Qwen-VL-Max est la gamme de modèles visuels et linguistiques de Qwen destinée aux questions qui exigent davantage que la reconnaissance d’un objet. Le fabricant positionne Max autour du raisonnement visuel et du suivi des instructions : relier les éléments visibles aux conditions de l’utilisateur, expliquer les relations et produire un résultat textuel pour une tâche visuelle plus complexe. Par rapport à la gamme Plus, cette description insiste davantage sur le raisonnement et l’interprétation.
La fiche actuelle du fabricant relie le nom sans version qwen-vl-max à qwen-vl-max-2025-08-13. Le nom évolutif suit les mises à jour, tandis qu’un nom daté identifie une version précise. Conservez le nom exact lorsque vous comparez les entrées et les résultats ; d’autres éditions nommées peuvent avoir des spécifications documentées différentes.
Capacités du modèle
Les entrées documentées comprennent le texte, les images et la vidéo, tandis que la sortie est textuelle. Le contenu visuel peut être une page de document, un graphique, une scène ou une séquence d’images. La question écrite détermine ce que le modèle doit établir à partir de ce contenu. Le résultat peut décrire les éléments de preuve, expliquer une relation ou organiser les constats dans des champs ; ce modèle n’est pas une édition de génération d’images ou de vidéos.
Pour un graphique, précisez la comparaison au lieu de demander une description générale. Fournissez l’image et demandez quelle série visible augmente, ce que signifient les libellés et quelles observations étayent la conclusion. Demandez des parties distinctes pour les données directement visibles et pour l’explication. Pour un schéma de processus, indiquez les conditions de départ et d’arrivée et demandez les liens entre les étapes, en conservant les libellés d’origine.
Pour une capture d’écran, indiquez l’objectif de l’utilisateur et demandez les commandes visibles et la prochaine étape possible. Cela produit une interprétation écrite de l’interface. Tout clic réel, toute modification de fichier ou toute action externe reste du ressort de l’application environnante ; la compréhension visuelle seule ne constitue pas un flux de contrôle de l’ordinateur.
La fiche du fabricant documente les sorties structurées, la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. Ces possibilités peuvent aider à organiser des analyses visuelles répétées autour d’une structure de sortie stable. La soumission par lots diffère selon les configurations du fabricant, tandis que l’appel de fonctions, la recherche web et l’ajustement fin ne sont pas indiqués comme pris en charge sur cette fiche. Une réponse textuelle structurée ne doit donc pas être confondue avec un appel d’outil exécuté ou une recherche en ligne.
Limites de contexte
La fiche du modèle ainsi nommé indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. Les entrées visuelles et la tâche textuelle consomment ensemble le budget d’entrée disponible. La réponse est limitée indépendamment : une grande collection de contenus visuels n’implique donc pas une sortie de taille équivalente.
Choisissez les images ou les photogrammes qui répondent à la question réelle. Préservez la légende du graphique, les en-têtes de colonnes ou les libellés du schéma nécessaires pour interpréter une zone recadrée. Lorsque vous comparez plusieurs contenus, précisez leur ordre et leur rôle : le design existant, le design révisé et l’exigence de référence. Un résultat écrit utile peut lister les éléments correspondants, les différences et les questions qui restent non résolues à partir des éléments fournis.
Travailler avec la vidéo
L’entrée vidéo permet de poser des questions sur les événements visibles et leur ordre. Demandez ce qui change entre les photogrammes, quels participants interagissent ou quelle condition visible apparaît avant une autre. Définissez la sortie requise, par exemple une description ordonnée des événements avec les observations qui étayent chaque point. La fiche indique une entrée vidéo et une sortie textuelle, pas une entrée audio ni une sortie vocale ; une question sur un contenu parlé exige que ce contenu soit rendu disponible séparément.
Une tâche pratique peut comparer un clip de démonstration à sa procédure écrite : fournissez le contenu visuel et les étapes pertinentes, demandez quelles étapes sont visiblement représentées et sollicitez une liste concise des écarts. Précisez à quelle étape de la procédure se rapporte chaque observation et gardez les étapes peu claires dans une partie distincte de la réponse.
Limites pertinentes de cette édition
L’accent mis par Max sur le raisonnement visuel est utile lorsque la tâche dépend de l’interprétation de relations et du suivi d’une instruction visuelle complexe. Son résultat documenté est textuel. Gardez l’entrée lisible, nommez la déduction dont vous avez besoin et distinguez les éléments visibles des conclusions que la tâche demande au modèle de tirer. Cette préparation transforme une question visuelle en une explication ou une comparaison exploitable, plutôt qu’en un résumé de scène sans objectif précis.
", "aboutText": "Qwen-VL-Max est la gamme de modèles visuels et linguistiques de Qwen destinée aux questions qui exigent davantage que la reconnaissance d’un objet. Le fabricant positionne Max autour du raisonnement visuel et du suivi des instructions : relier les éléments visibles aux conditions de l’utilisateur, expliquer les relations et produire un résultat textuel pour une tâche visuelle plus complexe. Par rapport à la gamme Plus, cette description insiste davantage sur le raisonnement et l’interprétation.\n\nLa fiche actuelle du fabricant relie le nom sans version qwen-vl-max à qwen-vl-max-2025-08-13. Le nom évolutif suit les mises à jour, tandis qu’un nom daté identifie une version précise. Conservez le nom exact lorsque vous comparez les entrées et les résultats ; d’autres éditions nommées peuvent avoir des spécifications documentées différentes.\n\nCapacités du modèle\n\nLes entrées documentées comprennent le texte, les images et la vidéo, tandis que la sortie est textuelle. Le contenu visuel peut être une page de document, un graphique, une scène ou une séquence d’images. La question écrite détermine ce que le modèle doit établir à partir de ce contenu. Le résultat peut décrire les éléments de preuve, expliquer une relation ou organiser les constats dans des champs ; ce modèle n’est pas une édition de génération d’images ou de vidéos.\n\nPour un graphique, précisez la comparaison au lieu de demander une description générale. Fournissez l’image et demandez quelle série visible augmente, ce que signifient les libellés et quelles observations étayent la conclusion. Demandez des parties distinctes pour les données directement visibles et pour l’explication. Pour un schéma de processus, indiquez les conditions de départ et d’arrivée et demandez les liens entre les étapes, en conservant les libellés d’origine.\n\nPour une capture d’écran, indiquez l’objectif de l’utilisateur et demandez les commandes visibles et la prochaine étape possible. Cela produit une interprétation écrite de l’interface. Tout clic réel, toute modification de fichier ou toute action externe reste du ressort de l’application environnante ; la compréhension visuelle seule ne constitue pas un flux de contrôle de l’ordinateur.\n\nLa fiche du fabricant documente les sorties structurées, la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. Ces possibilités peuvent aider à organiser des analyses visuelles répétées autour d’une structure de sortie stable. La soumission par lots diffère selon les configurations du fabricant, tandis que l’appel de fonctions, la recherche web et l’ajustement fin ne sont pas indiqués comme pris en charge sur cette fiche. Une réponse textuelle structurée ne doit donc pas être confondue avec un appel d’outil exécuté ou une recherche en ligne.\n\nLimites de contexte\n\nLa fiche du modèle ainsi nommé indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. Les entrées visuelles et la tâche textuelle consomment ensemble le budget d’entrée disponible. La réponse est limitée indépendamment : une grande collection de contenus visuels n’implique donc pas une sortie de taille équivalente.\n\nChoisissez les images ou les photogrammes qui répondent à la question réelle. Préservez la légende du graphique, les en-têtes de colonnes ou les libellés du schéma nécessaires pour interpréter une zone recadrée. Lorsque vous comparez plusieurs contenus, précisez leur ordre et leur rôle : le design existant, le design révisé et l’exigence de référence. Un résultat écrit utile peut lister les éléments correspondants, les différences et les questions qui restent non résolues à partir des éléments fournis.\n\nTravailler avec la vidéo\n\nL’entrée vidéo permet de poser des questions sur les événements visibles et leur ordre. Demandez ce qui change entre les photogrammes, quels participants interagissent ou quelle condition visible apparaît avant une autre. Définissez la sortie requise, par exemple une description ordonnée des événements avec les observations qui étayent chaque point. La fiche indique une entrée vidéo et une sortie textuelle, pas une entrée audio ni une sortie vocale ; une question sur un contenu parlé exige que ce contenu soit rendu disponible séparément.\n\nUne tâche pratique peut comparer un clip de démonstration à sa procédure écrite : fournissez le contenu visuel et les étapes pertinentes, demandez quelles étapes sont visiblement représentées et sollicitez une liste concise des écarts. Précisez à quelle étape de la procédure se rapporte chaque observation et gardez les étapes peu claires dans une partie distincte de la réponse.\n\nLimites pertinentes de cette édition\n\nL’accent mis par Max sur le raisonnement visuel est utile lorsque la tâche dépend de l’interprétation de relations et du suivi d’une instruction visuelle complexe. Son résultat documenté est textuel. Gardez l’entrée lisible, nommez la déduction dont vous avez besoin et distinguez les éléments visibles des conclusions que la tâche demande au modèle de tirer. Cette préparation transforme une question visuelle en une explication ou une comparaison exploitable, plutôt qu’en un résumé de scène sans objectif précis.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.qwen-vl-maxQwen-VL-Max associe le texte, les images et la vidéo au raisonnement visuel et au suivi des instructions. Il renvoie des explications textuelles ou des constats structurés et se positionne pour les questions visuelles complexes, l’analyse de documents et les relations au sein d’une scène.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-VL-Max est la gamme de modèles visuels et linguistiques de Qwen destinée aux questions qui exigent davantage que la reconnaissance d’un objet. Le fabricant positionne Max autour du raisonnement visuel et du suivi des instructions : relier les éléments visibles aux conditions de l’utilisateur, expliquer les relations et produire un résultat textuel pour une tâche visuelle plus complexe. Par rapport à la gamme Plus, cette description insiste davantage sur le raisonnement et l’interprétation.
La fiche actuelle du fabricant relie le nom sans version qwen-vl-max à qwen-vl-max-2025-08-13. Le nom évolutif suit les mises à jour, tandis qu’un nom daté identifie une version précise. Conservez le nom exact lorsque vous comparez les entrées et les résultats ; d’autres éditions nommées peuvent avoir des spécifications documentées différentes.
Capacités du modèle
Les entrées documentées comprennent le texte, les images et la vidéo, tandis que la sortie est textuelle. Le contenu visuel peut être une page de document, un graphique, une scène ou une séquence d’images. La question écrite détermine ce que le modèle doit établir à partir de ce contenu. Le résultat peut décrire les éléments de preuve, expliquer une relation ou organiser les constats dans des champs ; ce modèle n’est pas une édition de génération d’images ou de vidéos.
Pour un graphique, précisez la comparaison au lieu de demander une description générale. Fournissez l’image et demandez quelle série visible augmente, ce que signifient les libellés et quelles observations étayent la conclusion. Demandez des parties distinctes pour les données directement visibles et pour l’explication. Pour un schéma de processus, indiquez les conditions de départ et d’arrivée et demandez les liens entre les étapes, en conservant les libellés d’origine.
Pour une capture d’écran, indiquez l’objectif de l’utilisateur et demandez les commandes visibles et la prochaine étape possible. Cela produit une interprétation écrite de l’interface. Tout clic réel, toute modification de fichier ou toute action externe reste du ressort de l’application environnante ; la compréhension visuelle seule ne constitue pas un flux de contrôle de l’ordinateur.
La fiche du fabricant documente les sorties structurées, la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. Ces possibilités peuvent aider à organiser des analyses visuelles répétées autour d’une structure de sortie stable. La soumission par lots diffère selon les configurations du fabricant, tandis que l’appel de fonctions, la recherche web et l’ajustement fin ne sont pas indiqués comme pris en charge sur cette fiche. Une réponse textuelle structurée ne doit donc pas être confondue avec un appel d’outil exécuté ou une recherche en ligne.
Limites de contexte
La fiche du modèle ainsi nommé indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. Les entrées visuelles et la tâche textuelle consomment ensemble le budget d’entrée disponible. La réponse est limitée indépendamment : une grande collection de contenus visuels n’implique donc pas une sortie de taille équivalente.
Choisissez les images ou les photogrammes qui répondent à la question réelle. Préservez la légende du graphique, les en-têtes de colonnes ou les libellés du schéma nécessaires pour interpréter une zone recadrée. Lorsque vous comparez plusieurs contenus, précisez leur ordre et leur rôle : le design existant, le design révisé et l’exigence de référence. Un résultat écrit utile peut lister les éléments correspondants, les différences et les questions qui restent non résolues à partir des éléments fournis.
Travailler avec la vidéo
L’entrée vidéo permet de poser des questions sur les événements visibles et leur ordre. Demandez ce qui change entre les photogrammes, quels participants interagissent ou quelle condition visible apparaît avant une autre. Définissez la sortie requise, par exemple une description ordonnée des événements avec les observations qui étayent chaque point. La fiche indique une entrée vidéo et une sortie textuelle, pas une entrée audio ni une sortie vocale ; une question sur un contenu parlé exige que ce contenu soit rendu disponible séparément.
Une tâche pratique peut comparer un clip de démonstration à sa procédure écrite : fournissez le contenu visuel et les étapes pertinentes, demandez quelles étapes sont visiblement représentées et sollicitez une liste concise des écarts. Précisez à quelle étape de la procédure se rapporte chaque observation et gardez les étapes peu claires dans une partie distincte de la réponse.
Limites pertinentes de cette édition
L’accent mis par Max sur le raisonnement visuel est utile lorsque la tâche dépend de l’interprétation de relations et du suivi d’une instruction visuelle complexe. Son résultat documenté est textuel. Gardez l’entrée lisible, nommez la déduction dont vous avez besoin et distinguez les éléments visibles des conclusions que la tâche demande au modèle de tirer. Cette préparation transforme une question visuelle en une explication ou une comparaison exploitable, plutôt qu’en un résumé de scène sans objectif précis.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-vl-max | 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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00046 / 1K tokens Sortie · Tokens en sortie $0.001144 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-vl-max", "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-max',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-max',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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen-vl-max
Utilisez les chemins de méthode indiqués ci-dessus.
qwen-vl-maxQwen-VL-Max associe le texte, les images et la vidéo au raisonnement visuel et au suivi des instructions. Il renvoie des explications textuelles ou des constats structurés et se positionne pour les questions visuelles complexes, l’analyse de documents et les relations au sein d’une scène.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-VL-Max est la gamme de modèles visuels et linguistiques de Qwen destinée aux questions qui exigent davantage que la reconnaissance d’un objet. Le fabricant positionne Max autour du raisonnement visuel et du suivi des instructions : relier les éléments visibles aux conditions de l’utilisateur, expliquer les relations et produire un résultat textuel pour une tâche visuelle plus complexe. Par rapport à la gamme Plus, cette description insiste davantage sur le raisonnement et l’interprétation.
La fiche actuelle du fabricant relie le nom sans version qwen-vl-max à qwen-vl-max-2025-08-13. Le nom évolutif suit les mises à jour, tandis qu’un nom daté identifie une version précise. Conservez le nom exact lorsque vous comparez les entrées et les résultats ; d’autres éditions nommées peuvent avoir des spécifications documentées différentes.
Capacités du modèle
Les entrées documentées comprennent le texte, les images et la vidéo, tandis que la sortie est textuelle. Le contenu visuel peut être une page de document, un graphique, une scène ou une séquence d’images. La question écrite détermine ce que le modèle doit établir à partir de ce contenu. Le résultat peut décrire les éléments de preuve, expliquer une relation ou organiser les constats dans des champs ; ce modèle n’est pas une édition de génération d’images ou de vidéos.
Pour un graphique, précisez la comparaison au lieu de demander une description générale. Fournissez l’image et demandez quelle série visible augmente, ce que signifient les libellés et quelles observations étayent la conclusion. Demandez des parties distinctes pour les données directement visibles et pour l’explication. Pour un schéma de processus, indiquez les conditions de départ et d’arrivée et demandez les liens entre les étapes, en conservant les libellés d’origine.
Pour une capture d’écran, indiquez l’objectif de l’utilisateur et demandez les commandes visibles et la prochaine étape possible. Cela produit une interprétation écrite de l’interface. Tout clic réel, toute modification de fichier ou toute action externe reste du ressort de l’application environnante ; la compréhension visuelle seule ne constitue pas un flux de contrôle de l’ordinateur.
La fiche du fabricant documente les sorties structurées, la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. Ces possibilités peuvent aider à organiser des analyses visuelles répétées autour d’une structure de sortie stable. La soumission par lots diffère selon les configurations du fabricant, tandis que l’appel de fonctions, la recherche web et l’ajustement fin ne sont pas indiqués comme pris en charge sur cette fiche. Une réponse textuelle structurée ne doit donc pas être confondue avec un appel d’outil exécuté ou une recherche en ligne.
Limites de contexte
La fiche du modèle ainsi nommé indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. Les entrées visuelles et la tâche textuelle consomment ensemble le budget d’entrée disponible. La réponse est limitée indépendamment : une grande collection de contenus visuels n’implique donc pas une sortie de taille équivalente.
Choisissez les images ou les photogrammes qui répondent à la question réelle. Préservez la légende du graphique, les en-têtes de colonnes ou les libellés du schéma nécessaires pour interpréter une zone recadrée. Lorsque vous comparez plusieurs contenus, précisez leur ordre et leur rôle : le design existant, le design révisé et l’exigence de référence. Un résultat écrit utile peut lister les éléments correspondants, les différences et les questions qui restent non résolues à partir des éléments fournis.
Travailler avec la vidéo
L’entrée vidéo permet de poser des questions sur les événements visibles et leur ordre. Demandez ce qui change entre les photogrammes, quels participants interagissent ou quelle condition visible apparaît avant une autre. Définissez la sortie requise, par exemple une description ordonnée des événements avec les observations qui étayent chaque point. La fiche indique une entrée vidéo et une sortie textuelle, pas une entrée audio ni une sortie vocale ; une question sur un contenu parlé exige que ce contenu soit rendu disponible séparément.
Une tâche pratique peut comparer un clip de démonstration à sa procédure écrite : fournissez le contenu visuel et les étapes pertinentes, demandez quelles étapes sont visiblement représentées et sollicitez une liste concise des écarts. Précisez à quelle étape de la procédure se rapporte chaque observation et gardez les étapes peu claires dans une partie distincte de la réponse.
Limites pertinentes de cette édition
L’accent mis par Max sur le raisonnement visuel est utile lorsque la tâche dépend de l’interprétation de relations et du suivi d’une instruction visuelle complexe. Son résultat documenté est textuel. Gardez l’entrée lisible, nommez la déduction dont vous avez besoin et distinguez les éléments visibles des conclusions que la tâche demande au modèle de tirer. Cette préparation transforme une question visuelle en une explication ou une comparaison exploitable, plutôt qu’en un résumé de scène sans objectif précis.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-vl-max | 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00046 / 1K tokens Sortie · Tokens en sortie $0.001144 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-max', '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-max', '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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen-vl-max
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.