Bản 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct là thành viên hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình nhận văn bản, hình ảnh và video rồi tạo văn bản, gồm mã hoặc sản phẩm tài liệu được yêu cầu. Giữ đúng bản Instruct thay vì gán cho nó quy ước phản hồi của một checkpoint Thinking hoặc bộ thiết lập của kích thước khác. Nhiệm vụ hữu ích cung cấp cho mô hình câu hỏi cụ thể và kết quả có thể so sánh với bằng chứng được cung cấp.
Tác nhân thị giác và viết mã
Nhà sản xuất mô tả quy trình tác nhân thị giác nhận diện thành phần giao diện, hiểu chức năng của chúng và gọi công cụ cho nhiệm vụ trên máy tính hoặc thiết bị di động. Cung cấp ảnh chụp màn hình và mục tiêu, rồi yêu cầu điều khiển liên quan cùng bằng chứng hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và cung cấp kết quả; nhận diện giao diện không tự điều khiển thiết bị.
Viết mã từ hình ảnh bao gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu, ràng buộc chức năng và đầu ra có thể chỉnh sửa cần có. Với thay đổi trên trang hiện có, đưa vào mã nguồn liên quan và trạng thái tương tác. Yêu cầu sản phẩm tách khỏi giải thích để quy trình phát triển có thể kết xuất và xem xét. Mã nguồn được tạo vẫn là đề xuất, không phải bằng chứng ứng dụng hoạt động.
Nhận thức không gian và tài liệu dài
Qwen ghi nhận đánh giá về vị trí, góc nhìn và sự che khuất, gồm định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng và quan hệ quan trọng, rồi hỏi dấu hiệu nhìn thấy nào hỗ trợ kết luận. Không nên coi quan hệ dựa trên hình ảnh là phép đo vật lý đã hiệu chuẩn.
Ngữ cảnh gốc là 262.144 token. Họ mô hình mô tả việc xử lý sách và video dài nhiều giờ, với lập chỉ mục sự kiện ở mức giây và mở rộng tới khoảng một triệu token qua cấu hình. Giữ thông tin thời gian và mã định danh nguồn khi yêu cầu tường thuật sự kiện. Cách biểu diễn và lấy mẫu quyết định tài liệu nào vào yêu cầu; ngữ cảnh lớn không bảo đảm nhớ hoàn hảo từng trang hoặc khung hình.
Suy luận, nhận dạng và OCR
Họ mô hình hỗ trợ câu hỏi thị giác về STEM, toán học, nhân quả và logic. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ, và yêu cầu mô hình xác định giá trị hoặc quan hệ được dùng trước khi kết luận. Văn bản và thị giác được kết hợp, nên một câu hỏi có thể nối đoạn văn với hình minh họa của nó và chỉ dẫn của người dùng.
Nhận dạng mở rộng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. OCR bao quát 32 ngôn ngữ và hướng đến điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu dài. Cung cấp trang đọc được và yêu cầu trường có tên, trích dẫn hoặc bảng có thể kiểm tra với hình ảnh. Những ứng dụng này phản ánh phạm vi được ghi trong tài liệu thay vì bảo đảm nhận dạng, chép lại hoặc tính toán chính xác.
Cập nhật kiến trúc
Cấu hình văn bản hỗn hợp chuyên gia đã công bố có 94 lớp, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao cho suy luận video. DeepStack kết hợp đặc trưng thị giác từ nhiều tầng bộ mã hóa, và căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 235B-A22B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.
Chuẩn bị đầu vào thị giác
Các ví dụ của họ mô hình bao gồm yêu cầu chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và nêu quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, còn kích thước hình ảnh được chỉ định rõ được căn theo bội số của 32. Mặc định video được ghi trong tài liệu là hai khung hình mỗi giây, có điều khiển tốc độ hoặc số khung hình khi được hỗ trợ. Giữ siêu dữ liệu video và tránh đổi kích thước hai lần khi tiện ích hỗ trợ đã đổi kích thước tài liệu.
Với nhiều trang tài liệu, tổ chức câu trả lời theo nhãn trang và yêu cầu trường hoặc đoạn hỗ trợ. Với đoạn video, yêu cầu sự kiện liên quan, khoảng thời gian và bằng chứng nhìn thấy. So sánh khoảng sự kiện được trả về và chi tiết hỗ trợ với đoạn gốc cùng thông tin thời gian của nó.
Hướng dẫn tạo đầu ra và giới hạn
Tệp tạo đầu ra của checkpoint mặc định dùng temperature 0,7, top_p 0,8, top_k 20 và repetition penalty 1,0. Bộ thiết lập Instruct của họ mô hình còn dùng presence penalty 1,5 và ngân sách đầu ra 32.768 token. Ngân sách đó thuộc bộ thiết lập của nhà sản xuất, không phải trần đầu ra cứng được xác lập độc lập. Ngân sách theo nhiệm vụ trên thẻ 8B và các thiết lập của bản Thinking vẫn tách biệt.
Việc mở rộng ngữ cảnh của họ mô hình dùng YaRN và đề xuất hệ số hai hoặc ba khi chuyển cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho câu trả lời bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh trích dẫn, số trích xuất và mã được tạo với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể, giữ nguyên bằng chứng thị giác hỗ trợ và đúng danh tính Instruct.
", "aboutText": "Bản 235B-A22B Instruct\n\nQwen3-VL-235B-A22B-Instruct là thành viên hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình nhận văn bản, hình ảnh và video rồi tạo văn bản, gồm mã hoặc sản phẩm tài liệu được yêu cầu. Giữ đúng bản Instruct thay vì gán cho nó quy ước phản hồi của một checkpoint Thinking hoặc bộ thiết lập của kích thước khác. Nhiệm vụ hữu ích cung cấp cho mô hình câu hỏi cụ thể và kết quả có thể so sánh với bằng chứng được cung cấp.\n\nTác nhân thị giác và viết mã\n\nNhà sản xuất mô tả quy trình tác nhân thị giác nhận diện thành phần giao diện, hiểu chức năng của chúng và gọi công cụ cho nhiệm vụ trên máy tính hoặc thiết bị di động. Cung cấp ảnh chụp màn hình và mục tiêu, rồi yêu cầu điều khiển liên quan cùng bằng chứng hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và cung cấp kết quả; nhận diện giao diện không tự điều khiển thiết bị.\n\nViết mã từ hình ảnh bao gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu, ràng buộc chức năng và đầu ra có thể chỉnh sửa cần có. Với thay đổi trên trang hiện có, đưa vào mã nguồn liên quan và trạng thái tương tác. Yêu cầu sản phẩm tách khỏi giải thích để quy trình phát triển có thể kết xuất và xem xét. Mã nguồn được tạo vẫn là đề xuất, không phải bằng chứng ứng dụng hoạt động.\n\nNhận thức không gian và tài liệu dài\n\nQwen ghi nhận đánh giá về vị trí, góc nhìn và sự che khuất, gồm định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng và quan hệ quan trọng, rồi hỏi dấu hiệu nhìn thấy nào hỗ trợ kết luận. Không nên coi quan hệ dựa trên hình ảnh là phép đo vật lý đã hiệu chuẩn.\n\nNgữ cảnh gốc là 262.144 token. Họ mô hình mô tả việc xử lý sách và video dài nhiều giờ, với lập chỉ mục sự kiện ở mức giây và mở rộng tới khoảng một triệu token qua cấu hình. Giữ thông tin thời gian và mã định danh nguồn khi yêu cầu tường thuật sự kiện. Cách biểu diễn và lấy mẫu quyết định tài liệu nào vào yêu cầu; ngữ cảnh lớn không bảo đảm nhớ hoàn hảo từng trang hoặc khung hình.\n\nSuy luận, nhận dạng và OCR\n\nHọ mô hình hỗ trợ câu hỏi thị giác về STEM, toán học, nhân quả và logic. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ, và yêu cầu mô hình xác định giá trị hoặc quan hệ được dùng trước khi kết luận. Văn bản và thị giác được kết hợp, nên một câu hỏi có thể nối đoạn văn với hình minh họa của nó và chỉ dẫn của người dùng.\n\nNhận dạng mở rộng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. OCR bao quát 32 ngôn ngữ và hướng đến điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu dài. Cung cấp trang đọc được và yêu cầu trường có tên, trích dẫn hoặc bảng có thể kiểm tra với hình ảnh. Những ứng dụng này phản ánh phạm vi được ghi trong tài liệu thay vì bảo đảm nhận dạng, chép lại hoặc tính toán chính xác.\n\nCập nhật kiến trúc\n\nCấu hình văn bản hỗn hợp chuyên gia đã công bố có 94 lớp, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao cho suy luận video. DeepStack kết hợp đặc trưng thị giác từ nhiều tầng bộ mã hóa, và căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 235B-A22B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.\n\nChuẩn bị đầu vào thị giác\n\nCác ví dụ của họ mô hình bao gồm yêu cầu chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và nêu quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, còn kích thước hình ảnh được chỉ định rõ được căn theo bội số của 32. Mặc định video được ghi trong tài liệu là hai khung hình mỗi giây, có điều khiển tốc độ hoặc số khung hình khi được hỗ trợ. Giữ siêu dữ liệu video và tránh đổi kích thước hai lần khi tiện ích hỗ trợ đã đổi kích thước tài liệu.\n\nVới nhiều trang tài liệu, tổ chức câu trả lời theo nhãn trang và yêu cầu trường hoặc đoạn hỗ trợ. Với đoạn video, yêu cầu sự kiện liên quan, khoảng thời gian và bằng chứng nhìn thấy. So sánh khoảng sự kiện được trả về và chi tiết hỗ trợ với đoạn gốc cùng thông tin thời gian của nó.\n\nHướng dẫn tạo đầu ra và giới hạn\n\nTệp tạo đầu ra của checkpoint mặc định dùng temperature 0,7, top_p 0,8, top_k 20 và repetition penalty 1,0. Bộ thiết lập Instruct của họ mô hình còn dùng presence penalty 1,5 và ngân sách đầu ra 32.768 token. Ngân sách đó thuộc bộ thiết lập của nhà sản xuất, không phải trần đầu ra cứng được xác lập độc lập. Ngân sách theo nhiệm vụ trên thẻ 8B và các thiết lập của bản Thinking vẫn tách biệt.\n\nViệc mở rộng ngữ cảnh của họ mô hình dùng YaRN và đề xuất hệ số hai hoặc ba khi chuyển cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho câu trả lời bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh trích dẫn, số trích xuất và mã được tạo với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể, giữ nguyên bằng chứng thị giác hỗ trợ và đúng danh tính Instruct.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct là bản thị giác-ngôn ngữ hỗn hợp chuyên gia của Qwen, tập trung vào chỉ dẫn cho văn bản, hình ảnh và video. Mô hình trả về văn bản hoặc mã cho quy trình hình ảnh, tài liệu, câu hỏi không gian và nhiệm vụ STEM, với OCR cho 32 ngôn ngữ và ngữ cảnh gốc 262.144 token.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Bản 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct là thành viên hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình nhận văn bản, hình ảnh và video rồi tạo văn bản, gồm mã hoặc sản phẩm tài liệu được yêu cầu. Giữ đúng bản Instruct thay vì gán cho nó quy ước phản hồi của một checkpoint Thinking hoặc bộ thiết lập của kích thước khác. Nhiệm vụ hữu ích cung cấp cho mô hình câu hỏi cụ thể và kết quả có thể so sánh với bằng chứng được cung cấp.
Tác nhân thị giác và viết mã
Nhà sản xuất mô tả quy trình tác nhân thị giác nhận diện thành phần giao diện, hiểu chức năng của chúng và gọi công cụ cho nhiệm vụ trên máy tính hoặc thiết bị di động. Cung cấp ảnh chụp màn hình và mục tiêu, rồi yêu cầu điều khiển liên quan cùng bằng chứng hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và cung cấp kết quả; nhận diện giao diện không tự điều khiển thiết bị.
Viết mã từ hình ảnh bao gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu, ràng buộc chức năng và đầu ra có thể chỉnh sửa cần có. Với thay đổi trên trang hiện có, đưa vào mã nguồn liên quan và trạng thái tương tác. Yêu cầu sản phẩm tách khỏi giải thích để quy trình phát triển có thể kết xuất và xem xét. Mã nguồn được tạo vẫn là đề xuất, không phải bằng chứng ứng dụng hoạt động.
Nhận thức không gian và tài liệu dài
Qwen ghi nhận đánh giá về vị trí, góc nhìn và sự che khuất, gồm định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng và quan hệ quan trọng, rồi hỏi dấu hiệu nhìn thấy nào hỗ trợ kết luận. Không nên coi quan hệ dựa trên hình ảnh là phép đo vật lý đã hiệu chuẩn.
Ngữ cảnh gốc là 262.144 token. Họ mô hình mô tả việc xử lý sách và video dài nhiều giờ, với lập chỉ mục sự kiện ở mức giây và mở rộng tới khoảng một triệu token qua cấu hình. Giữ thông tin thời gian và mã định danh nguồn khi yêu cầu tường thuật sự kiện. Cách biểu diễn và lấy mẫu quyết định tài liệu nào vào yêu cầu; ngữ cảnh lớn không bảo đảm nhớ hoàn hảo từng trang hoặc khung hình.
Suy luận, nhận dạng và OCR
Họ mô hình hỗ trợ câu hỏi thị giác về STEM, toán học, nhân quả và logic. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ, và yêu cầu mô hình xác định giá trị hoặc quan hệ được dùng trước khi kết luận. Văn bản và thị giác được kết hợp, nên một câu hỏi có thể nối đoạn văn với hình minh họa của nó và chỉ dẫn của người dùng.
Nhận dạng mở rộng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. OCR bao quát 32 ngôn ngữ và hướng đến điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu dài. Cung cấp trang đọc được và yêu cầu trường có tên, trích dẫn hoặc bảng có thể kiểm tra với hình ảnh. Những ứng dụng này phản ánh phạm vi được ghi trong tài liệu thay vì bảo đảm nhận dạng, chép lại hoặc tính toán chính xác.
Cập nhật kiến trúc
Cấu hình văn bản hỗn hợp chuyên gia đã công bố có 94 lớp, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao cho suy luận video. DeepStack kết hợp đặc trưng thị giác từ nhiều tầng bộ mã hóa, và căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 235B-A22B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.
Chuẩn bị đầu vào thị giác
Các ví dụ của họ mô hình bao gồm yêu cầu chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và nêu quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, còn kích thước hình ảnh được chỉ định rõ được căn theo bội số của 32. Mặc định video được ghi trong tài liệu là hai khung hình mỗi giây, có điều khiển tốc độ hoặc số khung hình khi được hỗ trợ. Giữ siêu dữ liệu video và tránh đổi kích thước hai lần khi tiện ích hỗ trợ đã đổi kích thước tài liệu.
Với nhiều trang tài liệu, tổ chức câu trả lời theo nhãn trang và yêu cầu trường hoặc đoạn hỗ trợ. Với đoạn video, yêu cầu sự kiện liên quan, khoảng thời gian và bằng chứng nhìn thấy. So sánh khoảng sự kiện được trả về và chi tiết hỗ trợ với đoạn gốc cùng thông tin thời gian của nó.
Hướng dẫn tạo đầu ra và giới hạn
Tệp tạo đầu ra của checkpoint mặc định dùng temperature 0,7, top_p 0,8, top_k 20 và repetition penalty 1,0. Bộ thiết lập Instruct của họ mô hình còn dùng presence penalty 1,5 và ngân sách đầu ra 32.768 token. Ngân sách đó thuộc bộ thiết lập của nhà sản xuất, không phải trần đầu ra cứng được xác lập độc lập. Ngân sách theo nhiệm vụ trên thẻ 8B và các thiết lập của bản Thinking vẫn tách biệt.
Việc mở rộng ngữ cảnh của họ mô hình dùng YaRN và đề xuất hệ số hai hoặc ba khi chuyển cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho câu trả lời bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh trích dẫn, số trích xuất và mã được tạo với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể, giữ nguyên bằng chứng thị giác hỗ trợ và đúng danh tính Instruct.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3-vl-235b-a22b-instruct | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.0038 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.0038 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${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-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-235b-a22b-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-235b-a22b-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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen3-vl-235b-a22b-instructQwen3-VL-235B-A22B-Instruct là bản thị giác-ngôn ngữ hỗn hợp chuyên gia của Qwen, tập trung vào chỉ dẫn cho văn bản, hình ảnh và video. Mô hình trả về văn bản hoặc mã cho quy trình hình ảnh, tài liệu, câu hỏi không gian và nhiệm vụ STEM, với OCR cho 32 ngôn ngữ và ngữ cảnh gốc 262.144 token.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Bản 235B-A22B Instruct
Qwen3-VL-235B-A22B-Instruct là thành viên hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình nhận văn bản, hình ảnh và video rồi tạo văn bản, gồm mã hoặc sản phẩm tài liệu được yêu cầu. Giữ đúng bản Instruct thay vì gán cho nó quy ước phản hồi của một checkpoint Thinking hoặc bộ thiết lập của kích thước khác. Nhiệm vụ hữu ích cung cấp cho mô hình câu hỏi cụ thể và kết quả có thể so sánh với bằng chứng được cung cấp.
Tác nhân thị giác và viết mã
Nhà sản xuất mô tả quy trình tác nhân thị giác nhận diện thành phần giao diện, hiểu chức năng của chúng và gọi công cụ cho nhiệm vụ trên máy tính hoặc thiết bị di động. Cung cấp ảnh chụp màn hình và mục tiêu, rồi yêu cầu điều khiển liên quan cùng bằng chứng hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và cung cấp kết quả; nhận diện giao diện không tự điều khiển thiết bị.
Viết mã từ hình ảnh bao gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu, ràng buộc chức năng và đầu ra có thể chỉnh sửa cần có. Với thay đổi trên trang hiện có, đưa vào mã nguồn liên quan và trạng thái tương tác. Yêu cầu sản phẩm tách khỏi giải thích để quy trình phát triển có thể kết xuất và xem xét. Mã nguồn được tạo vẫn là đề xuất, không phải bằng chứng ứng dụng hoạt động.
Nhận thức không gian và tài liệu dài
Qwen ghi nhận đánh giá về vị trí, góc nhìn và sự che khuất, gồm định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng và quan hệ quan trọng, rồi hỏi dấu hiệu nhìn thấy nào hỗ trợ kết luận. Không nên coi quan hệ dựa trên hình ảnh là phép đo vật lý đã hiệu chuẩn.
Ngữ cảnh gốc là 262.144 token. Họ mô hình mô tả việc xử lý sách và video dài nhiều giờ, với lập chỉ mục sự kiện ở mức giây và mở rộng tới khoảng một triệu token qua cấu hình. Giữ thông tin thời gian và mã định danh nguồn khi yêu cầu tường thuật sự kiện. Cách biểu diễn và lấy mẫu quyết định tài liệu nào vào yêu cầu; ngữ cảnh lớn không bảo đảm nhớ hoàn hảo từng trang hoặc khung hình.
Suy luận, nhận dạng và OCR
Họ mô hình hỗ trợ câu hỏi thị giác về STEM, toán học, nhân quả và logic. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ, và yêu cầu mô hình xác định giá trị hoặc quan hệ được dùng trước khi kết luận. Văn bản và thị giác được kết hợp, nên một câu hỏi có thể nối đoạn văn với hình minh họa của nó và chỉ dẫn của người dùng.
Nhận dạng mở rộng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. OCR bao quát 32 ngôn ngữ và hướng đến điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu dài. Cung cấp trang đọc được và yêu cầu trường có tên, trích dẫn hoặc bảng có thể kiểm tra với hình ảnh. Những ứng dụng này phản ánh phạm vi được ghi trong tài liệu thay vì bảo đảm nhận dạng, chép lại hoặc tính toán chính xác.
Cập nhật kiến trúc
Cấu hình văn bản hỗn hợp chuyên gia đã công bố có 94 lớp, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao cho suy luận video. DeepStack kết hợp đặc trưng thị giác từ nhiều tầng bộ mã hóa, và căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 235B-A22B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.
Chuẩn bị đầu vào thị giác
Các ví dụ của họ mô hình bao gồm yêu cầu chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và nêu quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, còn kích thước hình ảnh được chỉ định rõ được căn theo bội số của 32. Mặc định video được ghi trong tài liệu là hai khung hình mỗi giây, có điều khiển tốc độ hoặc số khung hình khi được hỗ trợ. Giữ siêu dữ liệu video và tránh đổi kích thước hai lần khi tiện ích hỗ trợ đã đổi kích thước tài liệu.
Với nhiều trang tài liệu, tổ chức câu trả lời theo nhãn trang và yêu cầu trường hoặc đoạn hỗ trợ. Với đoạn video, yêu cầu sự kiện liên quan, khoảng thời gian và bằng chứng nhìn thấy. So sánh khoảng sự kiện được trả về và chi tiết hỗ trợ với đoạn gốc cùng thông tin thời gian của nó.
Hướng dẫn tạo đầu ra và giới hạn
Tệp tạo đầu ra của checkpoint mặc định dùng temperature 0,7, top_p 0,8, top_k 20 và repetition penalty 1,0. Bộ thiết lập Instruct của họ mô hình còn dùng presence penalty 1,5 và ngân sách đầu ra 32.768 token. Ngân sách đó thuộc bộ thiết lập của nhà sản xuất, không phải trần đầu ra cứng được xác lập độc lập. Ngân sách theo nhiệm vụ trên thẻ 8B và các thiết lập của bản Thinking vẫn tách biệt.
Việc mở rộng ngữ cảnh của họ mô hình dùng YaRN và đề xuất hệ số hai hoặc ba khi chuyển cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho câu trả lời bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh trích dẫn, số trích xuất và mã được tạo với nguồn. Kết quả hữu ích là sản phẩm văn bản cụ thể, giữ nguyên bằng chứng thị giác hỗ trợ và đúng danh tính Instruct.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3-vl-235b-a22b-instruct | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.0038 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.000572 / 1K token Đầu ra · Token đầu ra $0.0038 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen3-vl-235b-a22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-235b-a22b-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-235b-a22b-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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen3-vl-235b-a22b-instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Translate a layout description to HTML\n\nCreate a semantic HTML fragment from this text layout specification: a product section contains heading "Travel mug", a paragraph "350 ml, steel", and a list of features "Sealed lid" and "Hand wash". Return editable HTML only, with no scripts or styles. Preserve exact wording and use a heading, paragraph and unordered list.One semantic HTML fragment using the requested heading, paragraph and two-item list.Inspect the element hierarchy and exact text; do not add a product image or unprovided features.