Qwen-VL-Plus 2025-05-07 est une version vision-langage nommée d’Alibaba. Qwen-VL-Plus se concentre sur la compréhension visuelle détaillée et la lecture du texte dans les images, transformant les éléments visuels fournis et une question écrite en une réponse textuelle. Un point de départ utile est une source concrète : une photographie, une capture d’écran, l’image d’une page de document ou des images vidéo dont vous souhaitez faire expliquer le contenu.
Le fabricant distingue l’édition de mai de Qwen-VL-Plus 2025-07-10. L’amélioration spécifique de juillet pour les vidéos de surveillance appartient à cette version ultérieure. Pour le modèle de mai, organisez la tâche autour de sa finalité vision-langage documentée : examiner les détails, lire le texte visible, décrire la scène et relier le résultat à votre question. Conservez le nom du modèle avec le matériel source lorsque vous comparez les réponses à une même tâche.
La compréhension d’images peut utiliser une seule image ou plusieurs dans une même question. Pour un document, précisez les champs ou la zone nécessaires : « Lisez les libellés dans la zone mise en évidence, préservez leur orthographe et fournissez une ligne par libellé. » Pour une page d’instructions photographiée, demandez une transcription, puis une explication séparée. Cette séparation produit une sortie vérifiable à partir de l’original avant qu’elle ne devienne un article d’aide ou un message destiné à l’utilisateur.
Pour une capture d’écran, ajoutez l’objectif de l’utilisateur et indiquez tout élément nécessitant une attention particulière. Exemple de consigne : « Expliquez les étapes visibles qu’un utilisateur suivrait pour modifier ce réglage. Utilisez les noms des boutons affichés à l’écran et listez tout texte trop petit pour être lu. » Pour une comparaison, étiquetez les images A et B et fournissez un critère commun, comme les libellés modifiés ou la position d’un objet visible. La réponse est une proposition d’interprétation textuelle des images.
La compréhension vidéo examine le contenu visuel à travers les images vidéo et renvoie une description ou une réponse textuelle. Choisissez l’épisode pertinent pour la question et conservez son ordre ; si la parole est nécessaire à l’analyse, ajoutez une transcription sous forme de texte, car ce processus visuel ne comprend pas la piste audio de la vidéo. Une sortie utile peut contenir la séquence observée, les détails pertinents de la scène et les questions que les images fournies laissent ouvertes.
Préparez les pages de documents sous forme d’images lisibles pour ce processus d’entrée visuelle ; un fichier PDF ou Word n’est pas lui-même une image en entrée. Pour le processus de fichiers documenté par Alibaba, préparez des images accessibles par URL ne dépassant pas 10 MB ; un fichier vidéo fourni par une URL publique doit durer 2–40 secondes et ne pas dépasser 150 MB, ou utilisez une liste ordonnée de 4–80 images vidéo. Les tokens visuels et textuels combinés doivent toujours tenir dans le budget d’entrée du modèle. Recadrez la zone d’intérêt lorsque les libellés sont trop petits sur la page complète, en conservant le contexte nécessaire pour interpréter un tableau ou un diagramme. Précisez si vous souhaitez une transcription littérale, une explication ou un bref résumé. Ce choix facilite la réutilisation du livrable sans confondre les mots visibles dans la source avec l’interprétation supplémentaire du modèle.
", "aboutText": "Qwen-VL-Plus 2025-05-07 est une version vision-langage nommée d’Alibaba. Qwen-VL-Plus se concentre sur la compréhension visuelle détaillée et la lecture du texte dans les images, transformant les éléments visuels fournis et une question écrite en une réponse textuelle. Un point de départ utile est une source concrète : une photographie, une capture d’écran, l’image d’une page de document ou des images vidéo dont vous souhaitez faire expliquer le contenu.\n\nLe fabricant distingue l’édition de mai de Qwen-VL-Plus 2025-07-10. L’amélioration spécifique de juillet pour les vidéos de surveillance appartient à cette version ultérieure. Pour le modèle de mai, organisez la tâche autour de sa finalité vision-langage documentée : examiner les détails, lire le texte visible, décrire la scène et relier le résultat à votre question. Conservez le nom du modèle avec le matériel source lorsque vous comparez les réponses à une même tâche.\n\nLa compréhension d’images peut utiliser une seule image ou plusieurs dans une même question. Pour un document, précisez les champs ou la zone nécessaires : « Lisez les libellés dans la zone mise en évidence, préservez leur orthographe et fournissez une ligne par libellé. » Pour une page d’instructions photographiée, demandez une transcription, puis une explication séparée. Cette séparation produit une sortie vérifiable à partir de l’original avant qu’elle ne devienne un article d’aide ou un message destiné à l’utilisateur.\n\nPour une capture d’écran, ajoutez l’objectif de l’utilisateur et indiquez tout élément nécessitant une attention particulière. Exemple de consigne : « Expliquez les étapes visibles qu’un utilisateur suivrait pour modifier ce réglage. Utilisez les noms des boutons affichés à l’écran et listez tout texte trop petit pour être lu. » Pour une comparaison, étiquetez les images A et B et fournissez un critère commun, comme les libellés modifiés ou la position d’un objet visible. La réponse est une proposition d’interprétation textuelle des images.\n\nLa compréhension vidéo examine le contenu visuel à travers les images vidéo et renvoie une description ou une réponse textuelle. Choisissez l’épisode pertinent pour la question et conservez son ordre ; si la parole est nécessaire à l’analyse, ajoutez une transcription sous forme de texte, car ce processus visuel ne comprend pas la piste audio de la vidéo. Une sortie utile peut contenir la séquence observée, les détails pertinents de la scène et les questions que les images fournies laissent ouvertes.\n\nPréparez les pages de documents sous forme d’images lisibles pour ce processus d’entrée visuelle ; un fichier PDF ou Word n’est pas lui-même une image en entrée. Pour le processus de fichiers documenté par Alibaba, préparez des images accessibles par URL ne dépassant pas 10 MB ; un fichier vidéo fourni par une URL publique doit durer 2–40 secondes et ne pas dépasser 150 MB, ou utilisez une liste ordonnée de 4–80 images vidéo. Les tokens visuels et textuels combinés doivent toujours tenir dans le budget d’entrée du modèle. Recadrez la zone d’intérêt lorsque les libellés sont trop petits sur la page complète, en conservant le contexte nécessaire pour interpréter un tableau ou un diagramme. Précisez si vous souhaitez une transcription littérale, une explication ou un bref résumé. Ce choix facilite la réutilisation du livrable sans confondre les mots visibles dans la source avec l’interprétation supplémentaire du modèle.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Turn transcribed controls into instructions\n\nUse this written transcription of a settings screen: heading 'Notifications'; checkbox 'Weekly summary' checked; checkbox 'Order alerts' checked; button 'Save changes'. A user wants to stop only weekly summaries. Write three numbered steps using the exact visible control names, and add one sentence stating which alert setting should stay enabled.Three concise steps plus a preservation note for Order alerts, based solely on the transcription.Only Weekly summary is unchecked, Save changes is included, and Order alerts remains enabled.qwen-vl-plus-2025-05-07Qwen-VL-Plus 2025-05-07 associe le texte aux images et aux vidéos pour produire des explications de contenus visuels. Utilisez cette version nommée pour décrire des scènes, extraire le texte visible et poser des questions sur les détails de documents, de captures d’écran ou d’une séquence d’images vidéo.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-VL-Plus 2025-05-07 est une version vision-langage nommée d’Alibaba. Qwen-VL-Plus se concentre sur la compréhension visuelle détaillée et la lecture du texte dans les images, transformant les éléments visuels fournis et une question écrite en une réponse textuelle. Un point de départ utile est une source concrète : une photographie, une capture d’écran, l’image d’une page de document ou des images vidéo dont vous souhaitez faire expliquer le contenu.
Le fabricant distingue l’édition de mai de Qwen-VL-Plus 2025-07-10. L’amélioration spécifique de juillet pour les vidéos de surveillance appartient à cette version ultérieure. Pour le modèle de mai, organisez la tâche autour de sa finalité vision-langage documentée : examiner les détails, lire le texte visible, décrire la scène et relier le résultat à votre question. Conservez le nom du modèle avec le matériel source lorsque vous comparez les réponses à une même tâche.
La compréhension d’images peut utiliser une seule image ou plusieurs dans une même question. Pour un document, précisez les champs ou la zone nécessaires : « Lisez les libellés dans la zone mise en évidence, préservez leur orthographe et fournissez une ligne par libellé. » Pour une page d’instructions photographiée, demandez une transcription, puis une explication séparée. Cette séparation produit une sortie vérifiable à partir de l’original avant qu’elle ne devienne un article d’aide ou un message destiné à l’utilisateur.
Pour une capture d’écran, ajoutez l’objectif de l’utilisateur et indiquez tout élément nécessitant une attention particulière. Exemple de consigne : « Expliquez les étapes visibles qu’un utilisateur suivrait pour modifier ce réglage. Utilisez les noms des boutons affichés à l’écran et listez tout texte trop petit pour être lu. » Pour une comparaison, étiquetez les images A et B et fournissez un critère commun, comme les libellés modifiés ou la position d’un objet visible. La réponse est une proposition d’interprétation textuelle des images.
La compréhension vidéo examine le contenu visuel à travers les images vidéo et renvoie une description ou une réponse textuelle. Choisissez l’épisode pertinent pour la question et conservez son ordre ; si la parole est nécessaire à l’analyse, ajoutez une transcription sous forme de texte, car ce processus visuel ne comprend pas la piste audio de la vidéo. Une sortie utile peut contenir la séquence observée, les détails pertinents de la scène et les questions que les images fournies laissent ouvertes.
Préparez les pages de documents sous forme d’images lisibles pour ce processus d’entrée visuelle ; un fichier PDF ou Word n’est pas lui-même une image en entrée. Pour le processus de fichiers documenté par Alibaba, préparez des images accessibles par URL ne dépassant pas 10 MB ; un fichier vidéo fourni par une URL publique doit durer 2–40 secondes et ne pas dépasser 150 MB, ou utilisez une liste ordonnée de 4–80 images vidéo. Les tokens visuels et textuels combinés doivent toujours tenir dans le budget d’entrée du modèle. Recadrez la zone d’intérêt lorsque les libellés sont trop petits sur la page complète, en conservant le contexte nécessaire pour interpréter un tableau ou un diagramme. Précisez si vous souhaitez une transcription littérale, une explication ou un bref résumé. Ce choix facilite la réutilisation du livrable sans confondre les mots visibles dans la source avec l’interprétation supplémentaire du modèle.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-vl-plus-2025-05-07 | 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 $0.00044 / 1K tokens Sortie · Tokens en sortie $0.0013 / 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-plus-2025-05-07", "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-2025-05-07',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-2025-05-07',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-plus-2025-05-07
Utilisez les chemins de méthode indiqués ci-dessus.
qwen-vl-plus-2025-05-07Qwen-VL-Plus 2025-05-07 associe le texte aux images et aux vidéos pour produire des explications de contenus visuels. Utilisez cette version nommée pour décrire des scènes, extraire le texte visible et poser des questions sur les détails de documents, de captures d’écran ou d’une séquence d’images vidéo.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-VL-Plus 2025-05-07 est une version vision-langage nommée d’Alibaba. Qwen-VL-Plus se concentre sur la compréhension visuelle détaillée et la lecture du texte dans les images, transformant les éléments visuels fournis et une question écrite en une réponse textuelle. Un point de départ utile est une source concrète : une photographie, une capture d’écran, l’image d’une page de document ou des images vidéo dont vous souhaitez faire expliquer le contenu.
Le fabricant distingue l’édition de mai de Qwen-VL-Plus 2025-07-10. L’amélioration spécifique de juillet pour les vidéos de surveillance appartient à cette version ultérieure. Pour le modèle de mai, organisez la tâche autour de sa finalité vision-langage documentée : examiner les détails, lire le texte visible, décrire la scène et relier le résultat à votre question. Conservez le nom du modèle avec le matériel source lorsque vous comparez les réponses à une même tâche.
La compréhension d’images peut utiliser une seule image ou plusieurs dans une même question. Pour un document, précisez les champs ou la zone nécessaires : « Lisez les libellés dans la zone mise en évidence, préservez leur orthographe et fournissez une ligne par libellé. » Pour une page d’instructions photographiée, demandez une transcription, puis une explication séparée. Cette séparation produit une sortie vérifiable à partir de l’original avant qu’elle ne devienne un article d’aide ou un message destiné à l’utilisateur.
Pour une capture d’écran, ajoutez l’objectif de l’utilisateur et indiquez tout élément nécessitant une attention particulière. Exemple de consigne : « Expliquez les étapes visibles qu’un utilisateur suivrait pour modifier ce réglage. Utilisez les noms des boutons affichés à l’écran et listez tout texte trop petit pour être lu. » Pour une comparaison, étiquetez les images A et B et fournissez un critère commun, comme les libellés modifiés ou la position d’un objet visible. La réponse est une proposition d’interprétation textuelle des images.
La compréhension vidéo examine le contenu visuel à travers les images vidéo et renvoie une description ou une réponse textuelle. Choisissez l’épisode pertinent pour la question et conservez son ordre ; si la parole est nécessaire à l’analyse, ajoutez une transcription sous forme de texte, car ce processus visuel ne comprend pas la piste audio de la vidéo. Une sortie utile peut contenir la séquence observée, les détails pertinents de la scène et les questions que les images fournies laissent ouvertes.
Préparez les pages de documents sous forme d’images lisibles pour ce processus d’entrée visuelle ; un fichier PDF ou Word n’est pas lui-même une image en entrée. Pour le processus de fichiers documenté par Alibaba, préparez des images accessibles par URL ne dépassant pas 10 MB ; un fichier vidéo fourni par une URL publique doit durer 2–40 secondes et ne pas dépasser 150 MB, ou utilisez une liste ordonnée de 4–80 images vidéo. Les tokens visuels et textuels combinés doivent toujours tenir dans le budget d’entrée du modèle. Recadrez la zone d’intérêt lorsque les libellés sont trop petits sur la page complète, en conservant le contexte nécessaire pour interpréter un tableau ou un diagramme. Précisez si vous souhaitez une transcription littérale, une explication ou un bref résumé. Ce choix facilite la réutilisation du livrable sans confondre les mots visibles dans la source avec l’interprétation supplémentaire du modèle.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-vl-plus-2025-05-07 | 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 $0.00044 / 1K tokens Sortie · Tokens en sortie $0.0013 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen-vl-plus-2025-05-07",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-05-07', '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-2025-05-07', '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-plus-2025-05-07
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Turn transcribed controls into instructions\n\nUse this written transcription of a settings screen: heading 'Notifications'; checkbox 'Weekly summary' checked; checkbox 'Order alerts' checked; button 'Save changes'. A user wants to stop only weekly summaries. Write three numbered steps using the exact visible control names, and add one sentence stating which alert setting should stay enabled.Three concise steps plus a preservation note for Order alerts, based solely on the transcription.Only Weekly summary is unchecked, Save changes is included, and Order alerts remains enabled.