QVQ-Max — 2025-03-25 pertenece a la línea de razonamiento visual QVQ de Qwen. La familia QVQ-Max combina la observación de imágenes y vídeo con el análisis de esa información. Sus aplicaciones documentadas abarcan problemas matemáticos, programación, análisis visual, trabajo creativo y preguntas cotidianas. El resultado útil es una explicación o solución textual conectada con las evidencias visuales facilitadas.
La observación detallada es el primer paso. Para un gráfico, proporciona ejes, leyendas y etiquetas de datos legibles; después, indica si se deben comparar valores, explicar una tendencia o examinar una afirmación concreta. Solicita las observaciones que respaldan la conclusión. Para varias imágenes, conserva su orden e identifica qué imagen debe respaldar cada respuesta. Una buena comparación nombra las diferencias visibles y explica por qué importan para la pregunta, en lugar de tratar una interpretación plausible como un hecho observado.
El razonamiento visual utiliza esas observaciones para resolver un problema. Para un cálculo basado en un diagrama, proporciona la ilustración completa y la pregunta escrita, conservando las etiquetas, las unidades y las condiciones indicadas. Pide al modelo que identifique la información dada, explique el cálculo y exprese el resultado en el formato solicitado. Para un diagrama técnico, indica el proceso o la relación que se debe examinar y solicita una explicación vinculada a elementos visibles concretos. Si un valor o una etiqueta no está claro, pide que identifique la ambigüedad antes de intentar un cálculo.
La familia también admite trabajo creativo y práctico basado en material visual. Un boceto puede servir de punto de partida para unas instrucciones de ilustración; una escena puede orientar un guion de vídeo corto; una foto puede apoyar una descripción o comparación. Indica el público previsto, la finalidad y las restricciones, y solicita un entregable escrito, como un concepto revisado, un esquema de escena o una explicación. Estas tareas producen orientación textual a partir de la fuente visual. Conserva la imagen o el clip originales para poder comparar los cambios propuestos con las evidencias que los motivaron.
Para la comprensión de vídeo, identifica el intervalo o el evento y la pregunta que se debe responder. La interfaz documentada de QVQ acepta material de vídeo para su análisis. Si importan los detalles pequeños, adjunta una imagen fija legible de la escena pertinente y explica su relación con el clip. Solicita la secuencia de acciones visibles y las observaciones que respaldan la conclusión, distinguiéndolas de una interpretación de la intención o de una predicción sobre lo que ocurre después. Selecciona el material en torno a las evidencias concretas necesarias para la pregunta y conserva el orden de las fuentes.
El flujo de razonamiento documentado de QVQ combina un proceso de pensamiento con la respuesta, y el flujo de servicio QVQ del productor utiliza salida transmitida en continuo. Mantén los fragmentos de razonamiento separados de los de respuesta y ensambla la respuesta completa antes de utilizarla como informe, solución desarrollada o instrucción para el usuario. Una respuesta interrumpida debe reconocerse como incompleta. Solicita una sección final concisa que indique el resultado, las evidencias utilizadas y las suposiciones, de modo que la conclusión siga siendo fácil de inspeccionar una vez terminado el razonamiento.
La referencia de chat del fabricante indica que los mensajes de sistema no tienen efecto en QVQ. Incluye la tarea real, las condiciones pertinentes y el formato de respuesta solicitado en el mensaje del usuario. Recomienda conservar los valores predeterminados de muestreo de QVQ en lugar de aplicar ajustes copiados de otra familia de modelos. Una tabla solicitada puede organizar una respuesta textual; si una aplicación va a procesar una salida similar a JSON, valida su estructura y sus valores antes de utilizarla. Mantén la solicitud centrada en la pregunta visual y en el entregable que se necesita del análisis.
Para obtener un resultado práctico, conserva la imagen o el clip de origen junto a la respuesta completa. Comprueba la aritmética con los números y las unidades originales, y compara las explicaciones visuales con las etiquetas y los objetos que estén realmente presentes. Conserva el nombre exacto y fechado del modelo en el registro de la tarea al revisar el mismo caso. Pide al modelo que distinga las evidencias visibles, las suposiciones y las conclusiones: de otro modo, una interpretación segura de un símbolo borroso o de un evento no visible puede convertirse en la base de un cálculo o una decisión erróneos.
", "aboutText": "QVQ-Max — 2025-03-25 pertenece a la línea de razonamiento visual QVQ de Qwen. La familia QVQ-Max combina la observación de imágenes y vídeo con el análisis de esa información. Sus aplicaciones documentadas abarcan problemas matemáticos, programación, análisis visual, trabajo creativo y preguntas cotidianas. El resultado útil es una explicación o solución textual conectada con las evidencias visuales facilitadas.\n\nLa observación detallada es el primer paso. Para un gráfico, proporciona ejes, leyendas y etiquetas de datos legibles; después, indica si se deben comparar valores, explicar una tendencia o examinar una afirmación concreta. Solicita las observaciones que respaldan la conclusión. Para varias imágenes, conserva su orden e identifica qué imagen debe respaldar cada respuesta. Una buena comparación nombra las diferencias visibles y explica por qué importan para la pregunta, en lugar de tratar una interpretación plausible como un hecho observado.\n\nEl razonamiento visual utiliza esas observaciones para resolver un problema. Para un cálculo basado en un diagrama, proporciona la ilustración completa y la pregunta escrita, conservando las etiquetas, las unidades y las condiciones indicadas. Pide al modelo que identifique la información dada, explique el cálculo y exprese el resultado en el formato solicitado. Para un diagrama técnico, indica el proceso o la relación que se debe examinar y solicita una explicación vinculada a elementos visibles concretos. Si un valor o una etiqueta no está claro, pide que identifique la ambigüedad antes de intentar un cálculo.\n\nLa familia también admite trabajo creativo y práctico basado en material visual. Un boceto puede servir de punto de partida para unas instrucciones de ilustración; una escena puede orientar un guion de vídeo corto; una foto puede apoyar una descripción o comparación. Indica el público previsto, la finalidad y las restricciones, y solicita un entregable escrito, como un concepto revisado, un esquema de escena o una explicación. Estas tareas producen orientación textual a partir de la fuente visual. Conserva la imagen o el clip originales para poder comparar los cambios propuestos con las evidencias que los motivaron.\n\nPara la comprensión de vídeo, identifica el intervalo o el evento y la pregunta que se debe responder. La interfaz documentada de QVQ acepta material de vídeo para su análisis. Si importan los detalles pequeños, adjunta una imagen fija legible de la escena pertinente y explica su relación con el clip. Solicita la secuencia de acciones visibles y las observaciones que respaldan la conclusión, distinguiéndolas de una interpretación de la intención o de una predicción sobre lo que ocurre después. Selecciona el material en torno a las evidencias concretas necesarias para la pregunta y conserva el orden de las fuentes.\n\nEl flujo de razonamiento documentado de QVQ combina un proceso de pensamiento con la respuesta, y el flujo de servicio QVQ del productor utiliza salida transmitida en continuo. Mantén los fragmentos de razonamiento separados de los de respuesta y ensambla la respuesta completa antes de utilizarla como informe, solución desarrollada o instrucción para el usuario. Una respuesta interrumpida debe reconocerse como incompleta. Solicita una sección final concisa que indique el resultado, las evidencias utilizadas y las suposiciones, de modo que la conclusión siga siendo fácil de inspeccionar una vez terminado el razonamiento.\n\nLa referencia de chat del fabricante indica que los mensajes de sistema no tienen efecto en QVQ. Incluye la tarea real, las condiciones pertinentes y el formato de respuesta solicitado en el mensaje del usuario. Recomienda conservar los valores predeterminados de muestreo de QVQ en lugar de aplicar ajustes copiados de otra familia de modelos. Una tabla solicitada puede organizar una respuesta textual; si una aplicación va a procesar una salida similar a JSON, valida su estructura y sus valores antes de utilizarla. Mantén la solicitud centrada en la pregunta visual y en el entregable que se necesita del análisis.\n\nPara obtener un resultado práctico, conserva la imagen o el clip de origen junto a la respuesta completa. Comprueba la aritmética con los números y las unidades originales, y compara las explicaciones visuales con las etiquetas y los objetos que estén realmente presentes. Conserva el nombre exacto y fechado del modelo en el registro de la tarea al revisar el mismo caso. Pide al modelo que distinga las evidencias visibles, las suposiciones y las conclusiones: de otro modo, una interpretación segura de un símbolo borroso o de un evento no visible puede convertirse en la base de un cálculo o una decisión erróneos.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Solve a described geometry problem\n\nA diagram is described in text: triangle ABC has base AB = 8 cm and perpendicular height from C to line AB = 3 cm. The foot of the height lies outside segment AB. Calculate the area, explain whether the outside foot changes the formula and state which given measurements are sufficient.A worked area calculation with units and a brief explanation of perpendicular height when its foot is outside the base segment.Check that the answer uses the perpendicular height, not an inferred side length, and reports square centimeters.qvq-max-2025-03-25QVQ-Max — 2025-03-25 pertenece a la línea de razonamiento visual de Qwen. La familia QVQ-Max analiza imágenes y vídeo junto con preguntas textuales, combinando observaciones visuales y razonamiento para producir explicaciones, soluciones desarrolladas y orientación creativa en texto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
QVQ-Max — 2025-03-25 pertenece a la línea de razonamiento visual QVQ de Qwen. La familia QVQ-Max combina la observación de imágenes y vídeo con el análisis de esa información. Sus aplicaciones documentadas abarcan problemas matemáticos, programación, análisis visual, trabajo creativo y preguntas cotidianas. El resultado útil es una explicación o solución textual conectada con las evidencias visuales facilitadas.
La observación detallada es el primer paso. Para un gráfico, proporciona ejes, leyendas y etiquetas de datos legibles; después, indica si se deben comparar valores, explicar una tendencia o examinar una afirmación concreta. Solicita las observaciones que respaldan la conclusión. Para varias imágenes, conserva su orden e identifica qué imagen debe respaldar cada respuesta. Una buena comparación nombra las diferencias visibles y explica por qué importan para la pregunta, en lugar de tratar una interpretación plausible como un hecho observado.
El razonamiento visual utiliza esas observaciones para resolver un problema. Para un cálculo basado en un diagrama, proporciona la ilustración completa y la pregunta escrita, conservando las etiquetas, las unidades y las condiciones indicadas. Pide al modelo que identifique la información dada, explique el cálculo y exprese el resultado en el formato solicitado. Para un diagrama técnico, indica el proceso o la relación que se debe examinar y solicita una explicación vinculada a elementos visibles concretos. Si un valor o una etiqueta no está claro, pide que identifique la ambigüedad antes de intentar un cálculo.
La familia también admite trabajo creativo y práctico basado en material visual. Un boceto puede servir de punto de partida para unas instrucciones de ilustración; una escena puede orientar un guion de vídeo corto; una foto puede apoyar una descripción o comparación. Indica el público previsto, la finalidad y las restricciones, y solicita un entregable escrito, como un concepto revisado, un esquema de escena o una explicación. Estas tareas producen orientación textual a partir de la fuente visual. Conserva la imagen o el clip originales para poder comparar los cambios propuestos con las evidencias que los motivaron.
Para la comprensión de vídeo, identifica el intervalo o el evento y la pregunta que se debe responder. La interfaz documentada de QVQ acepta material de vídeo para su análisis. Si importan los detalles pequeños, adjunta una imagen fija legible de la escena pertinente y explica su relación con el clip. Solicita la secuencia de acciones visibles y las observaciones que respaldan la conclusión, distinguiéndolas de una interpretación de la intención o de una predicción sobre lo que ocurre después. Selecciona el material en torno a las evidencias concretas necesarias para la pregunta y conserva el orden de las fuentes.
El flujo de razonamiento documentado de QVQ combina un proceso de pensamiento con la respuesta, y el flujo de servicio QVQ del productor utiliza salida transmitida en continuo. Mantén los fragmentos de razonamiento separados de los de respuesta y ensambla la respuesta completa antes de utilizarla como informe, solución desarrollada o instrucción para el usuario. Una respuesta interrumpida debe reconocerse como incompleta. Solicita una sección final concisa que indique el resultado, las evidencias utilizadas y las suposiciones, de modo que la conclusión siga siendo fácil de inspeccionar una vez terminado el razonamiento.
La referencia de chat del fabricante indica que los mensajes de sistema no tienen efecto en QVQ. Incluye la tarea real, las condiciones pertinentes y el formato de respuesta solicitado en el mensaje del usuario. Recomienda conservar los valores predeterminados de muestreo de QVQ en lugar de aplicar ajustes copiados de otra familia de modelos. Una tabla solicitada puede organizar una respuesta textual; si una aplicación va a procesar una salida similar a JSON, valida su estructura y sus valores antes de utilizarla. Mantén la solicitud centrada en la pregunta visual y en el entregable que se necesita del análisis.
Para obtener un resultado práctico, conserva la imagen o el clip de origen junto a la respuesta completa. Comprueba la aritmética con los números y las unidades originales, y compara las explicaciones visuales con las etiquetas y los objetos que estén realmente presentes. Conserva el nombre exacto y fechado del modelo en el registro de la tarea al revisar el mismo caso. Pide al modelo que distinga las evidencias visibles, las suposiciones y las conclusiones: de otro modo, una interpretación segura de un símbolo borroso o de un evento no visible puede convertirse en la base de un cálculo o una decisión erróneos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qvq-max-2025-03-25 | 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 $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-max-2025-03-25", "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-2025-03-25',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-2025-03-25',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 las cabeceras. 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-2025-03-25
Usa las rutas de método indicadas arriba.
qvq-max-2025-03-25QVQ-Max — 2025-03-25 pertenece a la línea de razonamiento visual de Qwen. La familia QVQ-Max analiza imágenes y vídeo junto con preguntas textuales, combinando observaciones visuales y razonamiento para producir explicaciones, soluciones desarrolladas y orientación creativa en texto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
QVQ-Max — 2025-03-25 pertenece a la línea de razonamiento visual QVQ de Qwen. La familia QVQ-Max combina la observación de imágenes y vídeo con el análisis de esa información. Sus aplicaciones documentadas abarcan problemas matemáticos, programación, análisis visual, trabajo creativo y preguntas cotidianas. El resultado útil es una explicación o solución textual conectada con las evidencias visuales facilitadas.
La observación detallada es el primer paso. Para un gráfico, proporciona ejes, leyendas y etiquetas de datos legibles; después, indica si se deben comparar valores, explicar una tendencia o examinar una afirmación concreta. Solicita las observaciones que respaldan la conclusión. Para varias imágenes, conserva su orden e identifica qué imagen debe respaldar cada respuesta. Una buena comparación nombra las diferencias visibles y explica por qué importan para la pregunta, en lugar de tratar una interpretación plausible como un hecho observado.
El razonamiento visual utiliza esas observaciones para resolver un problema. Para un cálculo basado en un diagrama, proporciona la ilustración completa y la pregunta escrita, conservando las etiquetas, las unidades y las condiciones indicadas. Pide al modelo que identifique la información dada, explique el cálculo y exprese el resultado en el formato solicitado. Para un diagrama técnico, indica el proceso o la relación que se debe examinar y solicita una explicación vinculada a elementos visibles concretos. Si un valor o una etiqueta no está claro, pide que identifique la ambigüedad antes de intentar un cálculo.
La familia también admite trabajo creativo y práctico basado en material visual. Un boceto puede servir de punto de partida para unas instrucciones de ilustración; una escena puede orientar un guion de vídeo corto; una foto puede apoyar una descripción o comparación. Indica el público previsto, la finalidad y las restricciones, y solicita un entregable escrito, como un concepto revisado, un esquema de escena o una explicación. Estas tareas producen orientación textual a partir de la fuente visual. Conserva la imagen o el clip originales para poder comparar los cambios propuestos con las evidencias que los motivaron.
Para la comprensión de vídeo, identifica el intervalo o el evento y la pregunta que se debe responder. La interfaz documentada de QVQ acepta material de vídeo para su análisis. Si importan los detalles pequeños, adjunta una imagen fija legible de la escena pertinente y explica su relación con el clip. Solicita la secuencia de acciones visibles y las observaciones que respaldan la conclusión, distinguiéndolas de una interpretación de la intención o de una predicción sobre lo que ocurre después. Selecciona el material en torno a las evidencias concretas necesarias para la pregunta y conserva el orden de las fuentes.
El flujo de razonamiento documentado de QVQ combina un proceso de pensamiento con la respuesta, y el flujo de servicio QVQ del productor utiliza salida transmitida en continuo. Mantén los fragmentos de razonamiento separados de los de respuesta y ensambla la respuesta completa antes de utilizarla como informe, solución desarrollada o instrucción para el usuario. Una respuesta interrumpida debe reconocerse como incompleta. Solicita una sección final concisa que indique el resultado, las evidencias utilizadas y las suposiciones, de modo que la conclusión siga siendo fácil de inspeccionar una vez terminado el razonamiento.
La referencia de chat del fabricante indica que los mensajes de sistema no tienen efecto en QVQ. Incluye la tarea real, las condiciones pertinentes y el formato de respuesta solicitado en el mensaje del usuario. Recomienda conservar los valores predeterminados de muestreo de QVQ en lugar de aplicar ajustes copiados de otra familia de modelos. Una tabla solicitada puede organizar una respuesta textual; si una aplicación va a procesar una salida similar a JSON, valida su estructura y sus valores antes de utilizarla. Mantén la solicitud centrada en la pregunta visual y en el entregable que se necesita del análisis.
Para obtener un resultado práctico, conserva la imagen o el clip de origen junto a la respuesta completa. Comprueba la aritmética con los números y las unidades originales, y compara las explicaciones visuales con las etiquetas y los objetos que estén realmente presentes. Conserva el nombre exacto y fechado del modelo en el registro de la tarea al revisar el mismo caso. Pide al modelo que distinga las evidencias visibles, las suposiciones y las conclusiones: de otro modo, una interpretación segura de un símbolo borroso o de un evento no visible puede convertirse en la base de un cálculo o una decisión erróneos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qvq-max-2025-03-25 | 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 $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qvq-max-2025-03-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-03-25', '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-2025-03-25', '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 las cabeceras. 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-2025-03-25
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Solve a described geometry problem\n\nA diagram is described in text: triangle ABC has base AB = 8 cm and perpendicular height from C to line AB = 3 cm. The foot of the height lies outside segment AB. Calculate the area, explain whether the outside foot changes the formula and state which given measurements are sufficient.A worked area calculation with units and a brief explanation of perpendicular height when its foot is outside the base segment.Check that the answer uses the perpendicular height, not an inferred side length, and reports square centimeters.