Overblik: ræsonnering med grundlag i visuelt input
QVQ-Max er Qwens model til visuel ræsonnering. Producenten beskriver output med trinvis ræsonnering og stærkere evner inden for matematik, programmering, visuel analyse, kreativt arbejde og generelle opgaver. Den særskilte funktionsside angiver tekst-, billed- og videoinput med tekstoutput. Vælg den til et spørgsmål, hvor det visuelle materiale indgår i ræsonneringsproblemet, såsom et diagram, en graf eller en række observerede hændelser.
Den præcise modeludgave
Producenten beskriver aktuelt qvq-max som funktionelt svarende til qvq-max-2025-03-25-versionen. Denne oplysning angiver et udgaveforhold beskrevet af producenten; den ændrer ikke de præcise ID'er, som en applikation bevarer. QVQ-Max bør ikke arve vægtidentitet, parameterantal eller genereringsindstillinger fra QVQ-72B-Preview, QVQ-Plus eller en nyere visuel Qwen-model, blot fordi de har et fælles ræsonneringstema. Et leverandørnavn med suffikset latest fastslår heller ikke i sig selv et fast modelcheckpoint.
Forberedelse af et spørgsmål til visuel ræsonnering
Lever det relevante billede sammen med hele spørgsmålet. Ved et matematisk diagram skal du bevare betegnelser, mål og den ledsagende opgavetekst og derefter spørge, hvilke sammenhænge der følger af den synlige figur, og hvilke der kræver en yderligere antagelse. Bed om et tydeligt afgrænset slutresultat med de værdier og sammenhænge, der blev brugt til at nå frem til det. En nyttig forklaring bør forbinde hver vigtig slutning med noget i det leverede materiale.
Ved en graf skal du bede modellen identificere akser, enheder og dataserier, før den fortolker en tendens. Ved et diagram over en algoritme eller grænseflade skal du angive den tilsigtede adfærd og spørge, hvordan den synlige struktur hænger sammen med den adfærd. Ved et kreativt oplæg skal du skelne mellem en beskrivelse af det, der faktisk er til stede, og foreslåede ændringer eller fortolkninger. Dette er udformede anvendelser af producentens dokumenterede evner inden for matematik, programmering, analyse og skabelse og ikke demonstrationer af, at et bestemt materiale er blevet behandlet med succes.
Video og flere evidenskilder
Video er udtrykkeligt angivet som en inputmodalitet. Ved en anmodning om hændelsesanalyse skal du levere det relevante segment og bede om en forklaring i rækkefølge af, hvad der ændrer sig, hvilken scene der underbygger konklusionen, og hvad der fortsat er usikkert. Hvis inputtet indeholder tidsoplysninger, skal du angive, hvordan resultatet skal henvise til dem. Den konkrete modelside fastslår ikke en universel videolængde, et antal videobilleder eller en præcision for tidsstempler, så disse egenskaber bør ikke overtages fra en anden Qwen-familie.
Når spørgsmålet bruger flere billeder eller tekstafsnit, skal du mærke dem og forklare det forhold, modellen skal undersøge. Bed om et resultat organiseret efter disse betegnelser, så en kontrollant kan se, hvilken evidens der underbygger hvert punkt. Et ræsonneringssvar bør kunne skelnes fra det endelige svar; en udførlig forklaring er kun nyttig, når dens påstande kan kontrolleres mod kilden.
Grænser for kontekst og svar
Specifikationen angiver et kontekstvindue på 131.072 tokens, en maksimal inputlængde på 106.496 tokens og en maksimal outputlængde på 8.192 tokens. Bevar disse som adskilte værdier frem for at udlede en udokumenteret pulje af ræsonneringstokens af forskellen mellem dem. Tekst, repræsenteret visuelt materiale og genereret indhold skal overholde de gældende sekvens- og outputgrænser.
Ved en informationstæt side eller et diagram skal du gøre de relevante detaljer læsbare før indsendelsen og bevare hele den opgavetekst, slutningen kræver. Ved en lang kilde skal du vælge materialet knyttet til spørgsmålet og reservere tilstrækkelig svarplads til en konklusion med underbyggende evidens. Tokenspecifikationen giver ikke en ubegrænset kapacitet til visuelt input eller en garanti for, at hver detalje huskes.
Værktøjer, formatering og indholdsmæssige begrænsninger
Den konkrete funktionsmatrix angiver funktionskald, indbygget websøgning og håndhævet struktureret output som ikke understøttet. QVQ-Max' visuelle ræsonnering bør derfor ikke præsenteres som automatisk browserstyring, et værktøj til ekstern kodekørsel eller en kilde til aktuelle oplysninger. En prompt kan bede om en tabel eller et tekstresultat i JSON-form, men denne anmodning skaber ikke en aftale om skemahåndhævelse.
Den særskilte modelside offentliggør ikke en modelspecifik indstilling til hybrid ræsonnering eller et parameterantal. Bevar den dokumenterede identitet som model til visuel ræsonnering frem for at overtage indstillinger eller størrelsespåstande fra et andet checkpoint. Kontroller små betegnelser, udtrukne tal, udledte sammenhænge og kodeforslag mod kilden. Det praktiske output er en forklaret visuel konklusion eller et udkast baseret på det materiale, brugeren leverer.
", "aboutText": "Overblik: ræsonnering med grundlag i visuelt input\n\nQVQ-Max er Qwens model til visuel ræsonnering. Producenten beskriver output med trinvis ræsonnering og stærkere evner inden for matematik, programmering, visuel analyse, kreativt arbejde og generelle opgaver. Den særskilte funktionsside angiver tekst-, billed- og videoinput med tekstoutput. Vælg den til et spørgsmål, hvor det visuelle materiale indgår i ræsonneringsproblemet, såsom et diagram, en graf eller en række observerede hændelser.\n\nDen præcise modeludgave\n\nProducenten beskriver aktuelt qvq-max som funktionelt svarende til qvq-max-2025-03-25-versionen. Denne oplysning angiver et udgaveforhold beskrevet af producenten; den ændrer ikke de præcise ID'er, som en applikation bevarer. QVQ-Max bør ikke arve vægtidentitet, parameterantal eller genereringsindstillinger fra QVQ-72B-Preview, QVQ-Plus eller en nyere visuel Qwen-model, blot fordi de har et fælles ræsonneringstema. Et leverandørnavn med suffikset latest fastslår heller ikke i sig selv et fast modelcheckpoint.\n\nForberedelse af et spørgsmål til visuel ræsonnering\n\nLever det relevante billede sammen med hele spørgsmålet. Ved et matematisk diagram skal du bevare betegnelser, mål og den ledsagende opgavetekst og derefter spørge, hvilke sammenhænge der følger af den synlige figur, og hvilke der kræver en yderligere antagelse. Bed om et tydeligt afgrænset slutresultat med de værdier og sammenhænge, der blev brugt til at nå frem til det. En nyttig forklaring bør forbinde hver vigtig slutning med noget i det leverede materiale.\n\nVed en graf skal du bede modellen identificere akser, enheder og dataserier, før den fortolker en tendens. Ved et diagram over en algoritme eller grænseflade skal du angive den tilsigtede adfærd og spørge, hvordan den synlige struktur hænger sammen med den adfærd. Ved et kreativt oplæg skal du skelne mellem en beskrivelse af det, der faktisk er til stede, og foreslåede ændringer eller fortolkninger. Dette er udformede anvendelser af producentens dokumenterede evner inden for matematik, programmering, analyse og skabelse og ikke demonstrationer af, at et bestemt materiale er blevet behandlet med succes.\n\nVideo og flere evidenskilder\n\nVideo er udtrykkeligt angivet som en inputmodalitet. Ved en anmodning om hændelsesanalyse skal du levere det relevante segment og bede om en forklaring i rækkefølge af, hvad der ændrer sig, hvilken scene der underbygger konklusionen, og hvad der fortsat er usikkert. Hvis inputtet indeholder tidsoplysninger, skal du angive, hvordan resultatet skal henvise til dem. Den konkrete modelside fastslår ikke en universel videolængde, et antal videobilleder eller en præcision for tidsstempler, så disse egenskaber bør ikke overtages fra en anden Qwen-familie.\n\nNår spørgsmålet bruger flere billeder eller tekstafsnit, skal du mærke dem og forklare det forhold, modellen skal undersøge. Bed om et resultat organiseret efter disse betegnelser, så en kontrollant kan se, hvilken evidens der underbygger hvert punkt. Et ræsonneringssvar bør kunne skelnes fra det endelige svar; en udførlig forklaring er kun nyttig, når dens påstande kan kontrolleres mod kilden.\n\nGrænser for kontekst og svar\n\nSpecifikationen angiver et kontekstvindue på 131.072 tokens, en maksimal inputlængde på 106.496 tokens og en maksimal outputlængde på 8.192 tokens. Bevar disse som adskilte værdier frem for at udlede en udokumenteret pulje af ræsonneringstokens af forskellen mellem dem. Tekst, repræsenteret visuelt materiale og genereret indhold skal overholde de gældende sekvens- og outputgrænser.\n\nVed en informationstæt side eller et diagram skal du gøre de relevante detaljer læsbare før indsendelsen og bevare hele den opgavetekst, slutningen kræver. Ved en lang kilde skal du vælge materialet knyttet til spørgsmålet og reservere tilstrækkelig svarplads til en konklusion med underbyggende evidens. Tokenspecifikationen giver ikke en ubegrænset kapacitet til visuelt input eller en garanti for, at hver detalje huskes.\n\nVærktøjer, formatering og indholdsmæssige begrænsninger\n\nDen konkrete funktionsmatrix angiver funktionskald, indbygget websøgning og håndhævet struktureret output som ikke understøttet. QVQ-Max' visuelle ræsonnering bør derfor ikke præsenteres som automatisk browserstyring, et værktøj til ekstern kodekørsel eller en kilde til aktuelle oplysninger. En prompt kan bede om en tabel eller et tekstresultat i JSON-form, men denne anmodning skaber ikke en aftale om skemahåndhævelse.\n\nDen særskilte modelside offentliggør ikke en modelspecifik indstilling til hybrid ræsonnering eller et parameterantal. Bevar den dokumenterede identitet som model til visuel ræsonnering frem for at overtage indstillinger eller størrelsespåstande fra et andet checkpoint. Kontroller små betegnelser, udtrukne tal, udledte sammenhænge og kodeforslag mod kilden. Det praktiske output er en forklaret visuel konklusion eller et udkast baseret på det materiale, brugeren leverer.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Reason from a written geometric diagram\n\nUse this textual description of a diagram: rectangle ABCD has adjacent sides AB=6 cm and BC=8 cm; diagonal AC is drawn. Find AC and the area of triangle ABC. Give the relationships and calculations supporting each result. Explain which stated geometric property makes the calculation valid; do not assume any extra marked lengths.A concise derivation, two clearly delimited results with units and the relevant rectangle property.Check the diagonal and triangle-area calculations use the stated right angle and correct units.qvq-maxQVQ-Max er Qwens model til visuel ræsonnering med tekst, billeder og video, som returnerer tekst med en forklaret løsning. Brug den til matematiske diagrammer, visuel analyse, programmeringsrelaterede billeder og kreativ fortolkning; specifikationen angiver en kontekst på 131.072 tokens og en outputgrænse på 8.192 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Overblik: ræsonnering med grundlag i visuelt input
QVQ-Max er Qwens model til visuel ræsonnering. Producenten beskriver output med trinvis ræsonnering og stærkere evner inden for matematik, programmering, visuel analyse, kreativt arbejde og generelle opgaver. Den særskilte funktionsside angiver tekst-, billed- og videoinput med tekstoutput. Vælg den til et spørgsmål, hvor det visuelle materiale indgår i ræsonneringsproblemet, såsom et diagram, en graf eller en række observerede hændelser.
Den præcise modeludgave
Producenten beskriver aktuelt qvq-max som funktionelt svarende til qvq-max-2025-03-25-versionen. Denne oplysning angiver et udgaveforhold beskrevet af producenten; den ændrer ikke de præcise ID'er, som en applikation bevarer. QVQ-Max bør ikke arve vægtidentitet, parameterantal eller genereringsindstillinger fra QVQ-72B-Preview, QVQ-Plus eller en nyere visuel Qwen-model, blot fordi de har et fælles ræsonneringstema. Et leverandørnavn med suffikset latest fastslår heller ikke i sig selv et fast modelcheckpoint.
Forberedelse af et spørgsmål til visuel ræsonnering
Lever det relevante billede sammen med hele spørgsmålet. Ved et matematisk diagram skal du bevare betegnelser, mål og den ledsagende opgavetekst og derefter spørge, hvilke sammenhænge der følger af den synlige figur, og hvilke der kræver en yderligere antagelse. Bed om et tydeligt afgrænset slutresultat med de værdier og sammenhænge, der blev brugt til at nå frem til det. En nyttig forklaring bør forbinde hver vigtig slutning med noget i det leverede materiale.
Ved en graf skal du bede modellen identificere akser, enheder og dataserier, før den fortolker en tendens. Ved et diagram over en algoritme eller grænseflade skal du angive den tilsigtede adfærd og spørge, hvordan den synlige struktur hænger sammen med den adfærd. Ved et kreativt oplæg skal du skelne mellem en beskrivelse af det, der faktisk er til stede, og foreslåede ændringer eller fortolkninger. Dette er udformede anvendelser af producentens dokumenterede evner inden for matematik, programmering, analyse og skabelse og ikke demonstrationer af, at et bestemt materiale er blevet behandlet med succes.
Video og flere evidenskilder
Video er udtrykkeligt angivet som en inputmodalitet. Ved en anmodning om hændelsesanalyse skal du levere det relevante segment og bede om en forklaring i rækkefølge af, hvad der ændrer sig, hvilken scene der underbygger konklusionen, og hvad der fortsat er usikkert. Hvis inputtet indeholder tidsoplysninger, skal du angive, hvordan resultatet skal henvise til dem. Den konkrete modelside fastslår ikke en universel videolængde, et antal videobilleder eller en præcision for tidsstempler, så disse egenskaber bør ikke overtages fra en anden Qwen-familie.
Når spørgsmålet bruger flere billeder eller tekstafsnit, skal du mærke dem og forklare det forhold, modellen skal undersøge. Bed om et resultat organiseret efter disse betegnelser, så en kontrollant kan se, hvilken evidens der underbygger hvert punkt. Et ræsonneringssvar bør kunne skelnes fra det endelige svar; en udførlig forklaring er kun nyttig, når dens påstande kan kontrolleres mod kilden.
Grænser for kontekst og svar
Specifikationen angiver et kontekstvindue på 131.072 tokens, en maksimal inputlængde på 106.496 tokens og en maksimal outputlængde på 8.192 tokens. Bevar disse som adskilte værdier frem for at udlede en udokumenteret pulje af ræsonneringstokens af forskellen mellem dem. Tekst, repræsenteret visuelt materiale og genereret indhold skal overholde de gældende sekvens- og outputgrænser.
Ved en informationstæt side eller et diagram skal du gøre de relevante detaljer læsbare før indsendelsen og bevare hele den opgavetekst, slutningen kræver. Ved en lang kilde skal du vælge materialet knyttet til spørgsmålet og reservere tilstrækkelig svarplads til en konklusion med underbyggende evidens. Tokenspecifikationen giver ikke en ubegrænset kapacitet til visuelt input eller en garanti for, at hver detalje huskes.
Værktøjer, formatering og indholdsmæssige begrænsninger
Den konkrete funktionsmatrix angiver funktionskald, indbygget websøgning og håndhævet struktureret output som ikke understøttet. QVQ-Max' visuelle ræsonnering bør derfor ikke præsenteres som automatisk browserstyring, et værktøj til ekstern kodekørsel eller en kilde til aktuelle oplysninger. En prompt kan bede om en tabel eller et tekstresultat i JSON-form, men denne anmodning skaber ikke en aftale om skemahåndhævelse.
Den særskilte modelside offentliggør ikke en modelspecifik indstilling til hybrid ræsonnering eller et parameterantal. Bevar den dokumenterede identitet som model til visuel ræsonnering frem for at overtage indstillinger eller størrelsespåstande fra et andet checkpoint. Kontroller små betegnelser, udtrukne tal, udledte sammenhænge og kodeforslag mod kilden. Det praktiske output er en forklaret visuel konklusion eller et udkast baseret på det materiale, brugeren leverer.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qvq-max | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0023 / 1K tokens Output · Outputtokens $0.00916 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-max", "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='qvq-max',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='qvq-max',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qvq-max
Brug metodestierne vist ovenfor.
qvq-maxQVQ-Max er Qwens model til visuel ræsonnering med tekst, billeder og video, som returnerer tekst med en forklaret løsning. Brug den til matematiske diagrammer, visuel analyse, programmeringsrelaterede billeder og kreativ fortolkning; specifikationen angiver en kontekst på 131.072 tokens og en outputgrænse på 8.192 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Overblik: ræsonnering med grundlag i visuelt input
QVQ-Max er Qwens model til visuel ræsonnering. Producenten beskriver output med trinvis ræsonnering og stærkere evner inden for matematik, programmering, visuel analyse, kreativt arbejde og generelle opgaver. Den særskilte funktionsside angiver tekst-, billed- og videoinput med tekstoutput. Vælg den til et spørgsmål, hvor det visuelle materiale indgår i ræsonneringsproblemet, såsom et diagram, en graf eller en række observerede hændelser.
Den præcise modeludgave
Producenten beskriver aktuelt qvq-max som funktionelt svarende til qvq-max-2025-03-25-versionen. Denne oplysning angiver et udgaveforhold beskrevet af producenten; den ændrer ikke de præcise ID'er, som en applikation bevarer. QVQ-Max bør ikke arve vægtidentitet, parameterantal eller genereringsindstillinger fra QVQ-72B-Preview, QVQ-Plus eller en nyere visuel Qwen-model, blot fordi de har et fælles ræsonneringstema. Et leverandørnavn med suffikset latest fastslår heller ikke i sig selv et fast modelcheckpoint.
Forberedelse af et spørgsmål til visuel ræsonnering
Lever det relevante billede sammen med hele spørgsmålet. Ved et matematisk diagram skal du bevare betegnelser, mål og den ledsagende opgavetekst og derefter spørge, hvilke sammenhænge der følger af den synlige figur, og hvilke der kræver en yderligere antagelse. Bed om et tydeligt afgrænset slutresultat med de værdier og sammenhænge, der blev brugt til at nå frem til det. En nyttig forklaring bør forbinde hver vigtig slutning med noget i det leverede materiale.
Ved en graf skal du bede modellen identificere akser, enheder og dataserier, før den fortolker en tendens. Ved et diagram over en algoritme eller grænseflade skal du angive den tilsigtede adfærd og spørge, hvordan den synlige struktur hænger sammen med den adfærd. Ved et kreativt oplæg skal du skelne mellem en beskrivelse af det, der faktisk er til stede, og foreslåede ændringer eller fortolkninger. Dette er udformede anvendelser af producentens dokumenterede evner inden for matematik, programmering, analyse og skabelse og ikke demonstrationer af, at et bestemt materiale er blevet behandlet med succes.
Video og flere evidenskilder
Video er udtrykkeligt angivet som en inputmodalitet. Ved en anmodning om hændelsesanalyse skal du levere det relevante segment og bede om en forklaring i rækkefølge af, hvad der ændrer sig, hvilken scene der underbygger konklusionen, og hvad der fortsat er usikkert. Hvis inputtet indeholder tidsoplysninger, skal du angive, hvordan resultatet skal henvise til dem. Den konkrete modelside fastslår ikke en universel videolængde, et antal videobilleder eller en præcision for tidsstempler, så disse egenskaber bør ikke overtages fra en anden Qwen-familie.
Når spørgsmålet bruger flere billeder eller tekstafsnit, skal du mærke dem og forklare det forhold, modellen skal undersøge. Bed om et resultat organiseret efter disse betegnelser, så en kontrollant kan se, hvilken evidens der underbygger hvert punkt. Et ræsonneringssvar bør kunne skelnes fra det endelige svar; en udførlig forklaring er kun nyttig, når dens påstande kan kontrolleres mod kilden.
Grænser for kontekst og svar
Specifikationen angiver et kontekstvindue på 131.072 tokens, en maksimal inputlængde på 106.496 tokens og en maksimal outputlængde på 8.192 tokens. Bevar disse som adskilte værdier frem for at udlede en udokumenteret pulje af ræsonneringstokens af forskellen mellem dem. Tekst, repræsenteret visuelt materiale og genereret indhold skal overholde de gældende sekvens- og outputgrænser.
Ved en informationstæt side eller et diagram skal du gøre de relevante detaljer læsbare før indsendelsen og bevare hele den opgavetekst, slutningen kræver. Ved en lang kilde skal du vælge materialet knyttet til spørgsmålet og reservere tilstrækkelig svarplads til en konklusion med underbyggende evidens. Tokenspecifikationen giver ikke en ubegrænset kapacitet til visuelt input eller en garanti for, at hver detalje huskes.
Værktøjer, formatering og indholdsmæssige begrænsninger
Den konkrete funktionsmatrix angiver funktionskald, indbygget websøgning og håndhævet struktureret output som ikke understøttet. QVQ-Max' visuelle ræsonnering bør derfor ikke præsenteres som automatisk browserstyring, et værktøj til ekstern kodekørsel eller en kilde til aktuelle oplysninger. En prompt kan bede om en tabel eller et tekstresultat i JSON-form, men denne anmodning skaber ikke en aftale om skemahåndhævelse.
Den særskilte modelside offentliggør ikke en modelspecifik indstilling til hybrid ræsonnering eller et parameterantal. Bevar den dokumenterede identitet som model til visuel ræsonnering frem for at overtage indstillinger eller størrelsespåstande fra et andet checkpoint. Kontroller små betegnelser, udtrukne tal, udledte sammenhænge og kodeforslag mod kilden. Det praktiske output er en forklaret visuel konklusion eller et udkast baseret på det materiale, brugeren leverer.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qvq-max | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0023 / 1K tokens Output · Outputtokens $0.00916 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qvq-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qvq-max', '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': 'qvq-max', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qvq-max
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Reason from a written geometric diagram\n\nUse this textual description of a diagram: rectangle ABCD has adjacent sides AB=6 cm and BC=8 cm; diagonal AC is drawn. Find AC and the area of triangle ABC. Give the relationships and calculations supporting each result. Explain which stated geometric property makes the calculation valid; do not assume any extra marked lengths.A concise derivation, two clearly delimited results with units and the relevant rectangle property.Check the diagonal and triangle-area calculations use the stated right angle and correct units.