Pengenalan: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking ialah edisi campuran pakar Qwen3-VL yang berfokus pada penaakulan. Ia menggabungkan teks dengan imej dan video, menghasilkan jawapan teks atau kod. Titik semak Thinking tetap berasingan daripada Qwen3-VL-235B-A22B-Instruct dan binaan FP8 dengan nama berasingan. Pilihnya untuk soalan yang memerlukan hubungan antara bukti visual dengan penerangan yang lebih panjang, dan bukannya mengandaikan setiap edisi Qwen3-VL mempunyai gaya jawapan yang sama.
Ejen visual dan pengekodan visual
Qwen menerangkan aliran kerja ejen visual yang mengenal pasti unsur dalam antara muka komputer atau mudah alih, mentafsir fungsinya dan bekerja dengan alat untuk menyelesaikan tugasan. Model membekalkan persepsi dan penaakulan; aplikasi mesti menghubungkan dan melaksanakan tindakan. Untuk semakan antara muka, berikan tangkapan skrin semasa dan matlamat khusus, kemudian minta model mengenal pasti kawalan yang relevan dan menjelaskan tindakan seterusnya. Imej sahaja tidak memberikan kawalan terhadap peranti.
Pengekodan visual merangkumi penjanaan kandungan rajah dan HTML, CSS atau JavaScript daripada imej serta video. Berikan tangkapan skrin dengan susun atur, tingkah laku dan format output boleh sunting yang diperlukan. Minta struktur halaman dan gaya sebagai artifak berasingan apabila itu memudahkan semakan. Kod janaan ialah teks untuk aliran kerja pembangunan; ia bukan bukti bahawa laman web telah dipaparkan atau imej sumber telah menjadi aplikasi yang berfungsi.
Persepsi ruang
Pengeluar mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan pemautan dua dimensi kepada sumber visual serta sokongan pemautan tiga dimensi. Tanyakan soalan hubungan yang konkrit dan kenal pasti objek yang diminati: contohnya, komponen mana yang terlindung, apa yang berada di hadapannya dan petunjuk visual mana yang menyokong tafsiran itu. Keupayaan pemautan visual tidak sepatutnya dianggap sebagai ukuran fizikal yang ditentukur daripada gambar sebarangan.
Konteks panjang dan video
Konteks natif ialah 262,144 token. Qwen menerangkan peluasan kepada kira-kira satu juta melalui konfigurasi YaRN, dan aliran kerja keluarga yang melibatkan buku atau video berjam-jam dengan pengindeksan peristiwa pada butiran peringkat saat. Keupayaan ini bergantung pada perwakilan, pensampelan bingkai dan konfigurasi konteks; huraian umum pengeluar tidak menjamin ingatan sempurna bagi setiap bingkai. Dalam repositorinya, Qwen menasihatkan faktor ekstrapolasi dua atau tiga untuk skema kedudukan berselang-seli ini apabila melanjutkan 256K kepada kira-kira 1M, bukannya menyalin faktor empat daripada model lain secara automatik.
Penaakulan dan pengecaman multimodal
Edisi Thinking menyasarkan penaakulan STEM dan matematik berasaskan bukti, analisis sebab-akibat dan jawapan logik yang menghubungkan teks dengan bahan visual. Berikan rajah dan takrifnya bersama-sama, atau carta dan soalan berangka yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen turut menerangkan pengecaman visual yang lebih luas merentas manusia, anime, produk, mercu tanda, tumbuhan dan haiwan. Jawapan pengecaman kekal sebagai inferens daripada imej yang diberikan, bukan jaminan bahawa setiap objek atau identiti boleh dinamakan.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam cahaya malap, kabur atau senget, termasuk perbendaharaan kata khusus dan struktur dokumen panjang. Kekalkan imej sumber yang jelas dan minta medan, petikan atau jadual berstruktur yang boleh disemak. Pemahaman teks dan visual digabungkan dalam satu model, jadi soalan boleh merujuk petikan dokumen, rajah dan arahan pengguna secara bersama.
Perubahan seni bina
Interleaved-MRoPE mengagihkan perwakilan kedudukan merentas masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri visual daripada beberapa peringkat pengekod untuk menangkap butiran lebih halus dan menambah baik penjajaran imej–teks. Penjajaran teks–cap masa memautkan peristiwa kepada rujukan masa. Konfigurasi teks yang dikeluarkan mempunyai 94 lapisan, 128 pakar dan lapan pakar dipilih bagi setiap token. Butiran seni bina ini menjelaskan perwakilan multimodal model; ia tidak menetapkan jaminan masa jawapan.
Menyediakan input dan output visual
Contoh pengeluar merangkumi permintaan satu atau beberapa imej, video dan teks sahaja. Labelkan setiap input visual supaya soalan boleh merujuknya dengan jelas. Pemproses imej dan video menggunakan bajet piksel berasingan: bajet imej mengehadkan pikselnya, manakala bajet video mengambil kira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas dijajarkan kepada gandaan 32. Pensampelan video boleh dikawal melalui kadar atau bilangan bingkai; tetapan lalai yang didokumenkan ialah dua bingkai sesaat. Kekalkan cap masa apabila meminta garis masa peristiwa.
Untuk klip panjang, minta peristiwa, sela masanya dan bukti yang kelihatan, bukannya ringkasan tanpa pembezaan. Untuk beberapa halaman, minta hasil yang disusun mengikut pengecam halaman. Contoh penyediaan ini menerapkan keupayaan yang didokumenkan dan membantu menjadikan bahagian tertinggal atau ralat pengekstrakan kelihatan.
Panduan penjanaan dan had
Fail penjanaan titik semak menetapkan suhu lalai 0.8, top_p 0.95 dan top_k 20. Resipi penilaian Thinking Qwen yang berasingan menggunakan suhu 0.6, penalti kehadiran sifar, penalti pengulangan 1.0 dan peruntukan output 40,960 token. Ini ialah pratetap pengeluar yang berbeza, bukan satu had output keras. Sediakan ruang untuk penaakulan dan teks akhir bersama token visual, serta sahkan teks yang diekstrak, jawapan yang dikira dan kod janaan berdasarkan sumber sebelum menggunakannya.
", "aboutText": "Pengenalan: edisi Thinking multimodal\n\nQwen3-VL-235B-A22B-Thinking ialah edisi campuran pakar Qwen3-VL yang berfokus pada penaakulan. Ia menggabungkan teks dengan imej dan video, menghasilkan jawapan teks atau kod. Titik semak Thinking tetap berasingan daripada Qwen3-VL-235B-A22B-Instruct dan binaan FP8 dengan nama berasingan. Pilihnya untuk soalan yang memerlukan hubungan antara bukti visual dengan penerangan yang lebih panjang, dan bukannya mengandaikan setiap edisi Qwen3-VL mempunyai gaya jawapan yang sama.\n\nEjen visual dan pengekodan visual\n\nQwen menerangkan aliran kerja ejen visual yang mengenal pasti unsur dalam antara muka komputer atau mudah alih, mentafsir fungsinya dan bekerja dengan alat untuk menyelesaikan tugasan. Model membekalkan persepsi dan penaakulan; aplikasi mesti menghubungkan dan melaksanakan tindakan. Untuk semakan antara muka, berikan tangkapan skrin semasa dan matlamat khusus, kemudian minta model mengenal pasti kawalan yang relevan dan menjelaskan tindakan seterusnya. Imej sahaja tidak memberikan kawalan terhadap peranti.\n\nPengekodan visual merangkumi penjanaan kandungan rajah dan HTML, CSS atau JavaScript daripada imej serta video. Berikan tangkapan skrin dengan susun atur, tingkah laku dan format output boleh sunting yang diperlukan. Minta struktur halaman dan gaya sebagai artifak berasingan apabila itu memudahkan semakan. Kod janaan ialah teks untuk aliran kerja pembangunan; ia bukan bukti bahawa laman web telah dipaparkan atau imej sumber telah menjadi aplikasi yang berfungsi.\n\nPersepsi ruang\n\nPengeluar mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan pemautan dua dimensi kepada sumber visual serta sokongan pemautan tiga dimensi. Tanyakan soalan hubungan yang konkrit dan kenal pasti objek yang diminati: contohnya, komponen mana yang terlindung, apa yang berada di hadapannya dan petunjuk visual mana yang menyokong tafsiran itu. Keupayaan pemautan visual tidak sepatutnya dianggap sebagai ukuran fizikal yang ditentukur daripada gambar sebarangan.\n\nKonteks panjang dan video\n\nKonteks natif ialah 262,144 token. Qwen menerangkan peluasan kepada kira-kira satu juta melalui konfigurasi YaRN, dan aliran kerja keluarga yang melibatkan buku atau video berjam-jam dengan pengindeksan peristiwa pada butiran peringkat saat. Keupayaan ini bergantung pada perwakilan, pensampelan bingkai dan konfigurasi konteks; huraian umum pengeluar tidak menjamin ingatan sempurna bagi setiap bingkai. Dalam repositorinya, Qwen menasihatkan faktor ekstrapolasi dua atau tiga untuk skema kedudukan berselang-seli ini apabila melanjutkan 256K kepada kira-kira 1M, bukannya menyalin faktor empat daripada model lain secara automatik.\n\nPenaakulan dan pengecaman multimodal\n\nEdisi Thinking menyasarkan penaakulan STEM dan matematik berasaskan bukti, analisis sebab-akibat dan jawapan logik yang menghubungkan teks dengan bahan visual. Berikan rajah dan takrifnya bersama-sama, atau carta dan soalan berangka yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen turut menerangkan pengecaman visual yang lebih luas merentas manusia, anime, produk, mercu tanda, tumbuhan dan haiwan. Jawapan pengecaman kekal sebagai inferens daripada imej yang diberikan, bukan jaminan bahawa setiap objek atau identiti boleh dinamakan.\n\nOCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam cahaya malap, kabur atau senget, termasuk perbendaharaan kata khusus dan struktur dokumen panjang. Kekalkan imej sumber yang jelas dan minta medan, petikan atau jadual berstruktur yang boleh disemak. Pemahaman teks dan visual digabungkan dalam satu model, jadi soalan boleh merujuk petikan dokumen, rajah dan arahan pengguna secara bersama.\n\nPerubahan seni bina\n\nInterleaved-MRoPE mengagihkan perwakilan kedudukan merentas masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri visual daripada beberapa peringkat pengekod untuk menangkap butiran lebih halus dan menambah baik penjajaran imej–teks. Penjajaran teks–cap masa memautkan peristiwa kepada rujukan masa. Konfigurasi teks yang dikeluarkan mempunyai 94 lapisan, 128 pakar dan lapan pakar dipilih bagi setiap token. Butiran seni bina ini menjelaskan perwakilan multimodal model; ia tidak menetapkan jaminan masa jawapan.\n\nMenyediakan input dan output visual\n\nContoh pengeluar merangkumi permintaan satu atau beberapa imej, video dan teks sahaja. Labelkan setiap input visual supaya soalan boleh merujuknya dengan jelas. Pemproses imej dan video menggunakan bajet piksel berasingan: bajet imej mengehadkan pikselnya, manakala bajet video mengambil kira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas dijajarkan kepada gandaan 32. Pensampelan video boleh dikawal melalui kadar atau bilangan bingkai; tetapan lalai yang didokumenkan ialah dua bingkai sesaat. Kekalkan cap masa apabila meminta garis masa peristiwa.\n\nUntuk klip panjang, minta peristiwa, sela masanya dan bukti yang kelihatan, bukannya ringkasan tanpa pembezaan. Untuk beberapa halaman, minta hasil yang disusun mengikut pengecam halaman. Contoh penyediaan ini menerapkan keupayaan yang didokumenkan dan membantu menjadikan bahagian tertinggal atau ralat pengekstrakan kelihatan.\n\nPanduan penjanaan dan had\n\nFail penjanaan titik semak menetapkan suhu lalai 0.8, top_p 0.95 dan top_k 20. Resipi penilaian Thinking Qwen yang berasingan menggunakan suhu 0.6, penalti kehadiran sifar, penalti pengulangan 1.0 dan peruntukan output 40,960 token. Ini ialah pratetap pengeluar yang berbeza, bukan satu had output keras. Sediakan ruang untuk penaakulan dan teks akhir bersama token visual, serta sahkan teks yang diekstrak, jawapan yang dikira dan kod janaan berdasarkan sumber sebelum menggunakannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking ialah model penglihatan-bahasa campuran pakar Qwen untuk penaakulan teks, imej dan video. Gunakan edisi Thinking untuk soalan STEM, bukti dokumen, hubungan ruang, pengekodan visual dan analisis video bercap masa, dengan konteks natif 262,144 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Pengenalan: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking ialah edisi campuran pakar Qwen3-VL yang berfokus pada penaakulan. Ia menggabungkan teks dengan imej dan video, menghasilkan jawapan teks atau kod. Titik semak Thinking tetap berasingan daripada Qwen3-VL-235B-A22B-Instruct dan binaan FP8 dengan nama berasingan. Pilihnya untuk soalan yang memerlukan hubungan antara bukti visual dengan penerangan yang lebih panjang, dan bukannya mengandaikan setiap edisi Qwen3-VL mempunyai gaya jawapan yang sama.
Ejen visual dan pengekodan visual
Qwen menerangkan aliran kerja ejen visual yang mengenal pasti unsur dalam antara muka komputer atau mudah alih, mentafsir fungsinya dan bekerja dengan alat untuk menyelesaikan tugasan. Model membekalkan persepsi dan penaakulan; aplikasi mesti menghubungkan dan melaksanakan tindakan. Untuk semakan antara muka, berikan tangkapan skrin semasa dan matlamat khusus, kemudian minta model mengenal pasti kawalan yang relevan dan menjelaskan tindakan seterusnya. Imej sahaja tidak memberikan kawalan terhadap peranti.
Pengekodan visual merangkumi penjanaan kandungan rajah dan HTML, CSS atau JavaScript daripada imej serta video. Berikan tangkapan skrin dengan susun atur, tingkah laku dan format output boleh sunting yang diperlukan. Minta struktur halaman dan gaya sebagai artifak berasingan apabila itu memudahkan semakan. Kod janaan ialah teks untuk aliran kerja pembangunan; ia bukan bukti bahawa laman web telah dipaparkan atau imej sumber telah menjadi aplikasi yang berfungsi.
Persepsi ruang
Pengeluar mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan pemautan dua dimensi kepada sumber visual serta sokongan pemautan tiga dimensi. Tanyakan soalan hubungan yang konkrit dan kenal pasti objek yang diminati: contohnya, komponen mana yang terlindung, apa yang berada di hadapannya dan petunjuk visual mana yang menyokong tafsiran itu. Keupayaan pemautan visual tidak sepatutnya dianggap sebagai ukuran fizikal yang ditentukur daripada gambar sebarangan.
Konteks panjang dan video
Konteks natif ialah 262,144 token. Qwen menerangkan peluasan kepada kira-kira satu juta melalui konfigurasi YaRN, dan aliran kerja keluarga yang melibatkan buku atau video berjam-jam dengan pengindeksan peristiwa pada butiran peringkat saat. Keupayaan ini bergantung pada perwakilan, pensampelan bingkai dan konfigurasi konteks; huraian umum pengeluar tidak menjamin ingatan sempurna bagi setiap bingkai. Dalam repositorinya, Qwen menasihatkan faktor ekstrapolasi dua atau tiga untuk skema kedudukan berselang-seli ini apabila melanjutkan 256K kepada kira-kira 1M, bukannya menyalin faktor empat daripada model lain secara automatik.
Penaakulan dan pengecaman multimodal
Edisi Thinking menyasarkan penaakulan STEM dan matematik berasaskan bukti, analisis sebab-akibat dan jawapan logik yang menghubungkan teks dengan bahan visual. Berikan rajah dan takrifnya bersama-sama, atau carta dan soalan berangka yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen turut menerangkan pengecaman visual yang lebih luas merentas manusia, anime, produk, mercu tanda, tumbuhan dan haiwan. Jawapan pengecaman kekal sebagai inferens daripada imej yang diberikan, bukan jaminan bahawa setiap objek atau identiti boleh dinamakan.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam cahaya malap, kabur atau senget, termasuk perbendaharaan kata khusus dan struktur dokumen panjang. Kekalkan imej sumber yang jelas dan minta medan, petikan atau jadual berstruktur yang boleh disemak. Pemahaman teks dan visual digabungkan dalam satu model, jadi soalan boleh merujuk petikan dokumen, rajah dan arahan pengguna secara bersama.
Perubahan seni bina
Interleaved-MRoPE mengagihkan perwakilan kedudukan merentas masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri visual daripada beberapa peringkat pengekod untuk menangkap butiran lebih halus dan menambah baik penjajaran imej–teks. Penjajaran teks–cap masa memautkan peristiwa kepada rujukan masa. Konfigurasi teks yang dikeluarkan mempunyai 94 lapisan, 128 pakar dan lapan pakar dipilih bagi setiap token. Butiran seni bina ini menjelaskan perwakilan multimodal model; ia tidak menetapkan jaminan masa jawapan.
Menyediakan input dan output visual
Contoh pengeluar merangkumi permintaan satu atau beberapa imej, video dan teks sahaja. Labelkan setiap input visual supaya soalan boleh merujuknya dengan jelas. Pemproses imej dan video menggunakan bajet piksel berasingan: bajet imej mengehadkan pikselnya, manakala bajet video mengambil kira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas dijajarkan kepada gandaan 32. Pensampelan video boleh dikawal melalui kadar atau bilangan bingkai; tetapan lalai yang didokumenkan ialah dua bingkai sesaat. Kekalkan cap masa apabila meminta garis masa peristiwa.
Untuk klip panjang, minta peristiwa, sela masanya dan bukti yang kelihatan, bukannya ringkasan tanpa pembezaan. Untuk beberapa halaman, minta hasil yang disusun mengikut pengecam halaman. Contoh penyediaan ini menerapkan keupayaan yang didokumenkan dan membantu menjadikan bahagian tertinggal atau ralat pengekstrakan kelihatan.
Panduan penjanaan dan had
Fail penjanaan titik semak menetapkan suhu lalai 0.8, top_p 0.95 dan top_k 20. Resipi penilaian Thinking Qwen yang berasingan menggunakan suhu 0.6, penalti kehadiran sifar, penalti pengulangan 1.0 dan peruntukan output 40,960 token. Ini ialah pratetap pengeluar yang berbeza, bukan satu had output keras. Sediakan ruang untuk penaakulan dan teks akhir bersama token visual, serta sahkan teks yang diekstrak, jawapan yang dikira dan kod janaan berdasarkan sumber sebelum menggunakannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-vl-235b-a22b-thinking | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
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 |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000572 / 1K token Output · Token output $0.00572 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen/qwen3-vl-235b-a22b-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-235b-a22b-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking ialah model penglihatan-bahasa campuran pakar Qwen untuk penaakulan teks, imej dan video. Gunakan edisi Thinking untuk soalan STEM, bukti dokumen, hubungan ruang, pengekodan visual dan analisis video bercap masa, dengan konteks natif 262,144 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Pengenalan: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking ialah edisi campuran pakar Qwen3-VL yang berfokus pada penaakulan. Ia menggabungkan teks dengan imej dan video, menghasilkan jawapan teks atau kod. Titik semak Thinking tetap berasingan daripada Qwen3-VL-235B-A22B-Instruct dan binaan FP8 dengan nama berasingan. Pilihnya untuk soalan yang memerlukan hubungan antara bukti visual dengan penerangan yang lebih panjang, dan bukannya mengandaikan setiap edisi Qwen3-VL mempunyai gaya jawapan yang sama.
Ejen visual dan pengekodan visual
Qwen menerangkan aliran kerja ejen visual yang mengenal pasti unsur dalam antara muka komputer atau mudah alih, mentafsir fungsinya dan bekerja dengan alat untuk menyelesaikan tugasan. Model membekalkan persepsi dan penaakulan; aplikasi mesti menghubungkan dan melaksanakan tindakan. Untuk semakan antara muka, berikan tangkapan skrin semasa dan matlamat khusus, kemudian minta model mengenal pasti kawalan yang relevan dan menjelaskan tindakan seterusnya. Imej sahaja tidak memberikan kawalan terhadap peranti.
Pengekodan visual merangkumi penjanaan kandungan rajah dan HTML, CSS atau JavaScript daripada imej serta video. Berikan tangkapan skrin dengan susun atur, tingkah laku dan format output boleh sunting yang diperlukan. Minta struktur halaman dan gaya sebagai artifak berasingan apabila itu memudahkan semakan. Kod janaan ialah teks untuk aliran kerja pembangunan; ia bukan bukti bahawa laman web telah dipaparkan atau imej sumber telah menjadi aplikasi yang berfungsi.
Persepsi ruang
Pengeluar mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan pemautan dua dimensi kepada sumber visual serta sokongan pemautan tiga dimensi. Tanyakan soalan hubungan yang konkrit dan kenal pasti objek yang diminati: contohnya, komponen mana yang terlindung, apa yang berada di hadapannya dan petunjuk visual mana yang menyokong tafsiran itu. Keupayaan pemautan visual tidak sepatutnya dianggap sebagai ukuran fizikal yang ditentukur daripada gambar sebarangan.
Konteks panjang dan video
Konteks natif ialah 262,144 token. Qwen menerangkan peluasan kepada kira-kira satu juta melalui konfigurasi YaRN, dan aliran kerja keluarga yang melibatkan buku atau video berjam-jam dengan pengindeksan peristiwa pada butiran peringkat saat. Keupayaan ini bergantung pada perwakilan, pensampelan bingkai dan konfigurasi konteks; huraian umum pengeluar tidak menjamin ingatan sempurna bagi setiap bingkai. Dalam repositorinya, Qwen menasihatkan faktor ekstrapolasi dua atau tiga untuk skema kedudukan berselang-seli ini apabila melanjutkan 256K kepada kira-kira 1M, bukannya menyalin faktor empat daripada model lain secara automatik.
Penaakulan dan pengecaman multimodal
Edisi Thinking menyasarkan penaakulan STEM dan matematik berasaskan bukti, analisis sebab-akibat dan jawapan logik yang menghubungkan teks dengan bahan visual. Berikan rajah dan takrifnya bersama-sama, atau carta dan soalan berangka yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen turut menerangkan pengecaman visual yang lebih luas merentas manusia, anime, produk, mercu tanda, tumbuhan dan haiwan. Jawapan pengecaman kekal sebagai inferens daripada imej yang diberikan, bukan jaminan bahawa setiap objek atau identiti boleh dinamakan.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam cahaya malap, kabur atau senget, termasuk perbendaharaan kata khusus dan struktur dokumen panjang. Kekalkan imej sumber yang jelas dan minta medan, petikan atau jadual berstruktur yang boleh disemak. Pemahaman teks dan visual digabungkan dalam satu model, jadi soalan boleh merujuk petikan dokumen, rajah dan arahan pengguna secara bersama.
Perubahan seni bina
Interleaved-MRoPE mengagihkan perwakilan kedudukan merentas masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri visual daripada beberapa peringkat pengekod untuk menangkap butiran lebih halus dan menambah baik penjajaran imej–teks. Penjajaran teks–cap masa memautkan peristiwa kepada rujukan masa. Konfigurasi teks yang dikeluarkan mempunyai 94 lapisan, 128 pakar dan lapan pakar dipilih bagi setiap token. Butiran seni bina ini menjelaskan perwakilan multimodal model; ia tidak menetapkan jaminan masa jawapan.
Menyediakan input dan output visual
Contoh pengeluar merangkumi permintaan satu atau beberapa imej, video dan teks sahaja. Labelkan setiap input visual supaya soalan boleh merujuknya dengan jelas. Pemproses imej dan video menggunakan bajet piksel berasingan: bajet imej mengehadkan pikselnya, manakala bajet video mengambil kira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas dijajarkan kepada gandaan 32. Pensampelan video boleh dikawal melalui kadar atau bilangan bingkai; tetapan lalai yang didokumenkan ialah dua bingkai sesaat. Kekalkan cap masa apabila meminta garis masa peristiwa.
Untuk klip panjang, minta peristiwa, sela masanya dan bukti yang kelihatan, bukannya ringkasan tanpa pembezaan. Untuk beberapa halaman, minta hasil yang disusun mengikut pengecam halaman. Contoh penyediaan ini menerapkan keupayaan yang didokumenkan dan membantu menjadikan bahagian tertinggal atau ralat pengekstrakan kelihatan.
Panduan penjanaan dan had
Fail penjanaan titik semak menetapkan suhu lalai 0.8, top_p 0.95 dan top_k 20. Resipi penilaian Thinking Qwen yang berasingan menggunakan suhu 0.6, penalti kehadiran sifar, penalti pengulangan 1.0 dan peruntukan output 40,960 token. Ini ialah pratetap pengeluar yang berbeza, bukan satu had output keras. Sediakan ruang untuk penaakulan dan teks akhir bersama token visual, serta sahkan teks yang diekstrak, jawapan yang dikira dan kod janaan berdasarkan sumber sebelum menggunakannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-vl-235b-a22b-thinking | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000572 / 1K token Output · Token output $0.00572 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen/qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-235b-a22b-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-235b-a22b-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 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 qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking ialah model penglihatan-bahasa campuran pakar Qwen untuk penaakulan teks, imej dan video. Gunakan edisi Thinking untuk soalan STEM, bukti dokumen, hubungan ruang, pengekodan visual dan analisis video bercap masa, dengan konteks natif 262,144 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Pengenalan: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking ialah edisi campuran pakar Qwen3-VL yang berfokus pada penaakulan. Ia menggabungkan teks dengan imej dan video, menghasilkan jawapan teks atau kod. Titik semak Thinking tetap berasingan daripada Qwen3-VL-235B-A22B-Instruct dan binaan FP8 dengan nama berasingan. Pilihnya untuk soalan yang memerlukan hubungan antara bukti visual dengan penerangan yang lebih panjang, dan bukannya mengandaikan setiap edisi Qwen3-VL mempunyai gaya jawapan yang sama.
Ejen visual dan pengekodan visual
Qwen menerangkan aliran kerja ejen visual yang mengenal pasti unsur dalam antara muka komputer atau mudah alih, mentafsir fungsinya dan bekerja dengan alat untuk menyelesaikan tugasan. Model membekalkan persepsi dan penaakulan; aplikasi mesti menghubungkan dan melaksanakan tindakan. Untuk semakan antara muka, berikan tangkapan skrin semasa dan matlamat khusus, kemudian minta model mengenal pasti kawalan yang relevan dan menjelaskan tindakan seterusnya. Imej sahaja tidak memberikan kawalan terhadap peranti.
Pengekodan visual merangkumi penjanaan kandungan rajah dan HTML, CSS atau JavaScript daripada imej serta video. Berikan tangkapan skrin dengan susun atur, tingkah laku dan format output boleh sunting yang diperlukan. Minta struktur halaman dan gaya sebagai artifak berasingan apabila itu memudahkan semakan. Kod janaan ialah teks untuk aliran kerja pembangunan; ia bukan bukti bahawa laman web telah dipaparkan atau imej sumber telah menjadi aplikasi yang berfungsi.
Persepsi ruang
Pengeluar mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan pemautan dua dimensi kepada sumber visual serta sokongan pemautan tiga dimensi. Tanyakan soalan hubungan yang konkrit dan kenal pasti objek yang diminati: contohnya, komponen mana yang terlindung, apa yang berada di hadapannya dan petunjuk visual mana yang menyokong tafsiran itu. Keupayaan pemautan visual tidak sepatutnya dianggap sebagai ukuran fizikal yang ditentukur daripada gambar sebarangan.
Konteks panjang dan video
Konteks natif ialah 262,144 token. Qwen menerangkan peluasan kepada kira-kira satu juta melalui konfigurasi YaRN, dan aliran kerja keluarga yang melibatkan buku atau video berjam-jam dengan pengindeksan peristiwa pada butiran peringkat saat. Keupayaan ini bergantung pada perwakilan, pensampelan bingkai dan konfigurasi konteks; huraian umum pengeluar tidak menjamin ingatan sempurna bagi setiap bingkai. Dalam repositorinya, Qwen menasihatkan faktor ekstrapolasi dua atau tiga untuk skema kedudukan berselang-seli ini apabila melanjutkan 256K kepada kira-kira 1M, bukannya menyalin faktor empat daripada model lain secara automatik.
Penaakulan dan pengecaman multimodal
Edisi Thinking menyasarkan penaakulan STEM dan matematik berasaskan bukti, analisis sebab-akibat dan jawapan logik yang menghubungkan teks dengan bahan visual. Berikan rajah dan takrifnya bersama-sama, atau carta dan soalan berangka yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen turut menerangkan pengecaman visual yang lebih luas merentas manusia, anime, produk, mercu tanda, tumbuhan dan haiwan. Jawapan pengecaman kekal sebagai inferens daripada imej yang diberikan, bukan jaminan bahawa setiap objek atau identiti boleh dinamakan.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam cahaya malap, kabur atau senget, termasuk perbendaharaan kata khusus dan struktur dokumen panjang. Kekalkan imej sumber yang jelas dan minta medan, petikan atau jadual berstruktur yang boleh disemak. Pemahaman teks dan visual digabungkan dalam satu model, jadi soalan boleh merujuk petikan dokumen, rajah dan arahan pengguna secara bersama.
Perubahan seni bina
Interleaved-MRoPE mengagihkan perwakilan kedudukan merentas masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri visual daripada beberapa peringkat pengekod untuk menangkap butiran lebih halus dan menambah baik penjajaran imej–teks. Penjajaran teks–cap masa memautkan peristiwa kepada rujukan masa. Konfigurasi teks yang dikeluarkan mempunyai 94 lapisan, 128 pakar dan lapan pakar dipilih bagi setiap token. Butiran seni bina ini menjelaskan perwakilan multimodal model; ia tidak menetapkan jaminan masa jawapan.
Menyediakan input dan output visual
Contoh pengeluar merangkumi permintaan satu atau beberapa imej, video dan teks sahaja. Labelkan setiap input visual supaya soalan boleh merujuknya dengan jelas. Pemproses imej dan video menggunakan bajet piksel berasingan: bajet imej mengehadkan pikselnya, manakala bajet video mengambil kira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas dijajarkan kepada gandaan 32. Pensampelan video boleh dikawal melalui kadar atau bilangan bingkai; tetapan lalai yang didokumenkan ialah dua bingkai sesaat. Kekalkan cap masa apabila meminta garis masa peristiwa.
Untuk klip panjang, minta peristiwa, sela masanya dan bukti yang kelihatan, bukannya ringkasan tanpa pembezaan. Untuk beberapa halaman, minta hasil yang disusun mengikut pengecam halaman. Contoh penyediaan ini menerapkan keupayaan yang didokumenkan dan membantu menjadikan bahagian tertinggal atau ralat pengekstrakan kelihatan.
Panduan penjanaan dan had
Fail penjanaan titik semak menetapkan suhu lalai 0.8, top_p 0.95 dan top_k 20. Resipi penilaian Thinking Qwen yang berasingan menggunakan suhu 0.6, penalti kehadiran sifar, penalti pengulangan 1.0 dan peruntukan output 40,960 token. Ini ialah pratetap pengeluar yang berbeza, bukan satu had output keras. Sediakan ruang untuk penaakulan dan teks akhir bersama token visual, serta sahkan teks yang diekstrak, jawapan yang dikira dan kod janaan berdasarkan sumber sebelum menggunakannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen3-vl-235b-a22b-thinking | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000572 / 1K token Output · Token output $0.00572 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3-vl-235b-a22b-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='qwen3-vl-235b-a22b-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='qwen3-vl-235b-a22b-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 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 qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking ialah model penglihatan-bahasa campuran pakar Qwen untuk penaakulan teks, imej dan video. Gunakan edisi Thinking untuk soalan STEM, bukti dokumen, hubungan ruang, pengekodan visual dan analisis video bercap masa, dengan konteks natif 262,144 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Pengenalan: edisi Thinking multimodal
Qwen3-VL-235B-A22B-Thinking ialah edisi campuran pakar Qwen3-VL yang berfokus pada penaakulan. Ia menggabungkan teks dengan imej dan video, menghasilkan jawapan teks atau kod. Titik semak Thinking tetap berasingan daripada Qwen3-VL-235B-A22B-Instruct dan binaan FP8 dengan nama berasingan. Pilihnya untuk soalan yang memerlukan hubungan antara bukti visual dengan penerangan yang lebih panjang, dan bukannya mengandaikan setiap edisi Qwen3-VL mempunyai gaya jawapan yang sama.
Ejen visual dan pengekodan visual
Qwen menerangkan aliran kerja ejen visual yang mengenal pasti unsur dalam antara muka komputer atau mudah alih, mentafsir fungsinya dan bekerja dengan alat untuk menyelesaikan tugasan. Model membekalkan persepsi dan penaakulan; aplikasi mesti menghubungkan dan melaksanakan tindakan. Untuk semakan antara muka, berikan tangkapan skrin semasa dan matlamat khusus, kemudian minta model mengenal pasti kawalan yang relevan dan menjelaskan tindakan seterusnya. Imej sahaja tidak memberikan kawalan terhadap peranti.
Pengekodan visual merangkumi penjanaan kandungan rajah dan HTML, CSS atau JavaScript daripada imej serta video. Berikan tangkapan skrin dengan susun atur, tingkah laku dan format output boleh sunting yang diperlukan. Minta struktur halaman dan gaya sebagai artifak berasingan apabila itu memudahkan semakan. Kod janaan ialah teks untuk aliran kerja pembangunan; ia bukan bukti bahawa laman web telah dipaparkan atau imej sumber telah menjadi aplikasi yang berfungsi.
Persepsi ruang
Pengeluar mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan pemautan dua dimensi kepada sumber visual serta sokongan pemautan tiga dimensi. Tanyakan soalan hubungan yang konkrit dan kenal pasti objek yang diminati: contohnya, komponen mana yang terlindung, apa yang berada di hadapannya dan petunjuk visual mana yang menyokong tafsiran itu. Keupayaan pemautan visual tidak sepatutnya dianggap sebagai ukuran fizikal yang ditentukur daripada gambar sebarangan.
Konteks panjang dan video
Konteks natif ialah 262,144 token. Qwen menerangkan peluasan kepada kira-kira satu juta melalui konfigurasi YaRN, dan aliran kerja keluarga yang melibatkan buku atau video berjam-jam dengan pengindeksan peristiwa pada butiran peringkat saat. Keupayaan ini bergantung pada perwakilan, pensampelan bingkai dan konfigurasi konteks; huraian umum pengeluar tidak menjamin ingatan sempurna bagi setiap bingkai. Dalam repositorinya, Qwen menasihatkan faktor ekstrapolasi dua atau tiga untuk skema kedudukan berselang-seli ini apabila melanjutkan 256K kepada kira-kira 1M, bukannya menyalin faktor empat daripada model lain secara automatik.
Penaakulan dan pengecaman multimodal
Edisi Thinking menyasarkan penaakulan STEM dan matematik berasaskan bukti, analisis sebab-akibat dan jawapan logik yang menghubungkan teks dengan bahan visual. Berikan rajah dan takrifnya bersama-sama, atau carta dan soalan berangka yang tepat. Minta label dan nilai yang digunakan sebelum kesimpulan. Qwen turut menerangkan pengecaman visual yang lebih luas merentas manusia, anime, produk, mercu tanda, tumbuhan dan haiwan. Jawapan pengecaman kekal sebagai inferens daripada imej yang diberikan, bukan jaminan bahawa setiap objek atau identiti boleh dinamakan.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam cahaya malap, kabur atau senget, termasuk perbendaharaan kata khusus dan struktur dokumen panjang. Kekalkan imej sumber yang jelas dan minta medan, petikan atau jadual berstruktur yang boleh disemak. Pemahaman teks dan visual digabungkan dalam satu model, jadi soalan boleh merujuk petikan dokumen, rajah dan arahan pengguna secara bersama.
Perubahan seni bina
Interleaved-MRoPE mengagihkan perwakilan kedudukan merentas masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri visual daripada beberapa peringkat pengekod untuk menangkap butiran lebih halus dan menambah baik penjajaran imej–teks. Penjajaran teks–cap masa memautkan peristiwa kepada rujukan masa. Konfigurasi teks yang dikeluarkan mempunyai 94 lapisan, 128 pakar dan lapan pakar dipilih bagi setiap token. Butiran seni bina ini menjelaskan perwakilan multimodal model; ia tidak menetapkan jaminan masa jawapan.
Menyediakan input dan output visual
Contoh pengeluar merangkumi permintaan satu atau beberapa imej, video dan teks sahaja. Labelkan setiap input visual supaya soalan boleh merujuknya dengan jelas. Pemproses imej dan video menggunakan bajet piksel berasingan: bajet imej mengehadkan pikselnya, manakala bajet video mengambil kira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas dijajarkan kepada gandaan 32. Pensampelan video boleh dikawal melalui kadar atau bilangan bingkai; tetapan lalai yang didokumenkan ialah dua bingkai sesaat. Kekalkan cap masa apabila meminta garis masa peristiwa.
Untuk klip panjang, minta peristiwa, sela masanya dan bukti yang kelihatan, bukannya ringkasan tanpa pembezaan. Untuk beberapa halaman, minta hasil yang disusun mengikut pengecam halaman. Contoh penyediaan ini menerapkan keupayaan yang didokumenkan dan membantu menjadikan bahagian tertinggal atau ralat pengekstrakan kelihatan.
Panduan penjanaan dan had
Fail penjanaan titik semak menetapkan suhu lalai 0.8, top_p 0.95 dan top_k 20. Resipi penilaian Thinking Qwen yang berasingan menggunakan suhu 0.6, penalti kehadiran sifar, penalti pengulangan 1.0 dan peruntukan output 40,960 token. Ini ialah pratetap pengeluar yang berbeza, bukan satu had output keras. Sediakan ruang untuk penaakulan dan teks akhir bersama token visual, serta sahkan teks yang diekstrak, jawapan yang dikira dan kod janaan berdasarkan sumber sebelum menggunakannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen3-vl-235b-a22b-thinking | 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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000572 / 1K token Output · Token output $0.00572 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-vl-235b-a22b-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': 'qwen3-vl-235b-a22b-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 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 qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
Contoh teknikal dalam bahasa Inggeris
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.