QVQ-Plus est la gamme Plus des modèles de raisonnement visuel QVQ de Qwen. Le fabricant met en avant 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 des vidéos, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une identité de famille ; il ne remplace ni un instantané fixe QVQ-Max ni un modèle de génération d'images.
La fenêtre de contexte documentée est de 131 072 tokens, avec un maximum de 106 496 tokens en entrée et de 8 192 tokens en sortie. Distinguez ces limites lorsque vous préparez une requête. Incluez la tâche écrite, les éléments visuels pertinents et l'historique de conversation nécessaire, puis réservez de la place à l'explication et à la réponse finale. La contribution d'une capture d'écran ou d'une vidéo dépend de sa représentation après traitement ; le seul nombre de caractères saisis ne suffit donc pas à mesurer l'entrée complète.
Le fabricant décrit QVQ comme associant une entrée visuelle à un raisonnement et à une réponse textuelle. Le déroulement documenté du service QVQ utilise une 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 achevée. Une réponse demandée concise peut malgré tout être précédée d'un raisonnement interne ; demander de la brièveté ne transforme pas le modèle en une édition distincte sans raisonnement.
Pour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des libellés, unités et titres lisibles. Demandez, par exemple, si deux séries représentées divergent sur un intervalle choisi, puis réclamez les observations visibles qui étayent 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 seulement approximative est 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 à analyser. Une requête utile peut demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu'impliquent les connecteurs du schéma. Pour une tâche de programmation à partir d'un visuel, fournissez la capture et les exigences écrites, puis demandez une explication textuelle ou une proposition d'implémentation cohérente avec la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l'application.
Pour une vidéo, identifiez l'événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque de petits détails sont importants. Étiquetez les différentes entrées et expliquez leur ordre pour éviter de confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel des éléments fournis et une conclusion sur la question posée ; il ne modifie pas lui-même la source, ne crée pas de nouveau clip et ne vérifie pas ce qui se situe hors de l'observation.
La fiche Plus du fabricant n'annonce ni appel de fonctions, ni recherche sur le Web, ni sortie structurée sous contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d'observations, et validez tout résultat qui semble exploitable par une machine avant son utilisation par une application. La référence de conversation indique que les messages système sont sans effet sur les modèles QVQ ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les paramètres d'échantillonnage QVQ documentés par défaut au lieu d'importer un réglage de température ou de sélection des tokens d'une autre famille Qwen.
Pour obtenir un livrable analytique utile, demandez les faits observés, l'explication et une réponse finale clairement identifiée. Vérifiez les calculs à partir des nombres, libellés et unités visibles, et confrontez l'interprétation d'un document à la section source concernée. Conservez l'identité Plus choisie et les éléments d'entrée avec le résultat lorsqu'un cas doit être réexaminé. Séparez la proposition argumentée de toute action ultérieure : une application ou une personne doit encore exécuter l'opération d'outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, les éléments 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 en avant 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 des vidéos, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une identité de famille ; il ne remplace ni un instantané fixe QVQ-Max ni un modèle de génération d'images.\n\nLa fenêtre de contexte documentée est de 131 072 tokens, avec un maximum de 106 496 tokens en entrée et de 8 192 tokens en sortie. Distinguez ces limites lorsque vous préparez une requête. Incluez la tâche écrite, les éléments visuels pertinents et l'historique de conversation nécessaire, puis réservez de la place à l'explication et à la réponse finale. La contribution d'une capture d'écran ou d'une vidéo dépend de sa représentation après traitement ; le seul nombre de caractères saisis ne suffit donc pas à mesurer l'entrée complète.\n\nLe fabricant décrit QVQ comme associant une entrée visuelle à un raisonnement et à une réponse textuelle. Le déroulement documenté du service QVQ utilise une 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 achevée. Une réponse demandée concise peut malgré tout être précédée d'un raisonnement interne ; demander de la brièveté ne transforme pas le modèle en une édition distincte sans raisonnement.\n\nPour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des libellés, unités et titres lisibles. Demandez, par exemple, si deux séries représentées divergent sur un intervalle choisi, puis réclamez les observations visibles qui étayent 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 seulement approximative est 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 à analyser. Une requête utile peut demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu'impliquent les connecteurs du schéma. Pour une tâche de programmation à partir d'un visuel, fournissez la capture et les exigences écrites, puis demandez une explication textuelle ou une proposition d'implémentation cohérente avec la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l'application.\n\nPour une vidéo, identifiez l'événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque de petits détails sont importants. Étiquetez les différentes entrées et expliquez leur ordre pour éviter de confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel des éléments fournis et une conclusion sur la question posée ; il ne modifie pas lui-même la source, ne crée pas de nouveau clip et ne vérifie pas ce qui se situe hors de l'observation.\n\nLa fiche Plus du fabricant n'annonce ni appel de fonctions, ni recherche sur le Web, ni sortie structurée sous contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d'observations, et validez tout résultat qui semble exploitable par une machine avant son utilisation par une application. La référence de conversation indique que les messages système sont sans effet sur les modèles QVQ ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les paramètres d'échantillonnage QVQ documentés par défaut au lieu d'importer un réglage de température ou de sélection des tokens d'une autre famille Qwen.\n\nPour obtenir un livrable analytique utile, demandez les faits observés, l'explication et une réponse finale clairement identifiée. Vérifiez les calculs à partir des nombres, libellés et unités visibles, et confrontez l'interprétation d'un document à la section source concernée. Conservez l'identité Plus choisie et les éléments d'entrée avec le résultat lorsqu'un cas doit être réexaminé. Séparez la proposition argumentée de toute action ultérieure : une application ou une personne doit encore exécuter l'opération d'outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, les éléments 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 associe une question textuelle à des images ou à une vidéo pour produire une réponse textuelle argumentée. Utilisez-le pour des problèmes mathématiques illustrés, l'analyse de graphiques et de documents, ou des questions dont la conclusion dépend de plusieurs détails visibles ; la gamme Plus conserve son identité propre.
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 en avant 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 des vidéos, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une identité de famille ; il ne remplace ni un instantané fixe QVQ-Max ni un modèle de génération d'images.
La fenêtre de contexte documentée est de 131 072 tokens, avec un maximum de 106 496 tokens en entrée et de 8 192 tokens en sortie. Distinguez ces limites lorsque vous préparez une requête. Incluez la tâche écrite, les éléments visuels pertinents et l'historique de conversation nécessaire, puis réservez de la place à l'explication et à la réponse finale. La contribution d'une capture d'écran ou d'une vidéo dépend de sa représentation après traitement ; le seul nombre de caractères saisis ne suffit donc pas à mesurer l'entrée complète.
Le fabricant décrit QVQ comme associant une entrée visuelle à un raisonnement et à une réponse textuelle. Le déroulement documenté du service QVQ utilise une 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 achevée. Une réponse demandée concise peut malgré tout être précédée d'un raisonnement interne ; demander de la brièveté ne transforme pas le modèle en une édition distincte sans raisonnement.
Pour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des libellés, unités et titres lisibles. Demandez, par exemple, si deux séries représentées divergent sur un intervalle choisi, puis réclamez les observations visibles qui étayent 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 seulement approximative est 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 à analyser. Une requête utile peut demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu'impliquent les connecteurs du schéma. Pour une tâche de programmation à partir d'un visuel, fournissez la capture et les exigences écrites, puis demandez une explication textuelle ou une proposition d'implémentation cohérente avec la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l'application.
Pour une vidéo, identifiez l'événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque de petits détails sont importants. Étiquetez les différentes entrées et expliquez leur ordre pour éviter de confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel des éléments fournis et une conclusion sur la question posée ; il ne modifie pas lui-même la source, ne crée pas de nouveau clip et ne vérifie pas ce qui se situe hors de l'observation.
La fiche Plus du fabricant n'annonce ni appel de fonctions, ni recherche sur le Web, ni sortie structurée sous contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d'observations, et validez tout résultat qui semble exploitable par une machine avant son utilisation par une application. La référence de conversation indique que les messages système sont sans effet sur les modèles QVQ ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les paramètres d'échantillonnage QVQ documentés par défaut au lieu d'importer un réglage de température ou de sélection des tokens d'une autre famille Qwen.
Pour obtenir un livrable analytique utile, demandez les faits observés, l'explication et une réponse finale clairement identifiée. Vérifiez les calculs à partir des nombres, libellés et unités visibles, et confrontez l'interprétation d'un document à la section source concernée. Conservez l'identité Plus choisie et les éléments d'entrée avec le résultat lorsqu'un cas doit être réexaminé. Séparez la proposition argumentée de toute action ultérieure : une application ou une personne doit encore exécuter l'opération d'outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, les éléments 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’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 $0.00058 / 1K tokens Sortie · Tokens en sortie $0.00144 / 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": "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, 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 qvq-plus
Utilisez les chemins de méthode indiqués ci-dessus.
qvq-plusQVQ-Plus associe une question textuelle à des images ou à une vidéo pour produire une réponse textuelle argumentée. Utilisez-le pour des problèmes mathématiques illustrés, l'analyse de graphiques et de documents, ou des questions dont la conclusion dépend de plusieurs détails visibles ; la gamme Plus conserve son identité propre.
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 en avant 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 des vidéos, et renvoie du texte comprenant un processus de raisonnement et une réponse. Le nom Plus désigne une identité de famille ; il ne remplace ni un instantané fixe QVQ-Max ni un modèle de génération d'images.
La fenêtre de contexte documentée est de 131 072 tokens, avec un maximum de 106 496 tokens en entrée et de 8 192 tokens en sortie. Distinguez ces limites lorsque vous préparez une requête. Incluez la tâche écrite, les éléments visuels pertinents et l'historique de conversation nécessaire, puis réservez de la place à l'explication et à la réponse finale. La contribution d'une capture d'écran ou d'une vidéo dépend de sa représentation après traitement ; le seul nombre de caractères saisis ne suffit donc pas à mesurer l'entrée complète.
Le fabricant décrit QVQ comme associant une entrée visuelle à un raisonnement et à une réponse textuelle. Le déroulement documenté du service QVQ utilise une 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 achevée. Une réponse demandée concise peut malgré tout être précédée d'un raisonnement interne ; demander de la brièveté ne transforme pas le modèle en une édition distincte sans raisonnement.
Pour un graphique ou un tableau, précisez la comparaison à effectuer et fournissez des libellés, unités et titres lisibles. Demandez, par exemple, si deux séries représentées divergent sur un intervalle choisi, puis réclamez les observations visibles qui étayent 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 seulement approximative est 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 à analyser. Une requête utile peut demander quels champs visibles sont nécessaires à un processus donné, comment la page est organisée ou ce qu'impliquent les connecteurs du schéma. Pour une tâche de programmation à partir d'un visuel, fournissez la capture et les exigences écrites, puis demandez une explication textuelle ou une proposition d'implémentation cohérente avec la structure visible. Distinguez les propriétés observables de celles qui dépendent du comportement caché de l'application.
Pour une vidéo, identifiez l'événement, la séquence ou la relation à expliquer. Conservez le segment pertinent et fournissez des images fixes lisibles lorsque de petits détails sont importants. Étiquetez les différentes entrées et expliquez leur ordre pour éviter de confondre une comparaison avec des scènes sans rapport. Le résultat est un compte rendu textuel des éléments fournis et une conclusion sur la question posée ; il ne modifie pas lui-même la source, ne crée pas de nouveau clip et ne vérifie pas ce qui se situe hors de l'observation.
La fiche Plus du fabricant n'annonce ni appel de fonctions, ni recherche sur le Web, ni sortie structurée sous contrainte. Organisez la réponse textuelle avec des titres clairs, un tableau comparatif ou une liste d'observations, et validez tout résultat qui semble exploitable par une machine avant son utilisation par une application. La référence de conversation indique que les messages système sont sans effet sur les modèles QVQ ; placez donc les consignes de rôle, de tâche et de mise en forme dans le message utilisateur. Conservez les paramètres d'échantillonnage QVQ documentés par défaut au lieu d'importer un réglage de température ou de sélection des tokens d'une autre famille Qwen.
Pour obtenir un livrable analytique utile, demandez les faits observés, l'explication et une réponse finale clairement identifiée. Vérifiez les calculs à partir des nombres, libellés et unités visibles, et confrontez l'interprétation d'un document à la section source concernée. Conservez l'identité Plus choisie et les éléments d'entrée avec le résultat lorsqu'un cas doit être réexaminé. Séparez la proposition argumentée de toute action ultérieure : une application ou une personne doit encore exécuter l'opération d'outil demandée et en retourner le résultat. Ce modèle fournit du raisonnement visuel et du texte, les éléments 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00058 / 1K tokens Sortie · Tokens en sortie $0.00144 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qvq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 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.