QVQ-Plus est la gamme Plus des modèles de raisonnement visuel QVQ de Qwen. Le fabricant met l’accent sur les mathématiques, la programmation, l’analyse visuelle, le travail créatif et les tâches générales qui font appel à des éléments de preuve visuels. Le modèle accepte du texte, des images et de la vidéo, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une famille; il ne remplace ni un instantané QVQ-Max fixe ni un modèle de génération d’images.
La fenêtre de contexte documentée est de 131 072 jetons, avec une entrée maximale de 106 496 jetons et une sortie maximale de 8 192 jetons. Distinguez ces limites lorsque vous planifiez une requête. Incluez la tâche écrite, le contenu visuel pertinent et l’historique de conversation nécessaire, puis prévoyez de l’espace pour l’explication et la réponse finale. La contribution d’une capture d’écran ou d’une vidéo dépend de sa représentation traitée; le nombre de caractères saisis ne suffit donc pas à mesurer l’entrée complète.
Le fabricant décrit QVQ comme combinant une entrée visuelle avec un raisonnement et une réponse textuelle. Le déroulement documenté du service QVQ utilise la diffusion en continu. Une application doit distinguer le raisonnement intermédiaire des fragments de réponse finale et assembler le texte avant de le présenter comme une explication terminée. Une réponse demandée sous forme concise peut tout de même suivre un processus de raisonnement interne; demander de la brièveté ne transforme pas le modèle en une édition distincte sans réflexion.
Pour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des étiquettes, des unités et des en-têtes lisibles. Par exemple, demandez si deux séries tracées divergent sur un intervalle sélectionné, puis demandez les observations visibles qui appuient la conclusion. Si la réponse nécessite des valeurs numériques, assurez-vous qu’elles figurent dans la source et demandez au modèle de signaler l’incertitude lorsqu’une lecture visuelle approximative est la seule possible. Conservez l’image d’origine pour pouvoir vérifier le résultat à partir des éléments de preuve.
Pour une capture d’écran de document ou d’interface, définissez l’objectif de l’utilisateur et la partie du contenu à analyser. Une requête utile pourrait demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu’impliquent les connecteurs du diagramme. Pour une tâche de programmation visuelle, fournissez la capture d’écran et les exigences écrites, puis demandez une explication textuelle ou une proposition d’implémentation conforme à la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l’application.
Pour une vidéo, précisez l’événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque les petits détails comptent. Étiquetez les entrées multiples et expliquez leur ordre afin de ne pas confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel du contenu et une conclusion sur la question posée; il ne modifie pas lui-même la source, ne crée pas de nouvelle séquence vidéo et ne vérifie rien au-delà de ce qui est observé.
La fiche Plus du fabricant n’annonce pas la prise en charge de l’appel de fonctions, de la recherche Web ou de la sortie structurée contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d’observations, et validez tout résultat qui semble lisible par machine avant qu’une application l’utilise. La référence de clavardage indique que les messages système n’ont aucun effet sur les modèles QVQ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les valeurs d’échantillonnage par défaut documentées pour QVQ plutôt que d’importer une recette de température ou de sélection des jetons d’une autre famille Qwen.
Pour obtenir un livrable analytique utile, demandez les faits observés, l’explication et une réponse finale clairement nommée. Vérifiez les calculs à partir des nombres, des étiquettes et des unités visibles, et vérifiez l’interprétation d’un document à partir de la section source à laquelle elle se rapporte. Conservez l’identité Plus choisie et les éléments d’entrée avec le résultat lorsqu’un cas doit être réexaminé. Séparez une proposition raisonnée de toute action ultérieure : une application ou une personne doit encore effectuer l’opération d’outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, le contenu d’origine restant la base de la vérification.
", "aboutText": "QVQ-Plus est la gamme Plus des modèles de raisonnement visuel QVQ de Qwen. Le fabricant met l’accent sur les mathématiques, la programmation, l’analyse visuelle, le travail créatif et les tâches générales qui font appel à des éléments de preuve visuels. Le modèle accepte du texte, des images et de la vidéo, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une famille; il ne remplace ni un instantané QVQ-Max fixe ni un modèle de génération d’images.\n\nLa fenêtre de contexte documentée est de 131 072 jetons, avec une entrée maximale de 106 496 jetons et une sortie maximale de 8 192 jetons. Distinguez ces limites lorsque vous planifiez une requête. Incluez la tâche écrite, le contenu visuel pertinent et l’historique de conversation nécessaire, puis prévoyez de l’espace pour l’explication et la réponse finale. La contribution d’une capture d’écran ou d’une vidéo dépend de sa représentation traitée; le nombre de caractères saisis ne suffit donc pas à mesurer l’entrée complète.\n\nLe fabricant décrit QVQ comme combinant une entrée visuelle avec un raisonnement et une réponse textuelle. Le déroulement documenté du service QVQ utilise la diffusion en continu. Une application doit distinguer le raisonnement intermédiaire des fragments de réponse finale et assembler le texte avant de le présenter comme une explication terminée. Une réponse demandée sous forme concise peut tout de même suivre un processus de raisonnement interne; demander de la brièveté ne transforme pas le modèle en une édition distincte sans réflexion.\n\nPour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des étiquettes, des unités et des en-têtes lisibles. Par exemple, demandez si deux séries tracées divergent sur un intervalle sélectionné, puis demandez les observations visibles qui appuient la conclusion. Si la réponse nécessite des valeurs numériques, assurez-vous qu’elles figurent dans la source et demandez au modèle de signaler l’incertitude lorsqu’une lecture visuelle approximative est la seule possible. Conservez l’image d’origine pour pouvoir vérifier le résultat à partir des éléments de preuve.\n\nPour une capture d’écran de document ou d’interface, définissez l’objectif de l’utilisateur et la partie du contenu à analyser. Une requête utile pourrait demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu’impliquent les connecteurs du diagramme. Pour une tâche de programmation visuelle, fournissez la capture d’écran et les exigences écrites, puis demandez une explication textuelle ou une proposition d’implémentation conforme à la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l’application.\n\nPour une vidéo, précisez l’événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque les petits détails comptent. Étiquetez les entrées multiples et expliquez leur ordre afin de ne pas confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel du contenu et une conclusion sur la question posée; il ne modifie pas lui-même la source, ne crée pas de nouvelle séquence vidéo et ne vérifie rien au-delà de ce qui est observé.\n\nLa fiche Plus du fabricant n’annonce pas la prise en charge de l’appel de fonctions, de la recherche Web ou de la sortie structurée contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d’observations, et validez tout résultat qui semble lisible par machine avant qu’une application l’utilise. La référence de clavardage indique que les messages système n’ont aucun effet sur les modèles QVQ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les valeurs d’échantillonnage par défaut documentées pour QVQ plutôt que d’importer une recette de température ou de sélection des jetons d’une autre famille Qwen.\n\nPour obtenir un livrable analytique utile, demandez les faits observés, l’explication et une réponse finale clairement nommée. Vérifiez les calculs à partir des nombres, des étiquettes et des unités visibles, et vérifiez l’interprétation d’un document à partir de la section source à laquelle elle se rapporte. Conservez l’identité Plus choisie et les éléments d’entrée avec le résultat lorsqu’un cas doit être réexaminé. Séparez une proposition raisonnée de toute action ultérieure : une application ou une personne doit encore effectuer l’opération d’outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, le contenu d’origine restant la base de la vérification.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.qvq-plusQVQ-Plus combine une question textuelle avec des images ou une vidéo pour produire une réponse textuelle raisonnée. Utilisez-le pour les mathématiques visuelles, l’analyse de graphiques et de documents, ou les questions dont la conclusion dépend de plusieurs détails visibles; la gamme Plus conserve sa propre identité.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
QVQ-Plus est la gamme Plus des modèles de raisonnement visuel QVQ de Qwen. Le fabricant met l’accent sur les mathématiques, la programmation, l’analyse visuelle, le travail créatif et les tâches générales qui font appel à des éléments de preuve visuels. Le modèle accepte du texte, des images et de la vidéo, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une famille; il ne remplace ni un instantané QVQ-Max fixe ni un modèle de génération d’images.
La fenêtre de contexte documentée est de 131 072 jetons, avec une entrée maximale de 106 496 jetons et une sortie maximale de 8 192 jetons. Distinguez ces limites lorsque vous planifiez une requête. Incluez la tâche écrite, le contenu visuel pertinent et l’historique de conversation nécessaire, puis prévoyez de l’espace pour l’explication et la réponse finale. La contribution d’une capture d’écran ou d’une vidéo dépend de sa représentation traitée; le nombre de caractères saisis ne suffit donc pas à mesurer l’entrée complète.
Le fabricant décrit QVQ comme combinant une entrée visuelle avec un raisonnement et une réponse textuelle. Le déroulement documenté du service QVQ utilise la diffusion en continu. Une application doit distinguer le raisonnement intermédiaire des fragments de réponse finale et assembler le texte avant de le présenter comme une explication terminée. Une réponse demandée sous forme concise peut tout de même suivre un processus de raisonnement interne; demander de la brièveté ne transforme pas le modèle en une édition distincte sans réflexion.
Pour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des étiquettes, des unités et des en-têtes lisibles. Par exemple, demandez si deux séries tracées divergent sur un intervalle sélectionné, puis demandez les observations visibles qui appuient la conclusion. Si la réponse nécessite des valeurs numériques, assurez-vous qu’elles figurent dans la source et demandez au modèle de signaler l’incertitude lorsqu’une lecture visuelle approximative est la seule possible. Conservez l’image d’origine pour pouvoir vérifier le résultat à partir des éléments de preuve.
Pour une capture d’écran de document ou d’interface, définissez l’objectif de l’utilisateur et la partie du contenu à analyser. Une requête utile pourrait demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu’impliquent les connecteurs du diagramme. Pour une tâche de programmation visuelle, fournissez la capture d’écran et les exigences écrites, puis demandez une explication textuelle ou une proposition d’implémentation conforme à la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l’application.
Pour une vidéo, précisez l’événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque les petits détails comptent. Étiquetez les entrées multiples et expliquez leur ordre afin de ne pas confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel du contenu et une conclusion sur la question posée; il ne modifie pas lui-même la source, ne crée pas de nouvelle séquence vidéo et ne vérifie rien au-delà de ce qui est observé.
La fiche Plus du fabricant n’annonce pas la prise en charge de l’appel de fonctions, de la recherche Web ou de la sortie structurée contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d’observations, et validez tout résultat qui semble lisible par machine avant qu’une application l’utilise. La référence de clavardage indique que les messages système n’ont aucun effet sur les modèles QVQ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les valeurs d’échantillonnage par défaut documentées pour QVQ plutôt que d’importer une recette de température ou de sélection des jetons d’une autre famille Qwen.
Pour obtenir un livrable analytique utile, demandez les faits observés, l’explication et une réponse finale clairement nommée. Vérifiez les calculs à partir des nombres, des étiquettes et des unités visibles, et vérifiez l’interprétation d’un document à partir de la section source à laquelle elle se rapporte. Conservez l’identité Plus choisie et les éléments d’entrée avec le résultat lorsqu’un cas doit être réexaminé. Séparez une proposition raisonnée de toute action ultérieure : une application ou une personne doit encore effectuer l’opération d’outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, le contenu d’origine restant la base de la vérification.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qvq-plus | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.00058 / 1K jetons Sortie · Jetons en sortie $0.00144 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-plus", "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-plus',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-plus',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qvq-plus
Utilisez les chemins de méthode indiqués ci-dessus.
qvq-plusQVQ-Plus combine une question textuelle avec des images ou une vidéo pour produire une réponse textuelle raisonnée. Utilisez-le pour les mathématiques visuelles, l’analyse de graphiques et de documents, ou les questions dont la conclusion dépend de plusieurs détails visibles; la gamme Plus conserve sa propre identité.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
QVQ-Plus est la gamme Plus des modèles de raisonnement visuel QVQ de Qwen. Le fabricant met l’accent sur les mathématiques, la programmation, l’analyse visuelle, le travail créatif et les tâches générales qui font appel à des éléments de preuve visuels. Le modèle accepte du texte, des images et de la vidéo, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une famille; il ne remplace ni un instantané QVQ-Max fixe ni un modèle de génération d’images.
La fenêtre de contexte documentée est de 131 072 jetons, avec une entrée maximale de 106 496 jetons et une sortie maximale de 8 192 jetons. Distinguez ces limites lorsque vous planifiez une requête. Incluez la tâche écrite, le contenu visuel pertinent et l’historique de conversation nécessaire, puis prévoyez de l’espace pour l’explication et la réponse finale. La contribution d’une capture d’écran ou d’une vidéo dépend de sa représentation traitée; le nombre de caractères saisis ne suffit donc pas à mesurer l’entrée complète.
Le fabricant décrit QVQ comme combinant une entrée visuelle avec un raisonnement et une réponse textuelle. Le déroulement documenté du service QVQ utilise la diffusion en continu. Une application doit distinguer le raisonnement intermédiaire des fragments de réponse finale et assembler le texte avant de le présenter comme une explication terminée. Une réponse demandée sous forme concise peut tout de même suivre un processus de raisonnement interne; demander de la brièveté ne transforme pas le modèle en une édition distincte sans réflexion.
Pour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des étiquettes, des unités et des en-têtes lisibles. Par exemple, demandez si deux séries tracées divergent sur un intervalle sélectionné, puis demandez les observations visibles qui appuient la conclusion. Si la réponse nécessite des valeurs numériques, assurez-vous qu’elles figurent dans la source et demandez au modèle de signaler l’incertitude lorsqu’une lecture visuelle approximative est la seule possible. Conservez l’image d’origine pour pouvoir vérifier le résultat à partir des éléments de preuve.
Pour une capture d’écran de document ou d’interface, définissez l’objectif de l’utilisateur et la partie du contenu à analyser. Une requête utile pourrait demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu’impliquent les connecteurs du diagramme. Pour une tâche de programmation visuelle, fournissez la capture d’écran et les exigences écrites, puis demandez une explication textuelle ou une proposition d’implémentation conforme à la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l’application.
Pour une vidéo, précisez l’événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque les petits détails comptent. Étiquetez les entrées multiples et expliquez leur ordre afin de ne pas confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel du contenu et une conclusion sur la question posée; il ne modifie pas lui-même la source, ne crée pas de nouvelle séquence vidéo et ne vérifie rien au-delà de ce qui est observé.
La fiche Plus du fabricant n’annonce pas la prise en charge de l’appel de fonctions, de la recherche Web ou de la sortie structurée contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d’observations, et validez tout résultat qui semble lisible par machine avant qu’une application l’utilise. La référence de clavardage indique que les messages système n’ont aucun effet sur les modèles QVQ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les valeurs d’échantillonnage par défaut documentées pour QVQ plutôt que d’importer une recette de température ou de sélection des jetons d’une autre famille Qwen.
Pour obtenir un livrable analytique utile, demandez les faits observés, l’explication et une réponse finale clairement nommée. Vérifiez les calculs à partir des nombres, des étiquettes et des unités visibles, et vérifiez l’interprétation d’un document à partir de la section source à laquelle elle se rapporte. Conservez l’identité Plus choisie et les éléments d’entrée avec le résultat lorsqu’un cas doit être réexaminé. Séparez une proposition raisonnée de toute action ultérieure : une application ou une personne doit encore effectuer l’opération d’outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, le contenu d’origine restant la base de la vérification.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qvq-plus | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.00058 / 1K jetons Sortie · Jetons en sortie $0.00144 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qvq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-plus', '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-plus', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qvq-plus
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.