Edisi 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct ialah edisi Qwen3-VL campuran pakar yang berfokuskan arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Kekalkan identiti Instruct yang tepat ini dan bukan menggantikannya dengan edisi Thinking yang dipertingkat untuk penaakulan atau saiz keluarga lain. Permintaan yang berguna menentukan bukti visual, soalan dan artifak konkrit yang dijangka dalam jawapan.
Ejen visual dan pengekodan visual
Pembuat menerangkan pengecaman unsur antara muka komputer atau mudah alih, pemahaman fungsinya dan pemanggilan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat yang dimaksudkan, kemudian tanya kawalan yang kelihatan yang sepadan dengan tugas serta perkara yang menyokong pilihan. Aplikasi bersambung menjalankan tindakan dan mengembalikan hasilnya; pengecaman visual sahaja tidak mengawal peranti.
Pengekodan visual merangkumi kandungan rajah serta HTML, CSS atau JavaScript yang dijana daripada imej atau video. Berikan rujukan susun atur dengan kekangan fungsi dan minta sumber yang boleh disunting. Bagi perubahan antara muka sedia ada, sertakan kod yang relevan dan keadaan interaksi yang dijangka. Asingkan artifak daripada penerangan supaya aliran kerja pembangunan dapat merender dan memeriksanya. Sumber terjana ialah cadangan untuk dinilai, bukan bukti aplikasi yang berfungsi.
Persepsi ruang, konteks dan video
Qwen mendokumentasikan pertimbangan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan penentuan kedudukan dua dimensi serta sokongan penentuan kedudukan tiga dimensi. Kenal pasti sasaran dan minta petunjuk yang kelihatan yang menyokong hubungan. Hubungan berasaskan imej seharusnya kekal berbeza daripada ukuran fizikal yang ditentukur.
Konteks natifnya ialah 262,144 token. Keluarga ini menerangkan buku dan video berjam-jam, dengan pengindeksan peristiwa pada tahap saat serta peluasan kepada kira-kira sejuta token melalui konfigurasi. Kekalkan masa dan susunan bingkai ketika bertanya tentang urutan. Bajet representasi yang dikonfigurasikan menentukan bahan yang diproses, jadi penerangan luas keluarga ini tentang video panjang tidak seharusnya menjadi janji ingatan sempurna bagi setiap bingkai video.
Penaakulan multimodal, pengecaman dan OCR
Model ini menyokong soalan visual STEM dan matematik, analisis sebab-akibat dan penerangan berasaskan bukti. Berikan pernyataan lengkap dan label rajah serta minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga meluaskan pengecaman merentas orang, produk, mercu tanda, tumbuhan, haiwan dan watak media. Semak hasil pengenalpastian apabila identiti tepat penting.
OCR merangkumi 32 bahasa dan direka untuk memperbaik pembacaan dalam cahaya malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen. Berikan halaman yang boleh dibaca dan minta medan, petikan atau jadual yang boleh disemak berdasarkan sumber. Pemahaman teks dan visual digabungkan, jadi soalan boleh menghubungkan petikan dengan rajahnya dan arahan pengguna.
Seni bina
Konfigurasi yang diterbitkan mengenal pasti model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Interleaved-MRoPE mewakili masa, lebar dan tinggi; DeepStack menggabungkan ciri daripada berbilang peringkat pengekod visual; penjajaran teks–cap masa mengikat peristiwa kepada rujukan waktu. Gunakan edisi 30B-A3B Instruct ini secara konsisten ketika menyediakan tugas visual dan membandingkan hasilnya.
Menyediakan input
Contoh keluarga merangkumi tugas teks sahaja, imej tunggal atau berbilang imej dan video. Labelkan input visual dan kekalkan hubungannya. Bajet piksel imej dan video adalah berasingan, dengan video mengira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas diselaraskan kepada gandaan 32. Tetapan lalai video yang didokumentasikan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.
Alat bantu media boleh mengekalkan metadata video dan menasihatkan agar mengelakkan perubahan saiz kedua apabila ia sudah mengubah saiz bahan. Bagi perbandingan dokumen, susun jawapan mengikut label halaman. Bagi klip, minta peristiwa, selang yang relevan dan bukti sokongan. Bandingkan medan, petikan dan masa peristiwa yang dikembalikan dengan halaman atau klip asal.
Panduan penjanaan dan had
Fail penjanaan checkpoint menggunakan nilai lalai temperature 0.7, top_p 0.8, top_k 20 dan repetition penalty 1.0. Kaedah Instruct keluarga ini turut menggunakan presence penalty 1.5 dan peruntukan output 32,768 token. Peruntukan itu ialah bajet kaedah pengeluar, bukan output maksimum keras yang ditentukan secara bebas. Peruntukan tugas berasingan kad 8B Instruct tidak seharusnya diberikan secara automatik kepada edisi ini.
Prosedur peluasan keluarga ini menggunakan YaRN dan mencadangkan faktor dua atau tiga apabila mengembangkan skema kedudukan berselang-seli daripada 256K kepada kira-kira 1M. Peruntukkan ruang hasil bersama teks dan visual yang diwakili, serta sahkan OCR, kesimpulan yang dikira dan kod terjana berdasarkan bukti asal. Bezakan kontrak penjanaan Instruct daripada tetapan checkpoint Thinking; nama edisi sahaja tidak membuktikan suis hibrid khusus aplikasi.
", "aboutText": "Edisi 30B-A3B Instruct\n\nQwen3-VL-30B-A3B-Instruct ialah edisi Qwen3-VL campuran pakar yang berfokuskan arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Kekalkan identiti Instruct yang tepat ini dan bukan menggantikannya dengan edisi Thinking yang dipertingkat untuk penaakulan atau saiz keluarga lain. Permintaan yang berguna menentukan bukti visual, soalan dan artifak konkrit yang dijangka dalam jawapan.\n\nEjen visual dan pengekodan visual\n\nPembuat menerangkan pengecaman unsur antara muka komputer atau mudah alih, pemahaman fungsinya dan pemanggilan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat yang dimaksudkan, kemudian tanya kawalan yang kelihatan yang sepadan dengan tugas serta perkara yang menyokong pilihan. Aplikasi bersambung menjalankan tindakan dan mengembalikan hasilnya; pengecaman visual sahaja tidak mengawal peranti.\n\nPengekodan visual merangkumi kandungan rajah serta HTML, CSS atau JavaScript yang dijana daripada imej atau video. Berikan rujukan susun atur dengan kekangan fungsi dan minta sumber yang boleh disunting. Bagi perubahan antara muka sedia ada, sertakan kod yang relevan dan keadaan interaksi yang dijangka. Asingkan artifak daripada penerangan supaya aliran kerja pembangunan dapat merender dan memeriksanya. Sumber terjana ialah cadangan untuk dinilai, bukan bukti aplikasi yang berfungsi.\n\nPersepsi ruang, konteks dan video\n\nQwen mendokumentasikan pertimbangan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan penentuan kedudukan dua dimensi serta sokongan penentuan kedudukan tiga dimensi. Kenal pasti sasaran dan minta petunjuk yang kelihatan yang menyokong hubungan. Hubungan berasaskan imej seharusnya kekal berbeza daripada ukuran fizikal yang ditentukur.\n\nKonteks natifnya ialah 262,144 token. Keluarga ini menerangkan buku dan video berjam-jam, dengan pengindeksan peristiwa pada tahap saat serta peluasan kepada kira-kira sejuta token melalui konfigurasi. Kekalkan masa dan susunan bingkai ketika bertanya tentang urutan. Bajet representasi yang dikonfigurasikan menentukan bahan yang diproses, jadi penerangan luas keluarga ini tentang video panjang tidak seharusnya menjadi janji ingatan sempurna bagi setiap bingkai video.\n\nPenaakulan multimodal, pengecaman dan OCR\n\nModel ini menyokong soalan visual STEM dan matematik, analisis sebab-akibat dan penerangan berasaskan bukti. Berikan pernyataan lengkap dan label rajah serta minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga meluaskan pengecaman merentas orang, produk, mercu tanda, tumbuhan, haiwan dan watak media. Semak hasil pengenalpastian apabila identiti tepat penting.\n\nOCR merangkumi 32 bahasa dan direka untuk memperbaik pembacaan dalam cahaya malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen. Berikan halaman yang boleh dibaca dan minta medan, petikan atau jadual yang boleh disemak berdasarkan sumber. Pemahaman teks dan visual digabungkan, jadi soalan boleh menghubungkan petikan dengan rajahnya dan arahan pengguna.\n\nSeni bina\n\nKonfigurasi yang diterbitkan mengenal pasti model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Interleaved-MRoPE mewakili masa, lebar dan tinggi; DeepStack menggabungkan ciri daripada berbilang peringkat pengekod visual; penjajaran teks–cap masa mengikat peristiwa kepada rujukan waktu. Gunakan edisi 30B-A3B Instruct ini secara konsisten ketika menyediakan tugas visual dan membandingkan hasilnya.\n\nMenyediakan input\n\nContoh keluarga merangkumi tugas teks sahaja, imej tunggal atau berbilang imej dan video. Labelkan input visual dan kekalkan hubungannya. Bajet piksel imej dan video adalah berasingan, dengan video mengira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas diselaraskan kepada gandaan 32. Tetapan lalai video yang didokumentasikan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.\n\nAlat bantu media boleh mengekalkan metadata video dan menasihatkan agar mengelakkan perubahan saiz kedua apabila ia sudah mengubah saiz bahan. Bagi perbandingan dokumen, susun jawapan mengikut label halaman. Bagi klip, minta peristiwa, selang yang relevan dan bukti sokongan. Bandingkan medan, petikan dan masa peristiwa yang dikembalikan dengan halaman atau klip asal.\n\nPanduan penjanaan dan had\n\nFail penjanaan checkpoint menggunakan nilai lalai temperature 0.7, top_p 0.8, top_k 20 dan repetition penalty 1.0. Kaedah Instruct keluarga ini turut menggunakan presence penalty 1.5 dan peruntukan output 32,768 token. Peruntukan itu ialah bajet kaedah pengeluar, bukan output maksimum keras yang ditentukan secara bebas. Peruntukan tugas berasingan kad 8B Instruct tidak seharusnya diberikan secara automatik kepada edisi ini.\n\nProsedur peluasan keluarga ini menggunakan YaRN dan mencadangkan faktor dua atau tiga apabila mengembangkan skema kedudukan berselang-seli daripada 256K kepada kira-kira 1M. Peruntukkan ruang hasil bersama teks dan visual yang diwakili, serta sahkan OCR, kesimpulan yang dikira dan kod terjana berdasarkan bukti asal. Bezakan kontrak penjanaan Instruct daripada tetapan checkpoint Thinking; nama edisi sahaja tidak membuktikan suis hibrid khusus aplikasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-Instruct ialah edisi penglihatan-bahasa campuran pakar Qwen yang berfokuskan arahan untuk teks, imej dan video. Ia mengembalikan teks atau kod untuk aliran kerja ejen visual, pembacaan dokumen, soalan ruang dan pengekodan visual, dengan OCR 32 bahasa dan 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.
Edisi 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct ialah edisi Qwen3-VL campuran pakar yang berfokuskan arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Kekalkan identiti Instruct yang tepat ini dan bukan menggantikannya dengan edisi Thinking yang dipertingkat untuk penaakulan atau saiz keluarga lain. Permintaan yang berguna menentukan bukti visual, soalan dan artifak konkrit yang dijangka dalam jawapan.
Ejen visual dan pengekodan visual
Pembuat menerangkan pengecaman unsur antara muka komputer atau mudah alih, pemahaman fungsinya dan pemanggilan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat yang dimaksudkan, kemudian tanya kawalan yang kelihatan yang sepadan dengan tugas serta perkara yang menyokong pilihan. Aplikasi bersambung menjalankan tindakan dan mengembalikan hasilnya; pengecaman visual sahaja tidak mengawal peranti.
Pengekodan visual merangkumi kandungan rajah serta HTML, CSS atau JavaScript yang dijana daripada imej atau video. Berikan rujukan susun atur dengan kekangan fungsi dan minta sumber yang boleh disunting. Bagi perubahan antara muka sedia ada, sertakan kod yang relevan dan keadaan interaksi yang dijangka. Asingkan artifak daripada penerangan supaya aliran kerja pembangunan dapat merender dan memeriksanya. Sumber terjana ialah cadangan untuk dinilai, bukan bukti aplikasi yang berfungsi.
Persepsi ruang, konteks dan video
Qwen mendokumentasikan pertimbangan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan penentuan kedudukan dua dimensi serta sokongan penentuan kedudukan tiga dimensi. Kenal pasti sasaran dan minta petunjuk yang kelihatan yang menyokong hubungan. Hubungan berasaskan imej seharusnya kekal berbeza daripada ukuran fizikal yang ditentukur.
Konteks natifnya ialah 262,144 token. Keluarga ini menerangkan buku dan video berjam-jam, dengan pengindeksan peristiwa pada tahap saat serta peluasan kepada kira-kira sejuta token melalui konfigurasi. Kekalkan masa dan susunan bingkai ketika bertanya tentang urutan. Bajet representasi yang dikonfigurasikan menentukan bahan yang diproses, jadi penerangan luas keluarga ini tentang video panjang tidak seharusnya menjadi janji ingatan sempurna bagi setiap bingkai video.
Penaakulan multimodal, pengecaman dan OCR
Model ini menyokong soalan visual STEM dan matematik, analisis sebab-akibat dan penerangan berasaskan bukti. Berikan pernyataan lengkap dan label rajah serta minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga meluaskan pengecaman merentas orang, produk, mercu tanda, tumbuhan, haiwan dan watak media. Semak hasil pengenalpastian apabila identiti tepat penting.
OCR merangkumi 32 bahasa dan direka untuk memperbaik pembacaan dalam cahaya malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen. Berikan halaman yang boleh dibaca dan minta medan, petikan atau jadual yang boleh disemak berdasarkan sumber. Pemahaman teks dan visual digabungkan, jadi soalan boleh menghubungkan petikan dengan rajahnya dan arahan pengguna.
Seni bina
Konfigurasi yang diterbitkan mengenal pasti model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Interleaved-MRoPE mewakili masa, lebar dan tinggi; DeepStack menggabungkan ciri daripada berbilang peringkat pengekod visual; penjajaran teks–cap masa mengikat peristiwa kepada rujukan waktu. Gunakan edisi 30B-A3B Instruct ini secara konsisten ketika menyediakan tugas visual dan membandingkan hasilnya.
Menyediakan input
Contoh keluarga merangkumi tugas teks sahaja, imej tunggal atau berbilang imej dan video. Labelkan input visual dan kekalkan hubungannya. Bajet piksel imej dan video adalah berasingan, dengan video mengira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas diselaraskan kepada gandaan 32. Tetapan lalai video yang didokumentasikan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.
Alat bantu media boleh mengekalkan metadata video dan menasihatkan agar mengelakkan perubahan saiz kedua apabila ia sudah mengubah saiz bahan. Bagi perbandingan dokumen, susun jawapan mengikut label halaman. Bagi klip, minta peristiwa, selang yang relevan dan bukti sokongan. Bandingkan medan, petikan dan masa peristiwa yang dikembalikan dengan halaman atau klip asal.
Panduan penjanaan dan had
Fail penjanaan checkpoint menggunakan nilai lalai temperature 0.7, top_p 0.8, top_k 20 dan repetition penalty 1.0. Kaedah Instruct keluarga ini turut menggunakan presence penalty 1.5 dan peruntukan output 32,768 token. Peruntukan itu ialah bajet kaedah pengeluar, bukan output maksimum keras yang ditentukan secara bebas. Peruntukan tugas berasingan kad 8B Instruct tidak seharusnya diberikan secara automatik kepada edisi ini.
Prosedur peluasan keluarga ini menggunakan YaRN dan mencadangkan faktor dua atau tiga apabila mengembangkan skema kedudukan berselang-seli daripada 256K kepada kira-kira 1M. Peruntukkan ruang hasil bersama teks dan visual yang diwakili, serta sahkan OCR, kesimpulan yang dikira dan kod terjana berdasarkan bukti asal. Bezakan kontrak penjanaan Instruct daripada tetapan checkpoint Thinking; nama edisi sahaja tidak membuktikan suis hibrid khusus aplikasi.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-vl-30b-a3b-instruct | 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 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 $0.0003 / 1K token Output · Token output $0.0012 / 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-30b-a3b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-30b-a3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-30b-a3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-30b-a3b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-Instruct ialah edisi penglihatan-bahasa campuran pakar Qwen yang berfokuskan arahan untuk teks, imej dan video. Ia mengembalikan teks atau kod untuk aliran kerja ejen visual, pembacaan dokumen, soalan ruang dan pengekodan visual, dengan OCR 32 bahasa dan 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.
Edisi 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct ialah edisi Qwen3-VL campuran pakar yang berfokuskan arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Kekalkan identiti Instruct yang tepat ini dan bukan menggantikannya dengan edisi Thinking yang dipertingkat untuk penaakulan atau saiz keluarga lain. Permintaan yang berguna menentukan bukti visual, soalan dan artifak konkrit yang dijangka dalam jawapan.
Ejen visual dan pengekodan visual
Pembuat menerangkan pengecaman unsur antara muka komputer atau mudah alih, pemahaman fungsinya dan pemanggilan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat yang dimaksudkan, kemudian tanya kawalan yang kelihatan yang sepadan dengan tugas serta perkara yang menyokong pilihan. Aplikasi bersambung menjalankan tindakan dan mengembalikan hasilnya; pengecaman visual sahaja tidak mengawal peranti.
Pengekodan visual merangkumi kandungan rajah serta HTML, CSS atau JavaScript yang dijana daripada imej atau video. Berikan rujukan susun atur dengan kekangan fungsi dan minta sumber yang boleh disunting. Bagi perubahan antara muka sedia ada, sertakan kod yang relevan dan keadaan interaksi yang dijangka. Asingkan artifak daripada penerangan supaya aliran kerja pembangunan dapat merender dan memeriksanya. Sumber terjana ialah cadangan untuk dinilai, bukan bukti aplikasi yang berfungsi.
Persepsi ruang, konteks dan video
Qwen mendokumentasikan pertimbangan tentang kedudukan objek, sudut pandangan dan halangan pandangan, dengan penentuan kedudukan dua dimensi serta sokongan penentuan kedudukan tiga dimensi. Kenal pasti sasaran dan minta petunjuk yang kelihatan yang menyokong hubungan. Hubungan berasaskan imej seharusnya kekal berbeza daripada ukuran fizikal yang ditentukur.
Konteks natifnya ialah 262,144 token. Keluarga ini menerangkan buku dan video berjam-jam, dengan pengindeksan peristiwa pada tahap saat serta peluasan kepada kira-kira sejuta token melalui konfigurasi. Kekalkan masa dan susunan bingkai ketika bertanya tentang urutan. Bajet representasi yang dikonfigurasikan menentukan bahan yang diproses, jadi penerangan luas keluarga ini tentang video panjang tidak seharusnya menjadi janji ingatan sempurna bagi setiap bingkai video.
Penaakulan multimodal, pengecaman dan OCR
Model ini menyokong soalan visual STEM dan matematik, analisis sebab-akibat dan penerangan berasaskan bukti. Berikan pernyataan lengkap dan label rajah serta minta nilai yang digunakan sebelum kesimpulan akhir. Keluarga ini juga meluaskan pengecaman merentas orang, produk, mercu tanda, tumbuhan, haiwan dan watak media. Semak hasil pengenalpastian apabila identiti tepat penting.
OCR merangkumi 32 bahasa dan direka untuk memperbaik pembacaan dalam cahaya malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen. Berikan halaman yang boleh dibaca dan minta medan, petikan atau jadual yang boleh disemak berdasarkan sumber. Pemahaman teks dan visual digabungkan, jadi soalan boleh menghubungkan petikan dengan rajahnya dan arahan pengguna.
Seni bina
Konfigurasi yang diterbitkan mengenal pasti model penglihatan-bahasa campuran pakar dengan 48 lapisan teks, 128 pakar dan lapan pakar yang dipilih bagi setiap token. Interleaved-MRoPE mewakili masa, lebar dan tinggi; DeepStack menggabungkan ciri daripada berbilang peringkat pengekod visual; penjajaran teks–cap masa mengikat peristiwa kepada rujukan waktu. Gunakan edisi 30B-A3B Instruct ini secara konsisten ketika menyediakan tugas visual dan membandingkan hasilnya.
Menyediakan input
Contoh keluarga merangkumi tugas teks sahaja, imej tunggal atau berbilang imej dan video. Labelkan input visual dan kekalkan hubungannya. Bajet piksel imej dan video adalah berasingan, dengan video mengira piksel merentas bingkai yang disampel. Dimensi imej yang dinyatakan secara jelas diselaraskan kepada gandaan 32. Tetapan lalai video yang didokumentasikan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.
Alat bantu media boleh mengekalkan metadata video dan menasihatkan agar mengelakkan perubahan saiz kedua apabila ia sudah mengubah saiz bahan. Bagi perbandingan dokumen, susun jawapan mengikut label halaman. Bagi klip, minta peristiwa, selang yang relevan dan bukti sokongan. Bandingkan medan, petikan dan masa peristiwa yang dikembalikan dengan halaman atau klip asal.
Panduan penjanaan dan had
Fail penjanaan checkpoint menggunakan nilai lalai temperature 0.7, top_p 0.8, top_k 20 dan repetition penalty 1.0. Kaedah Instruct keluarga ini turut menggunakan presence penalty 1.5 dan peruntukan output 32,768 token. Peruntukan itu ialah bajet kaedah pengeluar, bukan output maksimum keras yang ditentukan secara bebas. Peruntukan tugas berasingan kad 8B Instruct tidak seharusnya diberikan secara automatik kepada edisi ini.
Prosedur peluasan keluarga ini menggunakan YaRN dan mencadangkan faktor dua atau tiga apabila mengembangkan skema kedudukan berselang-seli daripada 256K kepada kira-kira 1M. Peruntukkan ruang hasil bersama teks dan visual yang diwakili, serta sahkan OCR, kesimpulan yang dikira dan kod terjana berdasarkan bukti asal. Bezakan kontrak penjanaan Instruct daripada tetapan checkpoint Thinking; nama edisi sahaja tidak membuktikan suis hibrid khusus aplikasi.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-vl-30b-a3b-instruct | 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen/qwen3-vl-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-30b-a3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-30b-a3b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.