L'edizione 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking è l'edizione mixture-of-experts di Qwen3-VL con capacità di ragionamento potenziate. Accetta testo, immagini e video e produce testo, compreso codice o una conclusione spiegata. Mantieni la sua identità Thinking distinta da Qwen3-VL-30B-A3B-Instruct e dagli altri tagli della famiglia. La distinzione tra edizioni adottata dal produttore descrive il comportamento di ragionamento previsto, senza attestare l'esistenza di un'opzione ibrida specifica dell'applicazione.
Agenti visivi e programmazione
Qwen documenta un flusso di lavoro per agenti visivi che riconosce i controlli di computer o dispositivi mobili, ne comprende le funzioni e richiama strumenti. Per un'attività su un'interfaccia, fornisci la schermata attuale e l'obiettivo desiderato, poi chiedi di indicare il controllo pertinente e di spiegarne la scelta sulla base degli elementi visibili. L'applicazione collegata esegue le azioni e restituisce i risultati; il ragionamento visivo del modello non controlla autonomamente il dispositivo.
La famiglia genera inoltre contenuti per diagrammi, HTML, CSS e JavaScript a partire da immagini o video. Fornisci il riferimento visivo insieme ai requisiti funzionali e richiedi il codice sorgente modificabile. Per un'interfaccia esistente, indica la modifica desiderata e il codice pertinente, senza aspettarti che un'immagine priva di spiegazioni definisca ogni interazione. Il sorgente generato è un artefatto da renderizzare e sottoporre a revisione, non la prova di un'applicazione funzionante.
Spazio, contesto lungo e video
Il produttore descrive valutazioni sulle posizioni degli oggetti, sui punti di vista e sulle occlusioni, con ancoraggio bidimensionale e supporto all'ancoraggio tridimensionale. Chiedi quale relazione sia rilevante e quali indizi sostengano la conclusione. Una relazione visiva deve restare distinta da una misurazione fisica calibrata.
Il contesto nativo è di 262,144 token. La famiglia descrive l'elaborazione di libri e video della durata di ore, con indicizzazione degli eventi al secondo ed espansione a circa un milione di token tramite configurazione. Quando chiedi un resoconto degli eventi, conserva i riferimenti temporali, l'ordine dei fotogrammi e gli identificatori delle fonti. Contesto e campionamento determinano il materiale rappresentato in una richiesta; la descrizione della famiglia non deve trasformarsi in una promessa incondizionata di memoria perfetta.
Ragionamento multimodale, riconoscimento e OCR
L'edizione Thinking è adatta a quesiti STEM, matematici e logici che collegano gli elementi visivi a una spiegazione. Fornisci l'enunciato completo, le etichette dei diagrammi e le unità di misura e chiedi di indicare i valori e le relazioni utilizzati prima della risposta finale. Un risultato ben definito può essere una risposta delimitata, una tabella degli elementi probatori o una breve conclusione sostenuta dall'immagine e dal testo.
La famiglia amplia il riconoscimento visivo a persone, prodotti, punti di riferimento, piante, animali e personaggi dei media. L'OCR copre 32 lingue e mira alla lettura in condizioni di scarsa illuminazione, sfocatura o inclinazione, includendo il lessico specialistico e la struttura dei documenti. Conserva la leggibilità e richiedi campi o citazioni verificabili. Questi casi d'uso applicano capacità documentate; non garantiscono un'identificazione, una trascrizione o una conclusione matematica corretta per qualsiasi input.
Architettura
La configurazione esatta identifica un modello visione-linguaggio mixture-of-experts con 48 livelli testuali, 128 esperti e otto esperti selezionati per token. Interleaved-MRoPE distribuisce le informazioni posizionali tra tempo, larghezza e altezza. DeepStack combina caratteristiche visive provenienti da diversi livelli dell'encoder e l'allineamento testo–timestamp aiuta ad ancorare gli eventi ai riferimenti temporali. Usa coerentemente questa edizione 30B-A3B Thinking quando prepari attività di ragionamento visivo e ne confronti i risultati.
Preparazione degli input
Gli esempi della famiglia supportano attività di solo testo, immagini singole o multiple e video. Assegna etichette agli input visivi e conservane le relazioni. Budget di pixel separati per immagini e video consentono al flusso di lavoro di controllare il livello di dettaglio; le dimensioni esplicite delle immagini sono allineate a multipli di 32. L'impostazione video predefinita documentata è di due fotogrammi al secondo, con controlli sulla frequenza di campionamento o sul numero di fotogrammi ove supportati. Conserva i metadati video ed evita un secondo ridimensionamento quando il componente di supporto ha già ridimensionato il contenuto multimediale.
Per un confronto tra documenti, organizza il risultato per identificatore di pagina. Per un filmato, richiedi l'evento pertinente, l'intervallo e gli elementi che lo attestano. Riserva spazio nella sequenza per il ragionamento e il testo finale, oltre che per i token visivi.
Indicazioni di generazione e limiti
Il file di generazione del checkpoint imposta per default temperature 0.8, top_p 0.95, top_k 20 e repetition penalty 1.0. La ricetta di valutazione Thinking separata della famiglia usa temperature 0.6, presence penalty pari a zero, repetition penalty 1.0 e un budget di output di 40,960 token. Si tratta di configurazioni predefinite distinte del produttore; il budget non è un massimo rigido di output attestato in modo indipendente.
La procedura di estensione della famiglia usa YaRN e suggerisce un fattore di due o tre per lo schema posizionale interleaved nel passaggio da 256K a circa 1M. Non deve ereditare il fattore di quattro di un'altra famiglia. Verifica etichette estratte, calcoli e codice generato rispetto agli elementi originali e mantieni l'artefatto finale distinguibile dal ragionamento. Il risultato pratico è una conclusione visiva o una proposta di codice verificabile, conservando questa esatta edizione Thinking.
", "aboutText": "L'edizione 30B-A3B Thinking\n\nQwen3-VL-30B-A3B-Thinking è l'edizione mixture-of-experts di Qwen3-VL con capacità di ragionamento potenziate. Accetta testo, immagini e video e produce testo, compreso codice o una conclusione spiegata. Mantieni la sua identità Thinking distinta da Qwen3-VL-30B-A3B-Instruct e dagli altri tagli della famiglia. La distinzione tra edizioni adottata dal produttore descrive il comportamento di ragionamento previsto, senza attestare l'esistenza di un'opzione ibrida specifica dell'applicazione.\n\nAgenti visivi e programmazione\n\nQwen documenta un flusso di lavoro per agenti visivi che riconosce i controlli di computer o dispositivi mobili, ne comprende le funzioni e richiama strumenti. Per un'attività su un'interfaccia, fornisci la schermata attuale e l'obiettivo desiderato, poi chiedi di indicare il controllo pertinente e di spiegarne la scelta sulla base degli elementi visibili. L'applicazione collegata esegue le azioni e restituisce i risultati; il ragionamento visivo del modello non controlla autonomamente il dispositivo.\n\nLa famiglia genera inoltre contenuti per diagrammi, HTML, CSS e JavaScript a partire da immagini o video. Fornisci il riferimento visivo insieme ai requisiti funzionali e richiedi il codice sorgente modificabile. Per un'interfaccia esistente, indica la modifica desiderata e il codice pertinente, senza aspettarti che un'immagine priva di spiegazioni definisca ogni interazione. Il sorgente generato è un artefatto da renderizzare e sottoporre a revisione, non la prova di un'applicazione funzionante.\n\nSpazio, contesto lungo e video\n\nIl produttore descrive valutazioni sulle posizioni degli oggetti, sui punti di vista e sulle occlusioni, con ancoraggio bidimensionale e supporto all'ancoraggio tridimensionale. Chiedi quale relazione sia rilevante e quali indizi sostengano la conclusione. Una relazione visiva deve restare distinta da una misurazione fisica calibrata.\n\nIl contesto nativo è di 262,144 token. La famiglia descrive l'elaborazione di libri e video della durata di ore, con indicizzazione degli eventi al secondo ed espansione a circa un milione di token tramite configurazione. Quando chiedi un resoconto degli eventi, conserva i riferimenti temporali, l'ordine dei fotogrammi e gli identificatori delle fonti. Contesto e campionamento determinano il materiale rappresentato in una richiesta; la descrizione della famiglia non deve trasformarsi in una promessa incondizionata di memoria perfetta.\n\nRagionamento multimodale, riconoscimento e OCR\n\nL'edizione Thinking è adatta a quesiti STEM, matematici e logici che collegano gli elementi visivi a una spiegazione. Fornisci l'enunciato completo, le etichette dei diagrammi e le unità di misura e chiedi di indicare i valori e le relazioni utilizzati prima della risposta finale. Un risultato ben definito può essere una risposta delimitata, una tabella degli elementi probatori o una breve conclusione sostenuta dall'immagine e dal testo.\n\nLa famiglia amplia il riconoscimento visivo a persone, prodotti, punti di riferimento, piante, animali e personaggi dei media. L'OCR copre 32 lingue e mira alla lettura in condizioni di scarsa illuminazione, sfocatura o inclinazione, includendo il lessico specialistico e la struttura dei documenti. Conserva la leggibilità e richiedi campi o citazioni verificabili. Questi casi d'uso applicano capacità documentate; non garantiscono un'identificazione, una trascrizione o una conclusione matematica corretta per qualsiasi input.\n\nArchitettura\n\nLa configurazione esatta identifica un modello visione-linguaggio mixture-of-experts con 48 livelli testuali, 128 esperti e otto esperti selezionati per token. Interleaved-MRoPE distribuisce le informazioni posizionali tra tempo, larghezza e altezza. DeepStack combina caratteristiche visive provenienti da diversi livelli dell'encoder e l'allineamento testo–timestamp aiuta ad ancorare gli eventi ai riferimenti temporali. Usa coerentemente questa edizione 30B-A3B Thinking quando prepari attività di ragionamento visivo e ne confronti i risultati.\n\nPreparazione degli input\n\nGli esempi della famiglia supportano attività di solo testo, immagini singole o multiple e video. Assegna etichette agli input visivi e conservane le relazioni. Budget di pixel separati per immagini e video consentono al flusso di lavoro di controllare il livello di dettaglio; le dimensioni esplicite delle immagini sono allineate a multipli di 32. L'impostazione video predefinita documentata è di due fotogrammi al secondo, con controlli sulla frequenza di campionamento o sul numero di fotogrammi ove supportati. Conserva i metadati video ed evita un secondo ridimensionamento quando il componente di supporto ha già ridimensionato il contenuto multimediale.\n\nPer un confronto tra documenti, organizza il risultato per identificatore di pagina. Per un filmato, richiedi l'evento pertinente, l'intervallo e gli elementi che lo attestano. Riserva spazio nella sequenza per il ragionamento e il testo finale, oltre che per i token visivi.\n\nIndicazioni di generazione e limiti\n\nIl file di generazione del checkpoint imposta per default temperature 0.8, top_p 0.95, top_k 20 e repetition penalty 1.0. La ricetta di valutazione Thinking separata della famiglia usa temperature 0.6, presence penalty pari a zero, repetition penalty 1.0 e un budget di output di 40,960 token. Si tratta di configurazioni predefinite distinte del produttore; il budget non è un massimo rigido di output attestato in modo indipendente.\n\nLa procedura di estensione della famiglia usa YaRN e suggerisce un fattore di due o tre per lo schema posizionale interleaved nel passaggio da 256K a circa 1M. Non deve ereditare il fattore di quattro di un'altra famiglia. Verifica etichette estratte, calcoli e codice generato rispetto agli elementi originali e mantieni l'artefatto finale distinguibile dal ragionamento. Il risultato pratico è una conclusione visiva o una proposta di codice verificabile, conservando questa esatta edizione Thinking.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking è l'edizione visione-linguaggio mixture-of-experts di Qwen per un ragionamento più approfondito su testo, immagini e video. Restituisce testo o codice per quesiti STEM, documenti, analisi spaziale e flussi di lavoro visivi, con OCR in 32 lingue e un contesto nativo di 262,144 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
L'edizione 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking è l'edizione mixture-of-experts di Qwen3-VL con capacità di ragionamento potenziate. Accetta testo, immagini e video e produce testo, compreso codice o una conclusione spiegata. Mantieni la sua identità Thinking distinta da Qwen3-VL-30B-A3B-Instruct e dagli altri tagli della famiglia. La distinzione tra edizioni adottata dal produttore descrive il comportamento di ragionamento previsto, senza attestare l'esistenza di un'opzione ibrida specifica dell'applicazione.
Agenti visivi e programmazione
Qwen documenta un flusso di lavoro per agenti visivi che riconosce i controlli di computer o dispositivi mobili, ne comprende le funzioni e richiama strumenti. Per un'attività su un'interfaccia, fornisci la schermata attuale e l'obiettivo desiderato, poi chiedi di indicare il controllo pertinente e di spiegarne la scelta sulla base degli elementi visibili. L'applicazione collegata esegue le azioni e restituisce i risultati; il ragionamento visivo del modello non controlla autonomamente il dispositivo.
La famiglia genera inoltre contenuti per diagrammi, HTML, CSS e JavaScript a partire da immagini o video. Fornisci il riferimento visivo insieme ai requisiti funzionali e richiedi il codice sorgente modificabile. Per un'interfaccia esistente, indica la modifica desiderata e il codice pertinente, senza aspettarti che un'immagine priva di spiegazioni definisca ogni interazione. Il sorgente generato è un artefatto da renderizzare e sottoporre a revisione, non la prova di un'applicazione funzionante.
Spazio, contesto lungo e video
Il produttore descrive valutazioni sulle posizioni degli oggetti, sui punti di vista e sulle occlusioni, con ancoraggio bidimensionale e supporto all'ancoraggio tridimensionale. Chiedi quale relazione sia rilevante e quali indizi sostengano la conclusione. Una relazione visiva deve restare distinta da una misurazione fisica calibrata.
Il contesto nativo è di 262,144 token. La famiglia descrive l'elaborazione di libri e video della durata di ore, con indicizzazione degli eventi al secondo ed espansione a circa un milione di token tramite configurazione. Quando chiedi un resoconto degli eventi, conserva i riferimenti temporali, l'ordine dei fotogrammi e gli identificatori delle fonti. Contesto e campionamento determinano il materiale rappresentato in una richiesta; la descrizione della famiglia non deve trasformarsi in una promessa incondizionata di memoria perfetta.
Ragionamento multimodale, riconoscimento e OCR
L'edizione Thinking è adatta a quesiti STEM, matematici e logici che collegano gli elementi visivi a una spiegazione. Fornisci l'enunciato completo, le etichette dei diagrammi e le unità di misura e chiedi di indicare i valori e le relazioni utilizzati prima della risposta finale. Un risultato ben definito può essere una risposta delimitata, una tabella degli elementi probatori o una breve conclusione sostenuta dall'immagine e dal testo.
La famiglia amplia il riconoscimento visivo a persone, prodotti, punti di riferimento, piante, animali e personaggi dei media. L'OCR copre 32 lingue e mira alla lettura in condizioni di scarsa illuminazione, sfocatura o inclinazione, includendo il lessico specialistico e la struttura dei documenti. Conserva la leggibilità e richiedi campi o citazioni verificabili. Questi casi d'uso applicano capacità documentate; non garantiscono un'identificazione, una trascrizione o una conclusione matematica corretta per qualsiasi input.
Architettura
La configurazione esatta identifica un modello visione-linguaggio mixture-of-experts con 48 livelli testuali, 128 esperti e otto esperti selezionati per token. Interleaved-MRoPE distribuisce le informazioni posizionali tra tempo, larghezza e altezza. DeepStack combina caratteristiche visive provenienti da diversi livelli dell'encoder e l'allineamento testo–timestamp aiuta ad ancorare gli eventi ai riferimenti temporali. Usa coerentemente questa edizione 30B-A3B Thinking quando prepari attività di ragionamento visivo e ne confronti i risultati.
Preparazione degli input
Gli esempi della famiglia supportano attività di solo testo, immagini singole o multiple e video. Assegna etichette agli input visivi e conservane le relazioni. Budget di pixel separati per immagini e video consentono al flusso di lavoro di controllare il livello di dettaglio; le dimensioni esplicite delle immagini sono allineate a multipli di 32. L'impostazione video predefinita documentata è di due fotogrammi al secondo, con controlli sulla frequenza di campionamento o sul numero di fotogrammi ove supportati. Conserva i metadati video ed evita un secondo ridimensionamento quando il componente di supporto ha già ridimensionato il contenuto multimediale.
Per un confronto tra documenti, organizza il risultato per identificatore di pagina. Per un filmato, richiedi l'evento pertinente, l'intervallo e gli elementi che lo attestano. Riserva spazio nella sequenza per il ragionamento e il testo finale, oltre che per i token visivi.
Indicazioni di generazione e limiti
Il file di generazione del checkpoint imposta per default temperature 0.8, top_p 0.95, top_k 20 e repetition penalty 1.0. La ricetta di valutazione Thinking separata della famiglia usa temperature 0.6, presence penalty pari a zero, repetition penalty 1.0 e un budget di output di 40,960 token. Si tratta di configurazioni predefinite distinte del produttore; il budget non è un massimo rigido di output attestato in modo indipendente.
La procedura di estensione della famiglia usa YaRN e suggerisce un fattore di due o tre per lo schema posizionale interleaved nel passaggio da 256K a circa 1M. Non deve ereditare il fattore di quattro di un'altra famiglia. Verifica etichette estratte, calcoli e codice generato rispetto agli elementi originali e mantieni l'artefatto finale distinguibile dal ragionamento. Il risultato pratico è una conclusione visiva o una proposta di codice verificabile, conservando questa esatta edizione Thinking.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen/qwen3-vl-30b-a3b-thinking | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00058 / 1K token Output · Token in output $0.002 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00058 / 1K token Output · Token in output $0.002 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-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='qwen/qwen3-vl-30b-a3b-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='qwen/qwen3-vl-30b-a3b-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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Usa i percorsi dei metodi indicati sopra.
qwen/qwen3-vl-30b-a3b-thinkingQwen3-VL-30B-A3B-Thinking è l'edizione visione-linguaggio mixture-of-experts di Qwen per un ragionamento più approfondito su testo, immagini e video. Restituisce testo o codice per quesiti STEM, documenti, analisi spaziale e flussi di lavoro visivi, con OCR in 32 lingue e un contesto nativo di 262,144 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
L'edizione 30B-A3B Thinking
Qwen3-VL-30B-A3B-Thinking è l'edizione mixture-of-experts di Qwen3-VL con capacità di ragionamento potenziate. Accetta testo, immagini e video e produce testo, compreso codice o una conclusione spiegata. Mantieni la sua identità Thinking distinta da Qwen3-VL-30B-A3B-Instruct e dagli altri tagli della famiglia. La distinzione tra edizioni adottata dal produttore descrive il comportamento di ragionamento previsto, senza attestare l'esistenza di un'opzione ibrida specifica dell'applicazione.
Agenti visivi e programmazione
Qwen documenta un flusso di lavoro per agenti visivi che riconosce i controlli di computer o dispositivi mobili, ne comprende le funzioni e richiama strumenti. Per un'attività su un'interfaccia, fornisci la schermata attuale e l'obiettivo desiderato, poi chiedi di indicare il controllo pertinente e di spiegarne la scelta sulla base degli elementi visibili. L'applicazione collegata esegue le azioni e restituisce i risultati; il ragionamento visivo del modello non controlla autonomamente il dispositivo.
La famiglia genera inoltre contenuti per diagrammi, HTML, CSS e JavaScript a partire da immagini o video. Fornisci il riferimento visivo insieme ai requisiti funzionali e richiedi il codice sorgente modificabile. Per un'interfaccia esistente, indica la modifica desiderata e il codice pertinente, senza aspettarti che un'immagine priva di spiegazioni definisca ogni interazione. Il sorgente generato è un artefatto da renderizzare e sottoporre a revisione, non la prova di un'applicazione funzionante.
Spazio, contesto lungo e video
Il produttore descrive valutazioni sulle posizioni degli oggetti, sui punti di vista e sulle occlusioni, con ancoraggio bidimensionale e supporto all'ancoraggio tridimensionale. Chiedi quale relazione sia rilevante e quali indizi sostengano la conclusione. Una relazione visiva deve restare distinta da una misurazione fisica calibrata.
Il contesto nativo è di 262,144 token. La famiglia descrive l'elaborazione di libri e video della durata di ore, con indicizzazione degli eventi al secondo ed espansione a circa un milione di token tramite configurazione. Quando chiedi un resoconto degli eventi, conserva i riferimenti temporali, l'ordine dei fotogrammi e gli identificatori delle fonti. Contesto e campionamento determinano il materiale rappresentato in una richiesta; la descrizione della famiglia non deve trasformarsi in una promessa incondizionata di memoria perfetta.
Ragionamento multimodale, riconoscimento e OCR
L'edizione Thinking è adatta a quesiti STEM, matematici e logici che collegano gli elementi visivi a una spiegazione. Fornisci l'enunciato completo, le etichette dei diagrammi e le unità di misura e chiedi di indicare i valori e le relazioni utilizzati prima della risposta finale. Un risultato ben definito può essere una risposta delimitata, una tabella degli elementi probatori o una breve conclusione sostenuta dall'immagine e dal testo.
La famiglia amplia il riconoscimento visivo a persone, prodotti, punti di riferimento, piante, animali e personaggi dei media. L'OCR copre 32 lingue e mira alla lettura in condizioni di scarsa illuminazione, sfocatura o inclinazione, includendo il lessico specialistico e la struttura dei documenti. Conserva la leggibilità e richiedi campi o citazioni verificabili. Questi casi d'uso applicano capacità documentate; non garantiscono un'identificazione, una trascrizione o una conclusione matematica corretta per qualsiasi input.
Architettura
La configurazione esatta identifica un modello visione-linguaggio mixture-of-experts con 48 livelli testuali, 128 esperti e otto esperti selezionati per token. Interleaved-MRoPE distribuisce le informazioni posizionali tra tempo, larghezza e altezza. DeepStack combina caratteristiche visive provenienti da diversi livelli dell'encoder e l'allineamento testo–timestamp aiuta ad ancorare gli eventi ai riferimenti temporali. Usa coerentemente questa edizione 30B-A3B Thinking quando prepari attività di ragionamento visivo e ne confronti i risultati.
Preparazione degli input
Gli esempi della famiglia supportano attività di solo testo, immagini singole o multiple e video. Assegna etichette agli input visivi e conservane le relazioni. Budget di pixel separati per immagini e video consentono al flusso di lavoro di controllare il livello di dettaglio; le dimensioni esplicite delle immagini sono allineate a multipli di 32. L'impostazione video predefinita documentata è di due fotogrammi al secondo, con controlli sulla frequenza di campionamento o sul numero di fotogrammi ove supportati. Conserva i metadati video ed evita un secondo ridimensionamento quando il componente di supporto ha già ridimensionato il contenuto multimediale.
Per un confronto tra documenti, organizza il risultato per identificatore di pagina. Per un filmato, richiedi l'evento pertinente, l'intervallo e gli elementi che lo attestano. Riserva spazio nella sequenza per il ragionamento e il testo finale, oltre che per i token visivi.
Indicazioni di generazione e limiti
Il file di generazione del checkpoint imposta per default temperature 0.8, top_p 0.95, top_k 20 e repetition penalty 1.0. La ricetta di valutazione Thinking separata della famiglia usa temperature 0.6, presence penalty pari a zero, repetition penalty 1.0 e un budget di output di 40,960 token. Si tratta di configurazioni predefinite distinte del produttore; il budget non è un massimo rigido di output attestato in modo indipendente.
La procedura di estensione della famiglia usa YaRN e suggerisce un fattore di due o tre per lo schema posizionale interleaved nel passaggio da 256K a circa 1M. Non deve ereditare il fattore di quattro di un'altra famiglia. Verifica etichette estratte, calcoli e codice generato rispetto agli elementi originali e mantieni l'artefatto finale distinguibile dal ragionamento. Il risultato pratico è una conclusione visiva o una proposta di codice verificabile, conservando questa esatta edizione Thinking.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen/qwen3-vl-30b-a3b-thinking | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00058 / 1K token Output · Token in output $0.002 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00058 / 1K token Output · Token in output $0.002 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen/qwen3-vl-30b-a3b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-30b-a3b-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-30b-a3b-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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen/qwen3-vl-30b-a3b-thinking
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Reason about a transcribed geometry diagram\n\nUse this diagram transcription: rectangle ABCD has AB = 10 cm and BC = 6 cm; E is the midpoint of AB; segment CE is drawn. Find the area of triangle BCE. State the base and perpendicular height used, preserve the units, and give a short derivation. Do not assume any additional markings or image input.A short geometry derivation naming base BE and height BC, with the final area in square centimetres.The midpoint halves AB, and the triangle area uses one-half times the perpendicular base-height product.