Source: https://ailoot.ai/models/es-mx/qwen-qwen2-5-vl-72b-instruct/ Canonical: https://ailoot.ai/models/es-mx/qwen-qwen2-5-vl-72b-instruct/ Language: es-mx # Qwen: Qwen2.5 VL 72B Instruct [Markdown](https://ailoot.ai/models/es-mx/qwen-qwen2-5-vl-72b-instruct/index.md) · [JSON](https://ailoot.ai/models/es-mx/qwen-qwen2-5-vl-72b-instruct/facts.json) ## [Qwen: Qwen2.5 VL 72B Instruct](https://ailoot.ai/models/es-mx/qwen-qwen2-5-vl-72b-instruct/) Qwen2.5-VL-72B-Instruct es el modelo de visión y lenguaje de Qwen para imágenes, documentos, gráficos y video. Devuelve texto, datos extraídos estructurados y coordenadas visuales, y puede localizar sucesos en videos largos o razonar sobre una pantalla de computadora o móvil. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/qwen-qwen2-5-vl-72b-instruct/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/qwen-qwen2-5-vl-72b-instruct/#method-1) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. Qwen2.5-VL-72B-Instruct es la edición 72B de Qwen2.5-VL ajustada para seguir instrucciones, diseñada para comprender material visual junto con texto. Qwen describe reconocimiento de objetos, productos y lugares emblemáticos, además de interpretación del texto, gráficos, iconos, elementos gráficos y composición dentro de las imágenes. Las entradas combinan una pregunta escrita con una o varias imágenes o un video; la salida es texto, incluidas descripciones estructuradas e información extraída. Frente a Qwen2-VL, el productor destaca mejor percepción del tiempo y la escala de imagen y un codificador visual de resolución dinámica revisado que utiliza atención por ventanas. La localización visual es una capacidad distinta de describir una imagen. El modelo puede devolver cuadros delimitadores o puntos, con etiquetas y atributos en JSON. Qwen2.5-VL utiliza coordenadas a la escala del tamaño real de la imagen, no un sistema de coordenadas normalizado. Identifica los objetos que se deben localizar y proporciona los campos requeridos, como bbox\_2d y label, junto con la interpretación de las coordenadas. Si una imagen se redimensiona antes del análisis, conserva esa información de tamaño junto con las coordenadas devueltas para interpretarlas sobre la misma imagen. Los ejemplos de Qwen combinan detección con recuento y descripciones de objetos. El productor destaca reconocimiento de texto en distintos idiomas, orientaciones y tipos de escena. Sus ejemplos extraen líneas de texto, asocian texto con ubicaciones y obtienen campos especificados de recibos o formularios. Para un encargo documental, aporta un escaneo claro, define los campos e indica cómo representar información ausente o ilegible. Un resultado ilustrativo puede ser un registro estructurado con identificador de documento, fecha y líneas de detalle, distinguiendo las incertidumbres de lo que está visiblemente presente. La imagen proporcionada aporta la evidencia de esa extracción. El anuncio de Qwen presenta QwenVL HTML para analizar documentos con información de composición. Demuestra revistas, artículos de investigación, páginas web y capturas de móvil, combinando encabezados, párrafos, imágenes y fórmulas con información de cuadros delimitadores. Resulta útil cuando el orden de lectura y la estructura de la página importan tanto como las palabras. Solicita explícitamente la representación: texto plano para leer, JSON para campos seleccionados o el formato HTML del productor orientado a la composición. Un informe escaneado puede organizarse en encabezados y párrafos antes de que una instrucción posterior solicite el resumen de una sección concreta. Para video, Qwen documenta comprensión de material de más de una hora, búsqueda de sucesos y localización temporal con precisión de segundos. El entrenamiento con frecuencia de fotogramas dinámica y la codificación de tiempo absoluto ayudan a representar el ritmo y la posición de los sucesos. Los ejemplos oficiales identifican el segmento en el que ocurre una acción descrita y devuelven una serie de sucesos con tiempos de inicio, tiempos de fin y descripciones. Indica el suceso que se debe encontrar y especifica segundos o un formato de marca temporal. Un encargo práctico puede pedir los segmentos pertinentes de una demostración larga, seguidos de una descripción breve de lo que ocurre en cada uno. El modelo también se presenta como un agente visual para computadora y móvil: puede razonar a partir de una pantalla y dirigir herramientas hacia una tarea. La localización y la comprensión de pantalla pueden identificar un control pertinente o la siguiente interacción prevista. Una aplicación aporta la pantalla, las acciones disponibles y el objetivo, ejecuta una acción solicitada y devuelve el nuevo estado. Por ejemplo, el encargo puede pedir el control necesario para llegar a una vista especificada, con un punto o cuadro que lo identifique. La descripción textual de la acción del modelo y la interacción ejecutada por la aplicación son etapas independientes. El procesador de Qwen permite controlar el número de píxeles de imagen. Su intervalo predeterminado documentado es de 4 a 16,384 tokens visuales por imagen; de 256 a 1,280 tokens es un ajuste de ejemplo, no un límite universal de imagen. El redimensionado puede conservar la relación de aspecto y las dimensiones explícitas se redondean a un múltiplo de 28. Una resolución mayor consume más cálculo y puede conservar texto pequeño o detalles de diagramas densos. Ajusta la preparación a la pregunta, manteniendo las etiquetas importantes legibles y la página o zona pertinente clara. Los ejemplos de video utilizan secuencias de fotogramas o un video con información de frecuencia de fotogramas, importante cuando una respuesta debe contener marcas temporales. La configuración actual de la ficha está establecida en 32,768 tokens de contexto. Describe una extensión YaRN, pero advierte que puede afectar sustancialmente a la localización temporal y espacial y no la recomienda para esas tareas. Trata por separado la ampliación del ajuste de posiciones para videos largos. La comprensión a escala de horas es una capacidad documentada, no un límite universal de duración de carga o longitud de salida. Elige un resultado que conserve la información necesaria posteriormente: campos para un registro, coordenadas para localización, composición para un documento o descripciones temporizadas para un video. Tarea práctica ### Tarea práctica Ejemplo técnico en inglés ``` Extract fields from a receipt transcription Extract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field. ``` #### Resultado esperado ``` A field record with line-item details, preserved date text, source phrases and an explicit unknown currency. ``` #### Comprobar el resultado ``` Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen/qwen2.5-vl-72b-instruct` [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=chat) Alibaba /`qwen/qwen2.5-vl-72b-instruct` ### Inicio Qwen2.5-VL-72B-Instruct es el modelo de visión y lenguaje de Qwen para imágenes, documentos, gráficos y video. Devuelve texto, datos extraídos estructurados y coordenadas visuales, y puede localizar sucesos en videos largos o razonar sobre una pantalla de computadora o móvil. Entradas aceptadas Texto Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Entrada `text` Salida `text` Formato de salida json o SSE | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites qwen/qwen2.5-vl-72b-instruct | Predeterminado— | | Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— | | Campo`messages[].role` | Tipo`string` | 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— | | Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— | | Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— | | Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— | | Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse | | Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— | | Campo`tools[].function.name` | Tipo`string` | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— | | Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— | | Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— | | Campo`modalities` | Tipo`string[]` | RequisitoOpcional | Valores y límites text | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— | | Campo`cache_control.ttl` | Tipo`string` | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— | Combinaciones de materiales de entrada **Texto** · Texto UTF8 `messages[].content` Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, messages | | Parámetro`material_types` | Contratotext | | Parámetro`messages` | Contratomatriz de mensajes con estructura role/content | | Parámetro`file_material` | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo | | Parámetro`optional_controls` | Contratostream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parámetro`control_scope` | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas | | Parámetro`output_modalities` | Contratotext | | Parámetro`hosted_operations` | Contratofalse | | Parámetro`multimodal_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. ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Tarifa estándar Cuando se selecciona el modo fast Modo flex Tarifa estándar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Tarifa estándar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas. | Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo | | --- | --- | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.0016** / 1K tokens Salida · Tokens de salida **$0.002** / 1K tokens Entrada · Lectura de caché **$0.0008** / 1K tokens Entrada · Escritura en caché **$0** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | | ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.0016** / 1K tokens Salida · Tokens de salida **$0.002** / 1K tokens Entrada · Lectura de caché **$0.0008** / 1K tokens Entrada · Escritura en caché **$0** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · OpenAI Chat curlPython SDKFlujo en Python ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "qwen/qwen2.5-vl-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='qwen/qwen2.5-vl-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='qwen/qwen2.5-vl-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Recibir y guardar resultados #### Ailoot Ultra · OpenAI Chat json o SSE ##### Conserva todos los resultados completados 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. ##### Si es necesario revisar la respuesta original Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`choices[].index` | Tipointeger | | Campo`choices[].message.content` | Tipostring\|null | | Campo`choices[].message.tool_calls` | Tipotool\_call\[\] | | Campo`choices[].message.reasoning_content` | Tipostring | | Campo`choices[].message.reasoning_details` | Tipoobject\|array | | Campo`choices[].finish_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Errores y siguientes pasos | 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. | ### Alias #### Alias del modelo **Ailoot Ultra** [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=chat) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen/qwen2.5-vl-72b-instruct` [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=messages) Alibaba /`qwen/qwen2.5-vl-72b-instruct` ### Inicio Qwen2.5-VL-72B-Instruct es el modelo de visión y lenguaje de Qwen para imágenes, documentos, gráficos y video. Devuelve texto, datos extraídos estructurados y coordenadas visuales, y puede localizar sucesos en videos largos o razonar sobre una pantalla de computadora o móvil. Entradas aceptadas Texto Resultados json · sse ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Entrada `text` Salida `json`, `sse` Formato de salida JSON o SSE | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites qwen/qwen2.5-vl-72b-instruct | Predeterminado— | | Campo`messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`messages[].role` | Tipo`string` | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— | | Campo`messages[].content` | Tipo`string` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`max_tokens` | Tipo`integer` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores y límites | Predeterminadofalse | Combinaciones de materiales de entrada **Texto** · Texto UTF-8 `cadena messages[].content` Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, messages, max\_tokens | | Parámetro`optional_controls` | Contratostream | | Parámetro`material_types` | Contratotext | | Parámetro`text_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` ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Tarifa estándar Cuando se selecciona el modo fast Modo flex Tarifa estándar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Tarifa estándar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas. | Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo | | --- | --- | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.0016** / 1K tokens Salida · Tokens de salida **$0.002** / 1K tokens Entrada · Lectura de caché **$0.0008** / 1K tokens Entrada · Escritura en caché **$0** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | | ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada **$0.0016** / 1K tokens Salida · Tokens de salida **$0.002** / 1K tokens Entrada · Lectura de caché **$0.0008** / 1K tokens Entrada · Escritura en caché **$0** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Anthropic Messages Cuerpo JSON mínimo completocurl · usa tu documento en UTF-8Python · guarda el resultado completo ```json { "model": "qwen/qwen2.5-vl-72b-instruct", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen/qwen2.5-vl-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen/qwen2.5-vl-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Recibir y guardar resultados #### Ailoot Ultra · Anthropic Messages JSON o SSE ##### Conserva todos los resultados completados 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. ##### Si es necesario revisar la respuesta original Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`content[]` | Tipotext\|thinking\|tool\_use\|other content block | | Campo`stop_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Errores y siguientes pasos | 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. | ### Alias #### Alias del modelo **Ailoot Ultra** [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=messages) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/es-mx/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=messages) FAQ · Qwen: Qwen2.5 VL 72B Instruct ¿Qué entradas y resultados están disponibles? `POST /v1/chat/completions` · `qwen/qwen2.5-vl-72b-instruct`: `text` → `text` `POST /v1/messages` · `qwen/qwen2.5-vl-72b-instruct`: `text` → `json`, `sse` ¿Qué campos utiliza la solicitud? `POST /v1/chat/completions` · `qwen/qwen2.5-vl-72b-instruct`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `qwen/qwen2.5-vl-72b-instruct`: `model`, `messages`, `max_tokens`, `stream` ¿Qué límites se aplican? `POST /v1/chat/completions` · `qwen/qwen2.5-vl-72b-instruct`: `messages.min_items`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.