Edisi 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct adalah edisi Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menggabungkan teks dengan gambar atau video dan menghasilkan teks, termasuk kode. Pertahankan identitas Instruct yang persis ini alih-alih menggantinya dengan edisi Thinking yang diperkuat untuk penalaran atau ukuran keluarga lain. Permintaan yang berguna menentukan bukti visual, pertanyaan, dan artefak konkret yang diharapkan dalam jawaban.
Agen visual dan pemrograman visual
Pembuat menjelaskan pengenalan elemen antarmuka komputer atau perangkat seluler, pemahaman fungsinya, dan pemanggilan alat dalam alur kerja agen visual. Berikan tangkapan layar dan tujuan yang diinginkan, lalu tanyakan kontrol terlihat mana yang sesuai dengan tugas dan apa yang mendukung pilihan. Aplikasi terhubung menjalankan tindakan dan mengembalikan hasilnya; pengenalan visual saja tidak mengontrol perangkat.
Pemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak dengan batasan fungsional dan minta sumber yang dapat diedit. Untuk perubahan antarmuka yang sudah ada, sertakan kode yang relevan dan keadaan interaksi yang diharapkan. Pisahkan artefak dari penjelasan agar alur kerja pengembangan dapat merender dan memeriksanya. Sumber yang dihasilkan merupakan usulan untuk ditinjau, bukan bukti aplikasi yang berfungsi.
Persepsi spasial, konteks, dan video
Qwen mendokumentasikan penilaian tentang posisi objek, sudut pandang, dan oklusi, dengan penentuan posisi dua dimensi serta dukungan penentuan posisi tiga dimensi. Identifikasi target dan minta petunjuk yang terlihat yang mendukung hubungan. Hubungan berbasis gambar sebaiknya tetap dibedakan dari 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 urutan bingkai saat bertanya tentang suatu urutan. Anggaran representasi yang dikonfigurasi menentukan materi yang diproses, sehingga deskripsi luas keluarga ini tentang video panjang sebaiknya tidak menjadi janji ingatan sempurna atas setiap bingkai video.
Penalaran multimodal, pengenalan, dan OCR
Model ini mendukung pertanyaan visual STEM dan matematika, analisis kausal, serta penjelasan berbasis bukti. Berikan pernyataan lengkap dan label diagram, lalu minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga memperluas pengenalan ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. Periksa hasil identifikasi ketika identitas yang persis penting.
OCR mencakup 32 bahasa dan dirancang untuk memperbaiki pembacaan dalam cahaya redup, keburaman, atau kemiringan, termasuk kosakata khusus dan struktur dokumen. Berikan halaman yang dapat dibaca dan minta bidang, kutipan, atau tabel yang dapat diperiksa berdasarkan sumber. Pemahaman teks dan visual digabungkan, sehingga pertanyaan dapat menghubungkan bagian teks dengan gambarnya serta instruksi pengguna.
Arsitektur
Konfigurasi yang diterbitkan mengidentifikasi model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi; DeepStack menggabungkan fitur dari beberapa tingkat encoder visual; penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 30B-A3B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.
Menyiapkan masukan
Contoh keluarga mencakup tugas teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan pertahankan hubungannya. Anggaran piksel gambar dan video terpisah, dengan video memperhitungkan piksel pada seluruh bingkai yang diambil sampelnya. 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 dalam alur kerja yang didukung.
Utilitas pembantu media dapat mempertahankan metadata video dan menyarankan agar menghindari pengubahan ukuran kedua ketika sudah mengubah ukuran materi. Untuk perbandingan dokumen, susun jawaban menurut label halaman. Untuk klip, minta peristiwa, interval yang relevan, dan bukti pendukung. Bandingkan bidang, bagian teks, dan waktu peristiwa yang dikembalikan dengan halaman atau klip asli.
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 maksimum keluaran ketat yang ditetapkan secara independen. Alokasi tugas terpisah pada kartu 8B Instruct sebaiknya tidak otomatis diberikan kepada edisi ini.
Prosedur perluasan keluarga ini menggunakan YaRN, menyarankan faktor dua atau tiga saat memperluas skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang hasil bersama teks dan visual yang direpresentasikan, lalu verifikasi OCR, kesimpulan yang dihitung, dan kode yang dihasilkan berdasarkan bukti asli. Bedakan kontrak generasi Instruct dari pengaturan checkpoint Thinking; nama edisi saja tidak membuktikan adanya sakelar hibrida khusus aplikasi.
", "aboutText": "Edisi 30B-A3B Instruct\n\nQwen3-VL-30B-A3B-Instruct adalah edisi Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menggabungkan teks dengan gambar atau video dan menghasilkan teks, termasuk kode. Pertahankan identitas Instruct yang persis ini alih-alih menggantinya dengan edisi Thinking yang diperkuat untuk penalaran atau ukuran keluarga lain. Permintaan yang berguna menentukan bukti visual, pertanyaan, dan artefak konkret yang diharapkan dalam jawaban.\n\nAgen visual dan pemrograman visual\n\nPembuat menjelaskan pengenalan elemen antarmuka komputer atau perangkat seluler, pemahaman fungsinya, dan pemanggilan alat dalam alur kerja agen visual. Berikan tangkapan layar dan tujuan yang diinginkan, lalu tanyakan kontrol terlihat mana yang sesuai dengan tugas dan apa yang mendukung pilihan. Aplikasi terhubung menjalankan tindakan dan mengembalikan hasilnya; pengenalan visual saja tidak mengontrol perangkat.\n\nPemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak dengan batasan fungsional dan minta sumber yang dapat diedit. Untuk perubahan antarmuka yang sudah ada, sertakan kode yang relevan dan keadaan interaksi yang diharapkan. Pisahkan artefak dari penjelasan agar alur kerja pengembangan dapat merender dan memeriksanya. Sumber yang dihasilkan merupakan usulan untuk ditinjau, bukan bukti aplikasi yang berfungsi.\n\nPersepsi spasial, konteks, dan video\n\nQwen mendokumentasikan penilaian tentang posisi objek, sudut pandang, dan oklusi, dengan penentuan posisi dua dimensi serta dukungan penentuan posisi tiga dimensi. Identifikasi target dan minta petunjuk yang terlihat yang mendukung hubungan. Hubungan berbasis gambar sebaiknya tetap dibedakan dari 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 urutan bingkai saat bertanya tentang suatu urutan. Anggaran representasi yang dikonfigurasi menentukan materi yang diproses, sehingga deskripsi luas keluarga ini tentang video panjang sebaiknya tidak menjadi janji ingatan sempurna atas setiap bingkai video.\n\nPenalaran multimodal, pengenalan, dan OCR\n\nModel ini mendukung pertanyaan visual STEM dan matematika, analisis kausal, serta penjelasan berbasis bukti. Berikan pernyataan lengkap dan label diagram, lalu minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga memperluas pengenalan ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. Periksa hasil identifikasi ketika identitas yang persis penting.\n\nOCR mencakup 32 bahasa dan dirancang untuk memperbaiki pembacaan dalam cahaya redup, keburaman, atau kemiringan, termasuk kosakata khusus dan struktur dokumen. Berikan halaman yang dapat dibaca dan minta bidang, kutipan, atau tabel yang dapat diperiksa berdasarkan sumber. Pemahaman teks dan visual digabungkan, sehingga pertanyaan dapat menghubungkan bagian teks dengan gambarnya serta instruksi pengguna.\n\nArsitektur\n\nKonfigurasi yang diterbitkan mengidentifikasi model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi; DeepStack menggabungkan fitur dari beberapa tingkat encoder visual; penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 30B-A3B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.\n\nMenyiapkan masukan\n\nContoh keluarga mencakup tugas teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan pertahankan hubungannya. Anggaran piksel gambar dan video terpisah, dengan video memperhitungkan piksel pada seluruh bingkai yang diambil sampelnya. 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 dalam alur kerja yang didukung.\n\nUtilitas pembantu media dapat mempertahankan metadata video dan menyarankan agar menghindari pengubahan ukuran kedua ketika sudah mengubah ukuran materi. Untuk perbandingan dokumen, susun jawaban menurut label halaman. Untuk klip, minta peristiwa, interval yang relevan, dan bukti pendukung. Bandingkan bidang, bagian teks, dan waktu peristiwa yang dikembalikan dengan halaman atau klip asli.\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 maksimum keluaran ketat yang ditetapkan secara independen. Alokasi tugas terpisah pada kartu 8B Instruct sebaiknya tidak otomatis diberikan kepada edisi ini.\n\nProsedur perluasan keluarga ini menggunakan YaRN, menyarankan faktor dua atau tiga saat memperluas skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang hasil bersama teks dan visual yang direpresentasikan, lalu verifikasi OCR, kesimpulan yang dihitung, dan kode yang dihasilkan berdasarkan bukti asli. Bedakan kontrak generasi Instruct dari pengaturan checkpoint Thinking; nama edisi saja tidak membuktikan adanya sakelar hibrida khusus aplikasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-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 agen visual, pembacaan dokumen, pertanyaan spasial, dan pemrograman visual, 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 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct adalah edisi Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menggabungkan teks dengan gambar atau video dan menghasilkan teks, termasuk kode. Pertahankan identitas Instruct yang persis ini alih-alih menggantinya dengan edisi Thinking yang diperkuat untuk penalaran atau ukuran keluarga lain. Permintaan yang berguna menentukan bukti visual, pertanyaan, dan artefak konkret yang diharapkan dalam jawaban.
Agen visual dan pemrograman visual
Pembuat menjelaskan pengenalan elemen antarmuka komputer atau perangkat seluler, pemahaman fungsinya, dan pemanggilan alat dalam alur kerja agen visual. Berikan tangkapan layar dan tujuan yang diinginkan, lalu tanyakan kontrol terlihat mana yang sesuai dengan tugas dan apa yang mendukung pilihan. Aplikasi terhubung menjalankan tindakan dan mengembalikan hasilnya; pengenalan visual saja tidak mengontrol perangkat.
Pemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak dengan batasan fungsional dan minta sumber yang dapat diedit. Untuk perubahan antarmuka yang sudah ada, sertakan kode yang relevan dan keadaan interaksi yang diharapkan. Pisahkan artefak dari penjelasan agar alur kerja pengembangan dapat merender dan memeriksanya. Sumber yang dihasilkan merupakan usulan untuk ditinjau, bukan bukti aplikasi yang berfungsi.
Persepsi spasial, konteks, dan video
Qwen mendokumentasikan penilaian tentang posisi objek, sudut pandang, dan oklusi, dengan penentuan posisi dua dimensi serta dukungan penentuan posisi tiga dimensi. Identifikasi target dan minta petunjuk yang terlihat yang mendukung hubungan. Hubungan berbasis gambar sebaiknya tetap dibedakan dari 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 urutan bingkai saat bertanya tentang suatu urutan. Anggaran representasi yang dikonfigurasi menentukan materi yang diproses, sehingga deskripsi luas keluarga ini tentang video panjang sebaiknya tidak menjadi janji ingatan sempurna atas setiap bingkai video.
Penalaran multimodal, pengenalan, dan OCR
Model ini mendukung pertanyaan visual STEM dan matematika, analisis kausal, serta penjelasan berbasis bukti. Berikan pernyataan lengkap dan label diagram, lalu minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga memperluas pengenalan ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. Periksa hasil identifikasi ketika identitas yang persis penting.
OCR mencakup 32 bahasa dan dirancang untuk memperbaiki pembacaan dalam cahaya redup, keburaman, atau kemiringan, termasuk kosakata khusus dan struktur dokumen. Berikan halaman yang dapat dibaca dan minta bidang, kutipan, atau tabel yang dapat diperiksa berdasarkan sumber. Pemahaman teks dan visual digabungkan, sehingga pertanyaan dapat menghubungkan bagian teks dengan gambarnya serta instruksi pengguna.
Arsitektur
Konfigurasi yang diterbitkan mengidentifikasi model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi; DeepStack menggabungkan fitur dari beberapa tingkat encoder visual; penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 30B-A3B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.
Menyiapkan masukan
Contoh keluarga mencakup tugas teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan pertahankan hubungannya. Anggaran piksel gambar dan video terpisah, dengan video memperhitungkan piksel pada seluruh bingkai yang diambil sampelnya. 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 dalam alur kerja yang didukung.
Utilitas pembantu media dapat mempertahankan metadata video dan menyarankan agar menghindari pengubahan ukuran kedua ketika sudah mengubah ukuran materi. Untuk perbandingan dokumen, susun jawaban menurut label halaman. Untuk klip, minta peristiwa, interval yang relevan, dan bukti pendukung. Bandingkan bidang, bagian teks, dan waktu peristiwa yang dikembalikan dengan halaman atau klip asli.
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 maksimum keluaran ketat yang ditetapkan secara independen. Alokasi tugas terpisah pada kartu 8B Instruct sebaiknya tidak otomatis diberikan kepada edisi ini.
Prosedur perluasan keluarga ini menggunakan YaRN, menyarankan faktor dua atau tiga saat memperluas skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang hasil bersama teks dan visual yang direpresentasikan, lalu verifikasi OCR, kesimpulan yang dihitung, dan kode yang dihasilkan berdasarkan bukti asli. Bedakan kontrak generasi Instruct dari pengaturan checkpoint Thinking; nama edisi saja tidak membuktikan adanya sakelar hibrida khusus aplikasi.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-vl-30b-a3b-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 $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0 / 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 $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 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-30b-a3b-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-30b-a3b-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-30b-a3b-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-30b-a3b-instruct
Gunakan jalur metode yang ditampilkan di atas.
qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-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 agen visual, pembacaan dokumen, pertanyaan spasial, dan pemrograman visual, 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 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct adalah edisi Qwen3-VL campuran pakar yang berfokus pada instruksi. Model ini menggabungkan teks dengan gambar atau video dan menghasilkan teks, termasuk kode. Pertahankan identitas Instruct yang persis ini alih-alih menggantinya dengan edisi Thinking yang diperkuat untuk penalaran atau ukuran keluarga lain. Permintaan yang berguna menentukan bukti visual, pertanyaan, dan artefak konkret yang diharapkan dalam jawaban.
Agen visual dan pemrograman visual
Pembuat menjelaskan pengenalan elemen antarmuka komputer atau perangkat seluler, pemahaman fungsinya, dan pemanggilan alat dalam alur kerja agen visual. Berikan tangkapan layar dan tujuan yang diinginkan, lalu tanyakan kontrol terlihat mana yang sesuai dengan tugas dan apa yang mendukung pilihan. Aplikasi terhubung menjalankan tindakan dan mengembalikan hasilnya; pengenalan visual saja tidak mengontrol perangkat.
Pemrograman visual mencakup konten diagram serta HTML, CSS, atau JavaScript yang dihasilkan dari gambar atau video. Berikan referensi tata letak dengan batasan fungsional dan minta sumber yang dapat diedit. Untuk perubahan antarmuka yang sudah ada, sertakan kode yang relevan dan keadaan interaksi yang diharapkan. Pisahkan artefak dari penjelasan agar alur kerja pengembangan dapat merender dan memeriksanya. Sumber yang dihasilkan merupakan usulan untuk ditinjau, bukan bukti aplikasi yang berfungsi.
Persepsi spasial, konteks, dan video
Qwen mendokumentasikan penilaian tentang posisi objek, sudut pandang, dan oklusi, dengan penentuan posisi dua dimensi serta dukungan penentuan posisi tiga dimensi. Identifikasi target dan minta petunjuk yang terlihat yang mendukung hubungan. Hubungan berbasis gambar sebaiknya tetap dibedakan dari 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 urutan bingkai saat bertanya tentang suatu urutan. Anggaran representasi yang dikonfigurasi menentukan materi yang diproses, sehingga deskripsi luas keluarga ini tentang video panjang sebaiknya tidak menjadi janji ingatan sempurna atas setiap bingkai video.
Penalaran multimodal, pengenalan, dan OCR
Model ini mendukung pertanyaan visual STEM dan matematika, analisis kausal, serta penjelasan berbasis bukti. Berikan pernyataan lengkap dan label diagram, lalu minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga memperluas pengenalan ke orang, produk, tengara, tumbuhan, hewan, dan tokoh media. Periksa hasil identifikasi ketika identitas yang persis penting.
OCR mencakup 32 bahasa dan dirancang untuk memperbaiki pembacaan dalam cahaya redup, keburaman, atau kemiringan, termasuk kosakata khusus dan struktur dokumen. Berikan halaman yang dapat dibaca dan minta bidang, kutipan, atau tabel yang dapat diperiksa berdasarkan sumber. Pemahaman teks dan visual digabungkan, sehingga pertanyaan dapat menghubungkan bagian teks dengan gambarnya serta instruksi pengguna.
Arsitektur
Konfigurasi yang diterbitkan mengidentifikasi model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar, dan delapan pakar yang dipilih per token. Interleaved-MRoPE merepresentasikan waktu, lebar, dan tinggi; DeepStack menggabungkan fitur dari beberapa tingkat encoder visual; penyelarasan teks–cap waktu mengaitkan peristiwa dengan referensi temporal. Gunakan edisi 30B-A3B Instruct ini secara konsisten saat menyiapkan tugas visual dan membandingkan hasilnya.
Menyiapkan masukan
Contoh keluarga mencakup tugas teks saja, satu atau beberapa gambar, dan video. Labeli masukan visual dan pertahankan hubungannya. Anggaran piksel gambar dan video terpisah, dengan video memperhitungkan piksel pada seluruh bingkai yang diambil sampelnya. 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 dalam alur kerja yang didukung.
Utilitas pembantu media dapat mempertahankan metadata video dan menyarankan agar menghindari pengubahan ukuran kedua ketika sudah mengubah ukuran materi. Untuk perbandingan dokumen, susun jawaban menurut label halaman. Untuk klip, minta peristiwa, interval yang relevan, dan bukti pendukung. Bandingkan bidang, bagian teks, dan waktu peristiwa yang dikembalikan dengan halaman atau klip asli.
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 maksimum keluaran ketat yang ditetapkan secara independen. Alokasi tugas terpisah pada kartu 8B Instruct sebaiknya tidak otomatis diberikan kepada edisi ini.
Prosedur perluasan keluarga ini menggunakan YaRN, menyarankan faktor dua atau tiga saat memperluas skema posisi berselang-seling dari 256K ke sekitar 1M. Sisakan ruang hasil bersama teks dan visual yang direpresentasikan, lalu verifikasi OCR, kesimpulan yang dihitung, dan kode yang dihasilkan berdasarkan bukti asli. Bedakan kontrak generasi Instruct dari pengaturan checkpoint Thinking; nama edisi saja tidak membuktikan adanya sakelar hibrida khusus aplikasi.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen/qwen3-vl-30b-a3b-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 $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0 / 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 $0.0003 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen/qwen3-vl-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-30b-a3b-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-30b-a3b-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-30b-a3b-instruct
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.