QVQ-Max — 2025-05-15 es una entrada fechada de la línea de razonamiento visual QVQ-Max. El fabricante describe esta familia como una combinación de entrada visual, razonamiento y respuesta textual. Sus ámbitos de tarea incluyen matemáticas, programación, análisis visual, creación de material y resolución general de problemas. Su finalidad es explicar o resolver una pregunta sobre las evidencias visuales proporcionadas, en lugar de generar una imagen o un vídeo nuevos.
Los flujos de trabajo documentados de QVQ combinan una pregunta escrita con imágenes o vídeo y devuelven texto. Para una ilustración matemática, proporciona el enunciado completo, etiquetas legibles y la magnitud que se debe hallar. Para un gráfico, identifica los ejes, la unidad de medida y la comparación que necesitas. Pide al modelo que separe los datos visibles de las suposiciones antes de formular una conclusión. El resultado puede ser una solución desarrollada, una comparación de observaciones o una explicación de cómo determinados detalles respaldan una respuesta.
El fabricante describe QVQ como una combinación de entrada visual, razonamiento y respuesta textual. Su flujo de servicio utiliza transmisión en continuo. En una aplicación, mantén el razonamiento intermedio diferenciado de la respuesta completa y ensambla los fragmentos devueltos antes de utilizar el resultado como documento o instrucción. La transmisión inconclusa de un modelo de razonamiento no es el mismo artefacto que su conclusión final.
Prepara una tarea coherente. Para un diagrama de proceso, identifica la condición inicial, los puntos de decisión y el resultado que debe explicarse. Para varias imágenes relacionadas, etiqueta cada fuente e indica su orden o relación. Una solicitud útil puede comparar dos configuraciones ilustradas, enumerar los cambios visibles y explicar cuál afecta al requisito indicado. Conserva las etiquetas originales para poder contrastar cada observación con la imagen correcta y pide aclaraciones cuando no pueda leerse un símbolo o un pie de imagen.
Para una pregunta sobre vídeo, define el evento y la parte del clip que se debe examinar. Solicita la secuencia de acciones observadas o las evidencias visuales que respaldan una interpretación concreta. La entrada de vídeo documentada para esta familia sirve para la comprensión, no para producir un clip editado. Si la tarea depende de un fotograma con texto pequeño, proporciona una imagen fija legible junto a la pregunta. La salida esperada debe nombrar los objetos o las etapas pertinentes y explicar la conclusión en texto, en lugar de asumir que una descripción demuestra la intención de una persona.
La referencia de chat indica que los mensajes de sistema no tienen efecto en los modelos QVQ. Incluye la tarea, las instrucciones de rol y el formato solicitado en el mensaje del usuario. También recomienda mantener los valores predeterminados de muestreo de QVQ sin cambios. Define una respuesta final que pueda inspeccionarse, como observaciones seguidas de una conclusión o una tabla que vincule cada afirmación con una característica visible. La aplicación debe validar una tabla solicitada o una organización similar a JSON; no equivalen a una capacidad anunciada de salida restringida.
Conserva el identificador fechado junto al material de origen y los ajustes de procesamiento necesarios para repetir una tarea. Otras versiones de QVQ-Max y el alias variable de la familia mantienen nombres independientes. Para una fuente extensa, elige las páginas o los fotogramas pertinentes, conserva sus relaciones y deja espacio para la respuesta. La representación de los medios, las instrucciones de tarea y el historial de conversación influyen en la solicitud. La preparación debe seguir la especificación de la edición y la interfaz seleccionadas, en lugar de tomar ajustes numéricos de un modelo visual ajeno.
Un resultado analítico práctico contiene los hechos visibles utilizados, la explicación y la respuesta final, con los detalles ausentes o inciertos identificados. Contrasta un cálculo con los números y las unidades indicados; una comparación visual, con ambas imágenes originales; y una interpretación de vídeo, con los fotogramas pertinentes. El texto de razonamiento de QVQ-Max no ejecuta por sí mismo una herramienta externa, aplica un cambio de programa ni demuestra que se haya buscado información fuera de las fuentes proporcionadas. Utiliza el modelo para el análisis visual documentado y conserva evidencias independientes de cualquier acción posterior.
", "aboutText": "QVQ-Max — 2025-05-15 es una entrada fechada de la línea de razonamiento visual QVQ-Max. El fabricante describe esta familia como una combinación de entrada visual, razonamiento y respuesta textual. Sus ámbitos de tarea incluyen matemáticas, programación, análisis visual, creación de material y resolución general de problemas. Su finalidad es explicar o resolver una pregunta sobre las evidencias visuales proporcionadas, en lugar de generar una imagen o un vídeo nuevos.\n\nLos flujos de trabajo documentados de QVQ combinan una pregunta escrita con imágenes o vídeo y devuelven texto. Para una ilustración matemática, proporciona el enunciado completo, etiquetas legibles y la magnitud que se debe hallar. Para un gráfico, identifica los ejes, la unidad de medida y la comparación que necesitas. Pide al modelo que separe los datos visibles de las suposiciones antes de formular una conclusión. El resultado puede ser una solución desarrollada, una comparación de observaciones o una explicación de cómo determinados detalles respaldan una respuesta.\n\nEl fabricante describe QVQ como una combinación de entrada visual, razonamiento y respuesta textual. Su flujo de servicio utiliza transmisión en continuo. En una aplicación, mantén el razonamiento intermedio diferenciado de la respuesta completa y ensambla los fragmentos devueltos antes de utilizar el resultado como documento o instrucción. La transmisión inconclusa de un modelo de razonamiento no es el mismo artefacto que su conclusión final.\n\nPrepara una tarea coherente. Para un diagrama de proceso, identifica la condición inicial, los puntos de decisión y el resultado que debe explicarse. Para varias imágenes relacionadas, etiqueta cada fuente e indica su orden o relación. Una solicitud útil puede comparar dos configuraciones ilustradas, enumerar los cambios visibles y explicar cuál afecta al requisito indicado. Conserva las etiquetas originales para poder contrastar cada observación con la imagen correcta y pide aclaraciones cuando no pueda leerse un símbolo o un pie de imagen.\n\nPara una pregunta sobre vídeo, define el evento y la parte del clip que se debe examinar. Solicita la secuencia de acciones observadas o las evidencias visuales que respaldan una interpretación concreta. La entrada de vídeo documentada para esta familia sirve para la comprensión, no para producir un clip editado. Si la tarea depende de un fotograma con texto pequeño, proporciona una imagen fija legible junto a la pregunta. La salida esperada debe nombrar los objetos o las etapas pertinentes y explicar la conclusión en texto, en lugar de asumir que una descripción demuestra la intención de una persona.\n\nLa referencia de chat indica que los mensajes de sistema no tienen efecto en los modelos QVQ. Incluye la tarea, las instrucciones de rol y el formato solicitado en el mensaje del usuario. También recomienda mantener los valores predeterminados de muestreo de QVQ sin cambios. Define una respuesta final que pueda inspeccionarse, como observaciones seguidas de una conclusión o una tabla que vincule cada afirmación con una característica visible. La aplicación debe validar una tabla solicitada o una organización similar a JSON; no equivalen a una capacidad anunciada de salida restringida.\n\nConserva el identificador fechado junto al material de origen y los ajustes de procesamiento necesarios para repetir una tarea. Otras versiones de QVQ-Max y el alias variable de la familia mantienen nombres independientes. Para una fuente extensa, elige las páginas o los fotogramas pertinentes, conserva sus relaciones y deja espacio para la respuesta. La representación de los medios, las instrucciones de tarea y el historial de conversación influyen en la solicitud. La preparación debe seguir la especificación de la edición y la interfaz seleccionadas, en lugar de tomar ajustes numéricos de un modelo visual ajeno.\n\nUn resultado analítico práctico contiene los hechos visibles utilizados, la explicación y la respuesta final, con los detalles ausentes o inciertos identificados. Contrasta un cálculo con los números y las unidades indicados; una comparación visual, con ambas imágenes originales; y una interpretación de vídeo, con los fotogramas pertinentes. El texto de razonamiento de QVQ-Max no ejecuta por sí mismo una herramienta externa, aplica un cambio de programa ni demuestra que se haya buscado información fuera de las fuentes proporcionadas. Utiliza el modelo para el análisis visual documentado y conserva evidencias independientes de cualquier acción posterior.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Reason from transcribed chart values\n\nUse this text transcription of a chart, not an image: "Axis: liters per hour. Pump A: 18 at setting 1, 24 at setting 2. Pump B: 20 at setting 1, 21 at setting 2." Compare the increases and identify which pump gains more. Show the arithmetic, preserve units and avoid inferring power use.A small comparison table, two increase calculations and a conclusion restricted to flow rate.Check that increases are computed within each pump and no energy-efficiency claim is added.qvq-max-2025-05-15QVQ-Max — 2025-05-15 conserva una identidad fechada independiente en la línea de razonamiento visual de Qwen. Utiliza el enfoque de familia documentado para preguntas que conecten imágenes, diagramas u observaciones de vídeo con una explicación, un cálculo o una conclusión por escrito.
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 — 2025-05-15 es una entrada fechada de la línea de razonamiento visual QVQ-Max. El fabricante describe esta familia como una combinación de entrada visual, razonamiento y respuesta textual. Sus ámbitos de tarea incluyen matemáticas, programación, análisis visual, creación de material y resolución general de problemas. Su finalidad es explicar o resolver una pregunta sobre las evidencias visuales proporcionadas, en lugar de generar una imagen o un vídeo nuevos.
Los flujos de trabajo documentados de QVQ combinan una pregunta escrita con imágenes o vídeo y devuelven texto. Para una ilustración matemática, proporciona el enunciado completo, etiquetas legibles y la magnitud que se debe hallar. Para un gráfico, identifica los ejes, la unidad de medida y la comparación que necesitas. Pide al modelo que separe los datos visibles de las suposiciones antes de formular una conclusión. El resultado puede ser una solución desarrollada, una comparación de observaciones o una explicación de cómo determinados detalles respaldan una respuesta.
El fabricante describe QVQ como una combinación de entrada visual, razonamiento y respuesta textual. Su flujo de servicio utiliza transmisión en continuo. En una aplicación, mantén el razonamiento intermedio diferenciado de la respuesta completa y ensambla los fragmentos devueltos antes de utilizar el resultado como documento o instrucción. La transmisión inconclusa de un modelo de razonamiento no es el mismo artefacto que su conclusión final.
Prepara una tarea coherente. Para un diagrama de proceso, identifica la condición inicial, los puntos de decisión y el resultado que debe explicarse. Para varias imágenes relacionadas, etiqueta cada fuente e indica su orden o relación. Una solicitud útil puede comparar dos configuraciones ilustradas, enumerar los cambios visibles y explicar cuál afecta al requisito indicado. Conserva las etiquetas originales para poder contrastar cada observación con la imagen correcta y pide aclaraciones cuando no pueda leerse un símbolo o un pie de imagen.
Para una pregunta sobre vídeo, define el evento y la parte del clip que se debe examinar. Solicita la secuencia de acciones observadas o las evidencias visuales que respaldan una interpretación concreta. La entrada de vídeo documentada para esta familia sirve para la comprensión, no para producir un clip editado. Si la tarea depende de un fotograma con texto pequeño, proporciona una imagen fija legible junto a la pregunta. La salida esperada debe nombrar los objetos o las etapas pertinentes y explicar la conclusión en texto, en lugar de asumir que una descripción demuestra la intención de una persona.
La referencia de chat indica que los mensajes de sistema no tienen efecto en los modelos QVQ. Incluye la tarea, las instrucciones de rol y el formato solicitado en el mensaje del usuario. También recomienda mantener los valores predeterminados de muestreo de QVQ sin cambios. Define una respuesta final que pueda inspeccionarse, como observaciones seguidas de una conclusión o una tabla que vincule cada afirmación con una característica visible. La aplicación debe validar una tabla solicitada o una organización similar a JSON; no equivalen a una capacidad anunciada de salida restringida.
Conserva el identificador fechado junto al material de origen y los ajustes de procesamiento necesarios para repetir una tarea. Otras versiones de QVQ-Max y el alias variable de la familia mantienen nombres independientes. Para una fuente extensa, elige las páginas o los fotogramas pertinentes, conserva sus relaciones y deja espacio para la respuesta. La representación de los medios, las instrucciones de tarea y el historial de conversación influyen en la solicitud. La preparación debe seguir la especificación de la edición y la interfaz seleccionadas, en lugar de tomar ajustes numéricos de un modelo visual ajeno.
Un resultado analítico práctico contiene los hechos visibles utilizados, la explicación y la respuesta final, con los detalles ausentes o inciertos identificados. Contrasta un cálculo con los números y las unidades indicados; una comparación visual, con ambas imágenes originales; y una interpretación de vídeo, con los fotogramas pertinentes. El texto de razonamiento de QVQ-Max no ejecuta por sí mismo una herramienta externa, aplica un cambio de programa ni demuestra que se haya buscado información fuera de las fuentes proporcionadas. Utiliza el modelo para el análisis visual documentado y conserva evidencias independientes de cualquier acción posterior.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qvq-max-2025-05-15 | 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-2025-05-15", "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-2025-05-15',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-2025-05-15',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-2025-05-15
Usa las rutas de método indicadas arriba.
qvq-max-2025-05-15QVQ-Max — 2025-05-15 conserva una identidad fechada independiente en la línea de razonamiento visual de Qwen. Utiliza el enfoque de familia documentado para preguntas que conecten imágenes, diagramas u observaciones de vídeo con una explicación, un cálculo o una conclusión por escrito.
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 — 2025-05-15 es una entrada fechada de la línea de razonamiento visual QVQ-Max. El fabricante describe esta familia como una combinación de entrada visual, razonamiento y respuesta textual. Sus ámbitos de tarea incluyen matemáticas, programación, análisis visual, creación de material y resolución general de problemas. Su finalidad es explicar o resolver una pregunta sobre las evidencias visuales proporcionadas, en lugar de generar una imagen o un vídeo nuevos.
Los flujos de trabajo documentados de QVQ combinan una pregunta escrita con imágenes o vídeo y devuelven texto. Para una ilustración matemática, proporciona el enunciado completo, etiquetas legibles y la magnitud que se debe hallar. Para un gráfico, identifica los ejes, la unidad de medida y la comparación que necesitas. Pide al modelo que separe los datos visibles de las suposiciones antes de formular una conclusión. El resultado puede ser una solución desarrollada, una comparación de observaciones o una explicación de cómo determinados detalles respaldan una respuesta.
El fabricante describe QVQ como una combinación de entrada visual, razonamiento y respuesta textual. Su flujo de servicio utiliza transmisión en continuo. En una aplicación, mantén el razonamiento intermedio diferenciado de la respuesta completa y ensambla los fragmentos devueltos antes de utilizar el resultado como documento o instrucción. La transmisión inconclusa de un modelo de razonamiento no es el mismo artefacto que su conclusión final.
Prepara una tarea coherente. Para un diagrama de proceso, identifica la condición inicial, los puntos de decisión y el resultado que debe explicarse. Para varias imágenes relacionadas, etiqueta cada fuente e indica su orden o relación. Una solicitud útil puede comparar dos configuraciones ilustradas, enumerar los cambios visibles y explicar cuál afecta al requisito indicado. Conserva las etiquetas originales para poder contrastar cada observación con la imagen correcta y pide aclaraciones cuando no pueda leerse un símbolo o un pie de imagen.
Para una pregunta sobre vídeo, define el evento y la parte del clip que se debe examinar. Solicita la secuencia de acciones observadas o las evidencias visuales que respaldan una interpretación concreta. La entrada de vídeo documentada para esta familia sirve para la comprensión, no para producir un clip editado. Si la tarea depende de un fotograma con texto pequeño, proporciona una imagen fija legible junto a la pregunta. La salida esperada debe nombrar los objetos o las etapas pertinentes y explicar la conclusión en texto, en lugar de asumir que una descripción demuestra la intención de una persona.
La referencia de chat indica que los mensajes de sistema no tienen efecto en los modelos QVQ. Incluye la tarea, las instrucciones de rol y el formato solicitado en el mensaje del usuario. También recomienda mantener los valores predeterminados de muestreo de QVQ sin cambios. Define una respuesta final que pueda inspeccionarse, como observaciones seguidas de una conclusión o una tabla que vincule cada afirmación con una característica visible. La aplicación debe validar una tabla solicitada o una organización similar a JSON; no equivalen a una capacidad anunciada de salida restringida.
Conserva el identificador fechado junto al material de origen y los ajustes de procesamiento necesarios para repetir una tarea. Otras versiones de QVQ-Max y el alias variable de la familia mantienen nombres independientes. Para una fuente extensa, elige las páginas o los fotogramas pertinentes, conserva sus relaciones y deja espacio para la respuesta. La representación de los medios, las instrucciones de tarea y el historial de conversación influyen en la solicitud. La preparación debe seguir la especificación de la edición y la interfaz seleccionadas, en lugar de tomar ajustes numéricos de un modelo visual ajeno.
Un resultado analítico práctico contiene los hechos visibles utilizados, la explicación y la respuesta final, con los detalles ausentes o inciertos identificados. Contrasta un cálculo con los números y las unidades indicados; una comparación visual, con ambas imágenes originales; y una interpretación de vídeo, con los fotogramas pertinentes. El texto de razonamiento de QVQ-Max no ejecuta por sí mismo una herramienta externa, aplica un cambio de programa ni demuestra que se haya buscado información fuera de las fuentes proporcionadas. Utiliza el modelo para el análisis visual documentado y conserva evidencias independientes de cualquier acción posterior.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qvq-max-2025-05-15 | 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 $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qvq-max-2025-05-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-05-15', '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-2025-05-15', '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-2025-05-15
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Reason from transcribed chart values\n\nUse this text transcription of a chart, not an image: "Axis: liters per hour. Pump A: 18 at setting 1, 24 at setting 2. Pump B: 20 at setting 1, 21 at setting 2." Compare the increases and identify which pump gains more. Show the arithmetic, preserve units and avoid inferring power use.A small comparison table, two increase calculations and a conclusion restricted to flow rate.Check that increases are computed within each pump and no energy-efficiency claim is added.