8B Instruct 비전 언어 에디션
Qwen3-VL-8B-Instruct는 Qwen3-VL의 지시 중심 8B 밀집 에디션입니다. 텍스트와 이미지 또는 동영상을 결합해 코드를 포함한 텍스트를 생성합니다. 추론이 강화된 Thinking 에디션 및 같은 제품군의 희소 전문가 모델과 구분됩니다. 범위가 명확한 시각 지시, 문서 질문, 제공 증거와 결과를 비교할 수 있는 편집 가능한 산출물에 선택하세요.
시각 에이전트와 시각 코딩
제작사는 컴퓨터 또는 모바일 인터페이스 요소 인식, 기능 이해, 시각 에이전트 워크플로의 도구 사용을 설명합니다. 스크린샷과 구체적인 목표를 제공한 뒤 어떤 보이는 컨트롤이 목표에 해당하고 어떤 증거가 그 선택을 뒷받침하는지 물어보세요. 연결된 소프트웨어가 작업을 수행합니다. 인터페이스 인식이 독립적으로 모델에 기기 제어권을 주지는 않습니다.
시각 코딩에는 이미지나 동영상에서 다이어그램 콘텐츠 및 HTML, CSS, JavaScript를 생성하는 작업이 포함됩니다. 기능 요구사항과 필요한 편집 가능한 출력에 레이아웃 참조를 함께 제공하세요. 검토가 쉬워진다면 소스 구조와 스타일을 별도로 요청하세요. 생성 코드는 텍스트 산출물이며 동작을 렌더링하고 평가할 개발 워크플로가 여전히 필요합니다.
공간 지각과 긴 자료
Qwen은 객체 위치, 시점, 가림에 대한 추론을 2차원 grounding 및 3차원 grounding 지원과 함께 문서화합니다. 대상 객체를 명시하고 살펴볼 관계를 설명하세요. 상대 위치에 관한 결과는 이미지에서의 추론이며 보정된 물리적 측정이 아닙니다.
기본 컨텍스트는 262,144토큰입니다. 제품군은 책과 수시간 동영상, 초 단위 이벤트 색인, 구성을 통한 약 100만 토큰 확장을 설명합니다. 표현 방식, 프레임 샘플링, 설정된 시퀀스 한도가 어떤 자료가 처리되는지 결정합니다. 큰 컨텍스트가 모든 페이지나 프레임의 완전한 기억을 보장하지는 않습니다. 동영상 이벤트 기록을 요청할 때 시간을 보존하세요.
멀티모달 추론, 인식, OCR
제품군은 STEM 및 수학 질문, 인과 분석, 증거 기반 시각 설명을 지원합니다. 다이어그램과 함께 전체 문제를 제공하고 결론 전에 사용한 값과 관계를 요청하세요. 인식은 사람, 제품, 랜드마크, 식물, 동물, 미디어 캐릭터 등 폭넓은 범위를 다룹니다. 식별이 중요할 때는 그럴듯한 레이블도 확인해야 합니다.
OCR은 32개 언어를 다루며 저조도, 흐림, 기울어짐 조건에서 전문 용어와 장문 문서 구조를 포함한 읽기를 개선하도록 설계되었습니다. 읽을 수 있는 페이지를 제공하고 대조할 수 있는 명명된 필드, 인용, 구조화 표를 요청하세요. 텍스트와 시각 이해가 결합되므로 질문에서 문단과 그림, 사용자 지시를 연결할 수 있습니다.
아키텍처 업데이트
공개된 밀집 텍스트 구성에는 레이어 36개가 있습니다. Interleaved-MRoPE는 동영상 추론을 위해 시간, 너비, 높이를 표현합니다. DeepStack은 여러 비전 인코더 수준의 특징을 결합하며, 텍스트·타임스탬프 정렬은 이벤트를 시간 참조에 연결합니다. 이 아키텍처 특징은 모델의 표현을 설명하며 고정 응답 시간이나 정확한 물리적 정밀도를 확립하지는 않습니다.
입력 준비하기
제작사의 제품군 예시는 텍스트 전용 요청, 단일 또는 다중 이미지, 동영상을 다룹니다. 시각 입력에 레이블을 붙이고 관계를 명시하세요. 이미지 및 동영상 픽셀 예산은 별개입니다. 이미지 예산은 이미지 하나에 관한 것이고 동영상 예산은 샘플링한 프레임 전체의 픽셀에 관한 것입니다. 명시적인 이미지 치수는 32의 배수에 맞춥니다. 문서화된 동영상 기본값은 초당 2프레임이며 지원 워크플로에서 프레임률이나 프레임 수 제어를 제공합니다.
보조 워크플로는 동영상 메타데이터를 보존하고 미디어 크기를 이미 조정했다면 중복 크기 조정을 피하도록 권고합니다. 문서 작업에는 페이지 식별자를 유지하세요. 클립에는 이벤트, 관련 구간, 보이는 증거를 요청하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출이나 시간 정밀도를 보장하지 않습니다.
생성 지침과 한도
이 정확한 카드는 별도의 작업 프리셋을 제공합니다. 비전 언어 작업에는 temperature 0.7, top_p 0.8, top_k 20, repetition penalty 1.0, presence penalty 1.5를 사용하고 출력 허용량은 16,384토큰입니다. 텍스트 작업에는 temperature 1.0, top_p 1.0, top_k 40, repetition penalty 1.0, presence penalty 2.0을 사용하고 허용량은 32,768토큰입니다. 이는 제작사 레시피 예산이며 독립적으로 확립된 엄격한 출력 상한이나 별도의 모델 식별자가 아닙니다.
제품군의 장문 컨텍스트 절차는 YaRN을 사용하며, 교차 배치된 위치를 256K에서 약 1M으로 확장할 때 계수 2 또는 3을 제안합니다. 다른 Qwen 제품군의 계수 4를 복사하면 안 됩니다. 시각 및 텍스트 입력과 함께 답변 공간을 확보하고 OCR, 계산된 결론, 생성 소스를 원래 자료와 대조해 검증하세요. Thinking 체크포인트의 생성 또는 제어 계약을 가져오지 말고 정확한 Instruct 에디션을 유지하세요.
", "aboutText": "8B Instruct 비전 언어 에디션\n\nQwen3-VL-8B-Instruct는 Qwen3-VL의 지시 중심 8B 밀집 에디션입니다. 텍스트와 이미지 또는 동영상을 결합해 코드를 포함한 텍스트를 생성합니다. 추론이 강화된 Thinking 에디션 및 같은 제품군의 희소 전문가 모델과 구분됩니다. 범위가 명확한 시각 지시, 문서 질문, 제공 증거와 결과를 비교할 수 있는 편집 가능한 산출물에 선택하세요.\n\n시각 에이전트와 시각 코딩\n\n제작사는 컴퓨터 또는 모바일 인터페이스 요소 인식, 기능 이해, 시각 에이전트 워크플로의 도구 사용을 설명합니다. 스크린샷과 구체적인 목표를 제공한 뒤 어떤 보이는 컨트롤이 목표에 해당하고 어떤 증거가 그 선택을 뒷받침하는지 물어보세요. 연결된 소프트웨어가 작업을 수행합니다. 인터페이스 인식이 독립적으로 모델에 기기 제어권을 주지는 않습니다.\n\n시각 코딩에는 이미지나 동영상에서 다이어그램 콘텐츠 및 HTML, CSS, JavaScript를 생성하는 작업이 포함됩니다. 기능 요구사항과 필요한 편집 가능한 출력에 레이아웃 참조를 함께 제공하세요. 검토가 쉬워진다면 소스 구조와 스타일을 별도로 요청하세요. 생성 코드는 텍스트 산출물이며 동작을 렌더링하고 평가할 개발 워크플로가 여전히 필요합니다.\n\n공간 지각과 긴 자료\n\nQwen은 객체 위치, 시점, 가림에 대한 추론을 2차원 grounding 및 3차원 grounding 지원과 함께 문서화합니다. 대상 객체를 명시하고 살펴볼 관계를 설명하세요. 상대 위치에 관한 결과는 이미지에서의 추론이며 보정된 물리적 측정이 아닙니다.\n\n기본 컨텍스트는 262,144토큰입니다. 제품군은 책과 수시간 동영상, 초 단위 이벤트 색인, 구성을 통한 약 100만 토큰 확장을 설명합니다. 표현 방식, 프레임 샘플링, 설정된 시퀀스 한도가 어떤 자료가 처리되는지 결정합니다. 큰 컨텍스트가 모든 페이지나 프레임의 완전한 기억을 보장하지는 않습니다. 동영상 이벤트 기록을 요청할 때 시간을 보존하세요.\n\n멀티모달 추론, 인식, OCR\n\n제품군은 STEM 및 수학 질문, 인과 분석, 증거 기반 시각 설명을 지원합니다. 다이어그램과 함께 전체 문제를 제공하고 결론 전에 사용한 값과 관계를 요청하세요. 인식은 사람, 제품, 랜드마크, 식물, 동물, 미디어 캐릭터 등 폭넓은 범위를 다룹니다. 식별이 중요할 때는 그럴듯한 레이블도 확인해야 합니다.\n\nOCR은 32개 언어를 다루며 저조도, 흐림, 기울어짐 조건에서 전문 용어와 장문 문서 구조를 포함한 읽기를 개선하도록 설계되었습니다. 읽을 수 있는 페이지를 제공하고 대조할 수 있는 명명된 필드, 인용, 구조화 표를 요청하세요. 텍스트와 시각 이해가 결합되므로 질문에서 문단과 그림, 사용자 지시를 연결할 수 있습니다.\n\n아키텍처 업데이트\n\n공개된 밀집 텍스트 구성에는 레이어 36개가 있습니다. Interleaved-MRoPE는 동영상 추론을 위해 시간, 너비, 높이를 표현합니다. DeepStack은 여러 비전 인코더 수준의 특징을 결합하며, 텍스트·타임스탬프 정렬은 이벤트를 시간 참조에 연결합니다. 이 아키텍처 특징은 모델의 표현을 설명하며 고정 응답 시간이나 정확한 물리적 정밀도를 확립하지는 않습니다.\n\n입력 준비하기\n\n제작사의 제품군 예시는 텍스트 전용 요청, 단일 또는 다중 이미지, 동영상을 다룹니다. 시각 입력에 레이블을 붙이고 관계를 명시하세요. 이미지 및 동영상 픽셀 예산은 별개입니다. 이미지 예산은 이미지 하나에 관한 것이고 동영상 예산은 샘플링한 프레임 전체의 픽셀에 관한 것입니다. 명시적인 이미지 치수는 32의 배수에 맞춥니다. 문서화된 동영상 기본값은 초당 2프레임이며 지원 워크플로에서 프레임률이나 프레임 수 제어를 제공합니다.\n\n보조 워크플로는 동영상 메타데이터를 보존하고 미디어 크기를 이미 조정했다면 중복 크기 조정을 피하도록 권고합니다. 문서 작업에는 페이지 식별자를 유지하세요. 클립에는 이벤트, 관련 구간, 보이는 증거를 요청하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출이나 시간 정밀도를 보장하지 않습니다.\n\n생성 지침과 한도\n\n이 정확한 카드는 별도의 작업 프리셋을 제공합니다. 비전 언어 작업에는 temperature 0.7, top_p 0.8, top_k 20, repetition penalty 1.0, presence penalty 1.5를 사용하고 출력 허용량은 16,384토큰입니다. 텍스트 작업에는 temperature 1.0, top_p 1.0, top_k 40, repetition penalty 1.0, presence penalty 2.0을 사용하고 허용량은 32,768토큰입니다. 이는 제작사 레시피 예산이며 독립적으로 확립된 엄격한 출력 상한이나 별도의 모델 식별자가 아닙니다.\n\n제품군의 장문 컨텍스트 절차는 YaRN을 사용하며, 교차 배치된 위치를 256K에서 약 1M으로 확장할 때 계수 2 또는 3을 제안합니다. 다른 Qwen 제품군의 계수 4를 복사하면 안 됩니다. 시각 및 텍스트 입력과 함께 답변 공간을 확보하고 OCR, 계산된 결론, 생성 소스를 원래 자료와 대조해 검증하세요. Thinking 체크포인트의 생성 또는 제어 계약을 가져오지 말고 정확한 Instruct 에디션을 유지하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Read a text diagram relationship\n\nUse this text rendering of diagram D4: source A feeds filter B; B feeds tanks C and D; only D connects to drain E. List the directed path from A to E and name the tank on that path. Do not add physical dimensions or connections absent from the rendering.A labeled directed path and the tank identifier supported by D4.The path must follow the stated arrows and must not add a C-to-E connection.qwen/qwen3-vl-8b-instructQwen3-VL-8B-Instruct는 텍스트, 이미지, 동영상을 받아 텍스트나 코드를 반환하는 Qwen의 지시 중심 밀집 비전 언어 모델입니다. 문서 읽기, 시각 코딩, 공간 질문, 동영상 분석을 지원하며, 32개 언어 OCR과 기본 262,144토큰 컨텍스트를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
8B Instruct 비전 언어 에디션
Qwen3-VL-8B-Instruct는 Qwen3-VL의 지시 중심 8B 밀집 에디션입니다. 텍스트와 이미지 또는 동영상을 결합해 코드를 포함한 텍스트를 생성합니다. 추론이 강화된 Thinking 에디션 및 같은 제품군의 희소 전문가 모델과 구분됩니다. 범위가 명확한 시각 지시, 문서 질문, 제공 증거와 결과를 비교할 수 있는 편집 가능한 산출물에 선택하세요.
시각 에이전트와 시각 코딩
제작사는 컴퓨터 또는 모바일 인터페이스 요소 인식, 기능 이해, 시각 에이전트 워크플로의 도구 사용을 설명합니다. 스크린샷과 구체적인 목표를 제공한 뒤 어떤 보이는 컨트롤이 목표에 해당하고 어떤 증거가 그 선택을 뒷받침하는지 물어보세요. 연결된 소프트웨어가 작업을 수행합니다. 인터페이스 인식이 독립적으로 모델에 기기 제어권을 주지는 않습니다.
시각 코딩에는 이미지나 동영상에서 다이어그램 콘텐츠 및 HTML, CSS, JavaScript를 생성하는 작업이 포함됩니다. 기능 요구사항과 필요한 편집 가능한 출력에 레이아웃 참조를 함께 제공하세요. 검토가 쉬워진다면 소스 구조와 스타일을 별도로 요청하세요. 생성 코드는 텍스트 산출물이며 동작을 렌더링하고 평가할 개발 워크플로가 여전히 필요합니다.
공간 지각과 긴 자료
Qwen은 객체 위치, 시점, 가림에 대한 추론을 2차원 grounding 및 3차원 grounding 지원과 함께 문서화합니다. 대상 객체를 명시하고 살펴볼 관계를 설명하세요. 상대 위치에 관한 결과는 이미지에서의 추론이며 보정된 물리적 측정이 아닙니다.
기본 컨텍스트는 262,144토큰입니다. 제품군은 책과 수시간 동영상, 초 단위 이벤트 색인, 구성을 통한 약 100만 토큰 확장을 설명합니다. 표현 방식, 프레임 샘플링, 설정된 시퀀스 한도가 어떤 자료가 처리되는지 결정합니다. 큰 컨텍스트가 모든 페이지나 프레임의 완전한 기억을 보장하지는 않습니다. 동영상 이벤트 기록을 요청할 때 시간을 보존하세요.
멀티모달 추론, 인식, OCR
제품군은 STEM 및 수학 질문, 인과 분석, 증거 기반 시각 설명을 지원합니다. 다이어그램과 함께 전체 문제를 제공하고 결론 전에 사용한 값과 관계를 요청하세요. 인식은 사람, 제품, 랜드마크, 식물, 동물, 미디어 캐릭터 등 폭넓은 범위를 다룹니다. 식별이 중요할 때는 그럴듯한 레이블도 확인해야 합니다.
OCR은 32개 언어를 다루며 저조도, 흐림, 기울어짐 조건에서 전문 용어와 장문 문서 구조를 포함한 읽기를 개선하도록 설계되었습니다. 읽을 수 있는 페이지를 제공하고 대조할 수 있는 명명된 필드, 인용, 구조화 표를 요청하세요. 텍스트와 시각 이해가 결합되므로 질문에서 문단과 그림, 사용자 지시를 연결할 수 있습니다.
아키텍처 업데이트
공개된 밀집 텍스트 구성에는 레이어 36개가 있습니다. Interleaved-MRoPE는 동영상 추론을 위해 시간, 너비, 높이를 표현합니다. DeepStack은 여러 비전 인코더 수준의 특징을 결합하며, 텍스트·타임스탬프 정렬은 이벤트를 시간 참조에 연결합니다. 이 아키텍처 특징은 모델의 표현을 설명하며 고정 응답 시간이나 정확한 물리적 정밀도를 확립하지는 않습니다.
입력 준비하기
제작사의 제품군 예시는 텍스트 전용 요청, 단일 또는 다중 이미지, 동영상을 다룹니다. 시각 입력에 레이블을 붙이고 관계를 명시하세요. 이미지 및 동영상 픽셀 예산은 별개입니다. 이미지 예산은 이미지 하나에 관한 것이고 동영상 예산은 샘플링한 프레임 전체의 픽셀에 관한 것입니다. 명시적인 이미지 치수는 32의 배수에 맞춥니다. 문서화된 동영상 기본값은 초당 2프레임이며 지원 워크플로에서 프레임률이나 프레임 수 제어를 제공합니다.
보조 워크플로는 동영상 메타데이터를 보존하고 미디어 크기를 이미 조정했다면 중복 크기 조정을 피하도록 권고합니다. 문서 작업에는 페이지 식별자를 유지하세요. 클립에는 이벤트, 관련 구간, 보이는 증거를 요청하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출이나 시간 정밀도를 보장하지 않습니다.
생성 지침과 한도
이 정확한 카드는 별도의 작업 프리셋을 제공합니다. 비전 언어 작업에는 temperature 0.7, top_p 0.8, top_k 20, repetition penalty 1.0, presence penalty 1.5를 사용하고 출력 허용량은 16,384토큰입니다. 텍스트 작업에는 temperature 1.0, top_p 1.0, top_k 40, repetition penalty 1.0, presence penalty 2.0을 사용하고 허용량은 32,768토큰입니다. 이는 제작사 레시피 예산이며 독립적으로 확립된 엄격한 출력 상한이나 별도의 모델 식별자가 아닙니다.
제품군의 장문 컨텍스트 절차는 YaRN을 사용하며, 교차 배치된 위치를 256K에서 약 1M으로 확장할 때 계수 2 또는 3을 제안합니다. 다른 Qwen 제품군의 계수 4를 복사하면 안 됩니다. 시각 및 텍스트 입력과 함께 답변 공간을 확보하고 OCR, 계산된 결론, 생성 소스를 원래 자료와 대조해 검증하세요. Thinking 체크포인트의 생성 또는 제어 계약을 가져오지 말고 정확한 Instruct 에디션을 유지하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-vl-8b-instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00024 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00024 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-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-8b-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-8b-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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen/qwen3-vl-8b-instruct
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen3-vl-8b-instructQwen3-VL-8B-Instruct는 텍스트, 이미지, 동영상을 받아 텍스트나 코드를 반환하는 Qwen의 지시 중심 밀집 비전 언어 모델입니다. 문서 읽기, 시각 코딩, 공간 질문, 동영상 분석을 지원하며, 32개 언어 OCR과 기본 262,144토큰 컨텍스트를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
8B Instruct 비전 언어 에디션
Qwen3-VL-8B-Instruct는 Qwen3-VL의 지시 중심 8B 밀집 에디션입니다. 텍스트와 이미지 또는 동영상을 결합해 코드를 포함한 텍스트를 생성합니다. 추론이 강화된 Thinking 에디션 및 같은 제품군의 희소 전문가 모델과 구분됩니다. 범위가 명확한 시각 지시, 문서 질문, 제공 증거와 결과를 비교할 수 있는 편집 가능한 산출물에 선택하세요.
시각 에이전트와 시각 코딩
제작사는 컴퓨터 또는 모바일 인터페이스 요소 인식, 기능 이해, 시각 에이전트 워크플로의 도구 사용을 설명합니다. 스크린샷과 구체적인 목표를 제공한 뒤 어떤 보이는 컨트롤이 목표에 해당하고 어떤 증거가 그 선택을 뒷받침하는지 물어보세요. 연결된 소프트웨어가 작업을 수행합니다. 인터페이스 인식이 독립적으로 모델에 기기 제어권을 주지는 않습니다.
시각 코딩에는 이미지나 동영상에서 다이어그램 콘텐츠 및 HTML, CSS, JavaScript를 생성하는 작업이 포함됩니다. 기능 요구사항과 필요한 편집 가능한 출력에 레이아웃 참조를 함께 제공하세요. 검토가 쉬워진다면 소스 구조와 스타일을 별도로 요청하세요. 생성 코드는 텍스트 산출물이며 동작을 렌더링하고 평가할 개발 워크플로가 여전히 필요합니다.
공간 지각과 긴 자료
Qwen은 객체 위치, 시점, 가림에 대한 추론을 2차원 grounding 및 3차원 grounding 지원과 함께 문서화합니다. 대상 객체를 명시하고 살펴볼 관계를 설명하세요. 상대 위치에 관한 결과는 이미지에서의 추론이며 보정된 물리적 측정이 아닙니다.
기본 컨텍스트는 262,144토큰입니다. 제품군은 책과 수시간 동영상, 초 단위 이벤트 색인, 구성을 통한 약 100만 토큰 확장을 설명합니다. 표현 방식, 프레임 샘플링, 설정된 시퀀스 한도가 어떤 자료가 처리되는지 결정합니다. 큰 컨텍스트가 모든 페이지나 프레임의 완전한 기억을 보장하지는 않습니다. 동영상 이벤트 기록을 요청할 때 시간을 보존하세요.
멀티모달 추론, 인식, OCR
제품군은 STEM 및 수학 질문, 인과 분석, 증거 기반 시각 설명을 지원합니다. 다이어그램과 함께 전체 문제를 제공하고 결론 전에 사용한 값과 관계를 요청하세요. 인식은 사람, 제품, 랜드마크, 식물, 동물, 미디어 캐릭터 등 폭넓은 범위를 다룹니다. 식별이 중요할 때는 그럴듯한 레이블도 확인해야 합니다.
OCR은 32개 언어를 다루며 저조도, 흐림, 기울어짐 조건에서 전문 용어와 장문 문서 구조를 포함한 읽기를 개선하도록 설계되었습니다. 읽을 수 있는 페이지를 제공하고 대조할 수 있는 명명된 필드, 인용, 구조화 표를 요청하세요. 텍스트와 시각 이해가 결합되므로 질문에서 문단과 그림, 사용자 지시를 연결할 수 있습니다.
아키텍처 업데이트
공개된 밀집 텍스트 구성에는 레이어 36개가 있습니다. Interleaved-MRoPE는 동영상 추론을 위해 시간, 너비, 높이를 표현합니다. DeepStack은 여러 비전 인코더 수준의 특징을 결합하며, 텍스트·타임스탬프 정렬은 이벤트를 시간 참조에 연결합니다. 이 아키텍처 특징은 모델의 표현을 설명하며 고정 응답 시간이나 정확한 물리적 정밀도를 확립하지는 않습니다.
입력 준비하기
제작사의 제품군 예시는 텍스트 전용 요청, 단일 또는 다중 이미지, 동영상을 다룹니다. 시각 입력에 레이블을 붙이고 관계를 명시하세요. 이미지 및 동영상 픽셀 예산은 별개입니다. 이미지 예산은 이미지 하나에 관한 것이고 동영상 예산은 샘플링한 프레임 전체의 픽셀에 관한 것입니다. 명시적인 이미지 치수는 32의 배수에 맞춥니다. 문서화된 동영상 기본값은 초당 2프레임이며 지원 워크플로에서 프레임률이나 프레임 수 제어를 제공합니다.
보조 워크플로는 동영상 메타데이터를 보존하고 미디어 크기를 이미 조정했다면 중복 크기 조정을 피하도록 권고합니다. 문서 작업에는 페이지 식별자를 유지하세요. 클립에는 이벤트, 관련 구간, 보이는 증거를 요청하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출이나 시간 정밀도를 보장하지 않습니다.
생성 지침과 한도
이 정확한 카드는 별도의 작업 프리셋을 제공합니다. 비전 언어 작업에는 temperature 0.7, top_p 0.8, top_k 20, repetition penalty 1.0, presence penalty 1.5를 사용하고 출력 허용량은 16,384토큰입니다. 텍스트 작업에는 temperature 1.0, top_p 1.0, top_k 40, repetition penalty 1.0, presence penalty 2.0을 사용하고 허용량은 32,768토큰입니다. 이는 제작사 레시피 예산이며 독립적으로 확립된 엄격한 출력 상한이나 별도의 모델 식별자가 아닙니다.
제품군의 장문 컨텍스트 절차는 YaRN을 사용하며, 교차 배치된 위치를 256K에서 약 1M으로 확장할 때 계수 2 또는 3을 제안합니다. 다른 Qwen 제품군의 계수 4를 복사하면 안 됩니다. 시각 및 텍스트 입력과 함께 답변 공간을 확보하고 OCR, 계산된 결론, 생성 소스를 원래 자료와 대조해 검증하세요. Thinking 체크포인트의 생성 또는 제어 계약을 가져오지 말고 정확한 Instruct 에디션을 유지하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen3-vl-8b-instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00024 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.0015 / 1K 토큰 입력 · 캐시 읽기 $0.00024 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen3-vl-8b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-8b-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-8b-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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen/qwen3-vl-8b-instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Read a text diagram relationship\n\nUse this text rendering of diagram D4: source A feeds filter B; B feeds tanks C and D; only D connects to drain E. List the directed path from A to E and name the tank on that path. Do not add physical dimensions or connections absent from the rendering.A labeled directed path and the tank identifier supported by D4.The path must follow the stated arrows and must not add a C-to-E connection.