QVQ-Plus ist die Plus-Linie der QVQ-Modelle von Qwen für visuelles Schlussfolgern. Der Hersteller hebt Mathematik, Programmierung, visuelle Analyse, kreative Arbeit und allgemeine Aufgaben mit visuellen Belegen hervor. Das Modell nimmt Text, Bilder und Video entgegen und gibt Text einschließlich eines Gedankengangs und einer Antwort aus. Der Name Plus bezeichnet eine eigenständige Modelllinie und ersetzt weder einen festen QVQ-Max-Snapshot noch ein Modell zur Bilderzeugung.
Das dokumentierte Kontextfenster umfasst 131.072 Tokens, bei einer maximalen Eingabe von 106.496 Tokens und einer maximalen Ausgabe von 8.192 Tokens. Unterscheiden Sie diese Grenzen bei der Planung einer Anfrage. Nehmen Sie die schriftliche Aufgabe, relevantes visuelles Material und den benötigten Gesprächsverlauf auf und lassen Sie anschließend Platz für die Erklärung und die abschließende Antwort. Der Anteil eines Screenshots oder Videos hängt von seiner verarbeiteten Darstellung ab; allein die Anzahl der eingegebenen Textzeichen reicht daher nicht aus, um die vollständige Eingabe zu bemessen.
Der Hersteller beschreibt QVQ als Verbindung aus visueller Eingabe, Schlussfolgern und Textantwort. Der dokumentierte QVQ-Dienstablauf verwendet Streaming. Eine Anwendung sollte vorläufige Gedankenschritte von den Fragmenten der abschließenden Antwort unterscheiden und den Text zusammensetzen, bevor sie ihn als vollständige Erklärung darstellt. Auch einer angeforderten knappen Antwort kann ein interner Denkprozess vorausgehen; die Bitte um Kürze macht aus dem Modell keine gesonderte Ausgabe ohne Denkprozess.
Geben Sie bei einem Diagramm oder einer Tabelle an, welcher Vergleich vorgenommen werden soll, und stellen Sie lesbare Beschriftungen, Einheiten und Überschriften bereit. Fragen Sie beispielsweise, ob zwei dargestellte Datenreihen in einem ausgewählten Bereich auseinanderlaufen, und fordern Sie anschließend die sichtbaren Beobachtungen an, die die Schlussfolgerung stützen. Wenn die Antwort Zahlenwerte benötigt, müssen diese in der Quelle enthalten sein. Bitten Sie das Modell, Unsicherheiten kenntlich zu machen, wenn nur ein ungefährer visueller Ablesewert möglich ist. Bewahren Sie das Originalbild auf, damit sich das Ergebnis anhand der Belege prüfen lässt.
Definieren Sie bei einem Dokument oder einem Screenshot einer Benutzeroberfläche das Ziel des Nutzers und den zu analysierenden Teil des Materials. Eine zweckmäßige Anfrage kann danach fragen, welche sichtbaren Felder für einen beschriebenen Ablauf erforderlich sind, wie die Seite aufgebaut ist oder was die Verbindungslinien des Diagramms bedeuten. Stellen Sie für eine visuelle Programmieraufgabe den Screenshot und die schriftlichen Anforderungen bereit und bitten Sie um eine Texterklärung oder einen Implementierungsvorschlag, der zur sichtbaren Struktur passt. Unterscheiden Sie beobachtbare Eigenschaften von solchen, die vom nicht sichtbaren Verhalten der Anwendung abhängen.
Benennen Sie bei Video das Ereignis, die Abfolge oder die Beziehung, die erklärt werden soll. Behalten Sie den relevanten Ausschnitt bei und ergänzen Sie lesbare Standbilder, wenn kleine Details wichtig sind. Beschriften Sie mehrere Eingaben und erläutern Sie ihre Reihenfolge, damit ein Vergleich nicht mit unzusammenhängenden Szenen verwechselt wird. Das Ergebnis ist eine textliche Darstellung des Materials sowie eine Schlussfolgerung zur gestellten Frage; es bearbeitet die Quelle nicht selbst, erstellt keinen neuen Clip und überprüft nichts außerhalb der Beobachtung.
Die Plus-Modellkarte des Herstellers bewirbt weder Funktionsaufrufe noch Websuche oder erzwungene strukturierte Ausgabe. Gliedern Sie die Textantwort mit klaren Überschriften, einer Vergleichstabelle oder einer Beobachtungsliste und validieren Sie jedes scheinbar maschinenlesbare Ergebnis, bevor eine Anwendung es verwendet. Laut Chat-Referenz haben Systemnachrichten bei QVQ-Modellen keine Wirkung. Platzieren Sie daher Rollen-, Aufgaben- und Formatierungsanweisungen in der Nutzernachricht. Behalten Sie die dokumentierten QVQ-Standardwerte für das Sampling bei, statt Einstellungen für Temperatur oder Token-Auswahl aus einer anderen Qwen-Familie zu übernehmen.
Fordern Sie für ein brauchbares Analyseergebnis die beobachteten Fakten, die Erklärung und eine klar benannte abschließende Antwort an. Prüfen Sie Berechnungen anhand sichtbarer Zahlen, Beschriftungen und Einheiten sowie eine Dokumentinterpretation anhand des Quellabschnitts, auf den sie sich bezieht. Bewahren Sie die gewählte Plus-Identität und die Eingabematerialien zusammen mit dem Ergebnis auf, wenn der Fall später erneut betrachtet werden muss. Trennen Sie einen begründeten Vorschlag von jeder nachfolgenden Handlung: Eine Anwendung oder Person muss einen angeforderten Werkzeugaufruf weiterhin ausführen und dessen Ergebnis zurückgeben. Dieses Modell liefert visuelles Schlussfolgern und Text; das ursprüngliche Material bleibt als Grundlage für die Prüfung erhalten.
", "aboutText": "QVQ-Plus ist die Plus-Linie der QVQ-Modelle von Qwen für visuelles Schlussfolgern. Der Hersteller hebt Mathematik, Programmierung, visuelle Analyse, kreative Arbeit und allgemeine Aufgaben mit visuellen Belegen hervor. Das Modell nimmt Text, Bilder und Video entgegen und gibt Text einschließlich eines Gedankengangs und einer Antwort aus. Der Name Plus bezeichnet eine eigenständige Modelllinie und ersetzt weder einen festen QVQ-Max-Snapshot noch ein Modell zur Bilderzeugung.\n\nDas dokumentierte Kontextfenster umfasst 131.072 Tokens, bei einer maximalen Eingabe von 106.496 Tokens und einer maximalen Ausgabe von 8.192 Tokens. Unterscheiden Sie diese Grenzen bei der Planung einer Anfrage. Nehmen Sie die schriftliche Aufgabe, relevantes visuelles Material und den benötigten Gesprächsverlauf auf und lassen Sie anschließend Platz für die Erklärung und die abschließende Antwort. Der Anteil eines Screenshots oder Videos hängt von seiner verarbeiteten Darstellung ab; allein die Anzahl der eingegebenen Textzeichen reicht daher nicht aus, um die vollständige Eingabe zu bemessen.\n\nDer Hersteller beschreibt QVQ als Verbindung aus visueller Eingabe, Schlussfolgern und Textantwort. Der dokumentierte QVQ-Dienstablauf verwendet Streaming. Eine Anwendung sollte vorläufige Gedankenschritte von den Fragmenten der abschließenden Antwort unterscheiden und den Text zusammensetzen, bevor sie ihn als vollständige Erklärung darstellt. Auch einer angeforderten knappen Antwort kann ein interner Denkprozess vorausgehen; die Bitte um Kürze macht aus dem Modell keine gesonderte Ausgabe ohne Denkprozess.\n\nGeben Sie bei einem Diagramm oder einer Tabelle an, welcher Vergleich vorgenommen werden soll, und stellen Sie lesbare Beschriftungen, Einheiten und Überschriften bereit. Fragen Sie beispielsweise, ob zwei dargestellte Datenreihen in einem ausgewählten Bereich auseinanderlaufen, und fordern Sie anschließend die sichtbaren Beobachtungen an, die die Schlussfolgerung stützen. Wenn die Antwort Zahlenwerte benötigt, müssen diese in der Quelle enthalten sein. Bitten Sie das Modell, Unsicherheiten kenntlich zu machen, wenn nur ein ungefährer visueller Ablesewert möglich ist. Bewahren Sie das Originalbild auf, damit sich das Ergebnis anhand der Belege prüfen lässt.\n\nDefinieren Sie bei einem Dokument oder einem Screenshot einer Benutzeroberfläche das Ziel des Nutzers und den zu analysierenden Teil des Materials. Eine zweckmäßige Anfrage kann danach fragen, welche sichtbaren Felder für einen beschriebenen Ablauf erforderlich sind, wie die Seite aufgebaut ist oder was die Verbindungslinien des Diagramms bedeuten. Stellen Sie für eine visuelle Programmieraufgabe den Screenshot und die schriftlichen Anforderungen bereit und bitten Sie um eine Texterklärung oder einen Implementierungsvorschlag, der zur sichtbaren Struktur passt. Unterscheiden Sie beobachtbare Eigenschaften von solchen, die vom nicht sichtbaren Verhalten der Anwendung abhängen.\n\nBenennen Sie bei Video das Ereignis, die Abfolge oder die Beziehung, die erklärt werden soll. Behalten Sie den relevanten Ausschnitt bei und ergänzen Sie lesbare Standbilder, wenn kleine Details wichtig sind. Beschriften Sie mehrere Eingaben und erläutern Sie ihre Reihenfolge, damit ein Vergleich nicht mit unzusammenhängenden Szenen verwechselt wird. Das Ergebnis ist eine textliche Darstellung des Materials sowie eine Schlussfolgerung zur gestellten Frage; es bearbeitet die Quelle nicht selbst, erstellt keinen neuen Clip und überprüft nichts außerhalb der Beobachtung.\n\nDie Plus-Modellkarte des Herstellers bewirbt weder Funktionsaufrufe noch Websuche oder erzwungene strukturierte Ausgabe. Gliedern Sie die Textantwort mit klaren Überschriften, einer Vergleichstabelle oder einer Beobachtungsliste und validieren Sie jedes scheinbar maschinenlesbare Ergebnis, bevor eine Anwendung es verwendet. Laut Chat-Referenz haben Systemnachrichten bei QVQ-Modellen keine Wirkung. Platzieren Sie daher Rollen-, Aufgaben- und Formatierungsanweisungen in der Nutzernachricht. Behalten Sie die dokumentierten QVQ-Standardwerte für das Sampling bei, statt Einstellungen für Temperatur oder Token-Auswahl aus einer anderen Qwen-Familie zu übernehmen.\n\nFordern Sie für ein brauchbares Analyseergebnis die beobachteten Fakten, die Erklärung und eine klar benannte abschließende Antwort an. Prüfen Sie Berechnungen anhand sichtbarer Zahlen, Beschriftungen und Einheiten sowie eine Dokumentinterpretation anhand des Quellabschnitts, auf den sie sich bezieht. Bewahren Sie die gewählte Plus-Identität und die Eingabematerialien zusammen mit dem Ergebnis auf, wenn der Fall später erneut betrachtet werden muss. Trennen Sie einen begründeten Vorschlag von jeder nachfolgenden Handlung: Eine Anwendung oder Person muss einen angeforderten Werkzeugaufruf weiterhin ausführen und dessen Ergebnis zurückgeben. Dieses Modell liefert visuelles Schlussfolgern und Text; das ursprüngliche Material bleibt als Grundlage für die Prüfung erhalten.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.qvq-plusQVQ-Plus verbindet eine Textfrage mit Bildern oder Video und erzeugt eine begründete Textantwort. Nutzen Sie es für visuelle Mathematik, Diagramm- und Dokumentanalysen oder Fragen, deren Schlussfolgerung von mehreren sichtbaren Details abhängt; die Plus-Linie behält ihre eigenständige Identität.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
QVQ-Plus ist die Plus-Linie der QVQ-Modelle von Qwen für visuelles Schlussfolgern. Der Hersteller hebt Mathematik, Programmierung, visuelle Analyse, kreative Arbeit und allgemeine Aufgaben mit visuellen Belegen hervor. Das Modell nimmt Text, Bilder und Video entgegen und gibt Text einschließlich eines Gedankengangs und einer Antwort aus. Der Name Plus bezeichnet eine eigenständige Modelllinie und ersetzt weder einen festen QVQ-Max-Snapshot noch ein Modell zur Bilderzeugung.
Das dokumentierte Kontextfenster umfasst 131.072 Tokens, bei einer maximalen Eingabe von 106.496 Tokens und einer maximalen Ausgabe von 8.192 Tokens. Unterscheiden Sie diese Grenzen bei der Planung einer Anfrage. Nehmen Sie die schriftliche Aufgabe, relevantes visuelles Material und den benötigten Gesprächsverlauf auf und lassen Sie anschließend Platz für die Erklärung und die abschließende Antwort. Der Anteil eines Screenshots oder Videos hängt von seiner verarbeiteten Darstellung ab; allein die Anzahl der eingegebenen Textzeichen reicht daher nicht aus, um die vollständige Eingabe zu bemessen.
Der Hersteller beschreibt QVQ als Verbindung aus visueller Eingabe, Schlussfolgern und Textantwort. Der dokumentierte QVQ-Dienstablauf verwendet Streaming. Eine Anwendung sollte vorläufige Gedankenschritte von den Fragmenten der abschließenden Antwort unterscheiden und den Text zusammensetzen, bevor sie ihn als vollständige Erklärung darstellt. Auch einer angeforderten knappen Antwort kann ein interner Denkprozess vorausgehen; die Bitte um Kürze macht aus dem Modell keine gesonderte Ausgabe ohne Denkprozess.
Geben Sie bei einem Diagramm oder einer Tabelle an, welcher Vergleich vorgenommen werden soll, und stellen Sie lesbare Beschriftungen, Einheiten und Überschriften bereit. Fragen Sie beispielsweise, ob zwei dargestellte Datenreihen in einem ausgewählten Bereich auseinanderlaufen, und fordern Sie anschließend die sichtbaren Beobachtungen an, die die Schlussfolgerung stützen. Wenn die Antwort Zahlenwerte benötigt, müssen diese in der Quelle enthalten sein. Bitten Sie das Modell, Unsicherheiten kenntlich zu machen, wenn nur ein ungefährer visueller Ablesewert möglich ist. Bewahren Sie das Originalbild auf, damit sich das Ergebnis anhand der Belege prüfen lässt.
Definieren Sie bei einem Dokument oder einem Screenshot einer Benutzeroberfläche das Ziel des Nutzers und den zu analysierenden Teil des Materials. Eine zweckmäßige Anfrage kann danach fragen, welche sichtbaren Felder für einen beschriebenen Ablauf erforderlich sind, wie die Seite aufgebaut ist oder was die Verbindungslinien des Diagramms bedeuten. Stellen Sie für eine visuelle Programmieraufgabe den Screenshot und die schriftlichen Anforderungen bereit und bitten Sie um eine Texterklärung oder einen Implementierungsvorschlag, der zur sichtbaren Struktur passt. Unterscheiden Sie beobachtbare Eigenschaften von solchen, die vom nicht sichtbaren Verhalten der Anwendung abhängen.
Benennen Sie bei Video das Ereignis, die Abfolge oder die Beziehung, die erklärt werden soll. Behalten Sie den relevanten Ausschnitt bei und ergänzen Sie lesbare Standbilder, wenn kleine Details wichtig sind. Beschriften Sie mehrere Eingaben und erläutern Sie ihre Reihenfolge, damit ein Vergleich nicht mit unzusammenhängenden Szenen verwechselt wird. Das Ergebnis ist eine textliche Darstellung des Materials sowie eine Schlussfolgerung zur gestellten Frage; es bearbeitet die Quelle nicht selbst, erstellt keinen neuen Clip und überprüft nichts außerhalb der Beobachtung.
Die Plus-Modellkarte des Herstellers bewirbt weder Funktionsaufrufe noch Websuche oder erzwungene strukturierte Ausgabe. Gliedern Sie die Textantwort mit klaren Überschriften, einer Vergleichstabelle oder einer Beobachtungsliste und validieren Sie jedes scheinbar maschinenlesbare Ergebnis, bevor eine Anwendung es verwendet. Laut Chat-Referenz haben Systemnachrichten bei QVQ-Modellen keine Wirkung. Platzieren Sie daher Rollen-, Aufgaben- und Formatierungsanweisungen in der Nutzernachricht. Behalten Sie die dokumentierten QVQ-Standardwerte für das Sampling bei, statt Einstellungen für Temperatur oder Token-Auswahl aus einer anderen Qwen-Familie zu übernehmen.
Fordern Sie für ein brauchbares Analyseergebnis die beobachteten Fakten, die Erklärung und eine klar benannte abschließende Antwort an. Prüfen Sie Berechnungen anhand sichtbarer Zahlen, Beschriftungen und Einheiten sowie eine Dokumentinterpretation anhand des Quellabschnitts, auf den sie sich bezieht. Bewahren Sie die gewählte Plus-Identität und die Eingabematerialien zusammen mit dem Ergebnis auf, wenn der Fall später erneut betrachtet werden muss. Trennen Sie einen begründeten Vorschlag von jeder nachfolgenden Handlung: Eine Anwendung oder Person muss einen angeforderten Werkzeugaufruf weiterhin ausführen und dessen Ergebnis zurückgeben. Dieses Modell liefert visuelles Schlussfolgern und Text; das ursprüngliche Material bleibt als Grundlage für die Prüfung erhalten.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qvq-plus | 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 $0.00058 / 1K Token Ausgabe · Ausgabetoken $0.00144 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-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='qvq-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='qvq-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 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 qvq-plus
Verwenden Sie die oben angezeigten Methodenpfade.
qvq-plusQVQ-Plus verbindet eine Textfrage mit Bildern oder Video und erzeugt eine begründete Textantwort. Nutzen Sie es für visuelle Mathematik, Diagramm- und Dokumentanalysen oder Fragen, deren Schlussfolgerung von mehreren sichtbaren Details abhängt; die Plus-Linie behält ihre eigenständige Identität.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
QVQ-Plus ist die Plus-Linie der QVQ-Modelle von Qwen für visuelles Schlussfolgern. Der Hersteller hebt Mathematik, Programmierung, visuelle Analyse, kreative Arbeit und allgemeine Aufgaben mit visuellen Belegen hervor. Das Modell nimmt Text, Bilder und Video entgegen und gibt Text einschließlich eines Gedankengangs und einer Antwort aus. Der Name Plus bezeichnet eine eigenständige Modelllinie und ersetzt weder einen festen QVQ-Max-Snapshot noch ein Modell zur Bilderzeugung.
Das dokumentierte Kontextfenster umfasst 131.072 Tokens, bei einer maximalen Eingabe von 106.496 Tokens und einer maximalen Ausgabe von 8.192 Tokens. Unterscheiden Sie diese Grenzen bei der Planung einer Anfrage. Nehmen Sie die schriftliche Aufgabe, relevantes visuelles Material und den benötigten Gesprächsverlauf auf und lassen Sie anschließend Platz für die Erklärung und die abschließende Antwort. Der Anteil eines Screenshots oder Videos hängt von seiner verarbeiteten Darstellung ab; allein die Anzahl der eingegebenen Textzeichen reicht daher nicht aus, um die vollständige Eingabe zu bemessen.
Der Hersteller beschreibt QVQ als Verbindung aus visueller Eingabe, Schlussfolgern und Textantwort. Der dokumentierte QVQ-Dienstablauf verwendet Streaming. Eine Anwendung sollte vorläufige Gedankenschritte von den Fragmenten der abschließenden Antwort unterscheiden und den Text zusammensetzen, bevor sie ihn als vollständige Erklärung darstellt. Auch einer angeforderten knappen Antwort kann ein interner Denkprozess vorausgehen; die Bitte um Kürze macht aus dem Modell keine gesonderte Ausgabe ohne Denkprozess.
Geben Sie bei einem Diagramm oder einer Tabelle an, welcher Vergleich vorgenommen werden soll, und stellen Sie lesbare Beschriftungen, Einheiten und Überschriften bereit. Fragen Sie beispielsweise, ob zwei dargestellte Datenreihen in einem ausgewählten Bereich auseinanderlaufen, und fordern Sie anschließend die sichtbaren Beobachtungen an, die die Schlussfolgerung stützen. Wenn die Antwort Zahlenwerte benötigt, müssen diese in der Quelle enthalten sein. Bitten Sie das Modell, Unsicherheiten kenntlich zu machen, wenn nur ein ungefährer visueller Ablesewert möglich ist. Bewahren Sie das Originalbild auf, damit sich das Ergebnis anhand der Belege prüfen lässt.
Definieren Sie bei einem Dokument oder einem Screenshot einer Benutzeroberfläche das Ziel des Nutzers und den zu analysierenden Teil des Materials. Eine zweckmäßige Anfrage kann danach fragen, welche sichtbaren Felder für einen beschriebenen Ablauf erforderlich sind, wie die Seite aufgebaut ist oder was die Verbindungslinien des Diagramms bedeuten. Stellen Sie für eine visuelle Programmieraufgabe den Screenshot und die schriftlichen Anforderungen bereit und bitten Sie um eine Texterklärung oder einen Implementierungsvorschlag, der zur sichtbaren Struktur passt. Unterscheiden Sie beobachtbare Eigenschaften von solchen, die vom nicht sichtbaren Verhalten der Anwendung abhängen.
Benennen Sie bei Video das Ereignis, die Abfolge oder die Beziehung, die erklärt werden soll. Behalten Sie den relevanten Ausschnitt bei und ergänzen Sie lesbare Standbilder, wenn kleine Details wichtig sind. Beschriften Sie mehrere Eingaben und erläutern Sie ihre Reihenfolge, damit ein Vergleich nicht mit unzusammenhängenden Szenen verwechselt wird. Das Ergebnis ist eine textliche Darstellung des Materials sowie eine Schlussfolgerung zur gestellten Frage; es bearbeitet die Quelle nicht selbst, erstellt keinen neuen Clip und überprüft nichts außerhalb der Beobachtung.
Die Plus-Modellkarte des Herstellers bewirbt weder Funktionsaufrufe noch Websuche oder erzwungene strukturierte Ausgabe. Gliedern Sie die Textantwort mit klaren Überschriften, einer Vergleichstabelle oder einer Beobachtungsliste und validieren Sie jedes scheinbar maschinenlesbare Ergebnis, bevor eine Anwendung es verwendet. Laut Chat-Referenz haben Systemnachrichten bei QVQ-Modellen keine Wirkung. Platzieren Sie daher Rollen-, Aufgaben- und Formatierungsanweisungen in der Nutzernachricht. Behalten Sie die dokumentierten QVQ-Standardwerte für das Sampling bei, statt Einstellungen für Temperatur oder Token-Auswahl aus einer anderen Qwen-Familie zu übernehmen.
Fordern Sie für ein brauchbares Analyseergebnis die beobachteten Fakten, die Erklärung und eine klar benannte abschließende Antwort an. Prüfen Sie Berechnungen anhand sichtbarer Zahlen, Beschriftungen und Einheiten sowie eine Dokumentinterpretation anhand des Quellabschnitts, auf den sie sich bezieht. Bewahren Sie die gewählte Plus-Identität und die Eingabematerialien zusammen mit dem Ergebnis auf, wenn der Fall später erneut betrachtet werden muss. Trennen Sie einen begründeten Vorschlag von jeder nachfolgenden Handlung: Eine Anwendung oder Person muss einen angeforderten Werkzeugaufruf weiterhin ausführen und dessen Ergebnis zurückgeben. Dieses Modell liefert visuelles Schlussfolgern und Text; das ursprüngliche Material bleibt als Grundlage für die Prüfung erhalten.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qvq-plus | 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 $0.00058 / 1K Token Ausgabe · Ausgabetoken $0.00144 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qvq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qvq-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': 'qvq-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 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 qvq-plus
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.