Qwen3-VL-8B-Thinking — Alibaba компаниясының Qwen3-VL модельдер тобының пайымдауға бағытталған тығыз 8B басылымы. Бір ортақ тапсырмада мәтін, суреттер мен бейнені біріктіріп, мәтін жасайды. Qwen Thinking және Instruct басылымдарын бөлек шығарады; бұл карточка жауап бермес бұрын визуалды дәлелді талдауды көздейтін атаулы Thinking моделіне қатысты. Тек мәтіндік жұмыс та модельдің тілдік қабілетіне кіреді.
Өндіруші алдымен визуалды агенттерді ұсынады: модель жұмыс үстелі не мобильді интерфейс элементтерін танып, қызметін түсіндіріп, келесі әрекеттесу туралы пайымдай алады. Қолданбада скриншоттар ағымдағы күйді береді, құралдар таңдалған әрекеттерді орындайды. Пайдалы тапсырма пайдаланушы мақсатын, көрінетін экранды және рұқсат етілген әрекеттерді беріп, келесі қадамды және оны негіздейтін элементті сұрайды. Жасалған түсіндіру айналасындағы қолданба орындаған әрекеттен бөлек.
Визуалды бағдарламалау үлгі суреттерді не бейнені мәтіндік кодпен байланыстырады. Qwen шығыс мысалдары ретінде Draw.io сызбаларын және HTML, CSS, JavaScript кодын құжаттайды. Скриншот не нобайды қажетті әрекетпен, мазмұнмен және мақсатты орналасумен бірге беріп, өңделетін код не сызба артефактісін сұраңыз. Кеңістіктік жұмыста модельдер тобы 2D grounding және 3D grounding арқылы нысан орнын, көру нүктесін және тасалануын сипаттайды. Орындар керек болса, сипатталған орын мен сұралған шектеуші жақтау бірдей координат жүйесіне сүйенуі үшін координат келісімін көрсетіңіз.
Мәтін мен кезектескен визуалды материалдың төл контексті — 256K токен. Модель карточкасы бір миллион токенге кеңейтуді де сипаттайды; ол төл контекст сипаттамасы емес, бөлек бапталған кеңейту. Ұзақ контекст қолданыстарына құжат беттерін өзара салыстырып қарау және бейнеде оқиғалар орнын табу кіреді. Кіріс дайындағанда бет ретін және бейне уақыт белгілерін сақтап, жауаптан әр қорытындыға қолданған бетті не сәтті анықтауды сұраңыз.
Мультимодальды пайымдау көрінетін материалды да, жазбаша сұрағын да қажет ететін математикалық және ғылыми тапсырмаларды қамтиды. Бұл модельдер тобы нысандарды, өнімдерді, көрікті орындарды, өсімдіктер мен жануарларды кең визуалды тануды да қолдайды. OCR қамтуы 32 тілді және әлсіз жарық, бұлыңғырлық не қисаюы бар күрделі суреттерді, сондай-ақ құжат құрылымын түсіндіруді қамтиды. Сканерленген есепте алдымен транскрипцияны, содан кейін шешімді сұраңыз; бұл қате оқылған таңба не белгіні пайымдауды өзгертпей тұрып көрсетеді.
Осы визуалды және уақыттық жұмысты үш құрылым жаңартуы қолдайды. Interleaved-MRoPE позиция ақпаратын уақыт, ен және биіктік бойынша таратады; DeepStack бірнеше деңгейдегі визуалды белгілерді тіл моделіне енгізеді; нақты көрсетілген мәтіндік уақыт белгілері бейне кадр топтарының уақыттық орнын көрсетеді. Іс жүзіндегі маңызы — кеңістіктік бөлшектерді сақтау және оқиға сипаттамасын деректегі сәтпен байланыстыру. Олар ұсақ не оқылмайтын бастапқы бөлшекті кепілді тануға айналдырмайды.
Нақты Thinking модель карточкасы визуалды және мәтіндік тапсырмаларға бөлек жасау ұсынымдарын береді. Екеуі де temperature 1.0, top-p 0.95 және top-k 20 іріктеуін қолданады; визуалды мысал presence penalty 0.0, мәтіндік мысал 1.5 қолданады. Шығыс ұзындығының мысал баптаулары визуалды жұмысқа 40,960, мәтінге 32,768; таңдаулы күрделі мәтіндік бағалауларға 81,920 ұсынылады. Бұлар — әмбебап ең үлкен шығыс кепілі не айналасындағы қызмет міндетті ашатын параметрлер емес, баптау ұсынымдары.
Іс жүзіндегі құжат тапсырмасында реттелген бет суреттерін беріп: «Бөлім тақырыптарын шығарып, сызба мен жанындағы мәтін байланысын түсіндіріңіз және әр қорытындыға бет сілтемесін қосыңыз» деп сұраңыз. Бейнеде табылатын оқиғаны анықтап, уақыт белгісі мен қысқа визуалды түсіндірмесін сұраңыз. Визуалды пайымдау сұрағында қажетті соңғы артефактіні және қолдануға болатын жорамалдарды көрсетіңіз. Шығыс мәтіндік түсіндірме, алынған мазмұн, код не ұсынылған құрал қадамы болып қалады; осы басылымның визуалды кірісі бейне жасау не сөйлеу жасау үдерісі емес.
", "aboutText": "Qwen3-VL-8B-Thinking — Alibaba компаниясының Qwen3-VL модельдер тобының пайымдауға бағытталған тығыз 8B басылымы. Бір ортақ тапсырмада мәтін, суреттер мен бейнені біріктіріп, мәтін жасайды. Qwen Thinking және Instruct басылымдарын бөлек шығарады; бұл карточка жауап бермес бұрын визуалды дәлелді талдауды көздейтін атаулы Thinking моделіне қатысты. Тек мәтіндік жұмыс та модельдің тілдік қабілетіне кіреді.\n\nӨндіруші алдымен визуалды агенттерді ұсынады: модель жұмыс үстелі не мобильді интерфейс элементтерін танып, қызметін түсіндіріп, келесі әрекеттесу туралы пайымдай алады. Қолданбада скриншоттар ағымдағы күйді береді, құралдар таңдалған әрекеттерді орындайды. Пайдалы тапсырма пайдаланушы мақсатын, көрінетін экранды және рұқсат етілген әрекеттерді беріп, келесі қадамды және оны негіздейтін элементті сұрайды. Жасалған түсіндіру айналасындағы қолданба орындаған әрекеттен бөлек.\n\nВизуалды бағдарламалау үлгі суреттерді не бейнені мәтіндік кодпен байланыстырады. Qwen шығыс мысалдары ретінде Draw.io сызбаларын және HTML, CSS, JavaScript кодын құжаттайды. Скриншот не нобайды қажетті әрекетпен, мазмұнмен және мақсатты орналасумен бірге беріп, өңделетін код не сызба артефактісін сұраңыз. Кеңістіктік жұмыста модельдер тобы 2D grounding және 3D grounding арқылы нысан орнын, көру нүктесін және тасалануын сипаттайды. Орындар керек болса, сипатталған орын мен сұралған шектеуші жақтау бірдей координат жүйесіне сүйенуі үшін координат келісімін көрсетіңіз.\n\nМәтін мен кезектескен визуалды материалдың төл контексті — 256K токен. Модель карточкасы бір миллион токенге кеңейтуді де сипаттайды; ол төл контекст сипаттамасы емес, бөлек бапталған кеңейту. Ұзақ контекст қолданыстарына құжат беттерін өзара салыстырып қарау және бейнеде оқиғалар орнын табу кіреді. Кіріс дайындағанда бет ретін және бейне уақыт белгілерін сақтап, жауаптан әр қорытындыға қолданған бетті не сәтті анықтауды сұраңыз.\n\nМультимодальды пайымдау көрінетін материалды да, жазбаша сұрағын да қажет ететін математикалық және ғылыми тапсырмаларды қамтиды. Бұл модельдер тобы нысандарды, өнімдерді, көрікті орындарды, өсімдіктер мен жануарларды кең визуалды тануды да қолдайды. OCR қамтуы 32 тілді және әлсіз жарық, бұлыңғырлық не қисаюы бар күрделі суреттерді, сондай-ақ құжат құрылымын түсіндіруді қамтиды. Сканерленген есепте алдымен транскрипцияны, содан кейін шешімді сұраңыз; бұл қате оқылған таңба не белгіні пайымдауды өзгертпей тұрып көрсетеді.\n\nОсы визуалды және уақыттық жұмысты үш құрылым жаңартуы қолдайды. Interleaved-MRoPE позиция ақпаратын уақыт, ен және биіктік бойынша таратады; DeepStack бірнеше деңгейдегі визуалды белгілерді тіл моделіне енгізеді; нақты көрсетілген мәтіндік уақыт белгілері бейне кадр топтарының уақыттық орнын көрсетеді. Іс жүзіндегі маңызы — кеңістіктік бөлшектерді сақтау және оқиға сипаттамасын деректегі сәтпен байланыстыру. Олар ұсақ не оқылмайтын бастапқы бөлшекті кепілді тануға айналдырмайды.\n\nНақты Thinking модель карточкасы визуалды және мәтіндік тапсырмаларға бөлек жасау ұсынымдарын береді. Екеуі де temperature 1.0, top-p 0.95 және top-k 20 іріктеуін қолданады; визуалды мысал presence penalty 0.0, мәтіндік мысал 1.5 қолданады. Шығыс ұзындығының мысал баптаулары визуалды жұмысқа 40,960, мәтінге 32,768; таңдаулы күрделі мәтіндік бағалауларға 81,920 ұсынылады. Бұлар — әмбебап ең үлкен шығыс кепілі не айналасындағы қызмет міндетті ашатын параметрлер емес, баптау ұсынымдары.\n\nІс жүзіндегі құжат тапсырмасында реттелген бет суреттерін беріп: «Бөлім тақырыптарын шығарып, сызба мен жанындағы мәтін байланысын түсіндіріңіз және әр қорытындыға бет сілтемесін қосыңыз» деп сұраңыз. Бейнеде табылатын оқиғаны анықтап, уақыт белгісі мен қысқа визуалды түсіндірмесін сұраңыз. Визуалды пайымдау сұрағында қажетті соңғы артефактіні және қолдануға болатын жорамалдарды көрсетіңіз. Шығыс мәтіндік түсіндірме, алынған мазмұн, код не ұсынылған құрал қадамы болып қалады; осы басылымның визуалды кірісі бейне жасау не сөйлеу жасау үдерісі емес.", "editorialOverlay": { "copy_fields": { "practical_html": "Ағылшын тіліндегі техникалық мысал
Reason about a written interface layout\n\nUse this textual layout description: a dialog contains a title at the top, a long message in the middle and Cancel/Confirm buttons at the bottom. On a short screen, only the message area should scroll; both buttons must stay visible. Propose HTML and CSS structure and explain the height constraints. Do not assume an image was supplied.An editable HTML/CSS proposal and a short explanation of which region scrolls.Check the proposed structure limits message overflow while keeping both actions outside that scroll area.Qwen/Qwen3-VL-8B-ThinkingQwen3-VL-8B-Thinking — пайымдауға бағытталған 8B Qwen көру-тіл басылымы. Визуалды есеп шешу, құжат түсіндіру, кеңістіктік талдау және визуалды үлгілерден код жасау үшін мәтін, суреттер мен бейнені біріктіреді.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Qwen3-VL-8B-Thinking — Alibaba компаниясының Qwen3-VL модельдер тобының пайымдауға бағытталған тығыз 8B басылымы. Бір ортақ тапсырмада мәтін, суреттер мен бейнені біріктіріп, мәтін жасайды. Qwen Thinking және Instruct басылымдарын бөлек шығарады; бұл карточка жауап бермес бұрын визуалды дәлелді талдауды көздейтін атаулы Thinking моделіне қатысты. Тек мәтіндік жұмыс та модельдің тілдік қабілетіне кіреді.
Өндіруші алдымен визуалды агенттерді ұсынады: модель жұмыс үстелі не мобильді интерфейс элементтерін танып, қызметін түсіндіріп, келесі әрекеттесу туралы пайымдай алады. Қолданбада скриншоттар ағымдағы күйді береді, құралдар таңдалған әрекеттерді орындайды. Пайдалы тапсырма пайдаланушы мақсатын, көрінетін экранды және рұқсат етілген әрекеттерді беріп, келесі қадамды және оны негіздейтін элементті сұрайды. Жасалған түсіндіру айналасындағы қолданба орындаған әрекеттен бөлек.
Визуалды бағдарламалау үлгі суреттерді не бейнені мәтіндік кодпен байланыстырады. Qwen шығыс мысалдары ретінде Draw.io сызбаларын және HTML, CSS, JavaScript кодын құжаттайды. Скриншот не нобайды қажетті әрекетпен, мазмұнмен және мақсатты орналасумен бірге беріп, өңделетін код не сызба артефактісін сұраңыз. Кеңістіктік жұмыста модельдер тобы 2D grounding және 3D grounding арқылы нысан орнын, көру нүктесін және тасалануын сипаттайды. Орындар керек болса, сипатталған орын мен сұралған шектеуші жақтау бірдей координат жүйесіне сүйенуі үшін координат келісімін көрсетіңіз.
Мәтін мен кезектескен визуалды материалдың төл контексті — 256K токен. Модель карточкасы бір миллион токенге кеңейтуді де сипаттайды; ол төл контекст сипаттамасы емес, бөлек бапталған кеңейту. Ұзақ контекст қолданыстарына құжат беттерін өзара салыстырып қарау және бейнеде оқиғалар орнын табу кіреді. Кіріс дайындағанда бет ретін және бейне уақыт белгілерін сақтап, жауаптан әр қорытындыға қолданған бетті не сәтті анықтауды сұраңыз.
Мультимодальды пайымдау көрінетін материалды да, жазбаша сұрағын да қажет ететін математикалық және ғылыми тапсырмаларды қамтиды. Бұл модельдер тобы нысандарды, өнімдерді, көрікті орындарды, өсімдіктер мен жануарларды кең визуалды тануды да қолдайды. OCR қамтуы 32 тілді және әлсіз жарық, бұлыңғырлық не қисаюы бар күрделі суреттерді, сондай-ақ құжат құрылымын түсіндіруді қамтиды. Сканерленген есепте алдымен транскрипцияны, содан кейін шешімді сұраңыз; бұл қате оқылған таңба не белгіні пайымдауды өзгертпей тұрып көрсетеді.
Осы визуалды және уақыттық жұмысты үш құрылым жаңартуы қолдайды. Interleaved-MRoPE позиция ақпаратын уақыт, ен және биіктік бойынша таратады; DeepStack бірнеше деңгейдегі визуалды белгілерді тіл моделіне енгізеді; нақты көрсетілген мәтіндік уақыт белгілері бейне кадр топтарының уақыттық орнын көрсетеді. Іс жүзіндегі маңызы — кеңістіктік бөлшектерді сақтау және оқиға сипаттамасын деректегі сәтпен байланыстыру. Олар ұсақ не оқылмайтын бастапқы бөлшекті кепілді тануға айналдырмайды.
Нақты Thinking модель карточкасы визуалды және мәтіндік тапсырмаларға бөлек жасау ұсынымдарын береді. Екеуі де temperature 1.0, top-p 0.95 және top-k 20 іріктеуін қолданады; визуалды мысал presence penalty 0.0, мәтіндік мысал 1.5 қолданады. Шығыс ұзындығының мысал баптаулары визуалды жұмысқа 40,960, мәтінге 32,768; таңдаулы күрделі мәтіндік бағалауларға 81,920 ұсынылады. Бұлар — әмбебап ең үлкен шығыс кепілі не айналасындағы қызмет міндетті ашатын параметрлер емес, баптау ұсынымдары.
Іс жүзіндегі құжат тапсырмасында реттелген бет суреттерін беріп: «Бөлім тақырыптарын шығарып, сызба мен жанындағы мәтін байланысын түсіндіріңіз және әр қорытындыға бет сілтемесін қосыңыз» деп сұраңыз. Бейнеде табылатын оқиғаны анықтап, уақыт белгісі мен қысқа визуалды түсіндірмесін сұраңыз. Визуалды пайымдау сұрағында қажетті соңғы артефактіні және қолдануға болатын жорамалдарды көрсетіңіз. Шығыс мәтіндік түсіндірме, алынған мазмұн, код не ұсынылған құрал қадамы болып қалады; осы басылымның визуалды кірісі бейне жасау не сөйлеу жасау үдерісі емес.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Qwen/Qwen3-VL-8B-Thinking | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер function Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmodalities | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер text | Әдепкі— |
Өрісprovider | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Осы Ultra мәтіндік бағытында provider.options қабылданбайды | Әдепкі— |
Өрісcache_control.ttl | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Сұрау кэшінің нақты орындарында 1h қабылданбайды | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрmessages | Параметр талаптарыrole/content құрылымы бар хабарламалар жиымы |
Параметрfile_material | Параметр талаптарынақты UTF-8 құжаты сөзбе-сөз мәтін ретінде енгізіледі; файл ID-і болжанбайды |
Параметрoptional_controls | Параметр талаптарыstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Параметр талаптарымодельге байланысты; пайдаланушының функция құралдары қызмет жағында орындалатын құралдардан өзгеше |
Параметрoutput_modalities | Параметр талаптарыtext |
Параметрhosted_operations | Параметр талаптарыfalse |
Параметрmultimodal_input_binding | Параметр талаптарыnull |
Өмірлік цикл: synchronous_or_streamed
Модельдің дәл ID мәнін messages деректерімен бірге жіберіңіз.
Контекст ұзындығы шығыстың жоғарғы шегі емес.
Мәтіндік файл сөзбе-сөз мәтінді бере алады; кіріс суреттері, аудио және файл нысандары дәл байланыстыруды қажет етеді.
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.000144 / 1K токен Шығыс · Шығыс токендері $0.00143 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
set -eu\n: "${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-8B-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-8B-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-8B-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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot Ultra Qwen/Qwen3-VL-8B-Thinking
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Qwen/Qwen3-VL-8B-ThinkingQwen3-VL-8B-Thinking — пайымдауға бағытталған 8B Qwen көру-тіл басылымы. Визуалды есеп шешу, құжат түсіндіру, кеңістіктік талдау және визуалды үлгілерден код жасау үшін мәтін, суреттер мен бейнені біріктіреді.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Qwen3-VL-8B-Thinking — Alibaba компаниясының Qwen3-VL модельдер тобының пайымдауға бағытталған тығыз 8B басылымы. Бір ортақ тапсырмада мәтін, суреттер мен бейнені біріктіріп, мәтін жасайды. Qwen Thinking және Instruct басылымдарын бөлек шығарады; бұл карточка жауап бермес бұрын визуалды дәлелді талдауды көздейтін атаулы Thinking моделіне қатысты. Тек мәтіндік жұмыс та модельдің тілдік қабілетіне кіреді.
Өндіруші алдымен визуалды агенттерді ұсынады: модель жұмыс үстелі не мобильді интерфейс элементтерін танып, қызметін түсіндіріп, келесі әрекеттесу туралы пайымдай алады. Қолданбада скриншоттар ағымдағы күйді береді, құралдар таңдалған әрекеттерді орындайды. Пайдалы тапсырма пайдаланушы мақсатын, көрінетін экранды және рұқсат етілген әрекеттерді беріп, келесі қадамды және оны негіздейтін элементті сұрайды. Жасалған түсіндіру айналасындағы қолданба орындаған әрекеттен бөлек.
Визуалды бағдарламалау үлгі суреттерді не бейнені мәтіндік кодпен байланыстырады. Qwen шығыс мысалдары ретінде Draw.io сызбаларын және HTML, CSS, JavaScript кодын құжаттайды. Скриншот не нобайды қажетті әрекетпен, мазмұнмен және мақсатты орналасумен бірге беріп, өңделетін код не сызба артефактісін сұраңыз. Кеңістіктік жұмыста модельдер тобы 2D grounding және 3D grounding арқылы нысан орнын, көру нүктесін және тасалануын сипаттайды. Орындар керек болса, сипатталған орын мен сұралған шектеуші жақтау бірдей координат жүйесіне сүйенуі үшін координат келісімін көрсетіңіз.
Мәтін мен кезектескен визуалды материалдың төл контексті — 256K токен. Модель карточкасы бір миллион токенге кеңейтуді де сипаттайды; ол төл контекст сипаттамасы емес, бөлек бапталған кеңейту. Ұзақ контекст қолданыстарына құжат беттерін өзара салыстырып қарау және бейнеде оқиғалар орнын табу кіреді. Кіріс дайындағанда бет ретін және бейне уақыт белгілерін сақтап, жауаптан әр қорытындыға қолданған бетті не сәтті анықтауды сұраңыз.
Мультимодальды пайымдау көрінетін материалды да, жазбаша сұрағын да қажет ететін математикалық және ғылыми тапсырмаларды қамтиды. Бұл модельдер тобы нысандарды, өнімдерді, көрікті орындарды, өсімдіктер мен жануарларды кең визуалды тануды да қолдайды. OCR қамтуы 32 тілді және әлсіз жарық, бұлыңғырлық не қисаюы бар күрделі суреттерді, сондай-ақ құжат құрылымын түсіндіруді қамтиды. Сканерленген есепте алдымен транскрипцияны, содан кейін шешімді сұраңыз; бұл қате оқылған таңба не белгіні пайымдауды өзгертпей тұрып көрсетеді.
Осы визуалды және уақыттық жұмысты үш құрылым жаңартуы қолдайды. Interleaved-MRoPE позиция ақпаратын уақыт, ен және биіктік бойынша таратады; DeepStack бірнеше деңгейдегі визуалды белгілерді тіл моделіне енгізеді; нақты көрсетілген мәтіндік уақыт белгілері бейне кадр топтарының уақыттық орнын көрсетеді. Іс жүзіндегі маңызы — кеңістіктік бөлшектерді сақтау және оқиға сипаттамасын деректегі сәтпен байланыстыру. Олар ұсақ не оқылмайтын бастапқы бөлшекті кепілді тануға айналдырмайды.
Нақты Thinking модель карточкасы визуалды және мәтіндік тапсырмаларға бөлек жасау ұсынымдарын береді. Екеуі де temperature 1.0, top-p 0.95 және top-k 20 іріктеуін қолданады; визуалды мысал presence penalty 0.0, мәтіндік мысал 1.5 қолданады. Шығыс ұзындығының мысал баптаулары визуалды жұмысқа 40,960, мәтінге 32,768; таңдаулы күрделі мәтіндік бағалауларға 81,920 ұсынылады. Бұлар — әмбебап ең үлкен шығыс кепілі не айналасындағы қызмет міндетті ашатын параметрлер емес, баптау ұсынымдары.
Іс жүзіндегі құжат тапсырмасында реттелген бет суреттерін беріп: «Бөлім тақырыптарын шығарып, сызба мен жанындағы мәтін байланысын түсіндіріңіз және әр қорытындыға бет сілтемесін қосыңыз» деп сұраңыз. Бейнеде табылатын оқиғаны анықтап, уақыт белгісі мен қысқа визуалды түсіндірмесін сұраңыз. Визуалды пайымдау сұрағында қажетті соңғы артефактіні және қолдануға болатын жорамалдарды көрсетіңіз. Шығыс мәтіндік түсіндірме, алынған мазмұн, код не ұсынылған құрал қадамы болып қалады; осы басылымның визуалды кірісі бейне жасау не сөйлеу жасау үдерісі емес.
POST /v1/messagestextjson, sse| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Qwen/Qwen3-VL-8B-Thinking | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF-8 мәтіні
messages[].content жолы
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрtext_file_material | Параметр талаптарыНақты UTF-8 құжатын оқып, оның мәтінін көрсетілген кіріс жолына немесе хабарлама мазмұнының жолына қойыңыз. |
Өмірлік цикл: synchronous_or_streamed
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.000144 / 1K токен Шығыс · Шығыс токендері $0.00143 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
{\n "model": "Qwen/Qwen3-VL-8B-Thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-8B-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-8B-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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot Ultra Qwen/Qwen3-VL-8B-Thinking
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Ағылшын тіліндегі техникалық мысал
Reason about a written interface layout\n\nUse this textual layout description: a dialog contains a title at the top, a long message in the middle and Cancel/Confirm buttons at the bottom. On a short screen, only the message area should scroll; both buttons must stay visible. Propose HTML and CSS structure and explain the height constraints. Do not assume an image was supplied.An editable HTML/CSS proposal and a short explanation of which region scrolls.Check the proposed structure limits message overflow while keeping both actions outside that scroll area.