Descripción general: razonamiento basado en entradas visuales
QVQ-Max es el modelo de razonamiento visual de Qwen. El fabricante describe una salida con cadena de razonamiento y mayores capacidades en matemáticas, programación, análisis visual, trabajo creativo y tareas generales. Su página específica de capacidades indica entrada de texto, imágenes y video, con salida de texto. Elígelo para preguntas en las que el material visual forme parte del problema de razonamiento, como un diagrama, una gráfica o una secuencia de eventos observados.
La edición exacta del modelo
Actualmente, el fabricante describe qvq-max como funcionalmente equivalente a la versión qvq-max-2025-03-25. Esa afirmación identifica una relación entre ediciones descrita por el fabricante; no modifica los ID exactos que conserva una aplicación. QVQ-Max no debe heredar la identidad de los pesos, la cantidad de parámetros ni los controles de generación de QVQ-72B-Preview, QVQ-Plus o un modelo visual Qwen más reciente solo por compartir una temática de razonamiento. Un nombre de proveedor con el sufijo latest tampoco establece por sí solo una versión fija.
Cómo preparar una pregunta de razonamiento visual
Proporciona la imagen relevante junto con la pregunta completa. Para un diagrama matemático, conserva las etiquetas, dimensiones y el enunciado que lo acompaña, y después pregunta qué relaciones se deducen de la figura visible y cuáles requieren un supuesto adicional. Solicita una respuesta final claramente delimitada con los valores y relaciones usados para obtenerla. Una explicación útil debe vincular cada inferencia importante con algún elemento del material proporcionado.
Para una gráfica, pide al modelo que identifique los ejes, las unidades y las series antes de interpretar una tendencia. Para un diagrama de un algoritmo o una interfaz, indica el comportamiento deseado y pregunta cómo se relaciona la estructura visible con ese comportamiento. Para un encargo creativo, distingue la descripción de lo que realmente está presente de los cambios o interpretaciones propuestos. Estas son aplicaciones redactadas a partir de las capacidades de matemáticas, programación, análisis y creación documentadas por el fabricante, no demostraciones del procesamiento exitoso de un recurso específico.
Video y múltiples elementos de evidencia
El video aparece explícitamente como modalidad de entrada. Para una solicitud de análisis de eventos, proporciona el segmento relevante y pide una explicación ordenada de lo que cambia, qué escena respalda la conclusión y qué sigue siendo incierto. Si la entrada contiene información temporal, indica cómo debe mencionarla el resultado. La página del modelo exacto no establece una duración universal de video, una cantidad de fotogramas ni una precisión de marcas de tiempo, por lo que esas propiedades no deben tomarse de otra familia Qwen.
Cuando la pregunta use varias imágenes o fragmentos de texto, etiquétalos y explica la relación que debe examinar el modelo. Solicita un resultado organizado por esas etiquetas para que quien lo revise pueda ver qué evidencia respalda cada punto. Una respuesta de razonamiento debe seguir siendo distinguible de la respuesta final; una explicación extensa solo resulta útil cuando sus afirmaciones pueden comprobarse con la fuente.
Límites de contexto y respuesta
La especificación indica una ventana de contexto de 131,072 tokens, una longitud máxima de entrada de 106,496 tokens y una longitud máxima de salida de 8,192 tokens. Mantén separados estos valores en lugar de deducir de su diferencia una asignación de tokens de razonamiento no documentada. El texto, la representación del material visual y el contenido generado deben ajustarse a los límites aplicables de secuencia y salida.
Para una página o un diagrama densos, haz legibles los detalles relevantes antes de enviarlos y conserva el enunciado completo necesario para la inferencia. Para una fuente extensa, selecciona el material vinculado con la pregunta y reserva suficiente espacio de respuesta para una conclusión con evidencia de apoyo. La especificación de tokens no ofrece una capacidad ilimitada de entrada visual ni garantiza que se recuerde cada detalle.
Herramientas, formato y límites de contenido
La matriz exacta de capacidades señala como no compatibles las llamadas a funciones, la búsqueda web integrada y las salidas estructuradas de cumplimiento obligatorio. Por lo tanto, el razonamiento visual de QVQ-Max no debe presentarse como control automático del navegador, una herramienta de ejecución de código externo ni una fuente de información en tiempo real. Una solicitud puede pedir una tabla o un resultado textual con forma de JSON, pero esa solicitud no crea un contrato de cumplimiento de esquema.
La página específica del modelo no publica un interruptor de razonamiento híbrido propio del modelo ni una cantidad de parámetros. Conserva la identidad documentada de razonamiento visual en lugar de importar controles o afirmaciones de tamaño de otra versión. Comprueba las etiquetas pequeñas, los números extraídos, las relaciones inferidas y las sugerencias de código con la fuente. La salida práctica es una conclusión visual explicada o un borrador de entregable, basado en el material que proporciona el usuario.
", "aboutText": "Descripción general: razonamiento basado en entradas visuales\n\nQVQ-Max es el modelo de razonamiento visual de Qwen. El fabricante describe una salida con cadena de razonamiento y mayores capacidades en matemáticas, programación, análisis visual, trabajo creativo y tareas generales. Su página específica de capacidades indica entrada de texto, imágenes y video, con salida de texto. Elígelo para preguntas en las que el material visual forme parte del problema de razonamiento, como un diagrama, una gráfica o una secuencia de eventos observados.\n\nLa edición exacta del modelo\n\nActualmente, el fabricante describe qvq-max como funcionalmente equivalente a la versión qvq-max-2025-03-25. Esa afirmación identifica una relación entre ediciones descrita por el fabricante; no modifica los ID exactos que conserva una aplicación. QVQ-Max no debe heredar la identidad de los pesos, la cantidad de parámetros ni los controles de generación de QVQ-72B-Preview, QVQ-Plus o un modelo visual Qwen más reciente solo por compartir una temática de razonamiento. Un nombre de proveedor con el sufijo latest tampoco establece por sí solo una versión fija.\n\nCómo preparar una pregunta de razonamiento visual\n\nProporciona la imagen relevante junto con la pregunta completa. Para un diagrama matemático, conserva las etiquetas, dimensiones y el enunciado que lo acompaña, y después pregunta qué relaciones se deducen de la figura visible y cuáles requieren un supuesto adicional. Solicita una respuesta final claramente delimitada con los valores y relaciones usados para obtenerla. Una explicación útil debe vincular cada inferencia importante con algún elemento del material proporcionado.\n\nPara una gráfica, pide al modelo que identifique los ejes, las unidades y las series antes de interpretar una tendencia. Para un diagrama de un algoritmo o una interfaz, indica el comportamiento deseado y pregunta cómo se relaciona la estructura visible con ese comportamiento. Para un encargo creativo, distingue la descripción de lo que realmente está presente de los cambios o interpretaciones propuestos. Estas son aplicaciones redactadas a partir de las capacidades de matemáticas, programación, análisis y creación documentadas por el fabricante, no demostraciones del procesamiento exitoso de un recurso específico.\n\nVideo y múltiples elementos de evidencia\n\nEl video aparece explícitamente como modalidad de entrada. Para una solicitud de análisis de eventos, proporciona el segmento relevante y pide una explicación ordenada de lo que cambia, qué escena respalda la conclusión y qué sigue siendo incierto. Si la entrada contiene información temporal, indica cómo debe mencionarla el resultado. La página del modelo exacto no establece una duración universal de video, una cantidad de fotogramas ni una precisión de marcas de tiempo, por lo que esas propiedades no deben tomarse de otra familia Qwen.\n\nCuando la pregunta use varias imágenes o fragmentos de texto, etiquétalos y explica la relación que debe examinar el modelo. Solicita un resultado organizado por esas etiquetas para que quien lo revise pueda ver qué evidencia respalda cada punto. Una respuesta de razonamiento debe seguir siendo distinguible de la respuesta final; una explicación extensa solo resulta útil cuando sus afirmaciones pueden comprobarse con la fuente.\n\nLímites de contexto y respuesta\n\nLa especificación indica una ventana de contexto de 131,072 tokens, una longitud máxima de entrada de 106,496 tokens y una longitud máxima de salida de 8,192 tokens. Mantén separados estos valores en lugar de deducir de su diferencia una asignación de tokens de razonamiento no documentada. El texto, la representación del material visual y el contenido generado deben ajustarse a los límites aplicables de secuencia y salida.\n\nPara una página o un diagrama densos, haz legibles los detalles relevantes antes de enviarlos y conserva el enunciado completo necesario para la inferencia. Para una fuente extensa, selecciona el material vinculado con la pregunta y reserva suficiente espacio de respuesta para una conclusión con evidencia de apoyo. La especificación de tokens no ofrece una capacidad ilimitada de entrada visual ni garantiza que se recuerde cada detalle.\n\nHerramientas, formato y límites de contenido\n\nLa matriz exacta de capacidades señala como no compatibles las llamadas a funciones, la búsqueda web integrada y las salidas estructuradas de cumplimiento obligatorio. Por lo tanto, el razonamiento visual de QVQ-Max no debe presentarse como control automático del navegador, una herramienta de ejecución de código externo ni una fuente de información en tiempo real. Una solicitud puede pedir una tabla o un resultado textual con forma de JSON, pero esa solicitud no crea un contrato de cumplimiento de esquema.\n\nLa página específica del modelo no publica un interruptor de razonamiento híbrido propio del modelo ni una cantidad de parámetros. Conserva la identidad documentada de razonamiento visual en lugar de importar controles o afirmaciones de tamaño de otra versión. Comprueba las etiquetas pequeñas, los números extraídos, las relaciones inferidas y las sugerencias de código con la fuente. La salida práctica es una conclusión visual explicada o un borrador de entregable, basado en el material que proporciona el usuario.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
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 es el modelo de razonamiento visual de Qwen para texto, imágenes y video, que devuelve texto con una solución explicada. Úsalo para diagramas matemáticos, análisis visual, imágenes relacionadas con programación e interpretación creativa; su especificación indica un contexto de 131,072 tokens y un límite de salida de 8,192 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Descripción general: razonamiento basado en entradas visuales
QVQ-Max es el modelo de razonamiento visual de Qwen. El fabricante describe una salida con cadena de razonamiento y mayores capacidades en matemáticas, programación, análisis visual, trabajo creativo y tareas generales. Su página específica de capacidades indica entrada de texto, imágenes y video, con salida de texto. Elígelo para preguntas en las que el material visual forme parte del problema de razonamiento, como un diagrama, una gráfica o una secuencia de eventos observados.
La edición exacta del modelo
Actualmente, el fabricante describe qvq-max como funcionalmente equivalente a la versión qvq-max-2025-03-25. Esa afirmación identifica una relación entre ediciones descrita por el fabricante; no modifica los ID exactos que conserva una aplicación. QVQ-Max no debe heredar la identidad de los pesos, la cantidad de parámetros ni los controles de generación de QVQ-72B-Preview, QVQ-Plus o un modelo visual Qwen más reciente solo por compartir una temática de razonamiento. Un nombre de proveedor con el sufijo latest tampoco establece por sí solo una versión fija.
Cómo preparar una pregunta de razonamiento visual
Proporciona la imagen relevante junto con la pregunta completa. Para un diagrama matemático, conserva las etiquetas, dimensiones y el enunciado que lo acompaña, y después pregunta qué relaciones se deducen de la figura visible y cuáles requieren un supuesto adicional. Solicita una respuesta final claramente delimitada con los valores y relaciones usados para obtenerla. Una explicación útil debe vincular cada inferencia importante con algún elemento del material proporcionado.
Para una gráfica, pide al modelo que identifique los ejes, las unidades y las series antes de interpretar una tendencia. Para un diagrama de un algoritmo o una interfaz, indica el comportamiento deseado y pregunta cómo se relaciona la estructura visible con ese comportamiento. Para un encargo creativo, distingue la descripción de lo que realmente está presente de los cambios o interpretaciones propuestos. Estas son aplicaciones redactadas a partir de las capacidades de matemáticas, programación, análisis y creación documentadas por el fabricante, no demostraciones del procesamiento exitoso de un recurso específico.
Video y múltiples elementos de evidencia
El video aparece explícitamente como modalidad de entrada. Para una solicitud de análisis de eventos, proporciona el segmento relevante y pide una explicación ordenada de lo que cambia, qué escena respalda la conclusión y qué sigue siendo incierto. Si la entrada contiene información temporal, indica cómo debe mencionarla el resultado. La página del modelo exacto no establece una duración universal de video, una cantidad de fotogramas ni una precisión de marcas de tiempo, por lo que esas propiedades no deben tomarse de otra familia Qwen.
Cuando la pregunta use varias imágenes o fragmentos de texto, etiquétalos y explica la relación que debe examinar el modelo. Solicita un resultado organizado por esas etiquetas para que quien lo revise pueda ver qué evidencia respalda cada punto. Una respuesta de razonamiento debe seguir siendo distinguible de la respuesta final; una explicación extensa solo resulta útil cuando sus afirmaciones pueden comprobarse con la fuente.
Límites de contexto y respuesta
La especificación indica una ventana de contexto de 131,072 tokens, una longitud máxima de entrada de 106,496 tokens y una longitud máxima de salida de 8,192 tokens. Mantén separados estos valores en lugar de deducir de su diferencia una asignación de tokens de razonamiento no documentada. El texto, la representación del material visual y el contenido generado deben ajustarse a los límites aplicables de secuencia y salida.
Para una página o un diagrama densos, haz legibles los detalles relevantes antes de enviarlos y conserva el enunciado completo necesario para la inferencia. Para una fuente extensa, selecciona el material vinculado con la pregunta y reserva suficiente espacio de respuesta para una conclusión con evidencia de apoyo. La especificación de tokens no ofrece una capacidad ilimitada de entrada visual ni garantiza que se recuerde cada detalle.
Herramientas, formato y límites de contenido
La matriz exacta de capacidades señala como no compatibles las llamadas a funciones, la búsqueda web integrada y las salidas estructuradas de cumplimiento obligatorio. Por lo tanto, el razonamiento visual de QVQ-Max no debe presentarse como control automático del navegador, una herramienta de ejecución de código externo ni una fuente de información en tiempo real. Una solicitud puede pedir una tabla o un resultado textual con forma de JSON, pero esa solicitud no crea un contrato de cumplimiento de esquema.
La página específica del modelo no publica un interruptor de razonamiento híbrido propio del modelo ni una cantidad de parámetros. Conserva la identidad documentada de razonamiento visual en lugar de importar controles o afirmaciones de tamaño de otra versión. Comprueba las etiquetas pequeñas, los números extraídos, las relaciones inferidas y las sugerencias de código con la fuente. La salida práctica es una conclusión visual explicada o un borrador de entregable, basado en el material que proporciona el usuario.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qvq-max | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0023 / 1K tokens Salida · Tokens de salida $0.00916 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qvq-max
Usa las rutas de método indicadas arriba.
qvq-maxQVQ-Max es el modelo de razonamiento visual de Qwen para texto, imágenes y video, que devuelve texto con una solución explicada. Úsalo para diagramas matemáticos, análisis visual, imágenes relacionadas con programación e interpretación creativa; su especificación indica un contexto de 131,072 tokens y un límite de salida de 8,192 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Descripción general: razonamiento basado en entradas visuales
QVQ-Max es el modelo de razonamiento visual de Qwen. El fabricante describe una salida con cadena de razonamiento y mayores capacidades en matemáticas, programación, análisis visual, trabajo creativo y tareas generales. Su página específica de capacidades indica entrada de texto, imágenes y video, con salida de texto. Elígelo para preguntas en las que el material visual forme parte del problema de razonamiento, como un diagrama, una gráfica o una secuencia de eventos observados.
La edición exacta del modelo
Actualmente, el fabricante describe qvq-max como funcionalmente equivalente a la versión qvq-max-2025-03-25. Esa afirmación identifica una relación entre ediciones descrita por el fabricante; no modifica los ID exactos que conserva una aplicación. QVQ-Max no debe heredar la identidad de los pesos, la cantidad de parámetros ni los controles de generación de QVQ-72B-Preview, QVQ-Plus o un modelo visual Qwen más reciente solo por compartir una temática de razonamiento. Un nombre de proveedor con el sufijo latest tampoco establece por sí solo una versión fija.
Cómo preparar una pregunta de razonamiento visual
Proporciona la imagen relevante junto con la pregunta completa. Para un diagrama matemático, conserva las etiquetas, dimensiones y el enunciado que lo acompaña, y después pregunta qué relaciones se deducen de la figura visible y cuáles requieren un supuesto adicional. Solicita una respuesta final claramente delimitada con los valores y relaciones usados para obtenerla. Una explicación útil debe vincular cada inferencia importante con algún elemento del material proporcionado.
Para una gráfica, pide al modelo que identifique los ejes, las unidades y las series antes de interpretar una tendencia. Para un diagrama de un algoritmo o una interfaz, indica el comportamiento deseado y pregunta cómo se relaciona la estructura visible con ese comportamiento. Para un encargo creativo, distingue la descripción de lo que realmente está presente de los cambios o interpretaciones propuestos. Estas son aplicaciones redactadas a partir de las capacidades de matemáticas, programación, análisis y creación documentadas por el fabricante, no demostraciones del procesamiento exitoso de un recurso específico.
Video y múltiples elementos de evidencia
El video aparece explícitamente como modalidad de entrada. Para una solicitud de análisis de eventos, proporciona el segmento relevante y pide una explicación ordenada de lo que cambia, qué escena respalda la conclusión y qué sigue siendo incierto. Si la entrada contiene información temporal, indica cómo debe mencionarla el resultado. La página del modelo exacto no establece una duración universal de video, una cantidad de fotogramas ni una precisión de marcas de tiempo, por lo que esas propiedades no deben tomarse de otra familia Qwen.
Cuando la pregunta use varias imágenes o fragmentos de texto, etiquétalos y explica la relación que debe examinar el modelo. Solicita un resultado organizado por esas etiquetas para que quien lo revise pueda ver qué evidencia respalda cada punto. Una respuesta de razonamiento debe seguir siendo distinguible de la respuesta final; una explicación extensa solo resulta útil cuando sus afirmaciones pueden comprobarse con la fuente.
Límites de contexto y respuesta
La especificación indica una ventana de contexto de 131,072 tokens, una longitud máxima de entrada de 106,496 tokens y una longitud máxima de salida de 8,192 tokens. Mantén separados estos valores en lugar de deducir de su diferencia una asignación de tokens de razonamiento no documentada. El texto, la representación del material visual y el contenido generado deben ajustarse a los límites aplicables de secuencia y salida.
Para una página o un diagrama densos, haz legibles los detalles relevantes antes de enviarlos y conserva el enunciado completo necesario para la inferencia. Para una fuente extensa, selecciona el material vinculado con la pregunta y reserva suficiente espacio de respuesta para una conclusión con evidencia de apoyo. La especificación de tokens no ofrece una capacidad ilimitada de entrada visual ni garantiza que se recuerde cada detalle.
Herramientas, formato y límites de contenido
La matriz exacta de capacidades señala como no compatibles las llamadas a funciones, la búsqueda web integrada y las salidas estructuradas de cumplimiento obligatorio. Por lo tanto, el razonamiento visual de QVQ-Max no debe presentarse como control automático del navegador, una herramienta de ejecución de código externo ni una fuente de información en tiempo real. Una solicitud puede pedir una tabla o un resultado textual con forma de JSON, pero esa solicitud no crea un contrato de cumplimiento de esquema.
La página específica del modelo no publica un interruptor de razonamiento híbrido propio del modelo ni una cantidad de parámetros. Conserva la identidad documentada de razonamiento visual en lugar de importar controles o afirmaciones de tamaño de otra versión. Comprueba las etiquetas pequeñas, los números extraídos, las relaciones inferidas y las sugerencias de código con la fuente. La salida práctica es una conclusión visual explicada o un borrador de entregable, basado en el material que proporciona el usuario.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qvq-max | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0023 / 1K tokens Salida · Tokens de salida $0.00916 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qvq-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qvq-max
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
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.