Qwen3 VL 32B Instruct er den instruksjonsfølgende utgaven på 32B i Qwen3 VL-familien. Produsenten navngir den separat fra utgaven 32B Thinking. Familieveiledningen beskriver visuell persepsjon, tekstforståelse, OCR, dokumenttolking, romlig forankring og videoforståelse som praktiske oppgaver.
Oppgi den visuelle kilden og et målrettet spørsmål. For et dokumentbilde identifiserer du teksten eller feltene som skal hentes ut. For et diagram spør du om bestemte etiketter og sammenhenger. For en video angir du hendelsen eller intervallet som er interessant, og den endelige beskrivelsen applikasjonen trenger.
Hold kildeidentifikatorer synlige når flere bilder eller klipp bidrar med forskjellige fakta. Produsentens veiledning omfatter å legge til identifikatorer i visuelle inndata slik at et senere svar kan vise til den tiltenkte kilden.
Familien beskriver OCR på 32 språk og dokumenttolking med layoutinformasjon. Definer feltene, svarstrukturen og håndteringen av uklart innhold når resultatet skal brukes av en applikasjon. Kontroller uthentet tekst og verdier mot den opprinnelige kilden.
Eksemplene på visuelt kodearbeid omfatter Draw.io, HTML, CSS og JavaScript produsert fra bilder eller video. En nyttig oppgave angir de visuelle sammenhengene og grensesnittoppførselen koden må bevare. Applikasjonen rundt modellen lagrer og kjører den returnerte koden for å gjennomgå resultatet.
For en oppgave med objektlokalisering navngir du målet og hva som skiller det fra objekter i nærheten. Bruk posisjonsrepresentasjonen som er dokumentert for det valgte grensesnittet. For en skjermbasert oppgave identifiserer du den synlige kontrollen og ønsket tilstand; en applikasjon utfører den valgte handlingen og returnerer den resulterende observasjonen.
Produsenten publiserer en innebygd kontekst på 256K for familien. Klargjør oppgaven innenfor de faktiske inndata- og genereringsgrensene til det valgte grensesnittet. Bevar 32B Instruct-identiteten sammen med kilden og svaret; Thinking-utgaven og andre modellstørrelser har egne genereringsinnstillinger.
", "aboutText": "Qwen3 VL 32B Instruct er den instruksjonsfølgende utgaven på 32B i Qwen3 VL-familien. Produsenten navngir den separat fra utgaven 32B Thinking. Familieveiledningen beskriver visuell persepsjon, tekstforståelse, OCR, dokumenttolking, romlig forankring og videoforståelse som praktiske oppgaver.\n\n### Angi informasjonen som skal returneres\n\nOppgi den visuelle kilden og et målrettet spørsmål. For et dokumentbilde identifiserer du teksten eller feltene som skal hentes ut. For et diagram spør du om bestemte etiketter og sammenhenger. For en video angir du hendelsen eller intervallet som er interessant, og den endelige beskrivelsen applikasjonen trenger.\n\nHold kildeidentifikatorer synlige når flere bilder eller klipp bidrar med forskjellige fakta. Produsentens veiledning omfatter å legge til identifikatorer i visuelle inndata slik at et senere svar kan vise til den tiltenkte kilden.\n\n### Gjør visuelt materiale om til et nyttig resultat\n\nFamilien beskriver OCR på 32 språk og dokumenttolking med layoutinformasjon. Definer feltene, svarstrukturen og håndteringen av uklart innhold når resultatet skal brukes av en applikasjon. Kontroller uthentet tekst og verdier mot den opprinnelige kilden.\n\nEksemplene på visuelt kodearbeid omfatter Draw.io, HTML, CSS og JavaScript produsert fra bilder eller video. En nyttig oppgave angir de visuelle sammenhengene og grensesnittoppførselen koden må bevare. Applikasjonen rundt modellen lagrer og kjører den returnerte koden for å gjennomgå resultatet.\n\n### Forankre objekter og applikasjonsbeslutninger\n\nFor en oppgave med objektlokalisering navngir du målet og hva som skiller det fra objekter i nærheten. Bruk posisjonsrepresentasjonen som er dokumentert for det valgte grensesnittet. For en skjermbasert oppgave identifiserer du den synlige kontrollen og ønsket tilstand; en applikasjon utfører den valgte handlingen og returnerer den resulterende observasjonen.\n\n### Hold Instruct-profilen uttrykkelig\n\nProdusenten publiserer en innebygd kontekst på 256K for familien. Klargjør oppgaven innenfor de faktiske inndata- og genereringsgrensene til det valgte grensesnittet. Bevar 32B Instruct-identiteten sammen med kilden og svaret; Thinking-utgaven og andre modellstørrelser har egne genereringsinnstillinger.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er den instruksjonsfølgende syns- og språkutgaven på 32B for bilder, video og skriftlige oppgaver. Produsenten beskriver OCR, strukturert dokumenttolking, romlig forankring og arbeidsflyter fra visuelt materiale til kode i Qwen3 VL-familien.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3 VL 32B Instruct er den instruksjonsfølgende utgaven på 32B i Qwen3 VL-familien. Produsenten navngir den separat fra utgaven 32B Thinking. Familieveiledningen beskriver visuell persepsjon, tekstforståelse, OCR, dokumenttolking, romlig forankring og videoforståelse som praktiske oppgaver.
Oppgi den visuelle kilden og et målrettet spørsmål. For et dokumentbilde identifiserer du teksten eller feltene som skal hentes ut. For et diagram spør du om bestemte etiketter og sammenhenger. For en video angir du hendelsen eller intervallet som er interessant, og den endelige beskrivelsen applikasjonen trenger.
Hold kildeidentifikatorer synlige når flere bilder eller klipp bidrar med forskjellige fakta. Produsentens veiledning omfatter å legge til identifikatorer i visuelle inndata slik at et senere svar kan vise til den tiltenkte kilden.
Familien beskriver OCR på 32 språk og dokumenttolking med layoutinformasjon. Definer feltene, svarstrukturen og håndteringen av uklart innhold når resultatet skal brukes av en applikasjon. Kontroller uthentet tekst og verdier mot den opprinnelige kilden.
Eksemplene på visuelt kodearbeid omfatter Draw.io, HTML, CSS og JavaScript produsert fra bilder eller video. En nyttig oppgave angir de visuelle sammenhengene og grensesnittoppførselen koden må bevare. Applikasjonen rundt modellen lagrer og kjører den returnerte koden for å gjennomgå resultatet.
For en oppgave med objektlokalisering navngir du målet og hva som skiller det fra objekter i nærheten. Bruk posisjonsrepresentasjonen som er dokumentert for det valgte grensesnittet. For en skjermbasert oppgave identifiserer du den synlige kontrollen og ønsket tilstand; en applikasjon utfører den valgte handlingen og returnerer den resulterende observasjonen.
Produsenten publiserer en innebygd kontekst på 256K for familien. Klargjør oppgaven innenfor de faktiske inndata- og genereringsgrensene til det valgte grensesnittet. Bevar 32B Instruct-identiteten sammen med kilden og svaret; Thinking-utgaven og andre modellstørrelser har egne genereringsinnstillinger.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen3-vl-32b-instruct | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.000286 / 1K tokener Utdata · Utgående tokener $0.001144 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen3-vl-32b-instruct
Bruk metodestiene som vises ovenfor.
qwen3-vl-32b-instructQwen3 VL 32B Instruct er den instruksjonsfølgende syns- og språkutgaven på 32B for bilder, video og skriftlige oppgaver. Produsenten beskriver OCR, strukturert dokumenttolking, romlig forankring og arbeidsflyter fra visuelt materiale til kode i Qwen3 VL-familien.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen3 VL 32B Instruct er den instruksjonsfølgende utgaven på 32B i Qwen3 VL-familien. Produsenten navngir den separat fra utgaven 32B Thinking. Familieveiledningen beskriver visuell persepsjon, tekstforståelse, OCR, dokumenttolking, romlig forankring og videoforståelse som praktiske oppgaver.
Oppgi den visuelle kilden og et målrettet spørsmål. For et dokumentbilde identifiserer du teksten eller feltene som skal hentes ut. For et diagram spør du om bestemte etiketter og sammenhenger. For en video angir du hendelsen eller intervallet som er interessant, og den endelige beskrivelsen applikasjonen trenger.
Hold kildeidentifikatorer synlige når flere bilder eller klipp bidrar med forskjellige fakta. Produsentens veiledning omfatter å legge til identifikatorer i visuelle inndata slik at et senere svar kan vise til den tiltenkte kilden.
Familien beskriver OCR på 32 språk og dokumenttolking med layoutinformasjon. Definer feltene, svarstrukturen og håndteringen av uklart innhold når resultatet skal brukes av en applikasjon. Kontroller uthentet tekst og verdier mot den opprinnelige kilden.
Eksemplene på visuelt kodearbeid omfatter Draw.io, HTML, CSS og JavaScript produsert fra bilder eller video. En nyttig oppgave angir de visuelle sammenhengene og grensesnittoppførselen koden må bevare. Applikasjonen rundt modellen lagrer og kjører den returnerte koden for å gjennomgå resultatet.
For en oppgave med objektlokalisering navngir du målet og hva som skiller det fra objekter i nærheten. Bruk posisjonsrepresentasjonen som er dokumentert for det valgte grensesnittet. For en skjermbasert oppgave identifiserer du den synlige kontrollen og ønsket tilstand; en applikasjon utfører den valgte handlingen og returnerer den resulterende observasjonen.
Produsenten publiserer en innebygd kontekst på 256K for familien. Klargjør oppgaven innenfor de faktiske inndata- og genereringsgrensene til det valgte grensesnittet. Bevar 32B Instruct-identiteten sammen med kilden og svaret; Thinking-utgaven og andre modellstørrelser har egne genereringsinnstillinger.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen3-vl-32b-instruct | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.000286 / 1K tokener Utdata · Utgående tokener $0.001144 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen3-vl-32b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen3-vl-32b-instruct
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.