Qwen-VL-Max ist die Qwen-Modelllinie für visuelles und textuelles Verständnis bei Fragen, die mehr als das Erkennen eines Objekts erfordern. Der Hersteller richtet Max auf visuelles Schlussfolgern und das Befolgen von Anweisungen aus: sichtbare Belege mit den Bedingungen des Nutzers verbinden, Beziehungen erklären und für eine komplexere visuelle Aufgabe ein Textergebnis erstellen. Gegenüber der Plus-Linie legt diese Beschreibung mehr Gewicht auf Schlussfolgern und Interpretation.
Die aktuelle Modellkarte des Herstellers verknüpft den Namen qwen-vl-max ohne Versionsangabe mit qwen-vl-max-2025-08-13. Der fortlaufend aktualisierte Name folgt den Updates, während ein datierter Name eine bestimmte Version kennzeichnet. Behalten Sie beim Vergleichen von Eingaben und Ergebnissen den genauen Namen bei; andere benannte Editionen können unterschiedliche dokumentierte Spezifikationen haben.
Modellfähigkeiten
Die dokumentierten Eingaben umfassen Text, Bilder und Video; die Ausgabe ist Text. Das visuelle Material kann eine Dokumentseite, ein Diagramm, eine Szene oder eine Folge von Einzelbildern sein. Die Textfrage bestimmt, was das Modell anhand dieses Materials feststellen soll. Das Ergebnis kann Belege beschreiben, eine Beziehung erklären oder Erkenntnisse in Feldern anordnen; das Modell ist keine Edition zur Bild- oder Videogenerierung.
Geben Sie bei einem Diagramm den gewünschten Vergleich an, statt nach einer allgemeinen Beschreibung zu fragen. Stellen Sie das Bild bereit und fragen Sie, welche sichtbare Datenreihe ansteigt, was die Beschriftungen bedeuten und welche Beobachtungen die Schlussfolgerung stützen. Fordern Sie getrennte Teile für direkt sichtbare Daten und die Erklärung an. Benennen Sie bei einem Prozessdiagramm die Start- und Endbedingungen und fragen Sie nach den Verbindungen zwischen den Phasen, wobei die ursprünglichen Beschriftungen erhalten bleiben sollen.
Geben Sie bei einem Screenshot das Ziel des Nutzers an und fragen Sie nach den sichtbaren Bedienelementen und dem nächsten möglichen Schritt. Daraus entsteht eine schriftliche Interpretation der Oberfläche. Jeder tatsächliche Klick, jede Dateiänderung oder externe Aktion bleibt Aufgabe der umgebenden Anwendung; visuelles Verständnis allein ist kein Ablauf zur Computersteuerung.
Die Herstellerkarte dokumentiert strukturierte Ausgabe, die Fortsetzung eines Antwortpräfixes und Kontext-Caching. Diese Funktionen können helfen, wiederholte visuelle Analysen um eine gleichbleibende Ausgabestruktur herum zu organisieren. Die Batch-Einreichung unterscheidet sich je nach Herstellerkonfiguration; Funktionsaufrufe, Websuche und Fine-Tuning sind auf dieser Karte hingegen nicht als unterstützt aufgeführt. Eine strukturierte Textantwort darf daher nicht mit einem ausgeführten Werkzeugaufruf oder einer Online-Suche verwechselt werden.
Kontextgrenzen
Die benannte Karte nennt ein Kontextfenster von 131.072 Tokens, eine maximale Eingabe von 129.024 Tokens und eine maximale Ausgabe von 8.192 Tokens. Visuelle Eingaben und die Textaufgabe verbrauchen gemeinsam das verfügbare Eingabebudget. Die Antwort ist unabhängig davon begrenzt; eine große Sammlung visuellen Materials bedeutet daher keine ebenso große Ausgabe.
Wählen Sie Bilder oder Einzelbilder aus, die die tatsächliche Frage beantworten. Bewahren Sie die Diagrammlegende, Spaltenüberschriften oder Diagrammbeschriftungen, die zum Interpretieren eines zugeschnittenen Bereichs benötigt werden. Kennzeichnen Sie beim Vergleich mehrerer Materialien deren Reihenfolge und Rolle: der bestehende Entwurf, der überarbeitete Entwurf und die Referenzanforderung. Ein nützliches schriftliches Ergebnis kann übereinstimmende Elemente, Unterschiede und Fragen aufführen, die anhand der bereitgestellten Belege offenbleiben.
Mit Video arbeiten
Die Videoeingabe ermöglicht Fragen zu sichtbaren Ereignissen und deren Reihenfolge. Fragen Sie, was sich zwischen Einzelbildern verändert, welche Beteiligten miteinander interagieren oder welche sichtbare Bedingung vor einer anderen auftritt. Legen Sie die erforderliche Ausgabe fest, beispielsweise eine geordnete Ereignisbeschreibung mit den Beobachtungen, die jeden Punkt stützen. Die Karte führt Videoeingabe und Textausgabe auf, keine Audioeingabe oder Sprachausgabe; für eine Frage zu gesprochenem Inhalt muss dieser separat bereitgestellt werden.
Eine praktische Aufgabe kann einen Demonstrationsclip mit seiner schriftlichen Verfahrensbeschreibung vergleichen: Stellen Sie das visuelle Material und die relevanten Schritte bereit, fragen Sie, welche Schritte sichtbar dargestellt werden, und fordern Sie eine knappe Liste von Abweichungen an. Geben Sie an, auf welchen Verfahrensschritt sich jede Beobachtung bezieht, und halten Sie unklare Schritte in einem getrennten Teil der Antwort fest.
Relevante Grenzen dieser Edition
Der Schwerpunkt von Max auf visuellem Schlussfolgern ist nützlich, wenn die Aufgabe vom Interpretieren von Beziehungen und vom Befolgen einer komplexen visuellen Anweisung abhängt. Das dokumentierte Ergebnis ist Text. Halten Sie die Eingabe lesbar, benennen Sie die benötigte Schlussfolgerung und unterscheiden Sie sichtbare Belege von Schlussfolgerungen, die das Modell laut Aufgabe ziehen soll. Diese Vorbereitung macht aus einer visuellen Frage eine nutzbare Erklärung oder einen Vergleich statt einer ungezielten Szenenzusammenfassung.
", "aboutText": "Qwen-VL-Max ist die Qwen-Modelllinie für visuelles und textuelles Verständnis bei Fragen, die mehr als das Erkennen eines Objekts erfordern. Der Hersteller richtet Max auf visuelles Schlussfolgern und das Befolgen von Anweisungen aus: sichtbare Belege mit den Bedingungen des Nutzers verbinden, Beziehungen erklären und für eine komplexere visuelle Aufgabe ein Textergebnis erstellen. Gegenüber der Plus-Linie legt diese Beschreibung mehr Gewicht auf Schlussfolgern und Interpretation.\n\nDie aktuelle Modellkarte des Herstellers verknüpft den Namen qwen-vl-max ohne Versionsangabe mit qwen-vl-max-2025-08-13. Der fortlaufend aktualisierte Name folgt den Updates, während ein datierter Name eine bestimmte Version kennzeichnet. Behalten Sie beim Vergleichen von Eingaben und Ergebnissen den genauen Namen bei; andere benannte Editionen können unterschiedliche dokumentierte Spezifikationen haben.\n\nModellfähigkeiten\n\nDie dokumentierten Eingaben umfassen Text, Bilder und Video; die Ausgabe ist Text. Das visuelle Material kann eine Dokumentseite, ein Diagramm, eine Szene oder eine Folge von Einzelbildern sein. Die Textfrage bestimmt, was das Modell anhand dieses Materials feststellen soll. Das Ergebnis kann Belege beschreiben, eine Beziehung erklären oder Erkenntnisse in Feldern anordnen; das Modell ist keine Edition zur Bild- oder Videogenerierung.\n\nGeben Sie bei einem Diagramm den gewünschten Vergleich an, statt nach einer allgemeinen Beschreibung zu fragen. Stellen Sie das Bild bereit und fragen Sie, welche sichtbare Datenreihe ansteigt, was die Beschriftungen bedeuten und welche Beobachtungen die Schlussfolgerung stützen. Fordern Sie getrennte Teile für direkt sichtbare Daten und die Erklärung an. Benennen Sie bei einem Prozessdiagramm die Start- und Endbedingungen und fragen Sie nach den Verbindungen zwischen den Phasen, wobei die ursprünglichen Beschriftungen erhalten bleiben sollen.\n\nGeben Sie bei einem Screenshot das Ziel des Nutzers an und fragen Sie nach den sichtbaren Bedienelementen und dem nächsten möglichen Schritt. Daraus entsteht eine schriftliche Interpretation der Oberfläche. Jeder tatsächliche Klick, jede Dateiänderung oder externe Aktion bleibt Aufgabe der umgebenden Anwendung; visuelles Verständnis allein ist kein Ablauf zur Computersteuerung.\n\nDie Herstellerkarte dokumentiert strukturierte Ausgabe, die Fortsetzung eines Antwortpräfixes und Kontext-Caching. Diese Funktionen können helfen, wiederholte visuelle Analysen um eine gleichbleibende Ausgabestruktur herum zu organisieren. Die Batch-Einreichung unterscheidet sich je nach Herstellerkonfiguration; Funktionsaufrufe, Websuche und Fine-Tuning sind auf dieser Karte hingegen nicht als unterstützt aufgeführt. Eine strukturierte Textantwort darf daher nicht mit einem ausgeführten Werkzeugaufruf oder einer Online-Suche verwechselt werden.\n\nKontextgrenzen\n\nDie benannte Karte nennt ein Kontextfenster von 131.072 Tokens, eine maximale Eingabe von 129.024 Tokens und eine maximale Ausgabe von 8.192 Tokens. Visuelle Eingaben und die Textaufgabe verbrauchen gemeinsam das verfügbare Eingabebudget. Die Antwort ist unabhängig davon begrenzt; eine große Sammlung visuellen Materials bedeutet daher keine ebenso große Ausgabe.\n\nWählen Sie Bilder oder Einzelbilder aus, die die tatsächliche Frage beantworten. Bewahren Sie die Diagrammlegende, Spaltenüberschriften oder Diagrammbeschriftungen, die zum Interpretieren eines zugeschnittenen Bereichs benötigt werden. Kennzeichnen Sie beim Vergleich mehrerer Materialien deren Reihenfolge und Rolle: der bestehende Entwurf, der überarbeitete Entwurf und die Referenzanforderung. Ein nützliches schriftliches Ergebnis kann übereinstimmende Elemente, Unterschiede und Fragen aufführen, die anhand der bereitgestellten Belege offenbleiben.\n\nMit Video arbeiten\n\nDie Videoeingabe ermöglicht Fragen zu sichtbaren Ereignissen und deren Reihenfolge. Fragen Sie, was sich zwischen Einzelbildern verändert, welche Beteiligten miteinander interagieren oder welche sichtbare Bedingung vor einer anderen auftritt. Legen Sie die erforderliche Ausgabe fest, beispielsweise eine geordnete Ereignisbeschreibung mit den Beobachtungen, die jeden Punkt stützen. Die Karte führt Videoeingabe und Textausgabe auf, keine Audioeingabe oder Sprachausgabe; für eine Frage zu gesprochenem Inhalt muss dieser separat bereitgestellt werden.\n\nEine praktische Aufgabe kann einen Demonstrationsclip mit seiner schriftlichen Verfahrensbeschreibung vergleichen: Stellen Sie das visuelle Material und die relevanten Schritte bereit, fragen Sie, welche Schritte sichtbar dargestellt werden, und fordern Sie eine knappe Liste von Abweichungen an. Geben Sie an, auf welchen Verfahrensschritt sich jede Beobachtung bezieht, und halten Sie unklare Schritte in einem getrennten Teil der Antwort fest.\n\nRelevante Grenzen dieser Edition\n\nDer Schwerpunkt von Max auf visuellem Schlussfolgern ist nützlich, wenn die Aufgabe vom Interpretieren von Beziehungen und vom Befolgen einer komplexen visuellen Anweisung abhängt. Das dokumentierte Ergebnis ist Text. Halten Sie die Eingabe lesbar, benennen Sie die benötigte Schlussfolgerung und unterscheiden Sie sichtbare Belege von Schlussfolgerungen, die das Modell laut Aufgabe ziehen soll. Diese Vorbereitung macht aus einer visuellen Frage eine nutzbare Erklärung oder einen Vergleich statt einer ungezielten Szenenzusammenfassung.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.qwen-vl-maxQwen-VL-Max verbindet Text, Bilder und Video mit visuellem Schlussfolgern und dem Befolgen von Anweisungen. Es liefert Erklärungen in Textform oder strukturierte Erkenntnisse und ist auf komplexe visuelle Fragen, Dokumentanalysen und Beziehungen innerhalb einer Szene ausgerichtet.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen-VL-Max ist die Qwen-Modelllinie für visuelles und textuelles Verständnis bei Fragen, die mehr als das Erkennen eines Objekts erfordern. Der Hersteller richtet Max auf visuelles Schlussfolgern und das Befolgen von Anweisungen aus: sichtbare Belege mit den Bedingungen des Nutzers verbinden, Beziehungen erklären und für eine komplexere visuelle Aufgabe ein Textergebnis erstellen. Gegenüber der Plus-Linie legt diese Beschreibung mehr Gewicht auf Schlussfolgern und Interpretation.
Die aktuelle Modellkarte des Herstellers verknüpft den Namen qwen-vl-max ohne Versionsangabe mit qwen-vl-max-2025-08-13. Der fortlaufend aktualisierte Name folgt den Updates, während ein datierter Name eine bestimmte Version kennzeichnet. Behalten Sie beim Vergleichen von Eingaben und Ergebnissen den genauen Namen bei; andere benannte Editionen können unterschiedliche dokumentierte Spezifikationen haben.
Modellfähigkeiten
Die dokumentierten Eingaben umfassen Text, Bilder und Video; die Ausgabe ist Text. Das visuelle Material kann eine Dokumentseite, ein Diagramm, eine Szene oder eine Folge von Einzelbildern sein. Die Textfrage bestimmt, was das Modell anhand dieses Materials feststellen soll. Das Ergebnis kann Belege beschreiben, eine Beziehung erklären oder Erkenntnisse in Feldern anordnen; das Modell ist keine Edition zur Bild- oder Videogenerierung.
Geben Sie bei einem Diagramm den gewünschten Vergleich an, statt nach einer allgemeinen Beschreibung zu fragen. Stellen Sie das Bild bereit und fragen Sie, welche sichtbare Datenreihe ansteigt, was die Beschriftungen bedeuten und welche Beobachtungen die Schlussfolgerung stützen. Fordern Sie getrennte Teile für direkt sichtbare Daten und die Erklärung an. Benennen Sie bei einem Prozessdiagramm die Start- und Endbedingungen und fragen Sie nach den Verbindungen zwischen den Phasen, wobei die ursprünglichen Beschriftungen erhalten bleiben sollen.
Geben Sie bei einem Screenshot das Ziel des Nutzers an und fragen Sie nach den sichtbaren Bedienelementen und dem nächsten möglichen Schritt. Daraus entsteht eine schriftliche Interpretation der Oberfläche. Jeder tatsächliche Klick, jede Dateiänderung oder externe Aktion bleibt Aufgabe der umgebenden Anwendung; visuelles Verständnis allein ist kein Ablauf zur Computersteuerung.
Die Herstellerkarte dokumentiert strukturierte Ausgabe, die Fortsetzung eines Antwortpräfixes und Kontext-Caching. Diese Funktionen können helfen, wiederholte visuelle Analysen um eine gleichbleibende Ausgabestruktur herum zu organisieren. Die Batch-Einreichung unterscheidet sich je nach Herstellerkonfiguration; Funktionsaufrufe, Websuche und Fine-Tuning sind auf dieser Karte hingegen nicht als unterstützt aufgeführt. Eine strukturierte Textantwort darf daher nicht mit einem ausgeführten Werkzeugaufruf oder einer Online-Suche verwechselt werden.
Kontextgrenzen
Die benannte Karte nennt ein Kontextfenster von 131.072 Tokens, eine maximale Eingabe von 129.024 Tokens und eine maximale Ausgabe von 8.192 Tokens. Visuelle Eingaben und die Textaufgabe verbrauchen gemeinsam das verfügbare Eingabebudget. Die Antwort ist unabhängig davon begrenzt; eine große Sammlung visuellen Materials bedeutet daher keine ebenso große Ausgabe.
Wählen Sie Bilder oder Einzelbilder aus, die die tatsächliche Frage beantworten. Bewahren Sie die Diagrammlegende, Spaltenüberschriften oder Diagrammbeschriftungen, die zum Interpretieren eines zugeschnittenen Bereichs benötigt werden. Kennzeichnen Sie beim Vergleich mehrerer Materialien deren Reihenfolge und Rolle: der bestehende Entwurf, der überarbeitete Entwurf und die Referenzanforderung. Ein nützliches schriftliches Ergebnis kann übereinstimmende Elemente, Unterschiede und Fragen aufführen, die anhand der bereitgestellten Belege offenbleiben.
Mit Video arbeiten
Die Videoeingabe ermöglicht Fragen zu sichtbaren Ereignissen und deren Reihenfolge. Fragen Sie, was sich zwischen Einzelbildern verändert, welche Beteiligten miteinander interagieren oder welche sichtbare Bedingung vor einer anderen auftritt. Legen Sie die erforderliche Ausgabe fest, beispielsweise eine geordnete Ereignisbeschreibung mit den Beobachtungen, die jeden Punkt stützen. Die Karte führt Videoeingabe und Textausgabe auf, keine Audioeingabe oder Sprachausgabe; für eine Frage zu gesprochenem Inhalt muss dieser separat bereitgestellt werden.
Eine praktische Aufgabe kann einen Demonstrationsclip mit seiner schriftlichen Verfahrensbeschreibung vergleichen: Stellen Sie das visuelle Material und die relevanten Schritte bereit, fragen Sie, welche Schritte sichtbar dargestellt werden, und fordern Sie eine knappe Liste von Abweichungen an. Geben Sie an, auf welchen Verfahrensschritt sich jede Beobachtung bezieht, und halten Sie unklare Schritte in einem getrennten Teil der Antwort fest.
Relevante Grenzen dieser Edition
Der Schwerpunkt von Max auf visuellem Schlussfolgern ist nützlich, wenn die Aufgabe vom Interpretieren von Beziehungen und vom Befolgen einer komplexen visuellen Anweisung abhängt. Das dokumentierte Ergebnis ist Text. Halten Sie die Eingabe lesbar, benennen Sie die benötigte Schlussfolgerung und unterscheiden Sie sichtbare Belege von Schlussfolgerungen, die das Modell laut Aufgabe ziehen soll. Diese Vorbereitung macht aus einer visuellen Frage eine nutzbare Erklärung oder einen Vergleich statt einer ungezielten Szenenzusammenfassung.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-vl-max | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00046 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-vl-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='qwen-vl-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='qwen-vl-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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen-vl-max
Verwenden Sie die oben angezeigten Methodenpfade.
qwen-vl-maxQwen-VL-Max verbindet Text, Bilder und Video mit visuellem Schlussfolgern und dem Befolgen von Anweisungen. Es liefert Erklärungen in Textform oder strukturierte Erkenntnisse und ist auf komplexe visuelle Fragen, Dokumentanalysen und Beziehungen innerhalb einer Szene ausgerichtet.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen-VL-Max ist die Qwen-Modelllinie für visuelles und textuelles Verständnis bei Fragen, die mehr als das Erkennen eines Objekts erfordern. Der Hersteller richtet Max auf visuelles Schlussfolgern und das Befolgen von Anweisungen aus: sichtbare Belege mit den Bedingungen des Nutzers verbinden, Beziehungen erklären und für eine komplexere visuelle Aufgabe ein Textergebnis erstellen. Gegenüber der Plus-Linie legt diese Beschreibung mehr Gewicht auf Schlussfolgern und Interpretation.
Die aktuelle Modellkarte des Herstellers verknüpft den Namen qwen-vl-max ohne Versionsangabe mit qwen-vl-max-2025-08-13. Der fortlaufend aktualisierte Name folgt den Updates, während ein datierter Name eine bestimmte Version kennzeichnet. Behalten Sie beim Vergleichen von Eingaben und Ergebnissen den genauen Namen bei; andere benannte Editionen können unterschiedliche dokumentierte Spezifikationen haben.
Modellfähigkeiten
Die dokumentierten Eingaben umfassen Text, Bilder und Video; die Ausgabe ist Text. Das visuelle Material kann eine Dokumentseite, ein Diagramm, eine Szene oder eine Folge von Einzelbildern sein. Die Textfrage bestimmt, was das Modell anhand dieses Materials feststellen soll. Das Ergebnis kann Belege beschreiben, eine Beziehung erklären oder Erkenntnisse in Feldern anordnen; das Modell ist keine Edition zur Bild- oder Videogenerierung.
Geben Sie bei einem Diagramm den gewünschten Vergleich an, statt nach einer allgemeinen Beschreibung zu fragen. Stellen Sie das Bild bereit und fragen Sie, welche sichtbare Datenreihe ansteigt, was die Beschriftungen bedeuten und welche Beobachtungen die Schlussfolgerung stützen. Fordern Sie getrennte Teile für direkt sichtbare Daten und die Erklärung an. Benennen Sie bei einem Prozessdiagramm die Start- und Endbedingungen und fragen Sie nach den Verbindungen zwischen den Phasen, wobei die ursprünglichen Beschriftungen erhalten bleiben sollen.
Geben Sie bei einem Screenshot das Ziel des Nutzers an und fragen Sie nach den sichtbaren Bedienelementen und dem nächsten möglichen Schritt. Daraus entsteht eine schriftliche Interpretation der Oberfläche. Jeder tatsächliche Klick, jede Dateiänderung oder externe Aktion bleibt Aufgabe der umgebenden Anwendung; visuelles Verständnis allein ist kein Ablauf zur Computersteuerung.
Die Herstellerkarte dokumentiert strukturierte Ausgabe, die Fortsetzung eines Antwortpräfixes und Kontext-Caching. Diese Funktionen können helfen, wiederholte visuelle Analysen um eine gleichbleibende Ausgabestruktur herum zu organisieren. Die Batch-Einreichung unterscheidet sich je nach Herstellerkonfiguration; Funktionsaufrufe, Websuche und Fine-Tuning sind auf dieser Karte hingegen nicht als unterstützt aufgeführt. Eine strukturierte Textantwort darf daher nicht mit einem ausgeführten Werkzeugaufruf oder einer Online-Suche verwechselt werden.
Kontextgrenzen
Die benannte Karte nennt ein Kontextfenster von 131.072 Tokens, eine maximale Eingabe von 129.024 Tokens und eine maximale Ausgabe von 8.192 Tokens. Visuelle Eingaben und die Textaufgabe verbrauchen gemeinsam das verfügbare Eingabebudget. Die Antwort ist unabhängig davon begrenzt; eine große Sammlung visuellen Materials bedeutet daher keine ebenso große Ausgabe.
Wählen Sie Bilder oder Einzelbilder aus, die die tatsächliche Frage beantworten. Bewahren Sie die Diagrammlegende, Spaltenüberschriften oder Diagrammbeschriftungen, die zum Interpretieren eines zugeschnittenen Bereichs benötigt werden. Kennzeichnen Sie beim Vergleich mehrerer Materialien deren Reihenfolge und Rolle: der bestehende Entwurf, der überarbeitete Entwurf und die Referenzanforderung. Ein nützliches schriftliches Ergebnis kann übereinstimmende Elemente, Unterschiede und Fragen aufführen, die anhand der bereitgestellten Belege offenbleiben.
Mit Video arbeiten
Die Videoeingabe ermöglicht Fragen zu sichtbaren Ereignissen und deren Reihenfolge. Fragen Sie, was sich zwischen Einzelbildern verändert, welche Beteiligten miteinander interagieren oder welche sichtbare Bedingung vor einer anderen auftritt. Legen Sie die erforderliche Ausgabe fest, beispielsweise eine geordnete Ereignisbeschreibung mit den Beobachtungen, die jeden Punkt stützen. Die Karte führt Videoeingabe und Textausgabe auf, keine Audioeingabe oder Sprachausgabe; für eine Frage zu gesprochenem Inhalt muss dieser separat bereitgestellt werden.
Eine praktische Aufgabe kann einen Demonstrationsclip mit seiner schriftlichen Verfahrensbeschreibung vergleichen: Stellen Sie das visuelle Material und die relevanten Schritte bereit, fragen Sie, welche Schritte sichtbar dargestellt werden, und fordern Sie eine knappe Liste von Abweichungen an. Geben Sie an, auf welchen Verfahrensschritt sich jede Beobachtung bezieht, und halten Sie unklare Schritte in einem getrennten Teil der Antwort fest.
Relevante Grenzen dieser Edition
Der Schwerpunkt von Max auf visuellem Schlussfolgern ist nützlich, wenn die Aufgabe vom Interpretieren von Beziehungen und vom Befolgen einer komplexen visuellen Anweisung abhängt. Das dokumentierte Ergebnis ist Text. Halten Sie die Eingabe lesbar, benennen Sie die benötigte Schlussfolgerung und unterscheiden Sie sichtbare Belege von Schlussfolgerungen, die das Modell laut Aufgabe ziehen soll. Diese Vorbereitung macht aus einer visuellen Frage eine nutzbare Erklärung oder einen Vergleich statt einer ungezielten Szenenzusammenfassung.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-vl-max | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00046 / 1K Tokens Ausgabe · Ausgabetoken $0.001144 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen-vl-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': 'qwen-vl-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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen-vl-max
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.