Úvod: multimodálna edícia Thinking
Qwen3-VL-235B-A22B-Thinking je edícia Qwen3-VL so zmesou expertov zameraná na uvažovanie. Spája text s obrázkami a videom a vytvára textové odpovede alebo kód. Pevný kontrolný bod Thinking je samostatný oproti Qwen3-VL-235B-A22B-Instruct a samostatne pomenovaným zostaveniam FP8. Zvoľte ho pri otázke vyžadujúcej prepojenie vizuálnych dôkazov s dlhším vysvetlením namiesto predpokladu, že každá edícia Qwen3-VL má rovnaký štýl odpovede.
Vizuálni agenti a vizuálne programovanie
Qwen opisuje postup vizuálneho agenta, ktorý rozpoznáva prvky počítačových alebo mobilných rozhraní, interpretuje ich funkcie a pomocou nástrojov dokončuje úlohy. Model poskytuje vnímanie a uvažovanie; aplikácia musí akcie prepojiť a vykonať. Pri posúdení rozhrania dodajte aktuálnu snímku obrazovky a konkrétny cieľ, potom požiadajte o určenie relevantných ovládacích prvkov a vysvetlenie ďalšej akcie. Samotný obrázok neposkytuje ovládanie zariadenia.
Vizuálne programovanie zahŕňa generovanie obsahu diagramov a HTML, CSS alebo JavaScript z obrázkov a videí. Poskytnite snímku obrazovky s požadovaným rozložením, správaním a upraviteľným formátom výstupu. Ak to uľahčuje posúdenie, žiadajte štruktúru stránky a štýly ako samostatné výstupy. Generovaný kód je text pre vývojový postup; nie je dôkazom vykreslenia webu ani premeny zdrojového obrázka na fungujúcu aplikáciu.
Priestorové vnímanie
Výrobca dokumentuje uvažovanie o polohách objektov, uhloch pohľadu a prekrytí s dvojrozmerným ukotvením a podporou trojrozmerného ukotvenia. Položte konkrétnu otázku o vzťahu a určte objekt záujmu: napríklad ktorý komponent je zakrytý, čo je pred ním a ktoré vizuálne indície podporujú túto interpretáciu. Schopnosť ukotvenia sa nemá považovať za kalibrované fyzikálne meranie z ľubovoľného obrázka.
Dlhý kontext a video
Natívny kontext je 262,144 tokenov. Qwen opisuje rozšírenie na približne jeden milión prostredníctvom konfigurácie YaRN a postupy pre túto rodinu modelov zahŕňajúce knihy alebo niekoľkohodinové video s indexovaním udalostí na úrovni sekúnd. Tieto schopnosti závisia od reprezentácie, vzorkovania snímok a konfigurácie kontextu; všeobecný opis výrobcu nezaručuje dokonalé zapamätanie každej snímky. Qwen vo svojom repozitári odporúča pri rozšírení z 256K na približne 1M pre túto prekladanú pozičnú schému extrapolačný faktor dva alebo tri namiesto automatického kopírovania faktora štyri z iného modelu.
Multimodálne uvažovanie a rozpoznávanie
Edícia Thinking je určená na uvažovanie v STEM a matematike založené na dôkazoch, kauzálnu analýzu a logické odpovede spájajúce text s vizuálnymi materiálmi. Dodajte diagram spolu s definíciami alebo graf s presnou číselnou otázkou. Pred záverom si vyžiadajte použité označenia a hodnoty. Qwen tiež opisuje širšie vizuálne rozpoznávanie ľudí, anime, produktov, pamätihodností, rastlín a zvierat. Rozpoznávacia odpoveď zostáva úsudkom z dodaného obrázka, nie zárukou pomenovania každého objektu alebo identity.
OCR pokrýva 32 jazykov a je navrhnuté na zlepšenie čítania pri slabom svetle, rozmazaní alebo naklonení vrátane špecializovanej slovnej zásoby a štruktúry dlhých dokumentov. Zachovajte čitateľné zdrojové obrázky a žiadajte polia, citácie alebo štruktúrovanú tabuľku, ktoré možno skontrolovať. Porozumenie textu a vizuálnemu obsahu sa spája v jednom modeli, takže otázka môže spoločne odkazovať na pasáž dokumentu, obrázok a pokyny používateľa.
Zmeny architektúry
Interleaved-MRoPE rozdeľuje pozičnú reprezentáciu medzi čas, šírku a výšku na uvažovanie o videu. DeepStack spája vizuálne vlastnosti z niekoľkých úrovní enkodéra na zachytenie jemnejších detailov a zlepšenie súladu obrázka a textu. Zarovnanie textu s časovými značkami ukotvuje udalosti v časových referenciách. Vydaná textová konfigurácia má 94 vrstiev, 128 expertov a osem expertov vybraných pre každý token. Tieto architektonické podrobnosti vysvetľujú multimodálnu reprezentáciu modelu; neurčujú záruku času odpovede.
Príprava vizuálneho vstupu a výstupu
Príklady výrobcu zahŕňajú požiadavky s jedným alebo viacerými obrázkami, videom aj čisto textové požiadavky. Označte každý vizuálny vstup, aby naň otázka mohla jasne odkazovať. Procesory obrázkov a videa používajú samostatné pixelové rozpočty: rozpočet obrázka obmedzuje jeho pixely, zatiaľ čo rozpočet videa započítava pixely naprieč vzorkovanými snímkami. Výslovne zadané rozmery obrázkov sú zarovnané na násobky 32. Vzorkovanie videa možno ovládať frekvenciou alebo počtom snímok; zdokumentovaná predvolená hodnota sú dve snímky za sekundu. Pri žiadosti o časovú os udalostí zachovajte časové značky.
Pri dlhom klipe žiadajte udalosť, jej časový interval a viditeľné dôkazy namiesto nerozlíšeného zhrnutia. Pri viacerých stránkach žiadajte výsledok usporiadaný podľa identifikátora stránky. Tieto príklady prípravy uplatňujú zdokumentované schopnosti a pomáhajú zviditeľniť vynechania alebo chyby extrakcie.
Pokyny na generovanie a limity
Súbor generovania kontrolného bodu má predvolené hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný hodnotiaci postup Thinking od Qwen používa teplotu 0.6, penalizáciu prítomnosti nula, penalizáciu opakovania 1.0 a výstupný limit 40,960 tokenov. Sú to odlišné predvoľby výrobcu, nie jeden pevný výstupný strop. Popri vizuálnych tokenoch ponechajte priestor na uvažovanie a konečný text a pred použitím overte extrahovaný text, vypočítané odpovede a generovaný kód podľa zdroja.
", "aboutText": "Úvod: multimodálna edícia Thinking\n\nQwen3-VL-235B-A22B-Thinking je edícia Qwen3-VL so zmesou expertov zameraná na uvažovanie. Spája text s obrázkami a videom a vytvára textové odpovede alebo kód. Pevný kontrolný bod Thinking je samostatný oproti Qwen3-VL-235B-A22B-Instruct a samostatne pomenovaným zostaveniam FP8. Zvoľte ho pri otázke vyžadujúcej prepojenie vizuálnych dôkazov s dlhším vysvetlením namiesto predpokladu, že každá edícia Qwen3-VL má rovnaký štýl odpovede.\n\nVizuálni agenti a vizuálne programovanie\n\nQwen opisuje postup vizuálneho agenta, ktorý rozpoznáva prvky počítačových alebo mobilných rozhraní, interpretuje ich funkcie a pomocou nástrojov dokončuje úlohy. Model poskytuje vnímanie a uvažovanie; aplikácia musí akcie prepojiť a vykonať. Pri posúdení rozhrania dodajte aktuálnu snímku obrazovky a konkrétny cieľ, potom požiadajte o určenie relevantných ovládacích prvkov a vysvetlenie ďalšej akcie. Samotný obrázok neposkytuje ovládanie zariadenia.\n\nVizuálne programovanie zahŕňa generovanie obsahu diagramov a HTML, CSS alebo JavaScript z obrázkov a videí. Poskytnite snímku obrazovky s požadovaným rozložením, správaním a upraviteľným formátom výstupu. Ak to uľahčuje posúdenie, žiadajte štruktúru stránky a štýly ako samostatné výstupy. Generovaný kód je text pre vývojový postup; nie je dôkazom vykreslenia webu ani premeny zdrojového obrázka na fungujúcu aplikáciu.\n\nPriestorové vnímanie\n\nVýrobca dokumentuje uvažovanie o polohách objektov, uhloch pohľadu a prekrytí s dvojrozmerným ukotvením a podporou trojrozmerného ukotvenia. Položte konkrétnu otázku o vzťahu a určte objekt záujmu: napríklad ktorý komponent je zakrytý, čo je pred ním a ktoré vizuálne indície podporujú túto interpretáciu. Schopnosť ukotvenia sa nemá považovať za kalibrované fyzikálne meranie z ľubovoľného obrázka.\n\nDlhý kontext a video\n\nNatívny kontext je 262,144 tokenov. Qwen opisuje rozšírenie na približne jeden milión prostredníctvom konfigurácie YaRN a postupy pre túto rodinu modelov zahŕňajúce knihy alebo niekoľkohodinové video s indexovaním udalostí na úrovni sekúnd. Tieto schopnosti závisia od reprezentácie, vzorkovania snímok a konfigurácie kontextu; všeobecný opis výrobcu nezaručuje dokonalé zapamätanie každej snímky. Qwen vo svojom repozitári odporúča pri rozšírení z 256K na približne 1M pre túto prekladanú pozičnú schému extrapolačný faktor dva alebo tri namiesto automatického kopírovania faktora štyri z iného modelu.\n\nMultimodálne uvažovanie a rozpoznávanie\n\nEdícia Thinking je určená na uvažovanie v STEM a matematike založené na dôkazoch, kauzálnu analýzu a logické odpovede spájajúce text s vizuálnymi materiálmi. Dodajte diagram spolu s definíciami alebo graf s presnou číselnou otázkou. Pred záverom si vyžiadajte použité označenia a hodnoty. Qwen tiež opisuje širšie vizuálne rozpoznávanie ľudí, anime, produktov, pamätihodností, rastlín a zvierat. Rozpoznávacia odpoveď zostáva úsudkom z dodaného obrázka, nie zárukou pomenovania každého objektu alebo identity.\n\nOCR pokrýva 32 jazykov a je navrhnuté na zlepšenie čítania pri slabom svetle, rozmazaní alebo naklonení vrátane špecializovanej slovnej zásoby a štruktúry dlhých dokumentov. Zachovajte čitateľné zdrojové obrázky a žiadajte polia, citácie alebo štruktúrovanú tabuľku, ktoré možno skontrolovať. Porozumenie textu a vizuálnemu obsahu sa spája v jednom modeli, takže otázka môže spoločne odkazovať na pasáž dokumentu, obrázok a pokyny používateľa.\n\nZmeny architektúry\n\nInterleaved-MRoPE rozdeľuje pozičnú reprezentáciu medzi čas, šírku a výšku na uvažovanie o videu. DeepStack spája vizuálne vlastnosti z niekoľkých úrovní enkodéra na zachytenie jemnejších detailov a zlepšenie súladu obrázka a textu. Zarovnanie textu s časovými značkami ukotvuje udalosti v časových referenciách. Vydaná textová konfigurácia má 94 vrstiev, 128 expertov a osem expertov vybraných pre každý token. Tieto architektonické podrobnosti vysvetľujú multimodálnu reprezentáciu modelu; neurčujú záruku času odpovede.\n\nPríprava vizuálneho vstupu a výstupu\n\nPríklady výrobcu zahŕňajú požiadavky s jedným alebo viacerými obrázkami, videom aj čisto textové požiadavky. Označte každý vizuálny vstup, aby naň otázka mohla jasne odkazovať. Procesory obrázkov a videa používajú samostatné pixelové rozpočty: rozpočet obrázka obmedzuje jeho pixely, zatiaľ čo rozpočet videa započítava pixely naprieč vzorkovanými snímkami. Výslovne zadané rozmery obrázkov sú zarovnané na násobky 32. Vzorkovanie videa možno ovládať frekvenciou alebo počtom snímok; zdokumentovaná predvolená hodnota sú dve snímky za sekundu. Pri žiadosti o časovú os udalostí zachovajte časové značky.\n\nPri dlhom klipe žiadajte udalosť, jej časový interval a viditeľné dôkazy namiesto nerozlíšeného zhrnutia. Pri viacerých stránkach žiadajte výsledok usporiadaný podľa identifikátora stránky. Tieto príklady prípravy uplatňujú zdokumentované schopnosti a pomáhajú zviditeľniť vynechania alebo chyby extrakcie.\n\nPokyny na generovanie a limity\n\nSúbor generovania kontrolného bodu má predvolené hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný hodnotiaci postup Thinking od Qwen používa teplotu 0.6, penalizáciu prítomnosti nula, penalizáciu opakovania 1.0 a výstupný limit 40,960 tokenov. Sú to odlišné predvoľby výrobcu, nie jeden pevný výstupný strop. Popri vizuálnych tokenoch ponechajte priestor na uvažovanie a konečný text a pred použitím overte extrahovaný text, vypočítané odpovede a generovaný kód podľa zdroja.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking je vizuálno-jazykový model Qwen so zmesou expertov na uvažovanie nad textom, obrázkami a videom. Edíciu Thinking použite na otázky STEM, dôkazy z dokumentov, priestorové vzťahy, vizuálne programovanie a analýzu videa s časovými značkami, s natívnym kontextom 262,144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Úvod: multimodálna edícia Thinking
Qwen3-VL-235B-A22B-Thinking je edícia Qwen3-VL so zmesou expertov zameraná na uvažovanie. Spája text s obrázkami a videom a vytvára textové odpovede alebo kód. Pevný kontrolný bod Thinking je samostatný oproti Qwen3-VL-235B-A22B-Instruct a samostatne pomenovaným zostaveniam FP8. Zvoľte ho pri otázke vyžadujúcej prepojenie vizuálnych dôkazov s dlhším vysvetlením namiesto predpokladu, že každá edícia Qwen3-VL má rovnaký štýl odpovede.
Vizuálni agenti a vizuálne programovanie
Qwen opisuje postup vizuálneho agenta, ktorý rozpoznáva prvky počítačových alebo mobilných rozhraní, interpretuje ich funkcie a pomocou nástrojov dokončuje úlohy. Model poskytuje vnímanie a uvažovanie; aplikácia musí akcie prepojiť a vykonať. Pri posúdení rozhrania dodajte aktuálnu snímku obrazovky a konkrétny cieľ, potom požiadajte o určenie relevantných ovládacích prvkov a vysvetlenie ďalšej akcie. Samotný obrázok neposkytuje ovládanie zariadenia.
Vizuálne programovanie zahŕňa generovanie obsahu diagramov a HTML, CSS alebo JavaScript z obrázkov a videí. Poskytnite snímku obrazovky s požadovaným rozložením, správaním a upraviteľným formátom výstupu. Ak to uľahčuje posúdenie, žiadajte štruktúru stránky a štýly ako samostatné výstupy. Generovaný kód je text pre vývojový postup; nie je dôkazom vykreslenia webu ani premeny zdrojového obrázka na fungujúcu aplikáciu.
Priestorové vnímanie
Výrobca dokumentuje uvažovanie o polohách objektov, uhloch pohľadu a prekrytí s dvojrozmerným ukotvením a podporou trojrozmerného ukotvenia. Položte konkrétnu otázku o vzťahu a určte objekt záujmu: napríklad ktorý komponent je zakrytý, čo je pred ním a ktoré vizuálne indície podporujú túto interpretáciu. Schopnosť ukotvenia sa nemá považovať za kalibrované fyzikálne meranie z ľubovoľného obrázka.
Dlhý kontext a video
Natívny kontext je 262,144 tokenov. Qwen opisuje rozšírenie na približne jeden milión prostredníctvom konfigurácie YaRN a postupy pre túto rodinu modelov zahŕňajúce knihy alebo niekoľkohodinové video s indexovaním udalostí na úrovni sekúnd. Tieto schopnosti závisia od reprezentácie, vzorkovania snímok a konfigurácie kontextu; všeobecný opis výrobcu nezaručuje dokonalé zapamätanie každej snímky. Qwen vo svojom repozitári odporúča pri rozšírení z 256K na približne 1M pre túto prekladanú pozičnú schému extrapolačný faktor dva alebo tri namiesto automatického kopírovania faktora štyri z iného modelu.
Multimodálne uvažovanie a rozpoznávanie
Edícia Thinking je určená na uvažovanie v STEM a matematike založené na dôkazoch, kauzálnu analýzu a logické odpovede spájajúce text s vizuálnymi materiálmi. Dodajte diagram spolu s definíciami alebo graf s presnou číselnou otázkou. Pred záverom si vyžiadajte použité označenia a hodnoty. Qwen tiež opisuje širšie vizuálne rozpoznávanie ľudí, anime, produktov, pamätihodností, rastlín a zvierat. Rozpoznávacia odpoveď zostáva úsudkom z dodaného obrázka, nie zárukou pomenovania každého objektu alebo identity.
OCR pokrýva 32 jazykov a je navrhnuté na zlepšenie čítania pri slabom svetle, rozmazaní alebo naklonení vrátane špecializovanej slovnej zásoby a štruktúry dlhých dokumentov. Zachovajte čitateľné zdrojové obrázky a žiadajte polia, citácie alebo štruktúrovanú tabuľku, ktoré možno skontrolovať. Porozumenie textu a vizuálnemu obsahu sa spája v jednom modeli, takže otázka môže spoločne odkazovať na pasáž dokumentu, obrázok a pokyny používateľa.
Zmeny architektúry
Interleaved-MRoPE rozdeľuje pozičnú reprezentáciu medzi čas, šírku a výšku na uvažovanie o videu. DeepStack spája vizuálne vlastnosti z niekoľkých úrovní enkodéra na zachytenie jemnejších detailov a zlepšenie súladu obrázka a textu. Zarovnanie textu s časovými značkami ukotvuje udalosti v časových referenciách. Vydaná textová konfigurácia má 94 vrstiev, 128 expertov a osem expertov vybraných pre každý token. Tieto architektonické podrobnosti vysvetľujú multimodálnu reprezentáciu modelu; neurčujú záruku času odpovede.
Príprava vizuálneho vstupu a výstupu
Príklady výrobcu zahŕňajú požiadavky s jedným alebo viacerými obrázkami, videom aj čisto textové požiadavky. Označte každý vizuálny vstup, aby naň otázka mohla jasne odkazovať. Procesory obrázkov a videa používajú samostatné pixelové rozpočty: rozpočet obrázka obmedzuje jeho pixely, zatiaľ čo rozpočet videa započítava pixely naprieč vzorkovanými snímkami. Výslovne zadané rozmery obrázkov sú zarovnané na násobky 32. Vzorkovanie videa možno ovládať frekvenciou alebo počtom snímok; zdokumentovaná predvolená hodnota sú dve snímky za sekundu. Pri žiadosti o časovú os udalostí zachovajte časové značky.
Pri dlhom klipe žiadajte udalosť, jej časový interval a viditeľné dôkazy namiesto nerozlíšeného zhrnutia. Pri viacerých stránkach žiadajte výsledok usporiadaný podľa identifikátora stránky. Tieto príklady prípravy uplatňujú zdokumentované schopnosti a pomáhajú zviditeľniť vynechania alebo chyby extrakcie.
Pokyny na generovanie a limity
Súbor generovania kontrolného bodu má predvolené hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný hodnotiaci postup Thinking od Qwen používa teplotu 0.6, penalizáciu prítomnosti nula, penalizáciu opakovania 1.0 a výstupný limit 40,960 tokenov. Sú to odlišné predvoľby výrobcu, nie jeden pevný výstupný strop. Popri vizuálnych tokenoch ponechajte priestor na uvažovanie a konečný text a pred použitím overte extrahovaný text, vypočítané odpovede a generovaný kód podľa zdroja.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3-vl-235b-a22b-thinking | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Textová konverzácia | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream |
Parametercontrol_scope | ŠpecifikáciaTextová konverzácia; stream je logická hodnota a predvolene má hodnotu false. |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Aliasy metódy: /chat/completions
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.000572 / 1K tokenov Výstup · Výstupné tokeny $0.00572 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen/qwen3-vl-235b-a22b-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="qwen/qwen3-vl-235b-a22b-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen/qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking je vizuálno-jazykový model Qwen so zmesou expertov na uvažovanie nad textom, obrázkami a videom. Edíciu Thinking použite na otázky STEM, dôkazy z dokumentov, priestorové vzťahy, vizuálne programovanie a analýzu videa s časovými značkami, s natívnym kontextom 262,144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Úvod: multimodálna edícia Thinking
Qwen3-VL-235B-A22B-Thinking je edícia Qwen3-VL so zmesou expertov zameraná na uvažovanie. Spája text s obrázkami a videom a vytvára textové odpovede alebo kód. Pevný kontrolný bod Thinking je samostatný oproti Qwen3-VL-235B-A22B-Instruct a samostatne pomenovaným zostaveniam FP8. Zvoľte ho pri otázke vyžadujúcej prepojenie vizuálnych dôkazov s dlhším vysvetlením namiesto predpokladu, že každá edícia Qwen3-VL má rovnaký štýl odpovede.
Vizuálni agenti a vizuálne programovanie
Qwen opisuje postup vizuálneho agenta, ktorý rozpoznáva prvky počítačových alebo mobilných rozhraní, interpretuje ich funkcie a pomocou nástrojov dokončuje úlohy. Model poskytuje vnímanie a uvažovanie; aplikácia musí akcie prepojiť a vykonať. Pri posúdení rozhrania dodajte aktuálnu snímku obrazovky a konkrétny cieľ, potom požiadajte o určenie relevantných ovládacích prvkov a vysvetlenie ďalšej akcie. Samotný obrázok neposkytuje ovládanie zariadenia.
Vizuálne programovanie zahŕňa generovanie obsahu diagramov a HTML, CSS alebo JavaScript z obrázkov a videí. Poskytnite snímku obrazovky s požadovaným rozložením, správaním a upraviteľným formátom výstupu. Ak to uľahčuje posúdenie, žiadajte štruktúru stránky a štýly ako samostatné výstupy. Generovaný kód je text pre vývojový postup; nie je dôkazom vykreslenia webu ani premeny zdrojového obrázka na fungujúcu aplikáciu.
Priestorové vnímanie
Výrobca dokumentuje uvažovanie o polohách objektov, uhloch pohľadu a prekrytí s dvojrozmerným ukotvením a podporou trojrozmerného ukotvenia. Položte konkrétnu otázku o vzťahu a určte objekt záujmu: napríklad ktorý komponent je zakrytý, čo je pred ním a ktoré vizuálne indície podporujú túto interpretáciu. Schopnosť ukotvenia sa nemá považovať za kalibrované fyzikálne meranie z ľubovoľného obrázka.
Dlhý kontext a video
Natívny kontext je 262,144 tokenov. Qwen opisuje rozšírenie na približne jeden milión prostredníctvom konfigurácie YaRN a postupy pre túto rodinu modelov zahŕňajúce knihy alebo niekoľkohodinové video s indexovaním udalostí na úrovni sekúnd. Tieto schopnosti závisia od reprezentácie, vzorkovania snímok a konfigurácie kontextu; všeobecný opis výrobcu nezaručuje dokonalé zapamätanie každej snímky. Qwen vo svojom repozitári odporúča pri rozšírení z 256K na približne 1M pre túto prekladanú pozičnú schému extrapolačný faktor dva alebo tri namiesto automatického kopírovania faktora štyri z iného modelu.
Multimodálne uvažovanie a rozpoznávanie
Edícia Thinking je určená na uvažovanie v STEM a matematike založené na dôkazoch, kauzálnu analýzu a logické odpovede spájajúce text s vizuálnymi materiálmi. Dodajte diagram spolu s definíciami alebo graf s presnou číselnou otázkou. Pred záverom si vyžiadajte použité označenia a hodnoty. Qwen tiež opisuje širšie vizuálne rozpoznávanie ľudí, anime, produktov, pamätihodností, rastlín a zvierat. Rozpoznávacia odpoveď zostáva úsudkom z dodaného obrázka, nie zárukou pomenovania každého objektu alebo identity.
OCR pokrýva 32 jazykov a je navrhnuté na zlepšenie čítania pri slabom svetle, rozmazaní alebo naklonení vrátane špecializovanej slovnej zásoby a štruktúry dlhých dokumentov. Zachovajte čitateľné zdrojové obrázky a žiadajte polia, citácie alebo štruktúrovanú tabuľku, ktoré možno skontrolovať. Porozumenie textu a vizuálnemu obsahu sa spája v jednom modeli, takže otázka môže spoločne odkazovať na pasáž dokumentu, obrázok a pokyny používateľa.
Zmeny architektúry
Interleaved-MRoPE rozdeľuje pozičnú reprezentáciu medzi čas, šírku a výšku na uvažovanie o videu. DeepStack spája vizuálne vlastnosti z niekoľkých úrovní enkodéra na zachytenie jemnejších detailov a zlepšenie súladu obrázka a textu. Zarovnanie textu s časovými značkami ukotvuje udalosti v časových referenciách. Vydaná textová konfigurácia má 94 vrstiev, 128 expertov a osem expertov vybraných pre každý token. Tieto architektonické podrobnosti vysvetľujú multimodálnu reprezentáciu modelu; neurčujú záruku času odpovede.
Príprava vizuálneho vstupu a výstupu
Príklady výrobcu zahŕňajú požiadavky s jedným alebo viacerými obrázkami, videom aj čisto textové požiadavky. Označte každý vizuálny vstup, aby naň otázka mohla jasne odkazovať. Procesory obrázkov a videa používajú samostatné pixelové rozpočty: rozpočet obrázka obmedzuje jeho pixely, zatiaľ čo rozpočet videa započítava pixely naprieč vzorkovanými snímkami. Výslovne zadané rozmery obrázkov sú zarovnané na násobky 32. Vzorkovanie videa možno ovládať frekvenciou alebo počtom snímok; zdokumentovaná predvolená hodnota sú dve snímky za sekundu. Pri žiadosti o časovú os udalostí zachovajte časové značky.
Pri dlhom klipe žiadajte udalosť, jej časový interval a viditeľné dôkazy namiesto nerozlíšeného zhrnutia. Pri viacerých stránkach žiadajte výsledok usporiadaný podľa identifikátora stránky. Tieto príklady prípravy uplatňujú zdokumentované schopnosti a pomáhajú zviditeľniť vynechania alebo chyby extrakcie.
Pokyny na generovanie a limity
Súbor generovania kontrolného bodu má predvolené hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný hodnotiaci postup Thinking od Qwen používa teplotu 0.6, penalizáciu prítomnosti nula, penalizáciu opakovania 1.0 a výstupný limit 40,960 tokenov. Sú to odlišné predvoľby výrobcu, nie jeden pevný výstupný strop. Popri vizuálnych tokenoch ponechajte priestor na uvažovanie a konečný text a pred použitím overte extrahovaný text, vypočítané odpovede a generovaný kód podľa zdroja.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen/qwen3-vl-235b-a22b-thinking | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.000572 / 1K tokenov Výstup · Výstupné tokeny $0.00572 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen/qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking je vizuálno-jazykový model Qwen so zmesou expertov na uvažovanie nad textom, obrázkami a videom. Edíciu Thinking použite na otázky STEM, dôkazy z dokumentov, priestorové vzťahy, vizuálne programovanie a analýzu videa s časovými značkami, s natívnym kontextom 262,144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Úvod: multimodálna edícia Thinking
Qwen3-VL-235B-A22B-Thinking je edícia Qwen3-VL so zmesou expertov zameraná na uvažovanie. Spája text s obrázkami a videom a vytvára textové odpovede alebo kód. Pevný kontrolný bod Thinking je samostatný oproti Qwen3-VL-235B-A22B-Instruct a samostatne pomenovaným zostaveniam FP8. Zvoľte ho pri otázke vyžadujúcej prepojenie vizuálnych dôkazov s dlhším vysvetlením namiesto predpokladu, že každá edícia Qwen3-VL má rovnaký štýl odpovede.
Vizuálni agenti a vizuálne programovanie
Qwen opisuje postup vizuálneho agenta, ktorý rozpoznáva prvky počítačových alebo mobilných rozhraní, interpretuje ich funkcie a pomocou nástrojov dokončuje úlohy. Model poskytuje vnímanie a uvažovanie; aplikácia musí akcie prepojiť a vykonať. Pri posúdení rozhrania dodajte aktuálnu snímku obrazovky a konkrétny cieľ, potom požiadajte o určenie relevantných ovládacích prvkov a vysvetlenie ďalšej akcie. Samotný obrázok neposkytuje ovládanie zariadenia.
Vizuálne programovanie zahŕňa generovanie obsahu diagramov a HTML, CSS alebo JavaScript z obrázkov a videí. Poskytnite snímku obrazovky s požadovaným rozložením, správaním a upraviteľným formátom výstupu. Ak to uľahčuje posúdenie, žiadajte štruktúru stránky a štýly ako samostatné výstupy. Generovaný kód je text pre vývojový postup; nie je dôkazom vykreslenia webu ani premeny zdrojového obrázka na fungujúcu aplikáciu.
Priestorové vnímanie
Výrobca dokumentuje uvažovanie o polohách objektov, uhloch pohľadu a prekrytí s dvojrozmerným ukotvením a podporou trojrozmerného ukotvenia. Položte konkrétnu otázku o vzťahu a určte objekt záujmu: napríklad ktorý komponent je zakrytý, čo je pred ním a ktoré vizuálne indície podporujú túto interpretáciu. Schopnosť ukotvenia sa nemá považovať za kalibrované fyzikálne meranie z ľubovoľného obrázka.
Dlhý kontext a video
Natívny kontext je 262,144 tokenov. Qwen opisuje rozšírenie na približne jeden milión prostredníctvom konfigurácie YaRN a postupy pre túto rodinu modelov zahŕňajúce knihy alebo niekoľkohodinové video s indexovaním udalostí na úrovni sekúnd. Tieto schopnosti závisia od reprezentácie, vzorkovania snímok a konfigurácie kontextu; všeobecný opis výrobcu nezaručuje dokonalé zapamätanie každej snímky. Qwen vo svojom repozitári odporúča pri rozšírení z 256K na približne 1M pre túto prekladanú pozičnú schému extrapolačný faktor dva alebo tri namiesto automatického kopírovania faktora štyri z iného modelu.
Multimodálne uvažovanie a rozpoznávanie
Edícia Thinking je určená na uvažovanie v STEM a matematike založené na dôkazoch, kauzálnu analýzu a logické odpovede spájajúce text s vizuálnymi materiálmi. Dodajte diagram spolu s definíciami alebo graf s presnou číselnou otázkou. Pred záverom si vyžiadajte použité označenia a hodnoty. Qwen tiež opisuje širšie vizuálne rozpoznávanie ľudí, anime, produktov, pamätihodností, rastlín a zvierat. Rozpoznávacia odpoveď zostáva úsudkom z dodaného obrázka, nie zárukou pomenovania každého objektu alebo identity.
OCR pokrýva 32 jazykov a je navrhnuté na zlepšenie čítania pri slabom svetle, rozmazaní alebo naklonení vrátane špecializovanej slovnej zásoby a štruktúry dlhých dokumentov. Zachovajte čitateľné zdrojové obrázky a žiadajte polia, citácie alebo štruktúrovanú tabuľku, ktoré možno skontrolovať. Porozumenie textu a vizuálnemu obsahu sa spája v jednom modeli, takže otázka môže spoločne odkazovať na pasáž dokumentu, obrázok a pokyny používateľa.
Zmeny architektúry
Interleaved-MRoPE rozdeľuje pozičnú reprezentáciu medzi čas, šírku a výšku na uvažovanie o videu. DeepStack spája vizuálne vlastnosti z niekoľkých úrovní enkodéra na zachytenie jemnejších detailov a zlepšenie súladu obrázka a textu. Zarovnanie textu s časovými značkami ukotvuje udalosti v časových referenciách. Vydaná textová konfigurácia má 94 vrstiev, 128 expertov a osem expertov vybraných pre každý token. Tieto architektonické podrobnosti vysvetľujú multimodálnu reprezentáciu modelu; neurčujú záruku času odpovede.
Príprava vizuálneho vstupu a výstupu
Príklady výrobcu zahŕňajú požiadavky s jedným alebo viacerými obrázkami, videom aj čisto textové požiadavky. Označte každý vizuálny vstup, aby naň otázka mohla jasne odkazovať. Procesory obrázkov a videa používajú samostatné pixelové rozpočty: rozpočet obrázka obmedzuje jeho pixely, zatiaľ čo rozpočet videa započítava pixely naprieč vzorkovanými snímkami. Výslovne zadané rozmery obrázkov sú zarovnané na násobky 32. Vzorkovanie videa možno ovládať frekvenciou alebo počtom snímok; zdokumentovaná predvolená hodnota sú dve snímky za sekundu. Pri žiadosti o časovú os udalostí zachovajte časové značky.
Pri dlhom klipe žiadajte udalosť, jej časový interval a viditeľné dôkazy namiesto nerozlíšeného zhrnutia. Pri viacerých stránkach žiadajte výsledok usporiadaný podľa identifikátora stránky. Tieto príklady prípravy uplatňujú zdokumentované schopnosti a pomáhajú zviditeľniť vynechania alebo chyby extrakcie.
Pokyny na generovanie a limity
Súbor generovania kontrolného bodu má predvolené hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný hodnotiaci postup Thinking od Qwen používa teplotu 0.6, penalizáciu prítomnosti nula, penalizáciu opakovania 1.0 a výstupný limit 40,960 tokenov. Sú to odlišné predvoľby výrobcu, nie jeden pevný výstupný strop. Popri vizuálnych tokenoch ponechajte priestor na uvažovanie a konečný text a pred použitím overte extrahovaný text, vypočítané odpovede a generovaný kód podľa zdroja.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen3-vl-235b-a22b-thinking | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.000572 / 1K tokenov Výstup · Výstupné tokeny $0.00572 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3-vl-235b-a22b-thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen3-vl-235b-a22b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen3-vl-235b-a22b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
qwen3-vl-235b-a22b-thinkingQwen3-VL-235B-A22B-Thinking je vizuálno-jazykový model Qwen so zmesou expertov na uvažovanie nad textom, obrázkami a videom. Edíciu Thinking použite na otázky STEM, dôkazy z dokumentov, priestorové vzťahy, vizuálne programovanie a analýzu videa s časovými značkami, s natívnym kontextom 262,144 tokenov.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Úvod: multimodálna edícia Thinking
Qwen3-VL-235B-A22B-Thinking je edícia Qwen3-VL so zmesou expertov zameraná na uvažovanie. Spája text s obrázkami a videom a vytvára textové odpovede alebo kód. Pevný kontrolný bod Thinking je samostatný oproti Qwen3-VL-235B-A22B-Instruct a samostatne pomenovaným zostaveniam FP8. Zvoľte ho pri otázke vyžadujúcej prepojenie vizuálnych dôkazov s dlhším vysvetlením namiesto predpokladu, že každá edícia Qwen3-VL má rovnaký štýl odpovede.
Vizuálni agenti a vizuálne programovanie
Qwen opisuje postup vizuálneho agenta, ktorý rozpoznáva prvky počítačových alebo mobilných rozhraní, interpretuje ich funkcie a pomocou nástrojov dokončuje úlohy. Model poskytuje vnímanie a uvažovanie; aplikácia musí akcie prepojiť a vykonať. Pri posúdení rozhrania dodajte aktuálnu snímku obrazovky a konkrétny cieľ, potom požiadajte o určenie relevantných ovládacích prvkov a vysvetlenie ďalšej akcie. Samotný obrázok neposkytuje ovládanie zariadenia.
Vizuálne programovanie zahŕňa generovanie obsahu diagramov a HTML, CSS alebo JavaScript z obrázkov a videí. Poskytnite snímku obrazovky s požadovaným rozložením, správaním a upraviteľným formátom výstupu. Ak to uľahčuje posúdenie, žiadajte štruktúru stránky a štýly ako samostatné výstupy. Generovaný kód je text pre vývojový postup; nie je dôkazom vykreslenia webu ani premeny zdrojového obrázka na fungujúcu aplikáciu.
Priestorové vnímanie
Výrobca dokumentuje uvažovanie o polohách objektov, uhloch pohľadu a prekrytí s dvojrozmerným ukotvením a podporou trojrozmerného ukotvenia. Položte konkrétnu otázku o vzťahu a určte objekt záujmu: napríklad ktorý komponent je zakrytý, čo je pred ním a ktoré vizuálne indície podporujú túto interpretáciu. Schopnosť ukotvenia sa nemá považovať za kalibrované fyzikálne meranie z ľubovoľného obrázka.
Dlhý kontext a video
Natívny kontext je 262,144 tokenov. Qwen opisuje rozšírenie na približne jeden milión prostredníctvom konfigurácie YaRN a postupy pre túto rodinu modelov zahŕňajúce knihy alebo niekoľkohodinové video s indexovaním udalostí na úrovni sekúnd. Tieto schopnosti závisia od reprezentácie, vzorkovania snímok a konfigurácie kontextu; všeobecný opis výrobcu nezaručuje dokonalé zapamätanie každej snímky. Qwen vo svojom repozitári odporúča pri rozšírení z 256K na približne 1M pre túto prekladanú pozičnú schému extrapolačný faktor dva alebo tri namiesto automatického kopírovania faktora štyri z iného modelu.
Multimodálne uvažovanie a rozpoznávanie
Edícia Thinking je určená na uvažovanie v STEM a matematike založené na dôkazoch, kauzálnu analýzu a logické odpovede spájajúce text s vizuálnymi materiálmi. Dodajte diagram spolu s definíciami alebo graf s presnou číselnou otázkou. Pred záverom si vyžiadajte použité označenia a hodnoty. Qwen tiež opisuje širšie vizuálne rozpoznávanie ľudí, anime, produktov, pamätihodností, rastlín a zvierat. Rozpoznávacia odpoveď zostáva úsudkom z dodaného obrázka, nie zárukou pomenovania každého objektu alebo identity.
OCR pokrýva 32 jazykov a je navrhnuté na zlepšenie čítania pri slabom svetle, rozmazaní alebo naklonení vrátane špecializovanej slovnej zásoby a štruktúry dlhých dokumentov. Zachovajte čitateľné zdrojové obrázky a žiadajte polia, citácie alebo štruktúrovanú tabuľku, ktoré možno skontrolovať. Porozumenie textu a vizuálnemu obsahu sa spája v jednom modeli, takže otázka môže spoločne odkazovať na pasáž dokumentu, obrázok a pokyny používateľa.
Zmeny architektúry
Interleaved-MRoPE rozdeľuje pozičnú reprezentáciu medzi čas, šírku a výšku na uvažovanie o videu. DeepStack spája vizuálne vlastnosti z niekoľkých úrovní enkodéra na zachytenie jemnejších detailov a zlepšenie súladu obrázka a textu. Zarovnanie textu s časovými značkami ukotvuje udalosti v časových referenciách. Vydaná textová konfigurácia má 94 vrstiev, 128 expertov a osem expertov vybraných pre každý token. Tieto architektonické podrobnosti vysvetľujú multimodálnu reprezentáciu modelu; neurčujú záruku času odpovede.
Príprava vizuálneho vstupu a výstupu
Príklady výrobcu zahŕňajú požiadavky s jedným alebo viacerými obrázkami, videom aj čisto textové požiadavky. Označte každý vizuálny vstup, aby naň otázka mohla jasne odkazovať. Procesory obrázkov a videa používajú samostatné pixelové rozpočty: rozpočet obrázka obmedzuje jeho pixely, zatiaľ čo rozpočet videa započítava pixely naprieč vzorkovanými snímkami. Výslovne zadané rozmery obrázkov sú zarovnané na násobky 32. Vzorkovanie videa možno ovládať frekvenciou alebo počtom snímok; zdokumentovaná predvolená hodnota sú dve snímky za sekundu. Pri žiadosti o časovú os udalostí zachovajte časové značky.
Pri dlhom klipe žiadajte udalosť, jej časový interval a viditeľné dôkazy namiesto nerozlíšeného zhrnutia. Pri viacerých stránkach žiadajte výsledok usporiadaný podľa identifikátora stránky. Tieto príklady prípravy uplatňujú zdokumentované schopnosti a pomáhajú zviditeľniť vynechania alebo chyby extrakcie.
Pokyny na generovanie a limity
Súbor generovania kontrolného bodu má predvolené hodnoty temperature 0.8, top_p 0.95 a top_k 20. Samostatný hodnotiaci postup Thinking od Qwen používa teplotu 0.6, penalizáciu prítomnosti nula, penalizáciu opakovania 1.0 a výstupný limit 40,960 tokenov. Sú to odlišné predvoľby výrobcu, nie jeden pevný výstupný strop. Popri vizuálnych tokenoch ponechajte priestor na uvažovanie a konečný text a pred použitím overte extrahovaný text, vypočítané odpovede a generovaný kód podľa zdroja.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen3-vl-235b-a22b-thinking | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.000572 / 1K tokenov Výstup · Výstupné tokeny $0.00572 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen3-vl-235b-a22b-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
/chat/completions
qwen/qwen3-vl-235b-a22b-thinking, qwen3-vl-235b-a22b-thinking
Technický príklad v angličtine
Reason from a textual circuit description\n\nUse this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2.A labeled worked calculation and a voltage-sum consistency check.The same series current is used for both resistors and the stated voltage drops sum to 12 V.