Bản 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct là bản hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình kết hợp văn bản với hình ảnh hoặc video và tạo văn bản, gồm mã. Giữ đúng danh tính Instruct này thay vì thay bằng bản Thinking tăng cường suy luận hoặc kích thước khác trong họ mô hình. Yêu cầu hữu ích xác định bằng chứng thị giác, câu hỏi và sản phẩm cụ thể mong đợi trong câu trả lời.
Tác nhân thị giác và viết mã từ hình ảnh
Nhà sản xuất mô tả việc nhận diện thành phần giao diện máy tính hoặc thiết bị di động, hiểu chức năng của chúng và gọi công cụ trong quy trình tác nhân thị giác. Cung cấp ảnh chụp màn hình cùng mục tiêu dự kiến, rồi hỏi điều khiển nhìn thấy nào tương ứng với nhiệm vụ và điều gì hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và trả về kết quả; chỉ nhận dạng hình ảnh không điều khiển thiết bị.
Viết mã từ hình ảnh gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu kèm ràng buộc chức năng và yêu cầu mã nguồn có thể chỉnh sửa. Với thay đổi trên giao diện hiện có, đưa vào mã liên quan và trạng thái tương tác mong đợi. Tách sản phẩm khỏi giải thích để quy trình phát triển có thể kết xuất và kiểm tra. Mã nguồn được tạo là đề xuất cần xem xét, không phải bằng chứng ứng dụng hoạt động.
Nhận thức không gian, ngữ cảnh và video
Qwen ghi nhận đánh giá về vị trí đối tượng, góc nhìn và sự che khuất, với định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng mục tiêu và hỏi các dấu hiệu nhìn thấy hỗ trợ quan hệ. Quan hệ dựa trên hình ảnh nên được giữ khác biệt với 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 thời gian và thứ tự khung hình khi hỏi về một chuỗi. Ngân sách biểu diễn đã cấu hình quyết định tài liệu nào được xử lý, nên mô tả rộng của họ mô hình về video dài không nên trở thành lời hứa nhớ hoàn hảo từng khung hình.
Suy luận đa phương thức, nhận dạng và OCR
Mô hình hỗ trợ câu hỏi thị giác về STEM và toán học, phân tích nhân quả và giải thích dựa trên bằng chứng. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ và yêu cầu các giá trị được dùng trước khi kết luận cuối. Họ mô hình cũng mở rộng nhận dạng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. Kiểm tra kết quả nhận dạng khi danh tính chính xác là quan trọng.
OCR bao quát 32 ngôn ngữ và được thiết kế để cải thiện việc đọc trong điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu. Cung cấp trang đọc được và yêu cầu trường, trích dẫn hoặc bảng có thể kiểm tra với nguồn. Khả năng hiểu văn bản và thị giác được kết hợp, nên câu hỏi có thể nối một đoạn với hình minh họa của nó và chỉ dẫn của người dùng.
Kiến trúc
Cấu hình được công bố xác định mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia với 48 lớp văn bản, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao; DeepStack kết hợp đặc trưng từ nhiều tầng bộ mã hóa thị giác; căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 30B-A3B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.
Chuẩn bị đầu vào
Các ví dụ của họ mô hình bao gồm nhiệm vụ chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và giữ mối quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, với video tính pixel trên các khung hình được lấy mẫu. 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 trong những quy trình được hỗ trợ.
Tiện ích hỗ trợ nội dung đa phương tiện có thể giữ siêu dữ liệu video và khuyên tránh đổi kích thước lần hai khi đã đổi kích thước tài liệu. Với so sánh tài liệu, tổ chức câu trả lời theo nhãn trang. Với đoạn video, yêu cầu sự kiện, khoảng liên quan và bằng chứng hỗ trợ. So sánh trường, đoạn và thời điểm sự kiện được trả về với trang gốc hoặc đoạn gốc.
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 mức đầu ra tối đa cứng được xác lập độc lập. Không nên tự động gán ngân sách theo nhiệm vụ riêng của thẻ 8B Instruct cho bản này.
Quy trình mở rộng của họ mô hình dùng YaRN, đề xuất hệ số hai hoặc ba khi mở rộng cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho kết quả bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh OCR, kết luận tính toán và mã được tạo với bằng chứng gốc. Giữ quy ước tạo đầu ra của Instruct khác biệt với thiết lập của checkpoint Thinking; chỉ tên bản không xác lập công tắc chế độ lai riêng cho ứng dụng.
", "aboutText": "Bản 30B-A3B Instruct\n\nQwen3-VL-30B-A3B-Instruct là bản hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình kết hợp văn bản với hình ảnh hoặc video và tạo văn bản, gồm mã. Giữ đúng danh tính Instruct này thay vì thay bằng bản Thinking tăng cường suy luận hoặc kích thước khác trong họ mô hình. Yêu cầu hữu ích xác định bằng chứng thị giác, câu hỏi và sản phẩm cụ thể mong đợi trong câu trả lời.\n\nTác nhân thị giác và viết mã từ hình ảnh\n\nNhà sản xuất mô tả việc nhận diện thành phần giao diện máy tính hoặc thiết bị di động, hiểu chức năng của chúng và gọi công cụ trong quy trình tác nhân thị giác. Cung cấp ảnh chụp màn hình cùng mục tiêu dự kiến, rồi hỏi điều khiển nhìn thấy nào tương ứng với nhiệm vụ và điều gì hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và trả về kết quả; chỉ nhận dạng hình ảnh không điều khiển thiết bị.\n\nViết mã từ hình ảnh gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu kèm ràng buộc chức năng và yêu cầu mã nguồn có thể chỉnh sửa. Với thay đổi trên giao diện hiện có, đưa vào mã liên quan và trạng thái tương tác mong đợi. Tách sản phẩm khỏi giải thích để quy trình phát triển có thể kết xuất và kiểm tra. Mã nguồn được tạo là đề xuất cần xem xét, không phải bằng chứng ứng dụng hoạt động.\n\nNhận thức không gian, ngữ cảnh và video\n\nQwen ghi nhận đánh giá về vị trí đối tượng, góc nhìn và sự che khuất, với định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng mục tiêu và hỏi các dấu hiệu nhìn thấy hỗ trợ quan hệ. Quan hệ dựa trên hình ảnh nên được giữ khác biệt với 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 thời gian và thứ tự khung hình khi hỏi về một chuỗi. Ngân sách biểu diễn đã cấu hình quyết định tài liệu nào được xử lý, nên mô tả rộng của họ mô hình về video dài không nên trở thành lời hứa nhớ hoàn hảo từng khung hình.\n\nSuy luận đa phương thức, nhận dạng và OCR\n\nMô hình hỗ trợ câu hỏi thị giác về STEM và toán học, phân tích nhân quả và giải thích dựa trên bằng chứng. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ và yêu cầu các giá trị được dùng trước khi kết luận cuối. Họ mô hình cũng mở rộng nhận dạng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. Kiểm tra kết quả nhận dạng khi danh tính chính xác là quan trọng.\n\nOCR bao quát 32 ngôn ngữ và được thiết kế để cải thiện việc đọc trong điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu. Cung cấp trang đọc được và yêu cầu trường, trích dẫn hoặc bảng có thể kiểm tra với nguồn. Khả năng hiểu văn bản và thị giác được kết hợp, nên câu hỏi có thể nối một đoạn với hình minh họa của nó và chỉ dẫn của người dùng.\n\nKiến trúc\n\nCấu hình được công bố xác định mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia với 48 lớp văn bản, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao; DeepStack kết hợp đặc trưng từ nhiều tầng bộ mã hóa thị giác; căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 30B-A3B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.\n\nChuẩn bị đầu vào\n\nCác ví dụ của họ mô hình bao gồm nhiệm vụ chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và giữ mối quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, với video tính pixel trên các khung hình được lấy mẫu. 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 trong những quy trình được hỗ trợ.\n\nTiện ích hỗ trợ nội dung đa phương tiện có thể giữ siêu dữ liệu video và khuyên tránh đổi kích thước lần hai khi đã đổi kích thước tài liệu. Với so sánh tài liệu, tổ chức câu trả lời theo nhãn trang. Với đoạn video, yêu cầu sự kiện, khoảng liên quan và bằng chứng hỗ trợ. So sánh trường, đoạn và thời điểm sự kiện được trả về với trang gốc hoặc đoạn gốc.\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 mức đầu ra tối đa cứng được xác lập độc lập. Không nên tự động gán ngân sách theo nhiệm vụ riêng của thẻ 8B Instruct cho bản này.\n\nQuy trình mở rộng của họ mô hình dùng YaRN, đề xuất hệ số hai hoặc ba khi mở rộng cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho kết quả bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh OCR, kết luận tính toán và mã được tạo với bằng chứng gốc. Giữ quy ước tạo đầu ra của Instruct khác biệt với thiết lập của checkpoint Thinking; chỉ tên bản không xác lập công tắc chế độ lai riêng cho ứng dụng.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-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 tác nhân thị giác, đọc tài liệu, câu hỏi không gian và viết mã từ hình ảnh, 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 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct là bản hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình kết hợp văn bản với hình ảnh hoặc video và tạo văn bản, gồm mã. Giữ đúng danh tính Instruct này thay vì thay bằng bản Thinking tăng cường suy luận hoặc kích thước khác trong họ mô hình. Yêu cầu hữu ích xác định bằng chứng thị giác, câu hỏi và sản phẩm cụ thể mong đợi trong câu trả lời.
Tác nhân thị giác và viết mã từ hình ảnh
Nhà sản xuất mô tả việc nhận diện thành phần giao diện máy tính hoặc thiết bị di động, hiểu chức năng của chúng và gọi công cụ trong quy trình tác nhân thị giác. Cung cấp ảnh chụp màn hình cùng mục tiêu dự kiến, rồi hỏi điều khiển nhìn thấy nào tương ứng với nhiệm vụ và điều gì hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và trả về kết quả; chỉ nhận dạng hình ảnh không điều khiển thiết bị.
Viết mã từ hình ảnh gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu kèm ràng buộc chức năng và yêu cầu mã nguồn có thể chỉnh sửa. Với thay đổi trên giao diện hiện có, đưa vào mã liên quan và trạng thái tương tác mong đợi. Tách sản phẩm khỏi giải thích để quy trình phát triển có thể kết xuất và kiểm tra. Mã nguồn được tạo là đề xuất cần xem xét, không phải bằng chứng ứng dụng hoạt động.
Nhận thức không gian, ngữ cảnh và video
Qwen ghi nhận đánh giá về vị trí đối tượng, góc nhìn và sự che khuất, với định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng mục tiêu và hỏi các dấu hiệu nhìn thấy hỗ trợ quan hệ. Quan hệ dựa trên hình ảnh nên được giữ khác biệt với 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 thời gian và thứ tự khung hình khi hỏi về một chuỗi. Ngân sách biểu diễn đã cấu hình quyết định tài liệu nào được xử lý, nên mô tả rộng của họ mô hình về video dài không nên trở thành lời hứa nhớ hoàn hảo từng khung hình.
Suy luận đa phương thức, nhận dạng và OCR
Mô hình hỗ trợ câu hỏi thị giác về STEM và toán học, phân tích nhân quả và giải thích dựa trên bằng chứng. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ và yêu cầu các giá trị được dùng trước khi kết luận cuối. Họ mô hình cũng mở rộng nhận dạng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. Kiểm tra kết quả nhận dạng khi danh tính chính xác là quan trọng.
OCR bao quát 32 ngôn ngữ và được thiết kế để cải thiện việc đọc trong điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu. Cung cấp trang đọc được và yêu cầu trường, trích dẫn hoặc bảng có thể kiểm tra với nguồn. Khả năng hiểu văn bản và thị giác được kết hợp, nên câu hỏi có thể nối một đoạn với hình minh họa của nó và chỉ dẫn của người dùng.
Kiến trúc
Cấu hình được công bố xác định mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia với 48 lớp văn bản, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao; DeepStack kết hợp đặc trưng từ nhiều tầng bộ mã hóa thị giác; căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 30B-A3B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.
Chuẩn bị đầu vào
Các ví dụ của họ mô hình bao gồm nhiệm vụ chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và giữ mối quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, với video tính pixel trên các khung hình được lấy mẫu. 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 trong những quy trình được hỗ trợ.
Tiện ích hỗ trợ nội dung đa phương tiện có thể giữ siêu dữ liệu video và khuyên tránh đổi kích thước lần hai khi đã đổi kích thước tài liệu. Với so sánh tài liệu, tổ chức câu trả lời theo nhãn trang. Với đoạn video, yêu cầu sự kiện, khoảng liên quan và bằng chứng hỗ trợ. So sánh trường, đoạn và thời điểm sự kiện được trả về với trang gốc hoặc đoạn gốc.
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 mức đầu ra tối đa cứng được xác lập độc lập. Không nên tự động gán ngân sách theo nhiệm vụ riêng của thẻ 8B Instruct cho bản này.
Quy trình mở rộng của họ mô hình dùng YaRN, đề xuất hệ số hai hoặc ba khi mở rộng cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho kết quả bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh OCR, kết luận tính toán và mã được tạo với bằng chứng gốc. Giữ quy ước tạo đầu ra của Instruct khác biệt với thiết lập của checkpoint Thinking; chỉ tên bản không xác lập công tắc chế độ lai riêng cho ứng dụng.
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-30b-a3b-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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 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-30b-a3b-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-30b-a3b-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-30b-a3b-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-30b-a3b-instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen3-vl-30b-a3b-instructQwen3-VL-30B-A3B-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 tác nhân thị giác, đọc tài liệu, câu hỏi không gian và viết mã từ hình ảnh, 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 30B-A3B Instruct
Qwen3-VL-30B-A3B-Instruct là bản hỗn hợp chuyên gia, tập trung vào chỉ dẫn của Qwen3-VL. Mô hình kết hợp văn bản với hình ảnh hoặc video và tạo văn bản, gồm mã. Giữ đúng danh tính Instruct này thay vì thay bằng bản Thinking tăng cường suy luận hoặc kích thước khác trong họ mô hình. Yêu cầu hữu ích xác định bằng chứng thị giác, câu hỏi và sản phẩm cụ thể mong đợi trong câu trả lời.
Tác nhân thị giác và viết mã từ hình ảnh
Nhà sản xuất mô tả việc nhận diện thành phần giao diện máy tính hoặc thiết bị di động, hiểu chức năng của chúng và gọi công cụ trong quy trình tác nhân thị giác. Cung cấp ảnh chụp màn hình cùng mục tiêu dự kiến, rồi hỏi điều khiển nhìn thấy nào tương ứng với nhiệm vụ và điều gì hỗ trợ lựa chọn. Ứng dụng được kết nối thực hiện hành động và trả về kết quả; chỉ nhận dạng hình ảnh không điều khiển thiết bị.
Viết mã từ hình ảnh gồm nội dung sơ đồ và HTML, CSS hoặc JavaScript được tạo từ hình ảnh hay video. Cung cấp bố cục tham chiếu kèm ràng buộc chức năng và yêu cầu mã nguồn có thể chỉnh sửa. Với thay đổi trên giao diện hiện có, đưa vào mã liên quan và trạng thái tương tác mong đợi. Tách sản phẩm khỏi giải thích để quy trình phát triển có thể kết xuất và kiểm tra. Mã nguồn được tạo là đề xuất cần xem xét, không phải bằng chứng ứng dụng hoạt động.
Nhận thức không gian, ngữ cảnh và video
Qwen ghi nhận đánh giá về vị trí đối tượng, góc nhìn và sự che khuất, với định vị hai chiều và hỗ trợ định vị ba chiều. Xác định đối tượng mục tiêu và hỏi các dấu hiệu nhìn thấy hỗ trợ quan hệ. Quan hệ dựa trên hình ảnh nên được giữ khác biệt với 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 thời gian và thứ tự khung hình khi hỏi về một chuỗi. Ngân sách biểu diễn đã cấu hình quyết định tài liệu nào được xử lý, nên mô tả rộng của họ mô hình về video dài không nên trở thành lời hứa nhớ hoàn hảo từng khung hình.
Suy luận đa phương thức, nhận dạng và OCR
Mô hình hỗ trợ câu hỏi thị giác về STEM và toán học, phân tích nhân quả và giải thích dựa trên bằng chứng. Cung cấp toàn bộ đề bài cùng nhãn sơ đồ và yêu cầu các giá trị được dùng trước khi kết luận cuối. Họ mô hình cũng mở rộng nhận dạng sang người, sản phẩm, địa danh, cây cối, động vật và nhân vật trong nội dung truyền thông. Kiểm tra kết quả nhận dạng khi danh tính chính xác là quan trọng.
OCR bao quát 32 ngôn ngữ và được thiết kế để cải thiện việc đọc trong điều kiện thiếu sáng, nhòe hoặc nghiêng, gồm từ vựng chuyên ngành và cấu trúc tài liệu. Cung cấp trang đọc được và yêu cầu trường, trích dẫn hoặc bảng có thể kiểm tra với nguồn. Khả năng hiểu văn bản và thị giác được kết hợp, nên câu hỏi có thể nối một đoạn với hình minh họa của nó và chỉ dẫn của người dùng.
Kiến trúc
Cấu hình được công bố xác định mô hình thị giác-ngôn ngữ hỗn hợp chuyên gia với 48 lớp văn bản, 128 chuyên gia và tám chuyên gia được chọn cho mỗi token. Interleaved-MRoPE biểu diễn thời gian, chiều rộng và chiều cao; DeepStack kết hợp đặc trưng từ nhiều tầng bộ mã hóa thị giác; căn chỉnh văn bản–mốc thời gian gắn sự kiện với tham chiếu thời gian. Dùng bản 30B-A3B Instruct này nhất quán khi chuẩn bị nhiệm vụ thị giác và so sánh kết quả.
Chuẩn bị đầu vào
Các ví dụ của họ mô hình bao gồm nhiệm vụ chỉ có văn bản, một hoặc nhiều hình ảnh và video. Gắn nhãn đầu vào thị giác và giữ mối quan hệ giữa chúng. Ngân sách pixel của hình ảnh và video tách biệt, với video tính pixel trên các khung hình được lấy mẫu. 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 trong những quy trình được hỗ trợ.
Tiện ích hỗ trợ nội dung đa phương tiện có thể giữ siêu dữ liệu video và khuyên tránh đổi kích thước lần hai khi đã đổi kích thước tài liệu. Với so sánh tài liệu, tổ chức câu trả lời theo nhãn trang. Với đoạn video, yêu cầu sự kiện, khoảng liên quan và bằng chứng hỗ trợ. So sánh trường, đoạn và thời điểm sự kiện được trả về với trang gốc hoặc đoạn gốc.
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 mức đầu ra tối đa cứng được xác lập độc lập. Không nên tự động gán ngân sách theo nhiệm vụ riêng của thẻ 8B Instruct cho bản này.
Quy trình mở rộng của họ mô hình dùng YaRN, đề xuất hệ số hai hoặc ba khi mở rộng cơ chế vị trí xen kẽ từ 256K lên khoảng 1M. Dành chỗ cho kết quả bên cạnh văn bản và nội dung thị giác được biểu diễn, rồi xác minh OCR, kết luận tính toán và mã được tạo với bằng chứng gốc. Giữ quy ước tạo đầu ra của Instruct khác biệt với thiết lập của checkpoint Thinking; chỉ tên bản không xác lập công tắc chế độ lai riêng cho ứng dụng.
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-30b-a3b-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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 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 $0.0003 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen3-vl-30b-a3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-30b-a3b-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-30b-a3b-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-30b-a3b-instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Generate source from a written layout\n\nProduce self-contained HTML and CSS from this written layout: a heading “Upload report”, a file input and a status line below it. On screens narrower than 480 pixels, controls fill the available width. Include empty, selected-file and error text examples, accessible labels and no external assets. Return editable source with a short state explanation.An HTML/CSS source artifact and a short explanation of the three requested states.Check that the file input has an associated label, narrow layouts fit their container and every requested state has distinct text.