Qwen3 VL 32B Instruct ialah edisi 32B yang mematuhi arahan dalam keluarga Qwen3 VL. Pengeluar menamakannya secara berasingan daripada edisi 32B Thinking. Panduan keluarganya menerangkan persepsi visual, pemahaman teks, OCR, penghuraian dokumen, pemautan ruang kepada sumber visual dan pemahaman video sebagai tugasan praktikal.
Berikan sumber visual dan soalan berfokus. Untuk imej dokumen, kenal pasti teks atau medan yang perlu diekstrak. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk video, nyatakan peristiwa atau sela masa yang diminati dan huraian akhir yang diperlukan oleh aplikasi.
Pastikan pengecam sumber kelihatan apabila beberapa imej atau klip menyumbang fakta yang berbeza. Panduan pengeluar merangkumi penambahan pengecam pada input visual supaya jawapan kemudian boleh merujuk sumber yang dimaksudkan.
Keluarga menerangkan OCR dalam 32 bahasa dan penghuraian dokumen dengan maklumat susun atur. Takrifkan medan, struktur jawapan dan pengendalian kandungan tidak jelas apabila hasil akan digunakan oleh aplikasi. Semak teks dan nilai yang diekstrak berdasarkan sumber asal.
Contoh pengekodan visualnya merangkumi Draw.io, HTML, CSS dan JavaScript yang dihasilkan daripada imej atau video. Tugasan yang berguna menyatakan hubungan visual dan tingkah laku antara muka yang mesti dikekalkan oleh kod. Aplikasi sekeliling menyimpan dan menjalankan kod yang dikembalikan untuk memeriksa artifak.
Untuk tugasan lokasi objek, namakan sasaran dan perbezaannya daripada objek berdekatan. Gunakan perwakilan kedudukan yang didokumenkan oleh antara muka terpilih. Untuk tugasan berasaskan skrin, kenal pasti kawalan yang kelihatan dan keadaan yang dikehendaki; aplikasi melaksanakan tindakan terpilih dan mengembalikan pemerhatian yang terhasil.
Pengeluar menerbitkan konteks natif 256K untuk keluarga ini. Sediakan tugasan dalam had input dan penjanaan sebenar antara muka terpilih. Kekalkan identiti 32B Instruct bersama sumber dan jawapan; edisi Thinking serta saiz model lain mempunyai tetapan penjanaannya sendiri.
", "aboutText": "Qwen3 VL 32B Instruct ialah edisi 32B yang mematuhi arahan dalam keluarga Qwen3 VL. Pengeluar menamakannya secara berasingan daripada edisi 32B Thinking. Panduan keluarganya menerangkan persepsi visual, pemahaman teks, OCR, penghuraian dokumen, pemautan ruang kepada sumber visual dan pemahaman video sebagai tugasan praktikal.\n\n### Nyatakan maklumat yang perlu dikembalikan\n\nBerikan sumber visual dan soalan berfokus. Untuk imej dokumen, kenal pasti teks atau medan yang perlu diekstrak. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk video, nyatakan peristiwa atau sela masa yang diminati dan huraian akhir yang diperlukan oleh aplikasi.\n\nPastikan pengecam sumber kelihatan apabila beberapa imej atau klip menyumbang fakta yang berbeza. Panduan pengeluar merangkumi penambahan pengecam pada input visual supaya jawapan kemudian boleh merujuk sumber yang dimaksudkan.\n\n### Tukar bahan visual kepada artifak yang berguna\n\nKeluarga menerangkan OCR dalam 32 bahasa dan penghuraian dokumen dengan maklumat susun atur. Takrifkan medan, struktur jawapan dan pengendalian kandungan tidak jelas apabila hasil akan digunakan oleh aplikasi. Semak teks dan nilai yang diekstrak berdasarkan sumber asal.\n\nContoh pengekodan visualnya merangkumi Draw.io, HTML, CSS dan JavaScript yang dihasilkan daripada imej atau video. Tugasan yang berguna menyatakan hubungan visual dan tingkah laku antara muka yang mesti dikekalkan oleh kod. Aplikasi sekeliling menyimpan dan menjalankan kod yang dikembalikan untuk memeriksa artifak.\n\n### Pautkan objek dan keputusan aplikasi kepada sumber\n\nUntuk tugasan lokasi objek, namakan sasaran dan perbezaannya daripada objek berdekatan. Gunakan perwakilan kedudukan yang didokumenkan oleh antara muka terpilih. Untuk tugasan berasaskan skrin, kenal pasti kawalan yang kelihatan dan keadaan yang dikehendaki; aplikasi melaksanakan tindakan terpilih dan mengembalikan pemerhatian yang terhasil.\n\n### Nyatakan profil Instruct secara jelas\n\nPengeluar menerbitkan konteks natif 256K untuk keluarga ini. Sediakan tugasan dalam had input dan penjanaan sebenar antara muka terpilih. Kekalkan identiti 32B Instruct bersama sumber dan jawapan; edisi Thinking serta saiz model lain mempunyai tetapan penjanaannya sendiri.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Convert a transcribed table to a record\n\nUse this written transcription of page P3: 'Item | Ordered | Received; pads | 12 | 10; pens | 20 | unclear.' Produce a Markdown table with item, ordered, received and shortage. Use 'unknown' when the source cannot support a value, and retain P3 with the result. Do not infer the unclear count.A Markdown table with source-linked quantities and explicit unknown received/shortage values where necessary.The pads shortage may be calculated, but the pens shortage must remain unknown.qwen3-vl-32b-instructQwen3 VL 32B Instruct ialah edisi penglihatan-bahasa 32B yang mematuhi arahan untuk imej, video dan tugasan bertulis. Pengeluarnya menerangkan OCR, tafsiran dokumen berstruktur, pemautan ruang kepada sumber visual dan aliran kerja visual kepada kod dalam keluarga Qwen3 VL.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen3 VL 32B Instruct ialah edisi 32B yang mematuhi arahan dalam keluarga Qwen3 VL. Pengeluar menamakannya secara berasingan daripada edisi 32B Thinking. Panduan keluarganya menerangkan persepsi visual, pemahaman teks, OCR, penghuraian dokumen, pemautan ruang kepada sumber visual dan pemahaman video sebagai tugasan praktikal.
Berikan sumber visual dan soalan berfokus. Untuk imej dokumen, kenal pasti teks atau medan yang perlu diekstrak. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk video, nyatakan peristiwa atau sela masa yang diminati dan huraian akhir yang diperlukan oleh aplikasi.
Pastikan pengecam sumber kelihatan apabila beberapa imej atau klip menyumbang fakta yang berbeza. Panduan pengeluar merangkumi penambahan pengecam pada input visual supaya jawapan kemudian boleh merujuk sumber yang dimaksudkan.
Keluarga menerangkan OCR dalam 32 bahasa dan penghuraian dokumen dengan maklumat susun atur. Takrifkan medan, struktur jawapan dan pengendalian kandungan tidak jelas apabila hasil akan digunakan oleh aplikasi. Semak teks dan nilai yang diekstrak berdasarkan sumber asal.
Contoh pengekodan visualnya merangkumi Draw.io, HTML, CSS dan JavaScript yang dihasilkan daripada imej atau video. Tugasan yang berguna menyatakan hubungan visual dan tingkah laku antara muka yang mesti dikekalkan oleh kod. Aplikasi sekeliling menyimpan dan menjalankan kod yang dikembalikan untuk memeriksa artifak.
Untuk tugasan lokasi objek, namakan sasaran dan perbezaannya daripada objek berdekatan. Gunakan perwakilan kedudukan yang didokumenkan oleh antara muka terpilih. Untuk tugasan berasaskan skrin, kenal pasti kawalan yang kelihatan dan keadaan yang dikehendaki; aplikasi melaksanakan tindakan terpilih dan mengembalikan pemerhatian yang terhasil.
Pengeluar menerbitkan konteks natif 256K untuk keluarga ini. Sediakan tugasan dalam had input dan penjanaan sebenar antara muka terpilih. Kekalkan identiti 32B Instruct bersama sumber dan jawapan; edisi Thinking serta saiz model lain mempunyai tetapan penjanaannya sendiri.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen3-vl-32b-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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000286 / 1K token Output · Token output $0.001144 / 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-32b-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='qwen3-vl-32b-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='qwen3-vl-32b-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 qwen3-vl-32b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
qwen3-vl-32b-instructQwen3 VL 32B Instruct ialah edisi penglihatan-bahasa 32B yang mematuhi arahan untuk imej, video dan tugasan bertulis. Pengeluarnya menerangkan OCR, tafsiran dokumen berstruktur, pemautan ruang kepada sumber visual dan aliran kerja visual kepada kod dalam keluarga Qwen3 VL.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen3 VL 32B Instruct ialah edisi 32B yang mematuhi arahan dalam keluarga Qwen3 VL. Pengeluar menamakannya secara berasingan daripada edisi 32B Thinking. Panduan keluarganya menerangkan persepsi visual, pemahaman teks, OCR, penghuraian dokumen, pemautan ruang kepada sumber visual dan pemahaman video sebagai tugasan praktikal.
Berikan sumber visual dan soalan berfokus. Untuk imej dokumen, kenal pasti teks atau medan yang perlu diekstrak. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk video, nyatakan peristiwa atau sela masa yang diminati dan huraian akhir yang diperlukan oleh aplikasi.
Pastikan pengecam sumber kelihatan apabila beberapa imej atau klip menyumbang fakta yang berbeza. Panduan pengeluar merangkumi penambahan pengecam pada input visual supaya jawapan kemudian boleh merujuk sumber yang dimaksudkan.
Keluarga menerangkan OCR dalam 32 bahasa dan penghuraian dokumen dengan maklumat susun atur. Takrifkan medan, struktur jawapan dan pengendalian kandungan tidak jelas apabila hasil akan digunakan oleh aplikasi. Semak teks dan nilai yang diekstrak berdasarkan sumber asal.
Contoh pengekodan visualnya merangkumi Draw.io, HTML, CSS dan JavaScript yang dihasilkan daripada imej atau video. Tugasan yang berguna menyatakan hubungan visual dan tingkah laku antara muka yang mesti dikekalkan oleh kod. Aplikasi sekeliling menyimpan dan menjalankan kod yang dikembalikan untuk memeriksa artifak.
Untuk tugasan lokasi objek, namakan sasaran dan perbezaannya daripada objek berdekatan. Gunakan perwakilan kedudukan yang didokumenkan oleh antara muka terpilih. Untuk tugasan berasaskan skrin, kenal pasti kawalan yang kelihatan dan keadaan yang dikehendaki; aplikasi melaksanakan tindakan terpilih dan mengembalikan pemerhatian yang terhasil.
Pengeluar menerbitkan konteks natif 256K untuk keluarga ini. Sediakan tugasan dalam had input dan penjanaan sebenar antara muka terpilih. Kekalkan identiti 32B Instruct bersama sumber dan jawapan; edisi Thinking serta saiz model lain mempunyai tetapan penjanaannya sendiri.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen3-vl-32b-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.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000286 / 1K token Output · Token output $0.001144 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen3-vl-32b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3-vl-32b-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': 'qwen3-vl-32b-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 qwen3-vl-32b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Convert a transcribed table to a record\n\nUse this written transcription of page P3: 'Item | Ordered | Received; pads | 12 | 10; pens | 20 | unclear.' Produce a Markdown table with item, ordered, received and shortage. Use 'unknown' when the source cannot support a value, and retain P3 with the result. Do not infer the unclear count.A Markdown table with source-linked quantities and explicit unknown received/shortage values where necessary.The pads shortage may be calculated, but the pens shortage must remain unknown.