Qwen-VL-Plus je vizuálně-jazyková řada Qwen se zvláštním důrazem na rozpoznávání detailů a textu uvnitř obrazů. Výrobce popisuje podporu obrazů s více než milionem pixelů a různými poměry stran. Model je tak vhodný, pokud odpověď závisí na malém popisku, poli na stránce nebo vztahu mezi textovými a vizuálními prvky, nikoli jen na tématu fotografie.
Aktuální karta výrobce popisuje název qwen-vl-plus bez označení verze jako funkčně ekvivalentní qwen-vl-plus-2025-08-15. V opakovatelném úkolu zachovejte přesný název vydání. Označení Plus, alias Latest a jiná datovaná verze jsou samostatné volby; shodný název rodiny neznamená zaměnitelnost jejich specifikací.
Schopnosti modelu
Výrobce uvádí text, obrazy a video jako vstup a text jako výstup. Textové pokyny mohou model vést ke čtení části dokumentu, popisu objektů, vysvětlení rozvržení nebo odpovědi na otázku o scéně. Rozpoznávání a vysvětlování jsou související úkoly, ale potřebují odlišné požadavky na výstup: přepis má zachovat viditelné znění, zatímco vysvětlení má uvést, jak viditelné detaily souvisejí s otázkou.
Pro extrakci z dokumentu poskytněte čitelnou stránku a určete pole, která se mají vrátit. U formuláře lze požadovat popisky polí a jejich hodnoty; u tabulky požadovaný řádek spolu se záhlavím jeho sloupců. Pokud hodnota není viditelná, definujte výslovné zobrazení chybějící hodnoty. Tento ilustrativní návrh výstupu pomáhá aplikaci odlišit extrahovaný text od odhadnutého doplnění.
Při kontrole rozvržení se ptejte na důležité prvky: kde se popisek nachází, ke kterému objektu patří a jak se dvě verze liší. Každému obrazu přidělte roli a zachovejte stejná kritéria porovnání. Pro vysvětlení na základě snímku obrazovky uveďte cíl uživatele a požádejte o krátký pokyn založený na viditelných ovládacích prvcích. Odpověď je text o rozhraní, nikoli provedená akce.
Tabulky výrobce zahrnují pokračování odpovědi na základě prefixu a ukládání kontextu do mezipaměti. Strukturovaný výstup, dávkové odesílání a jemné dolaďování nejsou zpřístupněny stejným způsobem ve všech konfiguracích výrobce; je třeba je chápat jako možnosti rozhraní, nikoli jako bezpodmínečný důsledek volby názvu Plus. Volání funkcí a vyhledávání na webu nejsou na této kartě uvedeny jako podporované. Požadavek na formátování extrahovaných polí se liší od požadavku na provedení funkce nebo získání nových informací z webu.
Limity kontextu
Publikovaná karta uvádí kontextové okno 131 072 tokenů, maximální vstup 129 024 tokenů a maximální výstup 8 192 tokenů. Reprezentace obrazu nebo videa využívá vstupní kapacitu spolu s otázkou a podpůrným textem. Vizuální materiál a odpověď plánujte samostatně: dlouhý nebo podrobný vstup může stále vyžadovat jen krátký seznam polí nebo pozorování.
Příprava vstupu
Důraz výrobce na detaily a různé proporce neodstraňuje potřebu čitelného materiálu. Oblast obsahující požadovaný text ponechte zřetelnou. Při oříznutí tabulky zachovejte záhlaví a jednotky potřebné k interpretaci hodnot; při použití více stránek uveďte jejich pořadí a část, kterou je třeba prozkoumat. Uveďte, zda chcete původní znění, shrnutí nebo interpretaci, aby se tyto výsledky nemíchaly.
U videa definujte událost nebo viditelný detail k popisu a požadovanou strukturu odpovědi. Praktický úkol může požadovat sled akcí v ukázce a objekty zapojené do každého kroku. Dokumentovaný výstup je text; karta neuvádí zvuk jako vstup ani řeč jako výstup. Tato vizuální cesta proto nemá sloužit jako důkaz, že byl pochopen přepis mluveného obsahu.
Užitečný opakovatelný postup spočívá v zadání stejných extrakčních polí pro několik obrazů dokumentů, zachování identifikátorů obrazů vedle výsledků a následném porovnání vzniklých záznamů v aplikaci. Další možností je spojit snímek obrazovky s písemným požadavkem a vyžádat si viditelné shody, rozdíly a nevyřešené detaily. V obou případech ponechte zdrojový obraz propojený s každou vrácenou hodnotou, aby bylo možné výsledek prozkoumat.
", "aboutText": "Qwen-VL-Plus je vizuálně-jazyková řada Qwen se zvláštním důrazem na rozpoznávání detailů a textu uvnitř obrazů. Výrobce popisuje podporu obrazů s více než milionem pixelů a různými poměry stran. Model je tak vhodný, pokud odpověď závisí na malém popisku, poli na stránce nebo vztahu mezi textovými a vizuálními prvky, nikoli jen na tématu fotografie.\n\nAktuální karta výrobce popisuje název qwen-vl-plus bez označení verze jako funkčně ekvivalentní qwen-vl-plus-2025-08-15. V opakovatelném úkolu zachovejte přesný název vydání. Označení Plus, alias Latest a jiná datovaná verze jsou samostatné volby; shodný název rodiny neznamená zaměnitelnost jejich specifikací.\n\nSchopnosti modelu\n\nVýrobce uvádí text, obrazy a video jako vstup a text jako výstup. Textové pokyny mohou model vést ke čtení části dokumentu, popisu objektů, vysvětlení rozvržení nebo odpovědi na otázku o scéně. Rozpoznávání a vysvětlování jsou související úkoly, ale potřebují odlišné požadavky na výstup: přepis má zachovat viditelné znění, zatímco vysvětlení má uvést, jak viditelné detaily souvisejí s otázkou.\n\nPro extrakci z dokumentu poskytněte čitelnou stránku a určete pole, která se mají vrátit. U formuláře lze požadovat popisky polí a jejich hodnoty; u tabulky požadovaný řádek spolu se záhlavím jeho sloupců. Pokud hodnota není viditelná, definujte výslovné zobrazení chybějící hodnoty. Tento ilustrativní návrh výstupu pomáhá aplikaci odlišit extrahovaný text od odhadnutého doplnění.\n\nPři kontrole rozvržení se ptejte na důležité prvky: kde se popisek nachází, ke kterému objektu patří a jak se dvě verze liší. Každému obrazu přidělte roli a zachovejte stejná kritéria porovnání. Pro vysvětlení na základě snímku obrazovky uveďte cíl uživatele a požádejte o krátký pokyn založený na viditelných ovládacích prvcích. Odpověď je text o rozhraní, nikoli provedená akce.\n\nTabulky výrobce zahrnují pokračování odpovědi na základě prefixu a ukládání kontextu do mezipaměti. Strukturovaný výstup, dávkové odesílání a jemné dolaďování nejsou zpřístupněny stejným způsobem ve všech konfiguracích výrobce; je třeba je chápat jako možnosti rozhraní, nikoli jako bezpodmínečný důsledek volby názvu Plus. Volání funkcí a vyhledávání na webu nejsou na této kartě uvedeny jako podporované. Požadavek na formátování extrahovaných polí se liší od požadavku na provedení funkce nebo získání nových informací z webu.\n\nLimity kontextu\n\nPublikovaná karta uvádí kontextové okno 131 072 tokenů, maximální vstup 129 024 tokenů a maximální výstup 8 192 tokenů. Reprezentace obrazu nebo videa využívá vstupní kapacitu spolu s otázkou a podpůrným textem. Vizuální materiál a odpověď plánujte samostatně: dlouhý nebo podrobný vstup může stále vyžadovat jen krátký seznam polí nebo pozorování.\n\nPříprava vstupu\n\nDůraz výrobce na detaily a různé proporce neodstraňuje potřebu čitelného materiálu. Oblast obsahující požadovaný text ponechte zřetelnou. Při oříznutí tabulky zachovejte záhlaví a jednotky potřebné k interpretaci hodnot; při použití více stránek uveďte jejich pořadí a část, kterou je třeba prozkoumat. Uveďte, zda chcete původní znění, shrnutí nebo interpretaci, aby se tyto výsledky nemíchaly.\n\nU videa definujte událost nebo viditelný detail k popisu a požadovanou strukturu odpovědi. Praktický úkol může požadovat sled akcí v ukázce a objekty zapojené do každého kroku. Dokumentovaný výstup je text; karta neuvádí zvuk jako vstup ani řeč jako výstup. Tato vizuální cesta proto nemá sloužit jako důkaz, že byl pochopen přepis mluveného obsahu.\n\nUžitečný opakovatelný postup spočívá v zadání stejných extrakčních polí pro několik obrazů dokumentů, zachování identifikátorů obrazů vedle výsledků a následném porovnání vzniklých záznamů v aplikaci. Další možností je spojit snímek obrazovky s písemným požadavkem a vyžádat si viditelné shody, rozdíly a nevyřešené detaily. V obou případech ponechte zdrojový obraz propojený s každou vrácenou hodnotou, aby bylo možné výsledek prozkoumat.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.qwen-vl-plusQwen-VL-Plus čte text a detaily v obrazech a propojuje je s písemnou otázkou. Výrobce dokumentuje obrazový a video vstup, textový výstup, obrazy ve vysokém rozlišení a různé poměry stran pro extrakci z dokumentů, vizuální porovnání a vysvětlení scén.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen-VL-Plus je vizuálně-jazyková řada Qwen se zvláštním důrazem na rozpoznávání detailů a textu uvnitř obrazů. Výrobce popisuje podporu obrazů s více než milionem pixelů a různými poměry stran. Model je tak vhodný, pokud odpověď závisí na malém popisku, poli na stránce nebo vztahu mezi textovými a vizuálními prvky, nikoli jen na tématu fotografie.
Aktuální karta výrobce popisuje název qwen-vl-plus bez označení verze jako funkčně ekvivalentní qwen-vl-plus-2025-08-15. V opakovatelném úkolu zachovejte přesný název vydání. Označení Plus, alias Latest a jiná datovaná verze jsou samostatné volby; shodný název rodiny neznamená zaměnitelnost jejich specifikací.
Schopnosti modelu
Výrobce uvádí text, obrazy a video jako vstup a text jako výstup. Textové pokyny mohou model vést ke čtení části dokumentu, popisu objektů, vysvětlení rozvržení nebo odpovědi na otázku o scéně. Rozpoznávání a vysvětlování jsou související úkoly, ale potřebují odlišné požadavky na výstup: přepis má zachovat viditelné znění, zatímco vysvětlení má uvést, jak viditelné detaily souvisejí s otázkou.
Pro extrakci z dokumentu poskytněte čitelnou stránku a určete pole, která se mají vrátit. U formuláře lze požadovat popisky polí a jejich hodnoty; u tabulky požadovaný řádek spolu se záhlavím jeho sloupců. Pokud hodnota není viditelná, definujte výslovné zobrazení chybějící hodnoty. Tento ilustrativní návrh výstupu pomáhá aplikaci odlišit extrahovaný text od odhadnutého doplnění.
Při kontrole rozvržení se ptejte na důležité prvky: kde se popisek nachází, ke kterému objektu patří a jak se dvě verze liší. Každému obrazu přidělte roli a zachovejte stejná kritéria porovnání. Pro vysvětlení na základě snímku obrazovky uveďte cíl uživatele a požádejte o krátký pokyn založený na viditelných ovládacích prvcích. Odpověď je text o rozhraní, nikoli provedená akce.
Tabulky výrobce zahrnují pokračování odpovědi na základě prefixu a ukládání kontextu do mezipaměti. Strukturovaný výstup, dávkové odesílání a jemné dolaďování nejsou zpřístupněny stejným způsobem ve všech konfiguracích výrobce; je třeba je chápat jako možnosti rozhraní, nikoli jako bezpodmínečný důsledek volby názvu Plus. Volání funkcí a vyhledávání na webu nejsou na této kartě uvedeny jako podporované. Požadavek na formátování extrahovaných polí se liší od požadavku na provedení funkce nebo získání nových informací z webu.
Limity kontextu
Publikovaná karta uvádí kontextové okno 131 072 tokenů, maximální vstup 129 024 tokenů a maximální výstup 8 192 tokenů. Reprezentace obrazu nebo videa využívá vstupní kapacitu spolu s otázkou a podpůrným textem. Vizuální materiál a odpověď plánujte samostatně: dlouhý nebo podrobný vstup může stále vyžadovat jen krátký seznam polí nebo pozorování.
Příprava vstupu
Důraz výrobce na detaily a různé proporce neodstraňuje potřebu čitelného materiálu. Oblast obsahující požadovaný text ponechte zřetelnou. Při oříznutí tabulky zachovejte záhlaví a jednotky potřebné k interpretaci hodnot; při použití více stránek uveďte jejich pořadí a část, kterou je třeba prozkoumat. Uveďte, zda chcete původní znění, shrnutí nebo interpretaci, aby se tyto výsledky nemíchaly.
U videa definujte událost nebo viditelný detail k popisu a požadovanou strukturu odpovědi. Praktický úkol může požadovat sled akcí v ukázce a objekty zapojené do každého kroku. Dokumentovaný výstup je text; karta neuvádí zvuk jako vstup ani řeč jako výstup. Tato vizuální cesta proto nemá sloužit jako důkaz, že byl pochopen přepis mluveného obsahu.
Užitečný opakovatelný postup spočívá v zadání stejných extrakčních polí pro několik obrazů dokumentů, zachování identifikátorů obrazů vedle výsledků a následném porovnání vzniklých záznamů v aplikaci. Další možností je spojit snímek obrazovky s písemným požadavkem a vyžádat si viditelné shody, rozdíly a nevyřešené detaily. V obou případech ponechte zdrojový obraz propojený s každou vrácenou hodnotou, aby bylo možné výsledek prozkoumat.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen-vl-plus | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.00024 / 1K tokenů Výstup · Výstupní tokeny $0.000572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-vl-plus", "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-vl-plus',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-vl-plus',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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen-vl-plus
Použijte cesty metod uvedené výše.
qwen-vl-plusQwen-VL-Plus čte text a detaily v obrazech a propojuje je s písemnou otázkou. Výrobce dokumentuje obrazový a video vstup, textový výstup, obrazy ve vysokém rozlišení a různé poměry stran pro extrakci z dokumentů, vizuální porovnání a vysvětlení scén.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen-VL-Plus je vizuálně-jazyková řada Qwen se zvláštním důrazem na rozpoznávání detailů a textu uvnitř obrazů. Výrobce popisuje podporu obrazů s více než milionem pixelů a různými poměry stran. Model je tak vhodný, pokud odpověď závisí na malém popisku, poli na stránce nebo vztahu mezi textovými a vizuálními prvky, nikoli jen na tématu fotografie.
Aktuální karta výrobce popisuje název qwen-vl-plus bez označení verze jako funkčně ekvivalentní qwen-vl-plus-2025-08-15. V opakovatelném úkolu zachovejte přesný název vydání. Označení Plus, alias Latest a jiná datovaná verze jsou samostatné volby; shodný název rodiny neznamená zaměnitelnost jejich specifikací.
Schopnosti modelu
Výrobce uvádí text, obrazy a video jako vstup a text jako výstup. Textové pokyny mohou model vést ke čtení části dokumentu, popisu objektů, vysvětlení rozvržení nebo odpovědi na otázku o scéně. Rozpoznávání a vysvětlování jsou související úkoly, ale potřebují odlišné požadavky na výstup: přepis má zachovat viditelné znění, zatímco vysvětlení má uvést, jak viditelné detaily souvisejí s otázkou.
Pro extrakci z dokumentu poskytněte čitelnou stránku a určete pole, která se mají vrátit. U formuláře lze požadovat popisky polí a jejich hodnoty; u tabulky požadovaný řádek spolu se záhlavím jeho sloupců. Pokud hodnota není viditelná, definujte výslovné zobrazení chybějící hodnoty. Tento ilustrativní návrh výstupu pomáhá aplikaci odlišit extrahovaný text od odhadnutého doplnění.
Při kontrole rozvržení se ptejte na důležité prvky: kde se popisek nachází, ke kterému objektu patří a jak se dvě verze liší. Každému obrazu přidělte roli a zachovejte stejná kritéria porovnání. Pro vysvětlení na základě snímku obrazovky uveďte cíl uživatele a požádejte o krátký pokyn založený na viditelných ovládacích prvcích. Odpověď je text o rozhraní, nikoli provedená akce.
Tabulky výrobce zahrnují pokračování odpovědi na základě prefixu a ukládání kontextu do mezipaměti. Strukturovaný výstup, dávkové odesílání a jemné dolaďování nejsou zpřístupněny stejným způsobem ve všech konfiguracích výrobce; je třeba je chápat jako možnosti rozhraní, nikoli jako bezpodmínečný důsledek volby názvu Plus. Volání funkcí a vyhledávání na webu nejsou na této kartě uvedeny jako podporované. Požadavek na formátování extrahovaných polí se liší od požadavku na provedení funkce nebo získání nových informací z webu.
Limity kontextu
Publikovaná karta uvádí kontextové okno 131 072 tokenů, maximální vstup 129 024 tokenů a maximální výstup 8 192 tokenů. Reprezentace obrazu nebo videa využívá vstupní kapacitu spolu s otázkou a podpůrným textem. Vizuální materiál a odpověď plánujte samostatně: dlouhý nebo podrobný vstup může stále vyžadovat jen krátký seznam polí nebo pozorování.
Příprava vstupu
Důraz výrobce na detaily a různé proporce neodstraňuje potřebu čitelného materiálu. Oblast obsahující požadovaný text ponechte zřetelnou. Při oříznutí tabulky zachovejte záhlaví a jednotky potřebné k interpretaci hodnot; při použití více stránek uveďte jejich pořadí a část, kterou je třeba prozkoumat. Uveďte, zda chcete původní znění, shrnutí nebo interpretaci, aby se tyto výsledky nemíchaly.
U videa definujte událost nebo viditelný detail k popisu a požadovanou strukturu odpovědi. Praktický úkol může požadovat sled akcí v ukázce a objekty zapojené do každého kroku. Dokumentovaný výstup je text; karta neuvádí zvuk jako vstup ani řeč jako výstup. Tato vizuální cesta proto nemá sloužit jako důkaz, že byl pochopen přepis mluveného obsahu.
Užitečný opakovatelný postup spočívá v zadání stejných extrakčních polí pro několik obrazů dokumentů, zachování identifikátorů obrazů vedle výsledků a následném porovnání vzniklých záznamů v aplikaci. Další možností je spojit snímek obrazovky s písemným požadavkem a vyžádat si viditelné shody, rozdíly a nevyřešené detaily. V obou případech ponechte zdrojový obraz propojený s každou vrácenou hodnotou, aby bylo možné výsledek prozkoumat.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen-vl-plus | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.00024 / 1K tokenů Výstup · Výstupní tokeny $0.000572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-vl-plus', '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-vl-plus', '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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen-vl-plus
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.