Edisi penglihatan-bahasa 8B Instruct
Qwen3-VL-8B-Instruct ialah edisi 8B Qwen3-VL yang padat dan berfokus arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Ia kekal berasingan daripada edisi Thinking yang dipertingkat dari segi penaakulan dan model pakar dengan pengaktifan terpilih dalam keluarga yang sama. Pilihnya untuk arahan visual tertumpu, soalan dokumen atau artifak yang boleh disunting yang hasilnya boleh dibandingkan dengan bukti yang dibekalkan.
Ejen visual dan pengekodan visual
Pembuat menerangkan pengecaman elemen antara muka komputer atau mudah alih, pemahaman fungsinya dan penggunaan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat konkrit, kemudian tanya kawalan yang kelihatan yang sepadan dengan matlamat itu serta bukti yang menyokong pilihan. Perisian yang disambungkan melaksanakan tindakan; pengecaman antara muka tidak memberikan model kawalan peranti secara bebas.
Pengekodan visual merangkumi penghasilan kandungan rajah serta HTML, CSS atau JavaScript daripada imej atau video. Bekalkan rujukan susun atur bersama keperluan fungsi dan output yang boleh disunting yang diperlukan. Minta struktur sumber dan gaya secara berasingan apabila itu memudahkan semakan. Kod yang dijana ialah artifak teks; ia masih memerlukan aliran kerja pembangunan untuk merender dan menilai tingkah lakunya.
Persepsi ruang dan bahan panjang
Qwen mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan oklusi, dengan penambatan dua dimensi serta sokongan penambatan tiga dimensi. Namakan objek sasaran dan nyatakan hubungan yang diperiksa. Hasil tentang kedudukan relatif ialah inferens daripada imej, bukannya ukuran fizikal yang ditentukur.
Konteks natif ialah 262,144 token. Keluarga ini menerangkan buku dan video sepanjang beberapa jam, dengan pengindeksan peristiwa pada peringkat saat serta peluasan kepada kira-kira satu juta token melalui konfigurasi. Perwakilan, pensampelan bingkai dan had urutan yang dikonfigurasi menentukan bahan yang diproses. Konteks besar tidak menjamin ingatan semula lengkap bagi setiap halaman atau bingkai. Kekalkan masa apabila meminta laporan peristiwa video.
Penaakulan multimodal, pengecaman dan OCR
Keluarga ini menyokong soalan STEM dan matematik, analisis sebab-akibat serta penjelasan visual berasaskan bukti. Berikan pernyataan lengkap bersama rajah dan minta nilai serta hubungan yang digunakan sebelum kesimpulan. Pengecaman merangkumi pelbagai manusia, produk, mercu tanda, tumbuhan, haiwan dan watak media; label yang munasabah perlu diperiksa apabila pengenalpastian penting.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam pencahayaan malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen panjang. Berikan halaman yang jelas dibaca dan minta medan bernama, petikan atau jadual berstruktur yang boleh diperiksa berdasarkan halaman itu. Pemahaman teks dan visual digabungkan, maka soalan boleh menghubungkan perenggan dengan rajah serta arahan pengguna.
Kemas kini seni bina
Konfigurasi teks padat yang diterbitkan mempunyai 36 lapisan. Interleaved-MRoPE mewakili masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri daripada beberapa aras pengekod visual, dan penjajaran teks–cap masa menambat peristiwa pada rujukan temporal. Ciri seni bina ini menerangkan perwakilan model; ia tidak menetapkan masa respons tetap atau ketepatan fizikal yang tepat.
Menyediakan input
Contoh keluarga pembuat merangkumi permintaan teks sahaja, imej tunggal atau berbilang dan video. Labelkan input visual dan nyatakan hubungannya. Bajet piksel imej dan video adalah berasingan: bajet imej melibatkan satu imej, manakala bajet video melibatkan piksel merentas bingkai yang disampel. Dimensi imej eksplisit diselaraskan kepada gandaan 32. Lalai video yang didokumenkan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.
Aliran kerja pembantu mengekalkan metadata video dan menyarankan supaya mengelakkan penskalaan semula berganda apabila media telah diubah saiznya. Untuk tugas dokumen, simpan pengecam halaman; untuk klip, minta peristiwa, selang berkaitan dan bukti yang kelihatan. Contoh penyediaan ini menggunakan keupayaan yang didokumenkan, bukannya menjamin pengekstrakan tepat atau ketepatan temporal.
Panduan penjanaan dan had
Kad tepat ini memberikan pratetap tugas berasingan. Tugas penglihatan-bahasa menggunakan temperature 0.7, top_p 0.8, top_k 20, penalti pengulangan 1.0 dan penalti kehadiran 1.5, dengan peruntukan output 16,384 token. Tugas teks menggunakan temperature 1.0, top_p 1.0, top_k 40, penalti pengulangan 1.0 dan penalti kehadiran 2.0, dengan peruntukan 32,768 token. Ini ialah bajet resipi pengeluar, bukannya had mutlak output yang ditetapkan secara tersendiri atau identiti model berasingan.
Prosedur konteks panjang keluarga menggunakan YaRN, dengan faktor dua atau tiga dicadangkan apabila memperluas kedudukan berselangnya daripada 256K kepada kira-kira 1M. Jangan salin faktor empat daripada keluarga Qwen lain. Sediakan ruang jawapan bersama input visual dan teks, serta sahkan OCR, kesimpulan yang dikira dan sumber yang dijana berdasarkan bahan asal. Kekalkan edisi Instruct tepat, bukannya mengimport kontrak penjanaan atau kawalan checkpoint Thinking.
", "aboutText": "Edisi penglihatan-bahasa 8B Instruct\n\nQwen3-VL-8B-Instruct ialah edisi 8B Qwen3-VL yang padat dan berfokus arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Ia kekal berasingan daripada edisi Thinking yang dipertingkat dari segi penaakulan dan model pakar dengan pengaktifan terpilih dalam keluarga yang sama. Pilihnya untuk arahan visual tertumpu, soalan dokumen atau artifak yang boleh disunting yang hasilnya boleh dibandingkan dengan bukti yang dibekalkan.\n\nEjen visual dan pengekodan visual\n\nPembuat menerangkan pengecaman elemen antara muka komputer atau mudah alih, pemahaman fungsinya dan penggunaan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat konkrit, kemudian tanya kawalan yang kelihatan yang sepadan dengan matlamat itu serta bukti yang menyokong pilihan. Perisian yang disambungkan melaksanakan tindakan; pengecaman antara muka tidak memberikan model kawalan peranti secara bebas.\n\nPengekodan visual merangkumi penghasilan kandungan rajah serta HTML, CSS atau JavaScript daripada imej atau video. Bekalkan rujukan susun atur bersama keperluan fungsi dan output yang boleh disunting yang diperlukan. Minta struktur sumber dan gaya secara berasingan apabila itu memudahkan semakan. Kod yang dijana ialah artifak teks; ia masih memerlukan aliran kerja pembangunan untuk merender dan menilai tingkah lakunya.\n\nPersepsi ruang dan bahan panjang\n\nQwen mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan oklusi, dengan penambatan dua dimensi serta sokongan penambatan tiga dimensi. Namakan objek sasaran dan nyatakan hubungan yang diperiksa. Hasil tentang kedudukan relatif ialah inferens daripada imej, bukannya ukuran fizikal yang ditentukur.\n\nKonteks natif ialah 262,144 token. Keluarga ini menerangkan buku dan video sepanjang beberapa jam, dengan pengindeksan peristiwa pada peringkat saat serta peluasan kepada kira-kira satu juta token melalui konfigurasi. Perwakilan, pensampelan bingkai dan had urutan yang dikonfigurasi menentukan bahan yang diproses. Konteks besar tidak menjamin ingatan semula lengkap bagi setiap halaman atau bingkai. Kekalkan masa apabila meminta laporan peristiwa video.\n\nPenaakulan multimodal, pengecaman dan OCR\n\nKeluarga ini menyokong soalan STEM dan matematik, analisis sebab-akibat serta penjelasan visual berasaskan bukti. Berikan pernyataan lengkap bersama rajah dan minta nilai serta hubungan yang digunakan sebelum kesimpulan. Pengecaman merangkumi pelbagai manusia, produk, mercu tanda, tumbuhan, haiwan dan watak media; label yang munasabah perlu diperiksa apabila pengenalpastian penting.\n\nOCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam pencahayaan malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen panjang. Berikan halaman yang jelas dibaca dan minta medan bernama, petikan atau jadual berstruktur yang boleh diperiksa berdasarkan halaman itu. Pemahaman teks dan visual digabungkan, maka soalan boleh menghubungkan perenggan dengan rajah serta arahan pengguna.\n\nKemas kini seni bina\n\nKonfigurasi teks padat yang diterbitkan mempunyai 36 lapisan. Interleaved-MRoPE mewakili masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri daripada beberapa aras pengekod visual, dan penjajaran teks–cap masa menambat peristiwa pada rujukan temporal. Ciri seni bina ini menerangkan perwakilan model; ia tidak menetapkan masa respons tetap atau ketepatan fizikal yang tepat.\n\nMenyediakan input\n\nContoh keluarga pembuat merangkumi permintaan teks sahaja, imej tunggal atau berbilang dan video. Labelkan input visual dan nyatakan hubungannya. Bajet piksel imej dan video adalah berasingan: bajet imej melibatkan satu imej, manakala bajet video melibatkan piksel merentas bingkai yang disampel. Dimensi imej eksplisit diselaraskan kepada gandaan 32. Lalai video yang didokumenkan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.\n\nAliran kerja pembantu mengekalkan metadata video dan menyarankan supaya mengelakkan penskalaan semula berganda apabila media telah diubah saiznya. Untuk tugas dokumen, simpan pengecam halaman; untuk klip, minta peristiwa, selang berkaitan dan bukti yang kelihatan. Contoh penyediaan ini menggunakan keupayaan yang didokumenkan, bukannya menjamin pengekstrakan tepat atau ketepatan temporal.\n\nPanduan penjanaan dan had\n\nKad tepat ini memberikan pratetap tugas berasingan. Tugas penglihatan-bahasa menggunakan temperature 0.7, top_p 0.8, top_k 20, penalti pengulangan 1.0 dan penalti kehadiran 1.5, dengan peruntukan output 16,384 token. Tugas teks menggunakan temperature 1.0, top_p 1.0, top_k 40, penalti pengulangan 1.0 dan penalti kehadiran 2.0, dengan peruntukan 32,768 token. Ini ialah bajet resipi pengeluar, bukannya had mutlak output yang ditetapkan secara tersendiri atau identiti model berasingan.\n\nProsedur konteks panjang keluarga menggunakan YaRN, dengan faktor dua atau tiga dicadangkan apabila memperluas kedudukan berselangnya daripada 256K kepada kira-kira 1M. Jangan salin faktor empat daripada keluarga Qwen lain. Sediakan ruang jawapan bersama input visual dan teks, serta sahkan OCR, kesimpulan yang dikira dan sumber yang dijana berdasarkan bahan asal. Kekalkan edisi Instruct tepat, bukannya mengimport kontrak penjanaan atau kawalan checkpoint Thinking.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Read a text diagram relationship\n\nUse this text rendering of diagram D4: source A feeds filter B; B feeds tanks C and D; only D connects to drain E. List the directed path from A to E and name the tank on that path. Do not add physical dimensions or connections absent from the rendering.A labeled directed path and the tank identifier supported by D4.The path must follow the stated arrows and must not add a C-to-E connection.qwen/qwen3-vl-8b-instructQwen3-VL-8B-Instruct ialah model penglihatan-bahasa padat Qwen yang berfokus arahan untuk teks, imej dan video, mengembalikan teks atau kod. Ia menyokong pembacaan dokumen, pengekodan visual, soalan ruang dan analisis video, dengan OCR 32 bahasa serta 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 penglihatan-bahasa 8B Instruct
Qwen3-VL-8B-Instruct ialah edisi 8B Qwen3-VL yang padat dan berfokus arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Ia kekal berasingan daripada edisi Thinking yang dipertingkat dari segi penaakulan dan model pakar dengan pengaktifan terpilih dalam keluarga yang sama. Pilihnya untuk arahan visual tertumpu, soalan dokumen atau artifak yang boleh disunting yang hasilnya boleh dibandingkan dengan bukti yang dibekalkan.
Ejen visual dan pengekodan visual
Pembuat menerangkan pengecaman elemen antara muka komputer atau mudah alih, pemahaman fungsinya dan penggunaan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat konkrit, kemudian tanya kawalan yang kelihatan yang sepadan dengan matlamat itu serta bukti yang menyokong pilihan. Perisian yang disambungkan melaksanakan tindakan; pengecaman antara muka tidak memberikan model kawalan peranti secara bebas.
Pengekodan visual merangkumi penghasilan kandungan rajah serta HTML, CSS atau JavaScript daripada imej atau video. Bekalkan rujukan susun atur bersama keperluan fungsi dan output yang boleh disunting yang diperlukan. Minta struktur sumber dan gaya secara berasingan apabila itu memudahkan semakan. Kod yang dijana ialah artifak teks; ia masih memerlukan aliran kerja pembangunan untuk merender dan menilai tingkah lakunya.
Persepsi ruang dan bahan panjang
Qwen mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan oklusi, dengan penambatan dua dimensi serta sokongan penambatan tiga dimensi. Namakan objek sasaran dan nyatakan hubungan yang diperiksa. Hasil tentang kedudukan relatif ialah inferens daripada imej, bukannya ukuran fizikal yang ditentukur.
Konteks natif ialah 262,144 token. Keluarga ini menerangkan buku dan video sepanjang beberapa jam, dengan pengindeksan peristiwa pada peringkat saat serta peluasan kepada kira-kira satu juta token melalui konfigurasi. Perwakilan, pensampelan bingkai dan had urutan yang dikonfigurasi menentukan bahan yang diproses. Konteks besar tidak menjamin ingatan semula lengkap bagi setiap halaman atau bingkai. Kekalkan masa apabila meminta laporan peristiwa video.
Penaakulan multimodal, pengecaman dan OCR
Keluarga ini menyokong soalan STEM dan matematik, analisis sebab-akibat serta penjelasan visual berasaskan bukti. Berikan pernyataan lengkap bersama rajah dan minta nilai serta hubungan yang digunakan sebelum kesimpulan. Pengecaman merangkumi pelbagai manusia, produk, mercu tanda, tumbuhan, haiwan dan watak media; label yang munasabah perlu diperiksa apabila pengenalpastian penting.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam pencahayaan malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen panjang. Berikan halaman yang jelas dibaca dan minta medan bernama, petikan atau jadual berstruktur yang boleh diperiksa berdasarkan halaman itu. Pemahaman teks dan visual digabungkan, maka soalan boleh menghubungkan perenggan dengan rajah serta arahan pengguna.
Kemas kini seni bina
Konfigurasi teks padat yang diterbitkan mempunyai 36 lapisan. Interleaved-MRoPE mewakili masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri daripada beberapa aras pengekod visual, dan penjajaran teks–cap masa menambat peristiwa pada rujukan temporal. Ciri seni bina ini menerangkan perwakilan model; ia tidak menetapkan masa respons tetap atau ketepatan fizikal yang tepat.
Menyediakan input
Contoh keluarga pembuat merangkumi permintaan teks sahaja, imej tunggal atau berbilang dan video. Labelkan input visual dan nyatakan hubungannya. Bajet piksel imej dan video adalah berasingan: bajet imej melibatkan satu imej, manakala bajet video melibatkan piksel merentas bingkai yang disampel. Dimensi imej eksplisit diselaraskan kepada gandaan 32. Lalai video yang didokumenkan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.
Aliran kerja pembantu mengekalkan metadata video dan menyarankan supaya mengelakkan penskalaan semula berganda apabila media telah diubah saiznya. Untuk tugas dokumen, simpan pengecam halaman; untuk klip, minta peristiwa, selang berkaitan dan bukti yang kelihatan. Contoh penyediaan ini menggunakan keupayaan yang didokumenkan, bukannya menjamin pengekstrakan tepat atau ketepatan temporal.
Panduan penjanaan dan had
Kad tepat ini memberikan pratetap tugas berasingan. Tugas penglihatan-bahasa menggunakan temperature 0.7, top_p 0.8, top_k 20, penalti pengulangan 1.0 dan penalti kehadiran 1.5, dengan peruntukan output 16,384 token. Tugas teks menggunakan temperature 1.0, top_p 1.0, top_k 40, penalti pengulangan 1.0 dan penalti kehadiran 2.0, dengan peruntukan 32,768 token. Ini ialah bajet resipi pengeluar, bukannya had mutlak output yang ditetapkan secara tersendiri atau identiti model berasingan.
Prosedur konteks panjang keluarga menggunakan YaRN, dengan faktor dua atau tiga dicadangkan apabila memperluas kedudukan berselangnya daripada 256K kepada kira-kira 1M. Jangan salin faktor empat daripada keluarga Qwen lain. Sediakan ruang jawapan bersama input visual dan teks, serta sahkan OCR, kesimpulan yang dikira dan sumber yang dijana berdasarkan bahan asal. Kekalkan edisi Instruct tepat, bukannya mengimport kontrak penjanaan atau kawalan checkpoint Thinking.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-vl-8b-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 $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-vl-8b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-8b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
qwen/qwen3-vl-8b-instructQwen3-VL-8B-Instruct ialah model penglihatan-bahasa padat Qwen yang berfokus arahan untuk teks, imej dan video, mengembalikan teks atau kod. Ia menyokong pembacaan dokumen, pengekodan visual, soalan ruang dan analisis video, dengan OCR 32 bahasa serta 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 penglihatan-bahasa 8B Instruct
Qwen3-VL-8B-Instruct ialah edisi 8B Qwen3-VL yang padat dan berfokus arahan. Ia menggabungkan teks dengan imej atau video dan menghasilkan teks, termasuk kod. Ia kekal berasingan daripada edisi Thinking yang dipertingkat dari segi penaakulan dan model pakar dengan pengaktifan terpilih dalam keluarga yang sama. Pilihnya untuk arahan visual tertumpu, soalan dokumen atau artifak yang boleh disunting yang hasilnya boleh dibandingkan dengan bukti yang dibekalkan.
Ejen visual dan pengekodan visual
Pembuat menerangkan pengecaman elemen antara muka komputer atau mudah alih, pemahaman fungsinya dan penggunaan alat dalam aliran kerja ejen visual. Berikan tangkap layar dan matlamat konkrit, kemudian tanya kawalan yang kelihatan yang sepadan dengan matlamat itu serta bukti yang menyokong pilihan. Perisian yang disambungkan melaksanakan tindakan; pengecaman antara muka tidak memberikan model kawalan peranti secara bebas.
Pengekodan visual merangkumi penghasilan kandungan rajah serta HTML, CSS atau JavaScript daripada imej atau video. Bekalkan rujukan susun atur bersama keperluan fungsi dan output yang boleh disunting yang diperlukan. Minta struktur sumber dan gaya secara berasingan apabila itu memudahkan semakan. Kod yang dijana ialah artifak teks; ia masih memerlukan aliran kerja pembangunan untuk merender dan menilai tingkah lakunya.
Persepsi ruang dan bahan panjang
Qwen mendokumenkan penaakulan tentang kedudukan objek, sudut pandangan dan oklusi, dengan penambatan dua dimensi serta sokongan penambatan tiga dimensi. Namakan objek sasaran dan nyatakan hubungan yang diperiksa. Hasil tentang kedudukan relatif ialah inferens daripada imej, bukannya ukuran fizikal yang ditentukur.
Konteks natif ialah 262,144 token. Keluarga ini menerangkan buku dan video sepanjang beberapa jam, dengan pengindeksan peristiwa pada peringkat saat serta peluasan kepada kira-kira satu juta token melalui konfigurasi. Perwakilan, pensampelan bingkai dan had urutan yang dikonfigurasi menentukan bahan yang diproses. Konteks besar tidak menjamin ingatan semula lengkap bagi setiap halaman atau bingkai. Kekalkan masa apabila meminta laporan peristiwa video.
Penaakulan multimodal, pengecaman dan OCR
Keluarga ini menyokong soalan STEM dan matematik, analisis sebab-akibat serta penjelasan visual berasaskan bukti. Berikan pernyataan lengkap bersama rajah dan minta nilai serta hubungan yang digunakan sebelum kesimpulan. Pengecaman merangkumi pelbagai manusia, produk, mercu tanda, tumbuhan, haiwan dan watak media; label yang munasabah perlu diperiksa apabila pengenalpastian penting.
OCR merangkumi 32 bahasa dan direka untuk menambah baik pembacaan dalam pencahayaan malap, kekaburan atau kecondongan, termasuk kosa kata khusus dan struktur dokumen panjang. Berikan halaman yang jelas dibaca dan minta medan bernama, petikan atau jadual berstruktur yang boleh diperiksa berdasarkan halaman itu. Pemahaman teks dan visual digabungkan, maka soalan boleh menghubungkan perenggan dengan rajah serta arahan pengguna.
Kemas kini seni bina
Konfigurasi teks padat yang diterbitkan mempunyai 36 lapisan. Interleaved-MRoPE mewakili masa, lebar dan tinggi untuk penaakulan video. DeepStack menggabungkan ciri daripada beberapa aras pengekod visual, dan penjajaran teks–cap masa menambat peristiwa pada rujukan temporal. Ciri seni bina ini menerangkan perwakilan model; ia tidak menetapkan masa respons tetap atau ketepatan fizikal yang tepat.
Menyediakan input
Contoh keluarga pembuat merangkumi permintaan teks sahaja, imej tunggal atau berbilang dan video. Labelkan input visual dan nyatakan hubungannya. Bajet piksel imej dan video adalah berasingan: bajet imej melibatkan satu imej, manakala bajet video melibatkan piksel merentas bingkai yang disampel. Dimensi imej eksplisit diselaraskan kepada gandaan 32. Lalai video yang didokumenkan ialah dua bingkai sesaat, dengan kawalan kadar atau bilangan bingkai dalam aliran kerja yang disokong.
Aliran kerja pembantu mengekalkan metadata video dan menyarankan supaya mengelakkan penskalaan semula berganda apabila media telah diubah saiznya. Untuk tugas dokumen, simpan pengecam halaman; untuk klip, minta peristiwa, selang berkaitan dan bukti yang kelihatan. Contoh penyediaan ini menggunakan keupayaan yang didokumenkan, bukannya menjamin pengekstrakan tepat atau ketepatan temporal.
Panduan penjanaan dan had
Kad tepat ini memberikan pratetap tugas berasingan. Tugas penglihatan-bahasa menggunakan temperature 0.7, top_p 0.8, top_k 20, penalti pengulangan 1.0 dan penalti kehadiran 1.5, dengan peruntukan output 16,384 token. Tugas teks menggunakan temperature 1.0, top_p 1.0, top_k 40, penalti pengulangan 1.0 dan penalti kehadiran 2.0, dengan peruntukan 32,768 token. Ini ialah bajet resipi pengeluar, bukannya had mutlak output yang ditetapkan secara tersendiri atau identiti model berasingan.
Prosedur konteks panjang keluarga menggunakan YaRN, dengan faktor dua atau tiga dicadangkan apabila memperluas kedudukan berselangnya daripada 256K kepada kira-kira 1M. Jangan salin faktor empat daripada keluarga Qwen lain. Sediakan ruang jawapan bersama input visual dan teks, serta sahkan OCR, kesimpulan yang dikira dan sumber yang dijana berdasarkan bahan asal. Kekalkan edisi Instruct tepat, bukannya mengimport kontrak penjanaan atau kawalan checkpoint Thinking.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen3-vl-8b-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 $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00024 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen/qwen3-vl-8b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-8b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Read a text diagram relationship\n\nUse this text rendering of diagram D4: source A feeds filter B; B feeds tanks C and D; only D connects to drain E. List the directed path from A to E and name the tank on that path. Do not add physical dimensions or connections absent from the rendering.A labeled directed path and the tank identifier supported by D4.The path must follow the stated arrows and must not add a C-to-E connection.