Qwen-VL-Plus 2025-07-10 on Alibaban päivätty, kuvia ja kieltä yhdistävä malli kuvien ja videon ymmärtämiseen. Sen keskeinen päivitys on valvontavideosisällön parempi ymmärtäminen. Malli vastaanottaa visuaalisen aineiston yhdessä tekstiohjeiden kanssa ja palauttaa tekstiä: tapahtuman kuvauksen, näkymää koskevan vastauksen tai raportin, joka on järjestetty pyydettyjen tutkittavien yksityiskohtien mukaan. Alibaba käyttää tästä versiosta myös nimeä qwen-vl-plus-0710.
Valmistaja erottaa tämän version Qwen-VL-Plus 2025-05-07 -versiosta ja samalla sivulla kuvatusta Qwen-VL-Plus latest -aliaksesta. Ero on tärkeä, kun tehtävä koskee nimenomaan kameratallenteita: valvontaan keskittyvä päivitys kuuluu nimettyyn heinäkuun versioon. Säilytä tarkka versio tehtävän tiedoissa, kun vertaat kehotteita tai tarkistat samoja tallenteita uudelleen.
Visuaaliset kysymykset voivat koskea ruudussa näkyviä asioita, kohteiden sijaintia ja näkyvien toimintojen etenemistä ruutujonossa. Yksi kuva voi tukea näkymän kuvausta; useat merkityt kuvat voivat tarjota eri näkymiä tai peräkkäisiä hetkiä. Videon ymmärtäminen käyttää videosta poimittuja ruutuja. Selitys koskee näkyvää lähdeaineistoa; malli ei generoi korvaavaa videota, eikä tämä visuaalinen työnkulku analysoi videon ääniraitaa.
Tapahtumaraporttia varten valmistele olennainen leike tai järjestetty ruutujono ja nimeä tärkeä alue tai toiminta. Esimerkkiohje on: ”Kuvaile henkilön näkyvät toiminnot sisäänkäynnin lähellä järjestyksessä. Anna jokaiselle havainnolle siihen liittyvä kohde, sen sijainti ja näkyvä muutos. Sijoita epävarmat yksityiskohdat erilliseen viimeiseen lauseeseen.” Voit pyytää lyhyen kuvauksen, havaintoluettelon tai nimettyjä raporttiosioita. Ne ovat tekstivastauksen ohjeita, eivät erillinen rakenteisen tulosteen tila.
Tämän version julkaistu konteksti-ikkuna on 32 768 tokenia, enimmäissyöte 30 720 tokenia ja enimmäistuloste 8 096 tokenia. Mallin oma taulukko ilmoittaa myös yhden kuvan enimmäismääräksi 16 384 tokenia. Tekstiohjeiden, keskustelukontekstin ja visuaalisen sisällön tulee yhdessä mahtua syötebudjettiin; tulosteen yläraja on erillinen raja eikä lisätilaa lähdeaineistolle. Pitkää tallennetta tarkistettaessa rajaa olennainen jakso ja säilytä riittävästi ympäröiviä ruutuja, jotta sen tapahtumajärjestys on ymmärrettävä.
Valitse lähderuudut, joissa olennaiset kohteet erottuvat, merkitse eri kamerat tai näkymät ja määritä pyydetty havainto täsmällisesti. Alibaban dokumentoidussa tiedostotyönkulussa URL-osoitteella annettavien kuvien koko saa olla enintään 10 MB; julkisella URL-osoitteella toimitettavan videotiedoston tulee olla 2–40 sekuntia pitkä ja kooltaan enintään 150 MB, tai voit käyttää järjestettyä 4–80 ruudun luetteloa. Visuaalisten ja tekstimuotoisten tokenien tulee yhdessä edelleen mahtua mallin syötebudjettiin. Jos tehtävä riippuu puhutusta selityksestä, toimita sen tekstijäljennös erikseen. Pyydä raporttia erottamaan näkyvä liike päätellystä tarkoituksesta: ”käveli ovea kohti” on eri väite kuin aikomus poistua. Hyödyllinen tulos on tarkistettava tekstitietue, joka liittyy tallenteeseen ja määriteltyihin havaintokriteereihin.
", "aboutText": "Qwen-VL-Plus 2025-07-10 on Alibaban päivätty, kuvia ja kieltä yhdistävä malli kuvien ja videon ymmärtämiseen. Sen keskeinen päivitys on valvontavideosisällön parempi ymmärtäminen. Malli vastaanottaa visuaalisen aineiston yhdessä tekstiohjeiden kanssa ja palauttaa tekstiä: tapahtuman kuvauksen, näkymää koskevan vastauksen tai raportin, joka on järjestetty pyydettyjen tutkittavien yksityiskohtien mukaan. Alibaba käyttää tästä versiosta myös nimeä qwen-vl-plus-0710.\n\nValmistaja erottaa tämän version Qwen-VL-Plus 2025-05-07 -versiosta ja samalla sivulla kuvatusta Qwen-VL-Plus latest -aliaksesta. Ero on tärkeä, kun tehtävä koskee nimenomaan kameratallenteita: valvontaan keskittyvä päivitys kuuluu nimettyyn heinäkuun versioon. Säilytä tarkka versio tehtävän tiedoissa, kun vertaat kehotteita tai tarkistat samoja tallenteita uudelleen.\n\nVisuaaliset kysymykset voivat koskea ruudussa näkyviä asioita, kohteiden sijaintia ja näkyvien toimintojen etenemistä ruutujonossa. Yksi kuva voi tukea näkymän kuvausta; useat merkityt kuvat voivat tarjota eri näkymiä tai peräkkäisiä hetkiä. Videon ymmärtäminen käyttää videosta poimittuja ruutuja. Selitys koskee näkyvää lähdeaineistoa; malli ei generoi korvaavaa videota, eikä tämä visuaalinen työnkulku analysoi videon ääniraitaa.\n\nTapahtumaraporttia varten valmistele olennainen leike tai järjestetty ruutujono ja nimeä tärkeä alue tai toiminta. Esimerkkiohje on: ”Kuvaile henkilön näkyvät toiminnot sisäänkäynnin lähellä järjestyksessä. Anna jokaiselle havainnolle siihen liittyvä kohde, sen sijainti ja näkyvä muutos. Sijoita epävarmat yksityiskohdat erilliseen viimeiseen lauseeseen.” Voit pyytää lyhyen kuvauksen, havaintoluettelon tai nimettyjä raporttiosioita. Ne ovat tekstivastauksen ohjeita, eivät erillinen rakenteisen tulosteen tila.\n\nTämän version julkaistu konteksti-ikkuna on 32 768 tokenia, enimmäissyöte 30 720 tokenia ja enimmäistuloste 8 096 tokenia. Mallin oma taulukko ilmoittaa myös yhden kuvan enimmäismääräksi 16 384 tokenia. Tekstiohjeiden, keskustelukontekstin ja visuaalisen sisällön tulee yhdessä mahtua syötebudjettiin; tulosteen yläraja on erillinen raja eikä lisätilaa lähdeaineistolle. Pitkää tallennetta tarkistettaessa rajaa olennainen jakso ja säilytä riittävästi ympäröiviä ruutuja, jotta sen tapahtumajärjestys on ymmärrettävä.\n\nValitse lähderuudut, joissa olennaiset kohteet erottuvat, merkitse eri kamerat tai näkymät ja määritä pyydetty havainto täsmällisesti. Alibaban dokumentoidussa tiedostotyönkulussa URL-osoitteella annettavien kuvien koko saa olla enintään 10 MB; julkisella URL-osoitteella toimitettavan videotiedoston tulee olla 2–40 sekuntia pitkä ja kooltaan enintään 150 MB, tai voit käyttää järjestettyä 4–80 ruudun luetteloa. Visuaalisten ja tekstimuotoisten tokenien tulee yhdessä edelleen mahtua mallin syötebudjettiin. Jos tehtävä riippuu puhutusta selityksestä, toimita sen tekstijäljennös erikseen. Pyydä raporttia erottamaan näkyvä liike päätellystä tarkoituksesta: ”käveli ovea kohti” on eri väite kuin aikomus poistua. Hyödyllinen tulos on tarkistettava tekstitietue, joka liittyy tallenteeseen ja määriteltyihin havaintokriteereihin.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
A surveillance-event report from frame notes\n\nUse these text frame notes only: 10:01 person stands beside entrance holding a box; 10:02 person places box beside entrance; 10:03 person walks out of frame without the box. Write an ordered event report with timestamps. Separate visible actions reported in the notes from unknown identity, intent and later events. No footage or audio is attached.A timestamped sequence of observations and a separate sentence identifying unsupported identity, intent and later outcome.The report does not label the act theft, infer spoken words or claim the person left the building.qwen-vl-plus-2025-07-10Qwen-VL-Plus 2025-07-10 on kuvia ja kieltä käsittelevä versio, joka keskittyy valvontavideoiden ymmärtämiseen. Se yhdistää kuvat tai videoruudut kirjalliseen kysymykseen näkyvien tapahtumien kuvaamiseksi, toimintojen seuraamiseksi ja tekstiraportin tuottamiseksi.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen-VL-Plus 2025-07-10 on Alibaban päivätty, kuvia ja kieltä yhdistävä malli kuvien ja videon ymmärtämiseen. Sen keskeinen päivitys on valvontavideosisällön parempi ymmärtäminen. Malli vastaanottaa visuaalisen aineiston yhdessä tekstiohjeiden kanssa ja palauttaa tekstiä: tapahtuman kuvauksen, näkymää koskevan vastauksen tai raportin, joka on järjestetty pyydettyjen tutkittavien yksityiskohtien mukaan. Alibaba käyttää tästä versiosta myös nimeä qwen-vl-plus-0710.
Valmistaja erottaa tämän version Qwen-VL-Plus 2025-05-07 -versiosta ja samalla sivulla kuvatusta Qwen-VL-Plus latest -aliaksesta. Ero on tärkeä, kun tehtävä koskee nimenomaan kameratallenteita: valvontaan keskittyvä päivitys kuuluu nimettyyn heinäkuun versioon. Säilytä tarkka versio tehtävän tiedoissa, kun vertaat kehotteita tai tarkistat samoja tallenteita uudelleen.
Visuaaliset kysymykset voivat koskea ruudussa näkyviä asioita, kohteiden sijaintia ja näkyvien toimintojen etenemistä ruutujonossa. Yksi kuva voi tukea näkymän kuvausta; useat merkityt kuvat voivat tarjota eri näkymiä tai peräkkäisiä hetkiä. Videon ymmärtäminen käyttää videosta poimittuja ruutuja. Selitys koskee näkyvää lähdeaineistoa; malli ei generoi korvaavaa videota, eikä tämä visuaalinen työnkulku analysoi videon ääniraitaa.
Tapahtumaraporttia varten valmistele olennainen leike tai järjestetty ruutujono ja nimeä tärkeä alue tai toiminta. Esimerkkiohje on: ”Kuvaile henkilön näkyvät toiminnot sisäänkäynnin lähellä järjestyksessä. Anna jokaiselle havainnolle siihen liittyvä kohde, sen sijainti ja näkyvä muutos. Sijoita epävarmat yksityiskohdat erilliseen viimeiseen lauseeseen.” Voit pyytää lyhyen kuvauksen, havaintoluettelon tai nimettyjä raporttiosioita. Ne ovat tekstivastauksen ohjeita, eivät erillinen rakenteisen tulosteen tila.
Tämän version julkaistu konteksti-ikkuna on 32 768 tokenia, enimmäissyöte 30 720 tokenia ja enimmäistuloste 8 096 tokenia. Mallin oma taulukko ilmoittaa myös yhden kuvan enimmäismääräksi 16 384 tokenia. Tekstiohjeiden, keskustelukontekstin ja visuaalisen sisällön tulee yhdessä mahtua syötebudjettiin; tulosteen yläraja on erillinen raja eikä lisätilaa lähdeaineistolle. Pitkää tallennetta tarkistettaessa rajaa olennainen jakso ja säilytä riittävästi ympäröiviä ruutuja, jotta sen tapahtumajärjestys on ymmärrettävä.
Valitse lähderuudut, joissa olennaiset kohteet erottuvat, merkitse eri kamerat tai näkymät ja määritä pyydetty havainto täsmällisesti. Alibaban dokumentoidussa tiedostotyönkulussa URL-osoitteella annettavien kuvien koko saa olla enintään 10 MB; julkisella URL-osoitteella toimitettavan videotiedoston tulee olla 2–40 sekuntia pitkä ja kooltaan enintään 150 MB, tai voit käyttää järjestettyä 4–80 ruudun luetteloa. Visuaalisten ja tekstimuotoisten tokenien tulee yhdessä edelleen mahtua mallin syötebudjettiin. Jos tehtävä riippuu puhutusta selityksestä, toimita sen tekstijäljennös erikseen. Pyydä raporttia erottamaan näkyvä liike päätellystä tarkoituksesta: ”käveli ovea kohti” on eri väite kuin aikomus poistua. Hyödyllinen tulos on tarkistettava tekstitietue, joka liittyy tallenteeseen ja määriteltyihin havaintokriteereihin.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat qwen-vl-plus-2025-07-10 | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: system, user, assistant, tool, function Ehdot: Nämä roolit esitetään nimenomaisesti lähdekoodin yhteensopivuustyypeissä; mallin täsmällinen roolijoukko pysyy mallikohtaisena. Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring|content_part[]|null | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_calls | Tyyppitool_call[] | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_call_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: role=tool; käytä todella palautettua ID:tä | Oletus— |
Kenttämessages[].name | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].reasoning_content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Palauta todella saatu päättely takaisin mallille, kun kyseinen malli käyttää sitä | Oletus— |
Kenttämessages[].reasoning_details | Tyyppiobject|array | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttämax_completion_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttästream_options.include_usage | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätop_p | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttästop | Tyyppistring|string[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools | Tyyppifunction_tool[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools[].type | Tyyppistring | VaatimusValinnainen | Arvot & rajat function Riippuu mallista | Oletus— |
Kenttätools[].function.name | Tyyppistring | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: funktiotyökalu annettu | Oletus— |
Kenttätools[].function.description | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätools[].function.parameters | TyyppiJSON_schema | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätool_choice | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäparallel_tool_calls | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäresponse_format | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning_effort | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäservice_tier | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäinstructions | Tyyppistring | VaatimusValinnainen | Arvot & rajat Yhteensopivuuskenttä | Oletus— |
Kenttäfunctions | Tyyppifunction[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäfunction_call | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäprompt_cache_options | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämodalities | Tyyppistring[] | VaatimusValinnainen | Arvot & rajat text | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätään tällä Ultran tekstireitillä | Oletus— |
Kenttäcache_control.ttl | Tyyppistring | VaatimusValinnainen | Arvot & rajat Ehdot: 1h hylätään varsinaisissa kehotevälimuistin kohdissa | Oletus— |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametricontrol_scope | Sopimusmallikohtainen; käyttäjän funktiotyökalut eroavat palvelun isännöimistä työkaluista |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.000044 / 1K tokenia Tuloste · Tulostokenit $0.00044 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-vl-plus-2025-07-10", "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='qwen-vl-plus-2025-07-10',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='qwen-vl-plus-2025-07-10',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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra qwen-vl-plus-2025-07-10
Käytä yllä näytettyjä menetelmäpolkuja.
qwen-vl-plus-2025-07-10Qwen-VL-Plus 2025-07-10 on kuvia ja kieltä käsittelevä versio, joka keskittyy valvontavideoiden ymmärtämiseen. Se yhdistää kuvat tai videoruudut kirjalliseen kysymykseen näkyvien tapahtumien kuvaamiseksi, toimintojen seuraamiseksi ja tekstiraportin tuottamiseksi.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen-VL-Plus 2025-07-10 on Alibaban päivätty, kuvia ja kieltä yhdistävä malli kuvien ja videon ymmärtämiseen. Sen keskeinen päivitys on valvontavideosisällön parempi ymmärtäminen. Malli vastaanottaa visuaalisen aineiston yhdessä tekstiohjeiden kanssa ja palauttaa tekstiä: tapahtuman kuvauksen, näkymää koskevan vastauksen tai raportin, joka on järjestetty pyydettyjen tutkittavien yksityiskohtien mukaan. Alibaba käyttää tästä versiosta myös nimeä qwen-vl-plus-0710.
Valmistaja erottaa tämän version Qwen-VL-Plus 2025-05-07 -versiosta ja samalla sivulla kuvatusta Qwen-VL-Plus latest -aliaksesta. Ero on tärkeä, kun tehtävä koskee nimenomaan kameratallenteita: valvontaan keskittyvä päivitys kuuluu nimettyyn heinäkuun versioon. Säilytä tarkka versio tehtävän tiedoissa, kun vertaat kehotteita tai tarkistat samoja tallenteita uudelleen.
Visuaaliset kysymykset voivat koskea ruudussa näkyviä asioita, kohteiden sijaintia ja näkyvien toimintojen etenemistä ruutujonossa. Yksi kuva voi tukea näkymän kuvausta; useat merkityt kuvat voivat tarjota eri näkymiä tai peräkkäisiä hetkiä. Videon ymmärtäminen käyttää videosta poimittuja ruutuja. Selitys koskee näkyvää lähdeaineistoa; malli ei generoi korvaavaa videota, eikä tämä visuaalinen työnkulku analysoi videon ääniraitaa.
Tapahtumaraporttia varten valmistele olennainen leike tai järjestetty ruutujono ja nimeä tärkeä alue tai toiminta. Esimerkkiohje on: ”Kuvaile henkilön näkyvät toiminnot sisäänkäynnin lähellä järjestyksessä. Anna jokaiselle havainnolle siihen liittyvä kohde, sen sijainti ja näkyvä muutos. Sijoita epävarmat yksityiskohdat erilliseen viimeiseen lauseeseen.” Voit pyytää lyhyen kuvauksen, havaintoluettelon tai nimettyjä raporttiosioita. Ne ovat tekstivastauksen ohjeita, eivät erillinen rakenteisen tulosteen tila.
Tämän version julkaistu konteksti-ikkuna on 32 768 tokenia, enimmäissyöte 30 720 tokenia ja enimmäistuloste 8 096 tokenia. Mallin oma taulukko ilmoittaa myös yhden kuvan enimmäismääräksi 16 384 tokenia. Tekstiohjeiden, keskustelukontekstin ja visuaalisen sisällön tulee yhdessä mahtua syötebudjettiin; tulosteen yläraja on erillinen raja eikä lisätilaa lähdeaineistolle. Pitkää tallennetta tarkistettaessa rajaa olennainen jakso ja säilytä riittävästi ympäröiviä ruutuja, jotta sen tapahtumajärjestys on ymmärrettävä.
Valitse lähderuudut, joissa olennaiset kohteet erottuvat, merkitse eri kamerat tai näkymät ja määritä pyydetty havainto täsmällisesti. Alibaban dokumentoidussa tiedostotyönkulussa URL-osoitteella annettavien kuvien koko saa olla enintään 10 MB; julkisella URL-osoitteella toimitettavan videotiedoston tulee olla 2–40 sekuntia pitkä ja kooltaan enintään 150 MB, tai voit käyttää järjestettyä 4–80 ruudun luetteloa. Visuaalisten ja tekstimuotoisten tokenien tulee yhdessä edelleen mahtua mallin syötebudjettiin. Jos tehtävä riippuu puhutusta selityksestä, toimita sen tekstijäljennös erikseen. Pyydä raporttia erottamaan näkyvä liike päätellystä tarkoituksesta: ”käveli ovea kohti” on eri väite kuin aikomus poistua. Hyödyllinen tulos on tarkistettava tekstitietue, joka liittyy tallenteeseen ja määriteltyihin havaintokriteereihin.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat qwen-vl-plus-2025-07-10 | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.000044 / 1K tokenia Tuloste · Tulostokenit $0.00044 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "qwen-vl-plus-2025-07-10",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen-vl-plus-2025-07-10', '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': 'qwen-vl-plus-2025-07-10', '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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra qwen-vl-plus-2025-07-10
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
A surveillance-event report from frame notes\n\nUse these text frame notes only: 10:01 person stands beside entrance holding a box; 10:02 person places box beside entrance; 10:03 person walks out of frame without the box. Write an ordered event report with timestamps. Separate visible actions reported in the notes from unknown identity, intent and later events. No footage or audio is attached.A timestamped sequence of observations and a separate sentence identifying unsupported identity, intent and later outcome.The report does not label the act theft, infer spoken words or claim the person left the building.