Vizualno-jezikovna izdaja 8B Instruct
Qwen3-VL-8B-Instruct je gosta izdaja 8B Qwen3-VL, usmerjena v navodila. Besedilo združuje s slikami ali videom in ustvarja besedilo, vključno s kodo. Ostaja ločena od izdaje Thinking z okrepljenim sklepanjem in od redkih modelov strokovnjakov iste družine. Izberite jo za usmerjeno vizualno navodilo, dokumentno vprašanje ali izdelek, ki ga je mogoče urejati in njegov rezultat primerjati s priloženimi dokazi.
Vizualni agenti in vizualno programiranje
Proizvajalec opisuje prepoznavanje elementov računalniškega ali mobilnega vmesnika, razumevanje njihovih funkcij in uporabo orodij v poteku vizualnega agenta. Priložite posnetek zaslona in konkreten cilj, nato vprašajte, kateri vidni kontrolniki ustrezajo cilju in kateri dokazi podpirajo izbiro. Dejanja izvaja povezana programska oprema; prepoznavanje vmesnika modelu samostojno ne daje nadzora nad napravo.
Vizualno programiranje vključuje ustvarjanje vsebine diagramov ter HTML, CSS ali JavaScript iz slik ali videa. Referenco postavitve priložite skupaj s funkcionalnimi zahtevami in zahtevanim izhodom, ki ga je mogoče urejati. Izvorno strukturo in sloge zahtevajte ločeno, kadar to olajša pregled. Ustvarjena koda je besedilni izdelek; za izris in oceno vedenja še vedno potrebuje razvojni potek.
Prostorsko zaznavanje in dolgo gradivo
Qwen dokumentira sklepanje o položajih objektov, glediščih in zakritosti z dvodimenzionalnim določanjem položaja in podporo tridimenzionalnemu. Poimenujte ciljni objekt in navedite preučevano povezavo. Rezultat o relativnem položaju je sklep iz slike, ne kalibrirana fizična meritev.
Izvorni kontekst obsega 262,144 žetonov. Družina opisuje knjige in večurne videe z indeksiranjem dogodkov na ravni sekund ter razširitvijo na približno milijon žetonov s konfiguracijo. Predstavitev, vzorčenje sličic in konfigurirana omejitev zaporedja določajo obdelano gradivo. Velik kontekst ne zagotavlja popolnega priklica vsake strani ali sličice. Pri zahtevi za opis dogodkov v videu ohranite časovni potek.
Multimodalno sklepanje, prepoznavanje in OCR
Družina podpira vprašanja STEM in matematike, vzročno analizo ter vizualne razlage na podlagi dokazov. Ob diagramu priložite celotno besedilo problema in pred sklepom zahtevajte uporabljene vrednosti in povezave. Prepoznavanje zajema širok nabor ljudi, izdelkov, znamenitosti, rastlin, živali in medijskih likov; verjetno oznako preverite, kadar je identifikacija pomembna.
OCR zajema 32 jezikov in je zasnovan za boljše branje pri šibki osvetlitvi, zameglitvi ali nagibu, vključno s strokovnim izrazjem in strukturo dolgih dokumentov. Priložite berljivo stran in zahtevajte poimenovana polja, navedke ali strukturirano tabelo za preverjanje glede na stran. Besedilno in vizualno razumevanje sta združena, zato lahko vprašanje poveže odstavek s sliko in uporabnikovimi navodili.
Arhitekturne posodobitve
Objavljena gosta besedilna konfiguracija ima 36 plasti. Interleaved-MRoPE predstavlja čas, širino in višino za sklepanje o videu. DeepStack združuje značilnosti več ravni vizualnega kodirnika, usklajevanje besedila in časovnih žigov pa dogodke umešča v časovne reference. Te arhitekturne funkcije opisujejo predstavitev modela; ne potrjujejo fiksnega odzivnega časa ali natančne fizične točnosti.
Priprava vhoda
Proizvajalčevi družinski primeri zajemajo zahteve samo z besedilom, posamezne ali več slik in video. Označite vizualne vhode in navedite njihove povezave. Proračuna slikovnih pik za slike in video sta ločena: slikovni zadeva eno sliko, video proračun pa slikovne pike skozi vzorčene sličice. Izrecne mere slik so poravnane na večkratnike 32. Dokumentirana privzeta nastavitev videa je dve sličici na sekundo, s kontrolami frekvence vzorčenja ali števila sličic v podprtih potekih.
Pomožni potek ohranja metapodatke videa in svetuje izogibanje podvojenemu spreminjanju velikosti, kadar je bila velikost medijev že spremenjena. Pri dokumentni nalogi ohranite identifikatorje strani; pri posnetku zahtevajte dogodek, ustrezni interval in vidne dokaze. Ti primeri priprave uporabljajo dokumentirane zmožnosti, ne zagotavljajo natančnega pridobivanja podatkov ali časovne natančnosti.
Smernice ustvarjanja in omejitve
Ta kartica podaja ločene prednastavitve nalog. Vizualno-jezikovne naloge uporabljajo temperature 0.7, top_p 0.8, top_k 20, kazen ponavljanja 1.0 in kazen prisotnosti 1.5 z dovoljenim izhodom 16,384 žetonov. Besedilne naloge uporabljajo temperature 1.0, top_p 1.0, top_k 40, kazen ponavljanja 1.0 in kazen prisotnosti 2.0 z dovoljenim obsegom 32,768 žetonov. To so proračuni proizvajalčevih receptov, ne neodvisno potrjene trde izhodne meje ali ločene identitete modela.
Postopek dolgega konteksta družine uporablja YaRN, pri čemer je pri razširitvi prepletenih položajev z 256K na približno 1M predlagan faktor dve ali tri. Ne kopirajte faktorja štiri iz druge družine Qwen. Ob vizualnem in besedilnem vhodu rezervirajte prostor za odgovor ter OCR, izračunane sklepe in ustvarjeno izvorno kodo preverite glede na izvorno gradivo. Ohranite natančno izdajo Instruct, namesto da uvažate pogodbo ustvarjanja ali kontrol modela Thinking.
", "aboutText": "Vizualno-jezikovna izdaja 8B Instruct\n\nQwen3-VL-8B-Instruct je gosta izdaja 8B Qwen3-VL, usmerjena v navodila. Besedilo združuje s slikami ali videom in ustvarja besedilo, vključno s kodo. Ostaja ločena od izdaje Thinking z okrepljenim sklepanjem in od redkih modelov strokovnjakov iste družine. Izberite jo za usmerjeno vizualno navodilo, dokumentno vprašanje ali izdelek, ki ga je mogoče urejati in njegov rezultat primerjati s priloženimi dokazi.\n\nVizualni agenti in vizualno programiranje\n\nProizvajalec opisuje prepoznavanje elementov računalniškega ali mobilnega vmesnika, razumevanje njihovih funkcij in uporabo orodij v poteku vizualnega agenta. Priložite posnetek zaslona in konkreten cilj, nato vprašajte, kateri vidni kontrolniki ustrezajo cilju in kateri dokazi podpirajo izbiro. Dejanja izvaja povezana programska oprema; prepoznavanje vmesnika modelu samostojno ne daje nadzora nad napravo.\n\nVizualno programiranje vključuje ustvarjanje vsebine diagramov ter HTML, CSS ali JavaScript iz slik ali videa. Referenco postavitve priložite skupaj s funkcionalnimi zahtevami in zahtevanim izhodom, ki ga je mogoče urejati. Izvorno strukturo in sloge zahtevajte ločeno, kadar to olajša pregled. Ustvarjena koda je besedilni izdelek; za izris in oceno vedenja še vedno potrebuje razvojni potek.\n\nProstorsko zaznavanje in dolgo gradivo\n\nQwen dokumentira sklepanje o položajih objektov, glediščih in zakritosti z dvodimenzionalnim določanjem položaja in podporo tridimenzionalnemu. Poimenujte ciljni objekt in navedite preučevano povezavo. Rezultat o relativnem položaju je sklep iz slike, ne kalibrirana fizična meritev.\n\nIzvorni kontekst obsega 262,144 žetonov. Družina opisuje knjige in večurne videe z indeksiranjem dogodkov na ravni sekund ter razširitvijo na približno milijon žetonov s konfiguracijo. Predstavitev, vzorčenje sličic in konfigurirana omejitev zaporedja določajo obdelano gradivo. Velik kontekst ne zagotavlja popolnega priklica vsake strani ali sličice. Pri zahtevi za opis dogodkov v videu ohranite časovni potek.\n\nMultimodalno sklepanje, prepoznavanje in OCR\n\nDružina podpira vprašanja STEM in matematike, vzročno analizo ter vizualne razlage na podlagi dokazov. Ob diagramu priložite celotno besedilo problema in pred sklepom zahtevajte uporabljene vrednosti in povezave. Prepoznavanje zajema širok nabor ljudi, izdelkov, znamenitosti, rastlin, živali in medijskih likov; verjetno oznako preverite, kadar je identifikacija pomembna.\n\nOCR zajema 32 jezikov in je zasnovan za boljše branje pri šibki osvetlitvi, zameglitvi ali nagibu, vključno s strokovnim izrazjem in strukturo dolgih dokumentov. Priložite berljivo stran in zahtevajte poimenovana polja, navedke ali strukturirano tabelo za preverjanje glede na stran. Besedilno in vizualno razumevanje sta združena, zato lahko vprašanje poveže odstavek s sliko in uporabnikovimi navodili.\n\nArhitekturne posodobitve\n\nObjavljena gosta besedilna konfiguracija ima 36 plasti. Interleaved-MRoPE predstavlja čas, širino in višino za sklepanje o videu. DeepStack združuje značilnosti več ravni vizualnega kodirnika, usklajevanje besedila in časovnih žigov pa dogodke umešča v časovne reference. Te arhitekturne funkcije opisujejo predstavitev modela; ne potrjujejo fiksnega odzivnega časa ali natančne fizične točnosti.\n\nPriprava vhoda\n\nProizvajalčevi družinski primeri zajemajo zahteve samo z besedilom, posamezne ali več slik in video. Označite vizualne vhode in navedite njihove povezave. Proračuna slikovnih pik za slike in video sta ločena: slikovni zadeva eno sliko, video proračun pa slikovne pike skozi vzorčene sličice. Izrecne mere slik so poravnane na večkratnike 32. Dokumentirana privzeta nastavitev videa je dve sličici na sekundo, s kontrolami frekvence vzorčenja ali števila sličic v podprtih potekih.\n\nPomožni potek ohranja metapodatke videa in svetuje izogibanje podvojenemu spreminjanju velikosti, kadar je bila velikost medijev že spremenjena. Pri dokumentni nalogi ohranite identifikatorje strani; pri posnetku zahtevajte dogodek, ustrezni interval in vidne dokaze. Ti primeri priprave uporabljajo dokumentirane zmožnosti, ne zagotavljajo natančnega pridobivanja podatkov ali časovne natančnosti.\n\nSmernice ustvarjanja in omejitve\n\nTa kartica podaja ločene prednastavitve nalog. Vizualno-jezikovne naloge uporabljajo temperature 0.7, top_p 0.8, top_k 20, kazen ponavljanja 1.0 in kazen prisotnosti 1.5 z dovoljenim izhodom 16,384 žetonov. Besedilne naloge uporabljajo temperature 1.0, top_p 1.0, top_k 40, kazen ponavljanja 1.0 in kazen prisotnosti 2.0 z dovoljenim obsegom 32,768 žetonov. To so proračuni proizvajalčevih receptov, ne neodvisno potrjene trde izhodne meje ali ločene identitete modela.\n\nPostopek dolgega konteksta družine uporablja YaRN, pri čemer je pri razširitvi prepletenih položajev z 256K na približno 1M predlagan faktor dve ali tri. Ne kopirajte faktorja štiri iz druge družine Qwen. Ob vizualnem in besedilnem vhodu rezervirajte prostor za odgovor ter OCR, izračunane sklepe in ustvarjeno izvorno kodo preverite glede na izvorno gradivo. Ohranite natančno izdajo Instruct, namesto da uvažate pogodbo ustvarjanja ali kontrol modela Thinking.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Read a text diagram relationship\n\nUse this text rendering of diagram D4: source A feeds filter B; B feeds tanks C and D; only D connects to drain E. List the directed path from A to E and name the tank on that path. Do not add physical dimensions or connections absent from the rendering.A labeled directed path and the tank identifier supported by D4.The path must follow the stated arrows and must not add a C-to-E connection.qwen/qwen3-vl-8b-instructQwen3-VL-8B-Instruct je Qwenov gost vizualno-jezikovni model, usmerjen v navodila, za besedilo, slike in video z besedilnim ali kodnim izhodom. Podpira branje dokumentov, vizualno programiranje, prostorska vprašanja in analizo videa, z OCR za 32 jezikov in izvornim kontekstom 262,144 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Vizualno-jezikovna izdaja 8B Instruct
Qwen3-VL-8B-Instruct je gosta izdaja 8B Qwen3-VL, usmerjena v navodila. Besedilo združuje s slikami ali videom in ustvarja besedilo, vključno s kodo. Ostaja ločena od izdaje Thinking z okrepljenim sklepanjem in od redkih modelov strokovnjakov iste družine. Izberite jo za usmerjeno vizualno navodilo, dokumentno vprašanje ali izdelek, ki ga je mogoče urejati in njegov rezultat primerjati s priloženimi dokazi.
Vizualni agenti in vizualno programiranje
Proizvajalec opisuje prepoznavanje elementov računalniškega ali mobilnega vmesnika, razumevanje njihovih funkcij in uporabo orodij v poteku vizualnega agenta. Priložite posnetek zaslona in konkreten cilj, nato vprašajte, kateri vidni kontrolniki ustrezajo cilju in kateri dokazi podpirajo izbiro. Dejanja izvaja povezana programska oprema; prepoznavanje vmesnika modelu samostojno ne daje nadzora nad napravo.
Vizualno programiranje vključuje ustvarjanje vsebine diagramov ter HTML, CSS ali JavaScript iz slik ali videa. Referenco postavitve priložite skupaj s funkcionalnimi zahtevami in zahtevanim izhodom, ki ga je mogoče urejati. Izvorno strukturo in sloge zahtevajte ločeno, kadar to olajša pregled. Ustvarjena koda je besedilni izdelek; za izris in oceno vedenja še vedno potrebuje razvojni potek.
Prostorsko zaznavanje in dolgo gradivo
Qwen dokumentira sklepanje o položajih objektov, glediščih in zakritosti z dvodimenzionalnim določanjem položaja in podporo tridimenzionalnemu. Poimenujte ciljni objekt in navedite preučevano povezavo. Rezultat o relativnem položaju je sklep iz slike, ne kalibrirana fizična meritev.
Izvorni kontekst obsega 262,144 žetonov. Družina opisuje knjige in večurne videe z indeksiranjem dogodkov na ravni sekund ter razširitvijo na približno milijon žetonov s konfiguracijo. Predstavitev, vzorčenje sličic in konfigurirana omejitev zaporedja določajo obdelano gradivo. Velik kontekst ne zagotavlja popolnega priklica vsake strani ali sličice. Pri zahtevi za opis dogodkov v videu ohranite časovni potek.
Multimodalno sklepanje, prepoznavanje in OCR
Družina podpira vprašanja STEM in matematike, vzročno analizo ter vizualne razlage na podlagi dokazov. Ob diagramu priložite celotno besedilo problema in pred sklepom zahtevajte uporabljene vrednosti in povezave. Prepoznavanje zajema širok nabor ljudi, izdelkov, znamenitosti, rastlin, živali in medijskih likov; verjetno oznako preverite, kadar je identifikacija pomembna.
OCR zajema 32 jezikov in je zasnovan za boljše branje pri šibki osvetlitvi, zameglitvi ali nagibu, vključno s strokovnim izrazjem in strukturo dolgih dokumentov. Priložite berljivo stran in zahtevajte poimenovana polja, navedke ali strukturirano tabelo za preverjanje glede na stran. Besedilno in vizualno razumevanje sta združena, zato lahko vprašanje poveže odstavek s sliko in uporabnikovimi navodili.
Arhitekturne posodobitve
Objavljena gosta besedilna konfiguracija ima 36 plasti. Interleaved-MRoPE predstavlja čas, širino in višino za sklepanje o videu. DeepStack združuje značilnosti več ravni vizualnega kodirnika, usklajevanje besedila in časovnih žigov pa dogodke umešča v časovne reference. Te arhitekturne funkcije opisujejo predstavitev modela; ne potrjujejo fiksnega odzivnega časa ali natančne fizične točnosti.
Priprava vhoda
Proizvajalčevi družinski primeri zajemajo zahteve samo z besedilom, posamezne ali več slik in video. Označite vizualne vhode in navedite njihove povezave. Proračuna slikovnih pik za slike in video sta ločena: slikovni zadeva eno sliko, video proračun pa slikovne pike skozi vzorčene sličice. Izrecne mere slik so poravnane na večkratnike 32. Dokumentirana privzeta nastavitev videa je dve sličici na sekundo, s kontrolami frekvence vzorčenja ali števila sličic v podprtih potekih.
Pomožni potek ohranja metapodatke videa in svetuje izogibanje podvojenemu spreminjanju velikosti, kadar je bila velikost medijev že spremenjena. Pri dokumentni nalogi ohranite identifikatorje strani; pri posnetku zahtevajte dogodek, ustrezni interval in vidne dokaze. Ti primeri priprave uporabljajo dokumentirane zmožnosti, ne zagotavljajo natančnega pridobivanja podatkov ali časovne natančnosti.
Smernice ustvarjanja in omejitve
Ta kartica podaja ločene prednastavitve nalog. Vizualno-jezikovne naloge uporabljajo temperature 0.7, top_p 0.8, top_k 20, kazen ponavljanja 1.0 in kazen prisotnosti 1.5 z dovoljenim izhodom 16,384 žetonov. Besedilne naloge uporabljajo temperature 1.0, top_p 1.0, top_k 40, kazen ponavljanja 1.0 in kazen prisotnosti 2.0 z dovoljenim obsegom 32,768 žetonov. To so proračuni proizvajalčevih receptov, ne neodvisno potrjene trde izhodne meje ali ločene identitete modela.
Postopek dolgega konteksta družine uporablja YaRN, pri čemer je pri razširitvi prepletenih položajev z 256K na približno 1M predlagan faktor dve ali tri. Ne kopirajte faktorja štiri iz druge družine Qwen. Ob vizualnem in besedilnem vhodu rezervirajte prostor za odgovor ter OCR, izračunane sklepe in ustvarjeno izvorno kodo preverite glede na izvorno gradivo. Ohranite natančno izdajo Instruct, namesto da uvažate pogodbo ustvarjanja ali kontrol modela Thinking.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3-vl-8b-instruct | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0005 / 1K žetonov Izhod · Izhodni žetoni $0.0015 / 1K žetonov Vhod · Branje predpomnilnika $0.00024 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0005 / 1K žetonov Izhod · Izhodni žetoni $0.0015 / 1K žetonov Vhod · Branje predpomnilnika $0.00024 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3-vl-8b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3-vl-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3-vl-8b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen3-vl-8b-instruct
Uporabite zgoraj navedene poti metod.
qwen/qwen3-vl-8b-instructQwen3-VL-8B-Instruct je Qwenov gost vizualno-jezikovni model, usmerjen v navodila, za besedilo, slike in video z besedilnim ali kodnim izhodom. Podpira branje dokumentov, vizualno programiranje, prostorska vprašanja in analizo videa, z OCR za 32 jezikov in izvornim kontekstom 262,144 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Vizualno-jezikovna izdaja 8B Instruct
Qwen3-VL-8B-Instruct je gosta izdaja 8B Qwen3-VL, usmerjena v navodila. Besedilo združuje s slikami ali videom in ustvarja besedilo, vključno s kodo. Ostaja ločena od izdaje Thinking z okrepljenim sklepanjem in od redkih modelov strokovnjakov iste družine. Izberite jo za usmerjeno vizualno navodilo, dokumentno vprašanje ali izdelek, ki ga je mogoče urejati in njegov rezultat primerjati s priloženimi dokazi.
Vizualni agenti in vizualno programiranje
Proizvajalec opisuje prepoznavanje elementov računalniškega ali mobilnega vmesnika, razumevanje njihovih funkcij in uporabo orodij v poteku vizualnega agenta. Priložite posnetek zaslona in konkreten cilj, nato vprašajte, kateri vidni kontrolniki ustrezajo cilju in kateri dokazi podpirajo izbiro. Dejanja izvaja povezana programska oprema; prepoznavanje vmesnika modelu samostojno ne daje nadzora nad napravo.
Vizualno programiranje vključuje ustvarjanje vsebine diagramov ter HTML, CSS ali JavaScript iz slik ali videa. Referenco postavitve priložite skupaj s funkcionalnimi zahtevami in zahtevanim izhodom, ki ga je mogoče urejati. Izvorno strukturo in sloge zahtevajte ločeno, kadar to olajša pregled. Ustvarjena koda je besedilni izdelek; za izris in oceno vedenja še vedno potrebuje razvojni potek.
Prostorsko zaznavanje in dolgo gradivo
Qwen dokumentira sklepanje o položajih objektov, glediščih in zakritosti z dvodimenzionalnim določanjem položaja in podporo tridimenzionalnemu. Poimenujte ciljni objekt in navedite preučevano povezavo. Rezultat o relativnem položaju je sklep iz slike, ne kalibrirana fizična meritev.
Izvorni kontekst obsega 262,144 žetonov. Družina opisuje knjige in večurne videe z indeksiranjem dogodkov na ravni sekund ter razširitvijo na približno milijon žetonov s konfiguracijo. Predstavitev, vzorčenje sličic in konfigurirana omejitev zaporedja določajo obdelano gradivo. Velik kontekst ne zagotavlja popolnega priklica vsake strani ali sličice. Pri zahtevi za opis dogodkov v videu ohranite časovni potek.
Multimodalno sklepanje, prepoznavanje in OCR
Družina podpira vprašanja STEM in matematike, vzročno analizo ter vizualne razlage na podlagi dokazov. Ob diagramu priložite celotno besedilo problema in pred sklepom zahtevajte uporabljene vrednosti in povezave. Prepoznavanje zajema širok nabor ljudi, izdelkov, znamenitosti, rastlin, živali in medijskih likov; verjetno oznako preverite, kadar je identifikacija pomembna.
OCR zajema 32 jezikov in je zasnovan za boljše branje pri šibki osvetlitvi, zameglitvi ali nagibu, vključno s strokovnim izrazjem in strukturo dolgih dokumentov. Priložite berljivo stran in zahtevajte poimenovana polja, navedke ali strukturirano tabelo za preverjanje glede na stran. Besedilno in vizualno razumevanje sta združena, zato lahko vprašanje poveže odstavek s sliko in uporabnikovimi navodili.
Arhitekturne posodobitve
Objavljena gosta besedilna konfiguracija ima 36 plasti. Interleaved-MRoPE predstavlja čas, širino in višino za sklepanje o videu. DeepStack združuje značilnosti več ravni vizualnega kodirnika, usklajevanje besedila in časovnih žigov pa dogodke umešča v časovne reference. Te arhitekturne funkcije opisujejo predstavitev modela; ne potrjujejo fiksnega odzivnega časa ali natančne fizične točnosti.
Priprava vhoda
Proizvajalčevi družinski primeri zajemajo zahteve samo z besedilom, posamezne ali več slik in video. Označite vizualne vhode in navedite njihove povezave. Proračuna slikovnih pik za slike in video sta ločena: slikovni zadeva eno sliko, video proračun pa slikovne pike skozi vzorčene sličice. Izrecne mere slik so poravnane na večkratnike 32. Dokumentirana privzeta nastavitev videa je dve sličici na sekundo, s kontrolami frekvence vzorčenja ali števila sličic v podprtih potekih.
Pomožni potek ohranja metapodatke videa in svetuje izogibanje podvojenemu spreminjanju velikosti, kadar je bila velikost medijev že spremenjena. Pri dokumentni nalogi ohranite identifikatorje strani; pri posnetku zahtevajte dogodek, ustrezni interval in vidne dokaze. Ti primeri priprave uporabljajo dokumentirane zmožnosti, ne zagotavljajo natančnega pridobivanja podatkov ali časovne natančnosti.
Smernice ustvarjanja in omejitve
Ta kartica podaja ločene prednastavitve nalog. Vizualno-jezikovne naloge uporabljajo temperature 0.7, top_p 0.8, top_k 20, kazen ponavljanja 1.0 in kazen prisotnosti 1.5 z dovoljenim izhodom 16,384 žetonov. Besedilne naloge uporabljajo temperature 1.0, top_p 1.0, top_k 40, kazen ponavljanja 1.0 in kazen prisotnosti 2.0 z dovoljenim obsegom 32,768 žetonov. To so proračuni proizvajalčevih receptov, ne neodvisno potrjene trde izhodne meje ali ločene identitete modela.
Postopek dolgega konteksta družine uporablja YaRN, pri čemer je pri razširitvi prepletenih položajev z 256K na približno 1M predlagan faktor dve ali tri. Ne kopirajte faktorja štiri iz druge družine Qwen. Ob vizualnem in besedilnem vhodu rezervirajte prostor za odgovor ter OCR, izračunane sklepe in ustvarjeno izvorno kodo preverite glede na izvorno gradivo. Ohranite natančno izdajo Instruct, namesto da uvažate pogodbo ustvarjanja ali kontrol modela Thinking.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen3-vl-8b-instruct | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0005 / 1K žetonov Izhod · Izhodni žetoni $0.0015 / 1K žetonov Vhod · Branje predpomnilnika $0.00024 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0005 / 1K žetonov Izhod · Izhodni žetoni $0.0015 / 1K žetonov Vhod · Branje predpomnilnika $0.00024 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen/qwen3-vl-8b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3-vl-8b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen3-vl-8b-instruct
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Read a text diagram relationship\n\nUse this text rendering of diagram D4: source A feeds filter B; B feeds tanks C and D; only D connects to drain E. List the directed path from A to E and name the tank on that path. Do not add physical dimensions or connections absent from the rendering.A labeled directed path and the tank identifier supported by D4.The path must follow the stated arrows and must not add a C-to-E connection.