Source: https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/ Canonical: https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/ Language: zh-hant-tw # Qwen3 VL 235B A22B Thinking [Markdown](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/facts.json) ## [Qwen3 VL 235B A22B Thinking](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/) Qwen3-VL-235B-A22B-Thinking 是 Qwen 的混合專家視覺語言模型，適用於文字、影像及影片推理。Thinking 版本可用於 STEM 問題、文件證據、空間關係、視覺程式設計，以及帶時間戳記的影片分析，具備原生 262,144-token 上下文。 - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/#method-1) - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/#method-2) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen3-vl-235b-a22b-thinking/#method-3) 關於模型 此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。 介紹：多模態 Thinking 版本 Qwen3-VL-235B-A22B-Thinking 是 Qwen3-VL 中以推理為核心的混合專家版本。它結合文字、影像及影片，產生文字答案或程式碼。固定的 Thinking 檢查點與 Qwen3-VL-235B-A22B-Instruct，以及另行具名的 FP8 建置版本分開。若問題需要將視覺證據與較長說明連結，可選擇此版本，而非假定每個 Qwen3-VL 版本都具有相同回答風格。 視覺代理與視覺程式設計 Qwen 描述一種視覺代理流程，能辨識電腦或行動裝置介面中的元素、解讀其功能，並搭配工具完成任務。模型提供感知及推理；應用程式必須連接並執行動作。對於介面檢閱，請提供目前的螢幕截圖及特定目標，再要求指出相關控制項並解釋下一個動作。單憑影像，不會取得裝置控制權。 視覺程式設計包括從影像及影片生成圖表內容、HTML、CSS 或 JavaScript。請提供螢幕截圖，以及所需版面、行為及可編輯輸出格式。若有助於檢閱，可要求將頁面結構及樣式作為獨立產出。生成程式碼是開發流程使用的文字；它並非網站已轉譯，或來源影像已成為可運作應用程式的證據。 空間感知 開發者記載其能推理物件位置、視角及遮蔽，具備二維定位及三維定位支援。請提出具體的關係問題，並指出關注的物件：例如，哪個元件被遮住、什麼位於它前方，以及哪些視覺線索支持該解讀。定位能力不應被視為能從任意圖片進行經校準的物理量測。 長上下文與影片 原生上下文為 262,144 tokens。Qwen 說明可透過 YaRN 設定擴充至約一百萬，家族工作流程則涵蓋書籍或長達數小時的影片，並以秒級粒度建立事件索引。這些能力取決於表示方式、影格取樣及上下文設定；開發者的廣泛說明不保證完美記住每一格影像。在其儲存庫中，Qwen 建議此交錯位置方案從 256K 擴充至約 1M 時，採用二或三的外推因子，而非自動沿用其他模型的四倍因子。 多模態推理與辨識 Thinking 版本針對有證據依據的 STEM 及數學推理、因果分析，以及連結文字與視覺資料的邏輯答案。請一併提供圖解及定義，或圖表及精確的數值問題。要求先列出使用的標籤及數值，再給結論。Qwen 也描述涵蓋人物、動漫、產品、地標、植物及動物的更廣泛視覺辨識。辨識答案仍是從所給影像推得的結果，並非保證每個物件或身分都能命名。 OCR 涵蓋 32 種語言，設計上改善低光、模糊或傾斜情況的閱讀，包括專業詞彙及長文件結構。請保留清楚可讀的來源影像，並要求可供檢查的欄位、引文或結構化表格。文字與視覺理解結合在同一模型中，因此問題可同時參照文件段落、圖及使用者指令。 架構變更 Interleaved-MRoPE 將位置表示分配至時間、寬度及高度，以進行影片推理。DeepStack 結合多個編碼器層級的視覺特徵，捕捉更細微的細節並改善影像與文字對齊。文字與時間戳記對齊，讓事件對應時間參照。發布的文字設定包含 94 層、128 個專家，每個 token 選擇八個專家。這些架構細節說明模型的多模態表示，並未確立回應時間保證。 準備視覺輸入與輸出 開發者範例涵蓋單張或多張影像、影片及純文字請求。請為每個視覺輸入加上標籤，讓問題能清楚引用。影像及影片處理器使用不同像素額度：影像額度限制單張像素，影片額度則計入取樣影格的像素總量。明確指定的影像尺寸會對齊至 32 的倍數。影片取樣可以使用速率或影格數控制；文件記載的預設值為每秒兩格。若要求事件時間軸，請保留時間戳記。 對於長片段，請要求事件、其時間區間及可見證據，而非籠統的摘要。對於多頁資料，請要求依頁面識別碼整理結果。這些準備範例應用文件記載的能力，有助於呈現遺漏或擷取錯誤。 生成指引與限制 檢查點的生成檔預設 temperature 為 0.8、top\_p 為 0.95、top\_k 為 20。Qwen 另行提供的 Thinking 評估方法，使用 temperature 0.6、presence penalty 為零、repetition penalty 1.0，以及 40,960-token 輸出額度。這些是開發者不同的預設組合，並非單一固定輸出上限。請在視覺 tokens 之外，為推理及最終文字留出空間，並在使用前對照來源驗證擷取文字、計算答案及生成程式碼。 實用任務 ### 實用任務 英文技術範例 ``` Reason from a textual circuit description Use this textual circuit description: an ideal 12 V source powers two series resistors, R1 = 2 Ω and R2 = 4 Ω. Calculate total resistance, current and voltage across each resistor. State the ideal-component assumptions and verify that the voltage drops sum to the source voltage. Return a compact worked solution using the labels R1 and R2. ``` #### 預期結果 ``` A labeled worked calculation and a voltage-sum consistency check. ``` #### 檢查結果 ``` The same series current is used for both resistors and the stated voltage drops sum to 12 V. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen/qwen3-vl-235b-a22b-thinking` [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=chat) Alibaba /`qwen/qwen3-vl-235b-a22b-thinking` 模型 ID - `qwen/qwen3-vl-235b-a22b-thinking` - `qwen3-vl-235b-a22b-thinking` ### 入門 Qwen3-VL-235B-A22B-Thinking 是 Qwen 的混合專家視覺語言模型，適用於文字、影像及影片推理。Thinking 版本可用於 STEM 問題、文件證據、空間關係、視覺程式設計，以及帶時間戳記的影片分析，具備原生 262,144-token 上下文。 接受的輸入 文字 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` 輸入 `text` 輸出 `text` 輸出格式 json 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 qwen/qwen3-vl-235b-a22b-thinking | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 項目數下限: 1 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 依模型而定 | 預設值— | | 欄位`messages[].content` | 類型`string` | 要求選填 | 值與限制 適用條件: 文字對話 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | 輸入素材組合 **文字** · UTF8 文字 `messages[].content` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, messages | | 參數`material_types` | 規格text | | 參數`messages` | 規格具有 role/content 結構的訊息陣列 | | 參數`file_material` | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID | | 參數`optional_controls` | 規格stream | | 參數`control_scope` | 規格文字對話；stream 是布林值，預設為 false。 | | 參數`output_modalities` | 規格text | | 參數`hosted_operations` | 規格false | | 參數`multimodal_input_binding` | 規格null | 方法別名： `/chat/completions` 生命週期： `synchronous_or_streamed` 將確切模型 ID 與 messages 一併送出。 上下文長度不是輸出上限。 文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。 ### 方案 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 未指定 選取快速模式時 flex 模式 未指定 選取 flex 模式時 最高推理強度 未指定 最高推理強度採用 default 調整值時 #### Ailoot 費率 #### 各設定的價格 | 設定 | 費率表 | 費用 | | --- | --- | --- | | 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token **$0.000572** / 1K Token 輸出 · 輸出 Token **$0.00572** / 1K Token 輸入 · 讀取快取 **$0** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · OpenAI Chat curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model":"qwen/qwen3-vl-235b-a22b-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model="qwen/qwen3-vl-235b-a22b-thinking", messages=[{"role":"user","content":"hello"}], stream=False) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ### 接收並儲存結果 #### Ailoot Ultra · OpenAI Chat json 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`choices[].index` | 類型integer | | 欄位`choices[].message.content` | 類型string\|null | | 欄位`choices[].message.tool_calls` | 類型tool\_call\[\] | | 欄位`choices[].message.reasoning_content` | 類型string | | 欄位`choices[].message.reasoning_details` | 類型object\|array | | 欄位`choices[].finish_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=chat), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=chat) #### 方法路徑別名 `/chat/completions` #### 相關呼叫用 ID [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=chat), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen/qwen3-vl-235b-a22b-thinking` [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=messages) Alibaba /`qwen/qwen3-vl-235b-a22b-thinking` 模型 ID - `qwen/qwen3-vl-235b-a22b-thinking` - `qwen3-vl-235b-a22b-thinking` ### 入門 Qwen3-VL-235B-A22B-Thinking 是 Qwen 的混合專家視覺語言模型，適用於文字、影像及影片推理。Thinking 版本可用於 STEM 問題、文件證據、空間關係、視覺程式設計，以及帶時間戳記的影片分析，具備原生 262,144-token 上下文。 接受的輸入 文字 結果 json · sse ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` 輸入 `text` 輸出 `json`, `sse` 輸出格式 JSON 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 qwen/qwen3-vl-235b-a22b-thinking | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 user, assistant | 預設值— | | 欄位`messages[].content` | 類型`string` | 要求必填 | 值與限制 | 預設值— | | 欄位`max_tokens` | 類型`integer` | 要求必填 | 值與限制 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | 輸入素材組合 **文字** · UTF-8 文字 `messages[].content 字串` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, messages, max\_tokens | | 參數`optional_controls` | 規格stream | | 參數`material_types` | 規格text | | 參數`text_file_material` | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 | 生命週期： `synchronous_or_streamed` ### 方案 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 未指定 選取快速模式時 flex 模式 未指定 選取 flex 模式時 最高推理強度 未指定 最高推理強度採用 default 調整值時 #### Ailoot 費率 #### 各設定的價格 | 設定 | 費率表 | 費用 | | --- | --- | --- | | 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token **$0.000572** / 1K Token 輸出 · 輸出 Token **$0.00572** / 1K Token 輸入 · 讀取快取 **$0** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · Anthropic Messages 完整的最小 JSON 請求主體curl · 使用您的 UTF-8 文件Python · 儲存完整結果 ```json { "model": "qwen/qwen3-vl-235b-a22b-thinking", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen/qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen/qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### 接收並儲存結果 #### Ailoot Ultra · Anthropic Messages JSON 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`id` | 類型string | | 欄位`model` | 類型string | | 欄位`content[]` | 類型text\|thinking\|tool\_use\|other content block | | 欄位`stop_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=messages), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=messages) #### 方法路徑別名 `/chat/completions` #### 相關呼叫用 ID [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=messages), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=messages) **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen3-vl-235b-a22b-thinking` [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=chat) Alibaba /`qwen3-vl-235b-a22b-thinking` 模型 ID - `qwen/qwen3-vl-235b-a22b-thinking` - `qwen3-vl-235b-a22b-thinking` ### 入門 Qwen3-VL-235B-A22B-Thinking 是 Qwen 的混合專家視覺語言模型，適用於文字、影像及影片推理。Thinking 版本可用於 STEM 問題、文件證據、空間關係、視覺程式設計，以及帶時間戳記的影片分析，具備原生 262,144-token 上下文。 接受的輸入 文字 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` 輸入 `text` 輸出 `text` 輸出格式 json 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 qwen3-vl-235b-a22b-thinking | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 項目數下限: 1 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— | | 欄位`messages[].content` | 類型`string\|content_part[]\|null` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].tool_calls` | 類型`tool_call[]` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].tool_call_id` | 類型`string` | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— | | 欄位`messages[].name` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].reasoning_content` | 類型`string` | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— | | 欄位`messages[].reasoning_details` | 類型`object\|array` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`max_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— | | 欄位`max_completion_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | | 欄位`stream_options.include_usage` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`top_p` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`stop` | 類型`string\|string[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools` | 類型`function_tool[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools[].type` | 類型`string` | 要求選填 | 值與限制 function 依模型而定 | 預設值— | | 欄位`tools[].function.name` | 類型`string` | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— | | 欄位`tools[].function.description` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`tools[].function.parameters` | 類型`JSON_schema` | 要求選填 | 值與限制 | 預設值— | | 欄位`tool_choice` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`parallel_tool_calls` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`response_format` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning_effort` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`service_tier` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`instructions` | 類型`string` | 要求選填 | 值與限制 相容性欄位 | 預設值— | | 欄位`functions` | 類型`function[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`function_call` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`prompt_cache_options` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`modalities` | 類型`string[]` | 要求選填 | 值與限制 text | 預設值— | | 欄位`provider` | 類型`object` | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— | | 欄位`cache_control.ttl` | 類型`string` | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— | 輸入素材組合 **文字** · UTF8 文字 `messages[].content` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, messages | | 參數`material_types` | 規格text | | 參數`messages` | 規格具有 role/content 結構的訊息陣列 | | 參數`file_material` | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID | | 參數`optional_controls` | 規格stream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | 參數`control_scope` | 規格依模型而定；使用者函式工具與託管工具不同 | | 參數`output_modalities` | 規格text | | 參數`hosted_operations` | 規格false | | 參數`multimodal_input_binding` | 規格null | 生命週期： `synchronous_or_streamed` 將確切模型 ID 與 messages 一併送出。 上下文長度不是輸出上限。 文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。 ### 方案 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 未指定 選取快速模式時 flex 模式 未指定 選取 flex 模式時 最高推理強度 未指定 最高推理強度採用 default 調整值時 #### Ailoot 費率 #### 各設定的價格 | 設定 | 費率表 | 費用 | | --- | --- | --- | | 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token **$0.000572** / 1K Token 輸出 · 輸出 Token **$0.00572** / 1K Token 輸入 · 讀取快取 **$0** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · OpenAI Chat curlPython SDKPython 串流 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "qwen3-vl-235b-a22b-thinking", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='qwen3-vl-235b-a22b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='qwen3-vl-235b-a22b-thinking',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### 接收並儲存結果 #### Ailoot Ultra · OpenAI Chat json 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`choices[].index` | 類型integer | | 欄位`choices[].message.content` | 類型string\|null | | 欄位`choices[].message.tool_calls` | 類型tool\_call\[\] | | 欄位`choices[].message.reasoning_content` | 類型string | | 欄位`choices[].message.reasoning_details` | 類型object\|array | | 欄位`choices[].finish_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=chat), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=chat) #### 方法路徑別名 `/chat/completions` #### 相關呼叫用 ID [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=chat), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen3-vl-235b-a22b-thinking` [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=messages) Alibaba /`qwen3-vl-235b-a22b-thinking` 模型 ID - `qwen/qwen3-vl-235b-a22b-thinking` - `qwen3-vl-235b-a22b-thinking` ### 入門 Qwen3-VL-235B-A22B-Thinking 是 Qwen 的混合專家視覺語言模型，適用於文字、影像及影片推理。Thinking 版本可用於 STEM 問題、文件證據、空間關係、視覺程式設計，以及帶時間戳記的影片分析，具備原生 262,144-token 上下文。 接受的輸入 文字 結果 json · sse ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` 輸入 `text` 輸出 `json`, `sse` 輸出格式 JSON 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 qwen3-vl-235b-a22b-thinking | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 user, assistant | 預設值— | | 欄位`messages[].content` | 類型`string` | 要求必填 | 值與限制 | 預設值— | | 欄位`max_tokens` | 類型`integer` | 要求必填 | 值與限制 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | 輸入素材組合 **文字** · UTF-8 文字 `messages[].content 字串` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, messages, max\_tokens | | 參數`optional_controls` | 規格stream | | 參數`material_types` | 規格text | | 參數`text_file_material` | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 | 生命週期： `synchronous_or_streamed` ### 方案 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 未指定 選取快速模式時 flex 模式 未指定 選取 flex 模式時 最高推理強度 未指定 最高推理強度採用 default 調整值時 #### Ailoot 費率 #### 各設定的價格 | 設定 | 費率表 | 費用 | | --- | --- | --- | | 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token **$0.000572** / 1K Token 輸出 · 輸出 Token **$0.00572** / 1K Token 輸入 · 讀取快取 **$0** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · Anthropic Messages 完整的最小 JSON 請求主體curl · 使用您的 UTF-8 文件Python · 儲存完整結果 ```json { "model": "qwen3-vl-235b-a22b-thinking", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen3-vl-235b-a22b-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### 接收並儲存結果 #### Ailoot Ultra · Anthropic Messages JSON 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`id` | 類型string | | 欄位`model` | 類型string | | 欄位`content[]` | 類型text\|thinking\|tool\_use\|other content block | | 欄位`stop_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=messages), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=messages) #### 方法路徑別名 `/chat/completions` #### 相關呼叫用 ID [`qwen/qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen%2Fqwen3-vl-235b-a22b-thinking&fmt=messages), [`qwen3-vl-235b-a22b-thinking`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen3-vl-235b-a22b-thinking&route=Ultra&caller=qwen3-vl-235b-a22b-thinking&fmt=messages) FAQ · qwen/qwen3-vl-235b-a22b-thinking 可以使用哪些輸入與結果？ `POST /v1/chat/completions` · `qwen/qwen3-vl-235b-a22b-thinking`: `text` → `text` `POST /v1/messages` · `qwen/qwen3-vl-235b-a22b-thinking`: `text` → `json`, `sse` `POST /v1/chat/completions` · `qwen3-vl-235b-a22b-thinking`: `text` → `text` `POST /v1/messages` · `qwen3-vl-235b-a22b-thinking`: `text` → `json`, `sse` 請求使用哪些欄位？ `POST /v1/chat/completions` · `qwen/qwen3-vl-235b-a22b-thinking`: `model`, `messages`, `stream` `POST /v1/messages` · `qwen/qwen3-vl-235b-a22b-thinking`: `model`, `messages`, `max_tokens`, `stream` `POST /v1/chat/completions` · `qwen3-vl-235b-a22b-thinking`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `qwen3-vl-235b-a22b-thinking`: `model`, `messages`, `max_tokens`, `stream` 適用哪些限制？ `POST /v1/chat/completions` · `qwen/qwen3-vl-235b-a22b-thinking`: `messages.min_items`: `1` `POST /v1/chat/completions` · `qwen3-vl-235b-a22b-thinking`: `messages.min_items`: `1` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。