Ling-3.0-flash-VL ialah perluasan multimodal natif inclusionAI bagi Ling-3.0-flash. Ia menggabungkan keupayaan bahasa, penaakulan dan konteks panjang model asas dengan pemahaman imej dan video. Pengeluar menyusun skop tugas visualnya kepada memahami, menaakul dan bertindak: membaca maklumat visual kompleks, menggunakannya sebagai bukti dan menukar pemerhatian kepada tindakan dalam aplikasi yang menyokongnya. Respons model ialah teks atau perwakilan panggilan alat yang digunakan aplikasi itu.
Seni bina yang diterbitkan mempunyai jumlah 124B parameter dan 5.5B parameter diaktifkan bagi setiap token. Transformer penglihatan mengekstrak ciri imej dan video, dan projektor dua lapisan menjajarkannya dengan perwakilan bahasa. VideoRoPE membawa kedudukan ruang serta urutan masa. Teras hibrid 42 lapisan berselang-seli antara Kimi Delta Attention dan Multi-head Latent Attention bergated dalam corak 5:1, dengan penghalaan pakar jarang. Pembuat menerangkan konteks sehingga 256K token dan menerbitkan resipi konteks lanjutan 262,144 token.
Untuk pemahaman visual, bekalkan imej yang boleh dibaca dan kenal pasti pemerhatian yang diperlukan. Pembuat menyenaraikan pengiraan objek, susun atur kompleks, carta dan kandungan dokumen antara tugas. Permintaan dokumen yang berguna boleh meminta jadual medan dengan halaman atau kawasan kelihatan yang menyokongnya, manakala permintaan carta boleh bertanya siri yang menyokong perbandingan tertentu. Kekalkan bahan visual asal supaya angka, label dan butiran kecil boleh disemak. Kawasan yang tidak jelas patut kekal tidak jelas dalam hasil, bukannya menjadi nilai tekaan.
Untuk penaakulan dengan bukti visual, berikan soalan, andaian berkaitan dan ketepatan yang diperlukan dalam jawapan akhir. Model boleh menghubungkan carta, rajah atau tangkapan skrin dengan pengiraan dan penaakulan berbilang langkah. Minta kesimpulan mengenal pasti pemerhatian yang menjadi sandarannya. Jika aliran kerja merangkumi alat pengiraan atau pengambilan maklumat, kekalkan hasil sebenar alat itu dan pisahkannya daripada tafsiran model. Hubungan visual dan ukuran tertentukur ialah jenis bukti yang berbeza.
Untuk video, kekalkan urutan bahan dan fokuskan soalan pada peristiwa, perubahan atau selang masa. Pembuat mengenal pasti penyetempatan peristiwa, soalan video panjang dan aliran kerja penyuntingan klip sebagai penggunaan perwakilan masanya. Hasil penyuntingan praktikal boleh berupa senarai potongan cadangan yang menerangkan detik yang perlu dikekalkan dan sebabnya. Pastikan cadangan itu terhubung dengan garis masa sumber; aplikasi penyuntingan yang mengelilinginya melaksanakan perubahan dan menghasilkan media yang disunting. Pemahaman video tidak dengan sendirinya menjadikan jawapan teks model sebagai fail video baharu.
Untuk tugas antara muka, sertakan tangkapan skrin semasa, matlamat dan tindakan yang tersedia kepada aplikasi. Ling-3.0-flash-VL boleh mentafsir antara muka web atau perisian dan mencadangkan urutan tindakan daripada maklumat visual. Masukkan semula keadaan yang diperhatikan selepas setiap operasi apabila langkah seterusnya bergantung padanya. Rekod penyelesaian yang berguna menunjukkan perubahan dalam antara muka dan sama ada hasil yang diminta kelihatan, bukannya menganggap klik cadangan sebagai tindakan yang telah dilaksanakan.
Pemikiran diaktifkan secara lalai dalam templat sembang pembuat dan boleh dilumpuhkan bagi setiap permintaan dalam pelaksanaan yang didokumenkan dengan menetapkan enable_thinking kepada false. Resipi klien dan penjanaan mengesyorkan temperature 1.0, top_p 0.95 dan top_k 20; nota penilaian berasingan menggunakan tetapannya sendiri. Pilih bentuk jawapan akhir secara jelas dan tinggalkan ruang untuk konteks media yang berkaitan serta teks yang dijana. Tetapan pengeluar ini menerangkan resipi model yang dikeluarkan, bukannya janji tentang kawalan yang didedahkan oleh setiap aplikasi.
Kekalkan identiti VL apabila merekodkan hasil: input imej dan videonya membezakannya daripada Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus untuk kewangan. Semak susunan kata yang diekstrak, kiraan, lokasi masa dan tindakan antara muka yang dicadangkan berdasarkan bahan sumber. Artifak akhir yang berguna ialah analisis visual atau cadangan tindakan yang mengekalkan bukti dan butiran yang belum diselesaikan supaya boleh diperiksa.
", "aboutText": "Ling-3.0-flash-VL ialah perluasan multimodal natif inclusionAI bagi Ling-3.0-flash. Ia menggabungkan keupayaan bahasa, penaakulan dan konteks panjang model asas dengan pemahaman imej dan video. Pengeluar menyusun skop tugas visualnya kepada memahami, menaakul dan bertindak: membaca maklumat visual kompleks, menggunakannya sebagai bukti dan menukar pemerhatian kepada tindakan dalam aplikasi yang menyokongnya. Respons model ialah teks atau perwakilan panggilan alat yang digunakan aplikasi itu.\n\nSeni bina yang diterbitkan mempunyai jumlah 124B parameter dan 5.5B parameter diaktifkan bagi setiap token. Transformer penglihatan mengekstrak ciri imej dan video, dan projektor dua lapisan menjajarkannya dengan perwakilan bahasa. VideoRoPE membawa kedudukan ruang serta urutan masa. Teras hibrid 42 lapisan berselang-seli antara Kimi Delta Attention dan Multi-head Latent Attention bergated dalam corak 5:1, dengan penghalaan pakar jarang. Pembuat menerangkan konteks sehingga 256K token dan menerbitkan resipi konteks lanjutan 262,144 token.\n\nUntuk pemahaman visual, bekalkan imej yang boleh dibaca dan kenal pasti pemerhatian yang diperlukan. Pembuat menyenaraikan pengiraan objek, susun atur kompleks, carta dan kandungan dokumen antara tugas. Permintaan dokumen yang berguna boleh meminta jadual medan dengan halaman atau kawasan kelihatan yang menyokongnya, manakala permintaan carta boleh bertanya siri yang menyokong perbandingan tertentu. Kekalkan bahan visual asal supaya angka, label dan butiran kecil boleh disemak. Kawasan yang tidak jelas patut kekal tidak jelas dalam hasil, bukannya menjadi nilai tekaan.\n\nUntuk penaakulan dengan bukti visual, berikan soalan, andaian berkaitan dan ketepatan yang diperlukan dalam jawapan akhir. Model boleh menghubungkan carta, rajah atau tangkapan skrin dengan pengiraan dan penaakulan berbilang langkah. Minta kesimpulan mengenal pasti pemerhatian yang menjadi sandarannya. Jika aliran kerja merangkumi alat pengiraan atau pengambilan maklumat, kekalkan hasil sebenar alat itu dan pisahkannya daripada tafsiran model. Hubungan visual dan ukuran tertentukur ialah jenis bukti yang berbeza.\n\nUntuk video, kekalkan urutan bahan dan fokuskan soalan pada peristiwa, perubahan atau selang masa. Pembuat mengenal pasti penyetempatan peristiwa, soalan video panjang dan aliran kerja penyuntingan klip sebagai penggunaan perwakilan masanya. Hasil penyuntingan praktikal boleh berupa senarai potongan cadangan yang menerangkan detik yang perlu dikekalkan dan sebabnya. Pastikan cadangan itu terhubung dengan garis masa sumber; aplikasi penyuntingan yang mengelilinginya melaksanakan perubahan dan menghasilkan media yang disunting. Pemahaman video tidak dengan sendirinya menjadikan jawapan teks model sebagai fail video baharu.\n\nUntuk tugas antara muka, sertakan tangkapan skrin semasa, matlamat dan tindakan yang tersedia kepada aplikasi. Ling-3.0-flash-VL boleh mentafsir antara muka web atau perisian dan mencadangkan urutan tindakan daripada maklumat visual. Masukkan semula keadaan yang diperhatikan selepas setiap operasi apabila langkah seterusnya bergantung padanya. Rekod penyelesaian yang berguna menunjukkan perubahan dalam antara muka dan sama ada hasil yang diminta kelihatan, bukannya menganggap klik cadangan sebagai tindakan yang telah dilaksanakan.\n\nPemikiran diaktifkan secara lalai dalam templat sembang pembuat dan boleh dilumpuhkan bagi setiap permintaan dalam pelaksanaan yang didokumenkan dengan menetapkan enable_thinking kepada false. Resipi klien dan penjanaan mengesyorkan temperature 1.0, top_p 0.95 dan top_k 20; nota penilaian berasingan menggunakan tetapannya sendiri. Pilih bentuk jawapan akhir secara jelas dan tinggalkan ruang untuk konteks media yang berkaitan serta teks yang dijana. Tetapan pengeluar ini menerangkan resipi model yang dikeluarkan, bukannya janji tentang kawalan yang didedahkan oleh setiap aplikasi.\n\nKekalkan identiti VL apabila merekodkan hasil: input imej dan videonya membezakannya daripada Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus untuk kewangan. Semak susunan kata yang diekstrak, kiraan, lokasi masa dan tindakan antara muka yang dicadangkan berdasarkan bahan sumber. Artifak akhir yang berguna ialah analisis visual atau cadangan tindakan yang mengekalkan bukti dan butiran yang belum diselesaikan supaya boleh diperiksa.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL menambah pemahaman imej dan video pada model penaakulan hibrid inclusionAI. Ia menyokong analisis visual, penaakulan berasaskan bukti dan aliran kerja antara muka, dengan jumlah 124B parameter, 5.5B parameter aktif dan konteks sehingga 256K token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Ling-3.0-flash-VL ialah perluasan multimodal natif inclusionAI bagi Ling-3.0-flash. Ia menggabungkan keupayaan bahasa, penaakulan dan konteks panjang model asas dengan pemahaman imej dan video. Pengeluar menyusun skop tugas visualnya kepada memahami, menaakul dan bertindak: membaca maklumat visual kompleks, menggunakannya sebagai bukti dan menukar pemerhatian kepada tindakan dalam aplikasi yang menyokongnya. Respons model ialah teks atau perwakilan panggilan alat yang digunakan aplikasi itu.
Seni bina yang diterbitkan mempunyai jumlah 124B parameter dan 5.5B parameter diaktifkan bagi setiap token. Transformer penglihatan mengekstrak ciri imej dan video, dan projektor dua lapisan menjajarkannya dengan perwakilan bahasa. VideoRoPE membawa kedudukan ruang serta urutan masa. Teras hibrid 42 lapisan berselang-seli antara Kimi Delta Attention dan Multi-head Latent Attention bergated dalam corak 5:1, dengan penghalaan pakar jarang. Pembuat menerangkan konteks sehingga 256K token dan menerbitkan resipi konteks lanjutan 262,144 token.
Untuk pemahaman visual, bekalkan imej yang boleh dibaca dan kenal pasti pemerhatian yang diperlukan. Pembuat menyenaraikan pengiraan objek, susun atur kompleks, carta dan kandungan dokumen antara tugas. Permintaan dokumen yang berguna boleh meminta jadual medan dengan halaman atau kawasan kelihatan yang menyokongnya, manakala permintaan carta boleh bertanya siri yang menyokong perbandingan tertentu. Kekalkan bahan visual asal supaya angka, label dan butiran kecil boleh disemak. Kawasan yang tidak jelas patut kekal tidak jelas dalam hasil, bukannya menjadi nilai tekaan.
Untuk penaakulan dengan bukti visual, berikan soalan, andaian berkaitan dan ketepatan yang diperlukan dalam jawapan akhir. Model boleh menghubungkan carta, rajah atau tangkapan skrin dengan pengiraan dan penaakulan berbilang langkah. Minta kesimpulan mengenal pasti pemerhatian yang menjadi sandarannya. Jika aliran kerja merangkumi alat pengiraan atau pengambilan maklumat, kekalkan hasil sebenar alat itu dan pisahkannya daripada tafsiran model. Hubungan visual dan ukuran tertentukur ialah jenis bukti yang berbeza.
Untuk video, kekalkan urutan bahan dan fokuskan soalan pada peristiwa, perubahan atau selang masa. Pembuat mengenal pasti penyetempatan peristiwa, soalan video panjang dan aliran kerja penyuntingan klip sebagai penggunaan perwakilan masanya. Hasil penyuntingan praktikal boleh berupa senarai potongan cadangan yang menerangkan detik yang perlu dikekalkan dan sebabnya. Pastikan cadangan itu terhubung dengan garis masa sumber; aplikasi penyuntingan yang mengelilinginya melaksanakan perubahan dan menghasilkan media yang disunting. Pemahaman video tidak dengan sendirinya menjadikan jawapan teks model sebagai fail video baharu.
Untuk tugas antara muka, sertakan tangkapan skrin semasa, matlamat dan tindakan yang tersedia kepada aplikasi. Ling-3.0-flash-VL boleh mentafsir antara muka web atau perisian dan mencadangkan urutan tindakan daripada maklumat visual. Masukkan semula keadaan yang diperhatikan selepas setiap operasi apabila langkah seterusnya bergantung padanya. Rekod penyelesaian yang berguna menunjukkan perubahan dalam antara muka dan sama ada hasil yang diminta kelihatan, bukannya menganggap klik cadangan sebagai tindakan yang telah dilaksanakan.
Pemikiran diaktifkan secara lalai dalam templat sembang pembuat dan boleh dilumpuhkan bagi setiap permintaan dalam pelaksanaan yang didokumenkan dengan menetapkan enable_thinking kepada false. Resipi klien dan penjanaan mengesyorkan temperature 1.0, top_p 0.95 dan top_k 20; nota penilaian berasingan menggunakan tetapannya sendiri. Pilih bentuk jawapan akhir secara jelas dan tinggalkan ruang untuk konteks media yang berkaitan serta teks yang dijana. Tetapan pengeluar ini menerangkan resipi model yang dikeluarkan, bukannya janji tentang kawalan yang didedahkan oleh setiap aplikasi.
Kekalkan identiti VL apabila merekodkan hasil: input imej dan videonya membezakannya daripada Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus untuk kewangan. Semak susunan kata yang diekstrak, kiraan, lokasi masa dan tindakan antara muka yang dicadangkan berdasarkan bahan sumber. Artifak akhir yang berguna ialah analisis visual atau cadangan tindakan yang mengekalkan bukti dan butiran yang belum diselesaikan supaya boleh diperiksa.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had inclusionai/ling-3.0-flash-vl | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00012 / 1K token Output · Token output $0.00036 / 1K token Input · Bacaan cache $0.000024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00012 / 1K token Output · Token output $0.00036 / 1K token Input · Bacaan cache $0.000024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "inclusionai/ling-3.0-flash-vl", "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='inclusionai/ling-3.0-flash-vl',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='inclusionai/ling-3.0-flash-vl',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Gunakan laluan kaedah yang dipaparkan di atas.
inclusionai/ling-3.0-flash-vlLing-3.0-flash-VL menambah pemahaman imej dan video pada model penaakulan hibrid inclusionAI. Ia menyokong analisis visual, penaakulan berasaskan bukti dan aliran kerja antara muka, dengan jumlah 124B parameter, 5.5B parameter aktif dan konteks sehingga 256K token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Ling-3.0-flash-VL ialah perluasan multimodal natif inclusionAI bagi Ling-3.0-flash. Ia menggabungkan keupayaan bahasa, penaakulan dan konteks panjang model asas dengan pemahaman imej dan video. Pengeluar menyusun skop tugas visualnya kepada memahami, menaakul dan bertindak: membaca maklumat visual kompleks, menggunakannya sebagai bukti dan menukar pemerhatian kepada tindakan dalam aplikasi yang menyokongnya. Respons model ialah teks atau perwakilan panggilan alat yang digunakan aplikasi itu.
Seni bina yang diterbitkan mempunyai jumlah 124B parameter dan 5.5B parameter diaktifkan bagi setiap token. Transformer penglihatan mengekstrak ciri imej dan video, dan projektor dua lapisan menjajarkannya dengan perwakilan bahasa. VideoRoPE membawa kedudukan ruang serta urutan masa. Teras hibrid 42 lapisan berselang-seli antara Kimi Delta Attention dan Multi-head Latent Attention bergated dalam corak 5:1, dengan penghalaan pakar jarang. Pembuat menerangkan konteks sehingga 256K token dan menerbitkan resipi konteks lanjutan 262,144 token.
Untuk pemahaman visual, bekalkan imej yang boleh dibaca dan kenal pasti pemerhatian yang diperlukan. Pembuat menyenaraikan pengiraan objek, susun atur kompleks, carta dan kandungan dokumen antara tugas. Permintaan dokumen yang berguna boleh meminta jadual medan dengan halaman atau kawasan kelihatan yang menyokongnya, manakala permintaan carta boleh bertanya siri yang menyokong perbandingan tertentu. Kekalkan bahan visual asal supaya angka, label dan butiran kecil boleh disemak. Kawasan yang tidak jelas patut kekal tidak jelas dalam hasil, bukannya menjadi nilai tekaan.
Untuk penaakulan dengan bukti visual, berikan soalan, andaian berkaitan dan ketepatan yang diperlukan dalam jawapan akhir. Model boleh menghubungkan carta, rajah atau tangkapan skrin dengan pengiraan dan penaakulan berbilang langkah. Minta kesimpulan mengenal pasti pemerhatian yang menjadi sandarannya. Jika aliran kerja merangkumi alat pengiraan atau pengambilan maklumat, kekalkan hasil sebenar alat itu dan pisahkannya daripada tafsiran model. Hubungan visual dan ukuran tertentukur ialah jenis bukti yang berbeza.
Untuk video, kekalkan urutan bahan dan fokuskan soalan pada peristiwa, perubahan atau selang masa. Pembuat mengenal pasti penyetempatan peristiwa, soalan video panjang dan aliran kerja penyuntingan klip sebagai penggunaan perwakilan masanya. Hasil penyuntingan praktikal boleh berupa senarai potongan cadangan yang menerangkan detik yang perlu dikekalkan dan sebabnya. Pastikan cadangan itu terhubung dengan garis masa sumber; aplikasi penyuntingan yang mengelilinginya melaksanakan perubahan dan menghasilkan media yang disunting. Pemahaman video tidak dengan sendirinya menjadikan jawapan teks model sebagai fail video baharu.
Untuk tugas antara muka, sertakan tangkapan skrin semasa, matlamat dan tindakan yang tersedia kepada aplikasi. Ling-3.0-flash-VL boleh mentafsir antara muka web atau perisian dan mencadangkan urutan tindakan daripada maklumat visual. Masukkan semula keadaan yang diperhatikan selepas setiap operasi apabila langkah seterusnya bergantung padanya. Rekod penyelesaian yang berguna menunjukkan perubahan dalam antara muka dan sama ada hasil yang diminta kelihatan, bukannya menganggap klik cadangan sebagai tindakan yang telah dilaksanakan.
Pemikiran diaktifkan secara lalai dalam templat sembang pembuat dan boleh dilumpuhkan bagi setiap permintaan dalam pelaksanaan yang didokumenkan dengan menetapkan enable_thinking kepada false. Resipi klien dan penjanaan mengesyorkan temperature 1.0, top_p 0.95 dan top_k 20; nota penilaian berasingan menggunakan tetapannya sendiri. Pilih bentuk jawapan akhir secara jelas dan tinggalkan ruang untuk konteks media yang berkaitan serta teks yang dijana. Tetapan pengeluar ini menerangkan resipi model yang dikeluarkan, bukannya janji tentang kawalan yang didedahkan oleh setiap aplikasi.
Kekalkan identiti VL apabila merekodkan hasil: input imej dan videonya membezakannya daripada Ling-3.0-flash yang berfokus pada teks dan edisi Fin yang khusus untuk kewangan. Semak susunan kata yang diekstrak, kiraan, lokasi masa dan tindakan antara muka yang dicadangkan berdasarkan bahan sumber. Artifak akhir yang berguna ialah analisis visual atau cadangan tindakan yang mengekalkan bukti dan butiran yang belum diselesaikan supaya boleh diperiksa.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had inclusionai/ling-3.0-flash-vl | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00012 / 1K token Output · Token output $0.00036 / 1K token Input · Bacaan cache $0.000024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00012 / 1K token Output · Token output $0.00036 / 1K token Input · Bacaan cache $0.000024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "inclusionai/ling-3.0-flash-vl",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'inclusionai/ling-3.0-flash-vl', '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': 'inclusionai/ling-3.0-flash-vl', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra inclusionai/ling-3.0-flash-vl
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Create a cut list from scene notes\n\nUse these transcribed scene notes: 00:00–00:06 unopened package; 00:06–00:18 hands assemble the stand; 00:18–00:25 stand holds a tablet; 00:25–00:35 repeated assembly close-up. Propose a 15-second instructional cut using only these intervals. Preserve the assembly-to-use order and explain any shortened or omitted segment.An ordered cut list with source intervals, chosen durations and a short editorial rationale.Check that selected durations total 15 seconds and that tablet use follows the retained assembly step.