oklusi, dengan grounding dua dimensi serta dukungan grounding tiga dimensi. Ajukan pertanyaan hubungan yang konkret dan tentukan objek yang menjadi perhatian: misalnya, komponen mana yang tertutup, apa yang berada di depannya, dan petunjuk visual mana yang mendukung interpretasi tersebut. Kemampuan grounding tidak boleh diperlakukan sebagai pengukuran fisik terkalibrasi dari gambar sembarang.\n\nKonteks panjang dan video\n\nKonteks native adalah 262,144 token. Qwen menjelaskan perluasan hingga sekitar satu juta melalui konfigurasi YaRN, serta alur keluarga yang melibatkan buku atau video berdurasi berjam-jam dengan pengindeksan peristiwa pada ketelitian tingkat detik. Kemampuan ini bergantung pada representasi, sampling frame, dan konfigurasi konteks; deskripsi luas dari produsen tidak menjamin ingatan sempurna atas setiap frame. Dalam repositorinya, Qwen menyarankan faktor ekstrapolasi dua atau tiga untuk skema posisi interleaved ini saat memperluas 256K menjadi sekitar 1M, alih-alih otomatis menyalin faktor empat dari model lain.\n\nPenalaran dan pengenalan multimodal\n\nEdisi Thinking menargetkan penalaran STEM dan matematika berbasis bukti, analisis kausal, serta jawaban logis yang menghubungkan teks dengan materi visual. Berikan diagram beserta definisinya, atau grafik beserta pertanyaan numerik yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen juga menjelaskan pengenalan visual yang lebih luas untuk orang, anime, produk, tengara, tumbuhan, dan hewan. Jawaban pengenalan tetap merupakan inferensi dari gambar yang diberikan, bukan jaminan bahwa setiap objek atau identitas dapat dinamai.\n\nOCR mencakup 32 bahasa dan dirancang untuk meningkatkan pembacaan dalam kondisi cahaya redup, buram, atau miring, termasuk kosakata khusus dan struktur dokumen panjang. Pertahankan gambar sumber yang terbaca dan minta bidang, kutipan, atau tabel terstruktur yang dapat diperiksa. Pemahaman teks dan visual digabungkan dalam satu model, sehingga pertanyaan dapat merujuk secara bersamaan pada kutipan dokumen, gambar, dan instruksi pengguna.\n\nPerubahan arsitektur\n\nInterleaved-MRoPE mendistribusikan representasi posisi pada dimensi waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder untuk menangkap rincian lebih halus dan meningkatkan keselarasan gambar–teks. Penyelarasan teks–stempel waktu menautkan peristiwa pada rujukan temporal. Konfigurasi teks yang dirilis memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Rincian arsitektur ini menjelaskan representasi multimodal model; rincian tersebut tidak menetapkan jaminan waktu respons.\n\nMenyiapkan masukan dan keluaran visual\n\nContoh produsen mencakup gambar tunggal atau jamak, video, dan permintaan yang hanya berupa teks. Beri label pada setiap masukan visual agar pertanyaan dapat merujuknya dengan jelas. Pemroses gambar dan video menggunakan anggaran piksel yang terpisah: anggaran gambar membatasi pikselnya, sedangkan anggaran video menghitung piksel pada seluruh frame yang disampel. Dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Sampling video dapat dikendalikan berdasarkan laju atau jumlah frame; pengaturan bawaan yang didokumentasikan adalah dua frame per detik. Pertahankan stempel waktu saat meminta linimasa peristiwa.\n\nUntuk klip panjang, minta peristiwa, interval waktunya, dan bukti yang terlihat, bukan ringkasan tanpa pembedaan. Untuk beberapa halaman, minta hasil yang ditata berdasarkan pengenal halaman. Contoh persiapan ini menerapkan kemampuan yang didokumentasikan dan membantu memperlihatkan kelalaian atau kesalahan ekstraksi.\n\nPanduan generasi dan batas\n\nBerkas generasi checkpoint memiliki pengaturan bawaan temperature 0.8, top_p 0.95, dan top_k 20. Resep evaluasi Thinking terpisah dari Qwen menggunakan temperature 0.6, presence penalty nol, repetition penalty 1.0, dan jatah keluaran 40,960 token. Ini adalah preset produsen yang berbeda, bukan satu batas keluaran mutlak. Sisakan ruang untuk penalaran dan teks akhir bersama token visual, serta verifikasi teks hasil ekstraksi, jawaban perhitungan, dan kode yang dihasilkan terhadap sumber sebelum menggunakannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking adalah model vision-language mixture-of-experts Qwen untuk penalaran teks, gambar, dan video. Gunakan edisi Thinking untuk pertanyaan STEM, bukti dokumen, hubungan spasial, pemrograman visual, dan analisis video dengan stempel waktu, dengan konteks native 262,144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Pengantar: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking adalah edisi mixture-of-experts Qwen3-VL yang berfokus pada penalaran. Model ini menggabungkan teks dengan gambar dan video, menghasilkan jawaban tekstual atau kode. Checkpoint Thinking tetap ini terpisah dari Qwen3-VL-235B-A22B-Instruct dan build FP8 yang dinamai secara terpisah. Pilih model ini untuk pertanyaan yang memerlukan pengaitan bukti visual dengan penjelasan lebih panjang, alih-alih mengasumsikan setiap edisi Qwen3-VL memiliki gaya respons yang sama.
Agen visual dan pemrograman visual
Qwen menjelaskan alur agen visual yang mengenali elemen dalam antarmuka komputer atau ponsel, menginterpretasikan fungsinya, dan bekerja dengan alat untuk menyelesaikan tugas. Model menyediakan persepsi dan penalaran; aplikasi harus menghubungkan serta menjalankan tindakan. Untuk tinjauan antarmuka, berikan tangkapan layar saat ini dan tujuan spesifik, lalu minta model mengidentifikasi kendali yang relevan dan menjelaskan tindakan berikutnya. Gambar saja tidak memberikan kendali atas perangkat.
Pemrograman visual mencakup pembuatan konten diagram serta HTML, CSS, atau JavaScript dari gambar dan video. Berikan tangkapan layar dengan tata letak, perilaku, dan format keluaran yang dapat disunting yang diperlukan. Minta struktur halaman dan gaya sebagai artefak terpisah ketika hal itu memudahkan tinjauan. Kode yang dihasilkan adalah teks untuk alur pengembangan; kode itu bukan bukti bahwa situs web telah dirender atau gambar sumber telah menjadi aplikasi yang berfungsi.
Persepsi spasial
Produsen mendokumentasikan penalaran tentang posisi objek, sudut pandang, dan oklusi, dengan grounding dua dimensi serta dukungan grounding tiga dimensi. Ajukan pertanyaan hubungan yang konkret dan tentukan objek yang menjadi perhatian: misalnya, komponen mana yang tertutup, apa yang berada di depannya, dan petunjuk visual mana yang mendukung interpretasi tersebut. Kemampuan grounding tidak boleh diperlakukan sebagai pengukuran fisik terkalibrasi dari gambar sembarang.
Konteks panjang dan video
Konteks native adalah 262,144 token. Qwen menjelaskan perluasan hingga sekitar satu juta melalui konfigurasi YaRN, serta alur keluarga yang melibatkan buku atau video berdurasi berjam-jam dengan pengindeksan peristiwa pada ketelitian tingkat detik. Kemampuan ini bergantung pada representasi, sampling frame, dan konfigurasi konteks; deskripsi luas dari produsen tidak menjamin ingatan sempurna atas setiap frame. Dalam repositorinya, Qwen menyarankan faktor ekstrapolasi dua atau tiga untuk skema posisi interleaved ini saat memperluas 256K menjadi sekitar 1M, alih-alih otomatis menyalin faktor empat dari model lain.
Penalaran dan pengenalan multimodal
Edisi Thinking menargetkan penalaran STEM dan matematika berbasis bukti, analisis kausal, serta jawaban logis yang menghubungkan teks dengan materi visual. Berikan diagram beserta definisinya, atau grafik beserta pertanyaan numerik yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen juga menjelaskan pengenalan visual yang lebih luas untuk orang, anime, produk, tengara, tumbuhan, dan hewan. Jawaban pengenalan tetap merupakan inferensi dari gambar yang diberikan, bukan jaminan bahwa setiap objek atau identitas dapat dinamai.
OCR mencakup 32 bahasa dan dirancang untuk meningkatkan pembacaan dalam kondisi cahaya redup, buram, atau miring, termasuk kosakata khusus dan struktur dokumen panjang. Pertahankan gambar sumber yang terbaca dan minta bidang, kutipan, atau tabel terstruktur yang dapat diperiksa. Pemahaman teks dan visual digabungkan dalam satu model, sehingga pertanyaan dapat merujuk secara bersamaan pada kutipan dokumen, gambar, dan instruksi pengguna.
Perubahan arsitektur
Interleaved-MRoPE mendistribusikan representasi posisi pada dimensi waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder untuk menangkap rincian lebih halus dan meningkatkan keselarasan gambar–teks. Penyelarasan teks–stempel waktu menautkan peristiwa pada rujukan temporal. Konfigurasi teks yang dirilis memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Rincian arsitektur ini menjelaskan representasi multimodal model; rincian tersebut tidak menetapkan jaminan waktu respons.
Menyiapkan masukan dan keluaran visual
Contoh produsen mencakup gambar tunggal atau jamak, video, dan permintaan yang hanya berupa teks. Beri label pada setiap masukan visual agar pertanyaan dapat merujuknya dengan jelas. Pemroses gambar dan video menggunakan anggaran piksel yang terpisah: anggaran gambar membatasi pikselnya, sedangkan anggaran video menghitung piksel pada seluruh frame yang disampel. Dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Sampling video dapat dikendalikan berdasarkan laju atau jumlah frame; pengaturan bawaan yang didokumentasikan adalah dua frame per detik. Pertahankan stempel waktu saat meminta linimasa peristiwa.
Untuk klip panjang, minta peristiwa, interval waktunya, dan bukti yang terlihat, bukan ringkasan tanpa pembedaan. Untuk beberapa halaman, minta hasil yang ditata berdasarkan pengenal halaman. Contoh persiapan ini menerapkan kemampuan yang didokumentasikan dan membantu memperlihatkan kelalaian atau kesalahan ekstraksi.
Panduan generasi dan batas
Berkas generasi checkpoint memiliki pengaturan bawaan temperature 0.8, top_p 0.95, dan top_k 20. Resep evaluasi Thinking terpisah dari Qwen menggunakan temperature 0.6, presence penalty nol, repetition penalty 1.0, dan jatah keluaran 40,960 token. Ini adalah preset produsen yang berbeda, bukan satu batas keluaran mutlak. Sisakan ruang untuk penalaran dan teks akhir bersama token visual, serta verifikasi teks hasil ekstraksi, jawaban perhitungan, dan kode yang dihasilkan terhadap sumber sebelum menggunakannya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-vl-235b-a22b-thinking | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
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 |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
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.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.00572 / 1K token Masukan · Pembacaan cache $0 / 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-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking adalah model vision-language mixture-of-experts Qwen untuk penalaran teks, gambar, dan video. Gunakan edisi Thinking untuk pertanyaan STEM, bukti dokumen, hubungan spasial, pemrograman visual, dan analisis video dengan stempel waktu, dengan konteks native 262,144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Pengantar: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking adalah edisi mixture-of-experts Qwen3-VL yang berfokus pada penalaran. Model ini menggabungkan teks dengan gambar dan video, menghasilkan jawaban tekstual atau kode. Checkpoint Thinking tetap ini terpisah dari Qwen3-VL-235B-A22B-Instruct dan build FP8 yang dinamai secara terpisah. Pilih model ini untuk pertanyaan yang memerlukan pengaitan bukti visual dengan penjelasan lebih panjang, alih-alih mengasumsikan setiap edisi Qwen3-VL memiliki gaya respons yang sama.
Agen visual dan pemrograman visual
Qwen menjelaskan alur agen visual yang mengenali elemen dalam antarmuka komputer atau ponsel, menginterpretasikan fungsinya, dan bekerja dengan alat untuk menyelesaikan tugas. Model menyediakan persepsi dan penalaran; aplikasi harus menghubungkan serta menjalankan tindakan. Untuk tinjauan antarmuka, berikan tangkapan layar saat ini dan tujuan spesifik, lalu minta model mengidentifikasi kendali yang relevan dan menjelaskan tindakan berikutnya. Gambar saja tidak memberikan kendali atas perangkat.
Pemrograman visual mencakup pembuatan konten diagram serta HTML, CSS, atau JavaScript dari gambar dan video. Berikan tangkapan layar dengan tata letak, perilaku, dan format keluaran yang dapat disunting yang diperlukan. Minta struktur halaman dan gaya sebagai artefak terpisah ketika hal itu memudahkan tinjauan. Kode yang dihasilkan adalah teks untuk alur pengembangan; kode itu bukan bukti bahwa situs web telah dirender atau gambar sumber telah menjadi aplikasi yang berfungsi.
Persepsi spasial
Produsen mendokumentasikan penalaran tentang posisi objek, sudut pandang, dan oklusi, dengan grounding dua dimensi serta dukungan grounding tiga dimensi. Ajukan pertanyaan hubungan yang konkret dan tentukan objek yang menjadi perhatian: misalnya, komponen mana yang tertutup, apa yang berada di depannya, dan petunjuk visual mana yang mendukung interpretasi tersebut. Kemampuan grounding tidak boleh diperlakukan sebagai pengukuran fisik terkalibrasi dari gambar sembarang.
Konteks panjang dan video
Konteks native adalah 262,144 token. Qwen menjelaskan perluasan hingga sekitar satu juta melalui konfigurasi YaRN, serta alur keluarga yang melibatkan buku atau video berdurasi berjam-jam dengan pengindeksan peristiwa pada ketelitian tingkat detik. Kemampuan ini bergantung pada representasi, sampling frame, dan konfigurasi konteks; deskripsi luas dari produsen tidak menjamin ingatan sempurna atas setiap frame. Dalam repositorinya, Qwen menyarankan faktor ekstrapolasi dua atau tiga untuk skema posisi interleaved ini saat memperluas 256K menjadi sekitar 1M, alih-alih otomatis menyalin faktor empat dari model lain.
Penalaran dan pengenalan multimodal
Edisi Thinking menargetkan penalaran STEM dan matematika berbasis bukti, analisis kausal, serta jawaban logis yang menghubungkan teks dengan materi visual. Berikan diagram beserta definisinya, atau grafik beserta pertanyaan numerik yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen juga menjelaskan pengenalan visual yang lebih luas untuk orang, anime, produk, tengara, tumbuhan, dan hewan. Jawaban pengenalan tetap merupakan inferensi dari gambar yang diberikan, bukan jaminan bahwa setiap objek atau identitas dapat dinamai.
OCR mencakup 32 bahasa dan dirancang untuk meningkatkan pembacaan dalam kondisi cahaya redup, buram, atau miring, termasuk kosakata khusus dan struktur dokumen panjang. Pertahankan gambar sumber yang terbaca dan minta bidang, kutipan, atau tabel terstruktur yang dapat diperiksa. Pemahaman teks dan visual digabungkan dalam satu model, sehingga pertanyaan dapat merujuk secara bersamaan pada kutipan dokumen, gambar, dan instruksi pengguna.
Perubahan arsitektur
Interleaved-MRoPE mendistribusikan representasi posisi pada dimensi waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder untuk menangkap rincian lebih halus dan meningkatkan keselarasan gambar–teks. Penyelarasan teks–stempel waktu menautkan peristiwa pada rujukan temporal. Konfigurasi teks yang dirilis memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Rincian arsitektur ini menjelaskan representasi multimodal model; rincian tersebut tidak menetapkan jaminan waktu respons.
Menyiapkan masukan dan keluaran visual
Contoh produsen mencakup gambar tunggal atau jamak, video, dan permintaan yang hanya berupa teks. Beri label pada setiap masukan visual agar pertanyaan dapat merujuknya dengan jelas. Pemroses gambar dan video menggunakan anggaran piksel yang terpisah: anggaran gambar membatasi pikselnya, sedangkan anggaran video menghitung piksel pada seluruh frame yang disampel. Dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Sampling video dapat dikendalikan berdasarkan laju atau jumlah frame; pengaturan bawaan yang didokumentasikan adalah dua frame per detik. Pertahankan stempel waktu saat meminta linimasa peristiwa.
Untuk klip panjang, minta peristiwa, interval waktunya, dan bukti yang terlihat, bukan ringkasan tanpa pembedaan. Untuk beberapa halaman, minta hasil yang ditata berdasarkan pengenal halaman. Contoh persiapan ini menerapkan kemampuan yang didokumentasikan dan membantu memperlihatkan kelalaian atau kesalahan ekstraksi.
Panduan generasi dan batas
Berkas generasi checkpoint memiliki pengaturan bawaan temperature 0.8, top_p 0.95, dan top_k 20. Resep evaluasi Thinking terpisah dari Qwen menggunakan temperature 0.6, presence penalty nol, repetition penalty 1.0, dan jatah keluaran 40,960 token. Ini adalah preset produsen yang berbeda, bukan satu batas keluaran mutlak. Sisakan ruang untuk penalaran dan teks akhir bersama token visual, serta verifikasi teks hasil ekstraksi, jawaban perhitungan, dan kode yang dihasilkan terhadap sumber sebelum menggunakannya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-vl-235b-a22b-thinking | 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.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.00572 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-thinking', '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-thinking', '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-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking adalah model vision-language mixture-of-experts Qwen untuk penalaran teks, gambar, dan video. Gunakan edisi Thinking untuk pertanyaan STEM, bukti dokumen, hubungan spasial, pemrograman visual, dan analisis video dengan stempel waktu, dengan konteks native 262,144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Pengantar: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking adalah edisi mixture-of-experts Qwen3-VL yang berfokus pada penalaran. Model ini menggabungkan teks dengan gambar dan video, menghasilkan jawaban tekstual atau kode. Checkpoint Thinking tetap ini terpisah dari Qwen3-VL-235B-A22B-Instruct dan build FP8 yang dinamai secara terpisah. Pilih model ini untuk pertanyaan yang memerlukan pengaitan bukti visual dengan penjelasan lebih panjang, alih-alih mengasumsikan setiap edisi Qwen3-VL memiliki gaya respons yang sama.
Agen visual dan pemrograman visual
Qwen menjelaskan alur agen visual yang mengenali elemen dalam antarmuka komputer atau ponsel, menginterpretasikan fungsinya, dan bekerja dengan alat untuk menyelesaikan tugas. Model menyediakan persepsi dan penalaran; aplikasi harus menghubungkan serta menjalankan tindakan. Untuk tinjauan antarmuka, berikan tangkapan layar saat ini dan tujuan spesifik, lalu minta model mengidentifikasi kendali yang relevan dan menjelaskan tindakan berikutnya. Gambar saja tidak memberikan kendali atas perangkat.
Pemrograman visual mencakup pembuatan konten diagram serta HTML, CSS, atau JavaScript dari gambar dan video. Berikan tangkapan layar dengan tata letak, perilaku, dan format keluaran yang dapat disunting yang diperlukan. Minta struktur halaman dan gaya sebagai artefak terpisah ketika hal itu memudahkan tinjauan. Kode yang dihasilkan adalah teks untuk alur pengembangan; kode itu bukan bukti bahwa situs web telah dirender atau gambar sumber telah menjadi aplikasi yang berfungsi.
Persepsi spasial
Produsen mendokumentasikan penalaran tentang posisi objek, sudut pandang, dan oklusi, dengan grounding dua dimensi serta dukungan grounding tiga dimensi. Ajukan pertanyaan hubungan yang konkret dan tentukan objek yang menjadi perhatian: misalnya, komponen mana yang tertutup, apa yang berada di depannya, dan petunjuk visual mana yang mendukung interpretasi tersebut. Kemampuan grounding tidak boleh diperlakukan sebagai pengukuran fisik terkalibrasi dari gambar sembarang.
Konteks panjang dan video
Konteks native adalah 262,144 token. Qwen menjelaskan perluasan hingga sekitar satu juta melalui konfigurasi YaRN, serta alur keluarga yang melibatkan buku atau video berdurasi berjam-jam dengan pengindeksan peristiwa pada ketelitian tingkat detik. Kemampuan ini bergantung pada representasi, sampling frame, dan konfigurasi konteks; deskripsi luas dari produsen tidak menjamin ingatan sempurna atas setiap frame. Dalam repositorinya, Qwen menyarankan faktor ekstrapolasi dua atau tiga untuk skema posisi interleaved ini saat memperluas 256K menjadi sekitar 1M, alih-alih otomatis menyalin faktor empat dari model lain.
Penalaran dan pengenalan multimodal
Edisi Thinking menargetkan penalaran STEM dan matematika berbasis bukti, analisis kausal, serta jawaban logis yang menghubungkan teks dengan materi visual. Berikan diagram beserta definisinya, atau grafik beserta pertanyaan numerik yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen juga menjelaskan pengenalan visual yang lebih luas untuk orang, anime, produk, tengara, tumbuhan, dan hewan. Jawaban pengenalan tetap merupakan inferensi dari gambar yang diberikan, bukan jaminan bahwa setiap objek atau identitas dapat dinamai.
OCR mencakup 32 bahasa dan dirancang untuk meningkatkan pembacaan dalam kondisi cahaya redup, buram, atau miring, termasuk kosakata khusus dan struktur dokumen panjang. Pertahankan gambar sumber yang terbaca dan minta bidang, kutipan, atau tabel terstruktur yang dapat diperiksa. Pemahaman teks dan visual digabungkan dalam satu model, sehingga pertanyaan dapat merujuk secara bersamaan pada kutipan dokumen, gambar, dan instruksi pengguna.
Perubahan arsitektur
Interleaved-MRoPE mendistribusikan representasi posisi pada dimensi waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder untuk menangkap rincian lebih halus dan meningkatkan keselarasan gambar–teks. Penyelarasan teks–stempel waktu menautkan peristiwa pada rujukan temporal. Konfigurasi teks yang dirilis memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Rincian arsitektur ini menjelaskan representasi multimodal model; rincian tersebut tidak menetapkan jaminan waktu respons.
Menyiapkan masukan dan keluaran visual
Contoh produsen mencakup gambar tunggal atau jamak, video, dan permintaan yang hanya berupa teks. Beri label pada setiap masukan visual agar pertanyaan dapat merujuknya dengan jelas. Pemroses gambar dan video menggunakan anggaran piksel yang terpisah: anggaran gambar membatasi pikselnya, sedangkan anggaran video menghitung piksel pada seluruh frame yang disampel. Dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Sampling video dapat dikendalikan berdasarkan laju atau jumlah frame; pengaturan bawaan yang didokumentasikan adalah dua frame per detik. Pertahankan stempel waktu saat meminta linimasa peristiwa.
Untuk klip panjang, minta peristiwa, interval waktunya, dan bukti yang terlihat, bukan ringkasan tanpa pembedaan. Untuk beberapa halaman, minta hasil yang ditata berdasarkan pengenal halaman. Contoh persiapan ini menerapkan kemampuan yang didokumentasikan dan membantu memperlihatkan kelalaian atau kesalahan ekstraksi.
Panduan generasi dan batas
Berkas generasi checkpoint memiliki pengaturan bawaan temperature 0.8, top_p 0.95, dan top_k 20. Resep evaluasi Thinking terpisah dari Qwen menggunakan temperature 0.6, presence penalty nol, repetition penalty 1.0, dan jatah keluaran 40,960 token. Ini adalah preset produsen yang berbeda, bukan satu batas keluaran mutlak. Sisakan ruang untuk penalaran dan teks akhir bersama token visual, serta verifikasi teks hasil ekstraksi, jawaban perhitungan, dan kode yang dihasilkan terhadap sumber sebelum menggunakannya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen3-vl-235b-a22b-thinking | 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.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.00572 / 1K token Masukan · Pembacaan cache $0 / 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": "qwen3-vl-235b-a22b-thinking", "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='qwen3-vl-235b-a22b-thinking',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='qwen3-vl-235b-a22b-thinking',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-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking adalah model vision-language mixture-of-experts Qwen untuk penalaran teks, gambar, dan video. Gunakan edisi Thinking untuk pertanyaan STEM, bukti dokumen, hubungan spasial, pemrograman visual, dan analisis video dengan stempel waktu, dengan konteks native 262,144 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Pengantar: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking adalah edisi mixture-of-experts Qwen3-VL yang berfokus pada penalaran. Model ini menggabungkan teks dengan gambar dan video, menghasilkan jawaban tekstual atau kode. Checkpoint Thinking tetap ini terpisah dari Qwen3-VL-235B-A22B-Instruct dan build FP8 yang dinamai secara terpisah. Pilih model ini untuk pertanyaan yang memerlukan pengaitan bukti visual dengan penjelasan lebih panjang, alih-alih mengasumsikan setiap edisi Qwen3-VL memiliki gaya respons yang sama.
Agen visual dan pemrograman visual
Qwen menjelaskan alur agen visual yang mengenali elemen dalam antarmuka komputer atau ponsel, menginterpretasikan fungsinya, dan bekerja dengan alat untuk menyelesaikan tugas. Model menyediakan persepsi dan penalaran; aplikasi harus menghubungkan serta menjalankan tindakan. Untuk tinjauan antarmuka, berikan tangkapan layar saat ini dan tujuan spesifik, lalu minta model mengidentifikasi kendali yang relevan dan menjelaskan tindakan berikutnya. Gambar saja tidak memberikan kendali atas perangkat.
Pemrograman visual mencakup pembuatan konten diagram serta HTML, CSS, atau JavaScript dari gambar dan video. Berikan tangkapan layar dengan tata letak, perilaku, dan format keluaran yang dapat disunting yang diperlukan. Minta struktur halaman dan gaya sebagai artefak terpisah ketika hal itu memudahkan tinjauan. Kode yang dihasilkan adalah teks untuk alur pengembangan; kode itu bukan bukti bahwa situs web telah dirender atau gambar sumber telah menjadi aplikasi yang berfungsi.
Persepsi spasial
Produsen mendokumentasikan penalaran tentang posisi objek, sudut pandang, dan oklusi, dengan grounding dua dimensi serta dukungan grounding tiga dimensi. Ajukan pertanyaan hubungan yang konkret dan tentukan objek yang menjadi perhatian: misalnya, komponen mana yang tertutup, apa yang berada di depannya, dan petunjuk visual mana yang mendukung interpretasi tersebut. Kemampuan grounding tidak boleh diperlakukan sebagai pengukuran fisik terkalibrasi dari gambar sembarang.
Konteks panjang dan video
Konteks native adalah 262,144 token. Qwen menjelaskan perluasan hingga sekitar satu juta melalui konfigurasi YaRN, serta alur keluarga yang melibatkan buku atau video berdurasi berjam-jam dengan pengindeksan peristiwa pada ketelitian tingkat detik. Kemampuan ini bergantung pada representasi, sampling frame, dan konfigurasi konteks; deskripsi luas dari produsen tidak menjamin ingatan sempurna atas setiap frame. Dalam repositorinya, Qwen menyarankan faktor ekstrapolasi dua atau tiga untuk skema posisi interleaved ini saat memperluas 256K menjadi sekitar 1M, alih-alih otomatis menyalin faktor empat dari model lain.
Penalaran dan pengenalan multimodal
Edisi Thinking menargetkan penalaran STEM dan matematika berbasis bukti, analisis kausal, serta jawaban logis yang menghubungkan teks dengan materi visual. Berikan diagram beserta definisinya, atau grafik beserta pertanyaan numerik yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen juga menjelaskan pengenalan visual yang lebih luas untuk orang, anime, produk, tengara, tumbuhan, dan hewan. Jawaban pengenalan tetap merupakan inferensi dari gambar yang diberikan, bukan jaminan bahwa setiap objek atau identitas dapat dinamai.
OCR mencakup 32 bahasa dan dirancang untuk meningkatkan pembacaan dalam kondisi cahaya redup, buram, atau miring, termasuk kosakata khusus dan struktur dokumen panjang. Pertahankan gambar sumber yang terbaca dan minta bidang, kutipan, atau tabel terstruktur yang dapat diperiksa. Pemahaman teks dan visual digabungkan dalam satu model, sehingga pertanyaan dapat merujuk secara bersamaan pada kutipan dokumen, gambar, dan instruksi pengguna.
Perubahan arsitektur
Interleaved-MRoPE mendistribusikan representasi posisi pada dimensi waktu, lebar, dan tinggi untuk penalaran video. DeepStack menggabungkan fitur visual dari beberapa tingkat encoder untuk menangkap rincian lebih halus dan meningkatkan keselarasan gambar–teks. Penyelarasan teks–stempel waktu menautkan peristiwa pada rujukan temporal. Konfigurasi teks yang dirilis memiliki 94 lapisan, 128 pakar, dan delapan pakar yang dipilih per token. Rincian arsitektur ini menjelaskan representasi multimodal model; rincian tersebut tidak menetapkan jaminan waktu respons.
Menyiapkan masukan dan keluaran visual
Contoh produsen mencakup gambar tunggal atau jamak, video, dan permintaan yang hanya berupa teks. Beri label pada setiap masukan visual agar pertanyaan dapat merujuknya dengan jelas. Pemroses gambar dan video menggunakan anggaran piksel yang terpisah: anggaran gambar membatasi pikselnya, sedangkan anggaran video menghitung piksel pada seluruh frame yang disampel. Dimensi gambar yang ditentukan secara eksplisit diselaraskan ke kelipatan 32. Sampling video dapat dikendalikan berdasarkan laju atau jumlah frame; pengaturan bawaan yang didokumentasikan adalah dua frame per detik. Pertahankan stempel waktu saat meminta linimasa peristiwa.
Untuk klip panjang, minta peristiwa, interval waktunya, dan bukti yang terlihat, bukan ringkasan tanpa pembedaan. Untuk beberapa halaman, minta hasil yang ditata berdasarkan pengenal halaman. Contoh persiapan ini menerapkan kemampuan yang didokumentasikan dan membantu memperlihatkan kelalaian atau kesalahan ekstraksi.
Panduan generasi dan batas
Berkas generasi checkpoint memiliki pengaturan bawaan temperature 0.8, top_p 0.95, dan top_k 20. Resep evaluasi Thinking terpisah dari Qwen menggunakan temperature 0.6, presence penalty nol, repetition penalty 1.0, dan jatah keluaran 40,960 token. Ini adalah preset produsen yang berbeda, bukan satu batas keluaran mutlak. Sisakan ruang untuk penalaran dan teks akhir bersama token visual, serta verifikasi teks hasil ekstraksi, jawaban perhitungan, dan kode yang dihasilkan terhadap sumber sebelum menggunakannya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen3-vl-235b-a22b-thinking | 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.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.00572 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-vl-235b-a22b-thinking', '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': 'qwen3-vl-235b-a22b-thinking', '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-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
Contoh teknis dalam bahasa Inggris
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.