Qwen-VL-Plus est la gamme de modèles vision-langage de Qwen qui met particulièrement l’accent sur la reconnaissance des détails et du texte dans les images. Le fabricant décrit la prise en charge d’images de plus d’un million de pixels et de différents rapports d’aspect. Le modèle convient ainsi aux questions dont la réponse dépend d’un petit libellé, d’un champ sur une page ou du lien entre des éléments textuels et visuels, plutôt que du seul sujet d’une photographie.
La fiche actuelle du fabricant décrit le nom sans version qwen-vl-plus comme fonctionnellement équivalent à qwen-vl-plus-2025-08-15. Conservez le nom exact de l’édition dans une tâche reproductible. Une désignation Plus, un alias Latest et une autre version datée sont des choix distincts ; un même nom de famille ne rend pas leurs spécifications interchangeables.
Capacités du modèle
Le fabricant indique le texte, les images et les vidéos comme entrées, avec le texte en sortie. Une instruction textuelle peut demander au modèle de lire une section de document, de décrire des objets, d’expliquer une mise en page ou de répondre à une question sur une scène. Reconnaissance et explication sont des tâches liées, mais leurs exigences de sortie diffèrent : une transcription doit préserver les formulations visibles, tandis qu’une explication doit montrer comment les détails visibles se rapportent à la question.
Pour l’extraction documentaire, fournissez une page lisible et indiquez les champs à renvoyer. Pour un formulaire, vous pouvez demander les libellés des champs et leurs valeurs ; pour un tableau, la ligne souhaitée avec les en-têtes de ses colonnes. Si une valeur n’est pas visible, définissez une représentation explicite pour une valeur manquante. Cet exemple de conception de sortie aide l’application à distinguer le texte extrait d’un complément deviné.
Pour vérifier une mise en page, interrogez le modèle sur les éléments importants : où se trouve un libellé, à quel objet il appartient et en quoi deux versions diffèrent. Attribuez un rôle à chaque image et gardez les mêmes critères de comparaison. Pour une explication à partir d’une capture d’écran, précisez l’objectif de l’utilisateur et demandez une courte instruction fondée sur les commandes visibles. La réponse est un texte sur l’interface, pas une action effectuée.
Les tableaux du fabricant comprennent la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. La sortie structurée, l’envoi par lots et le fine-tuning ne sont pas exposés de la même façon selon les configurations du fabricant ; considérez-les comme des options d’interface, plutôt que comme une conséquence inconditionnelle du choix du nom Plus. Les appels de fonctions et la recherche sur le Web ne sont pas indiqués comme pris en charge dans cette fiche. Demander de mettre en forme des champs extraits est différent de demander l’exécution d’une fonction ou l’obtention de nouvelles informations sur le Web.
Limites de contexte
La fiche publiée indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. La représentation des images ou des vidéos consomme la capacité d’entrée avec la question et le texte complémentaire. Planifiez séparément le matériel visuel et la réponse : une entrée longue ou détaillée peut ne nécessiter qu’une courte liste de champs ou d’observations.
Préparation des entrées
L’accent mis par le fabricant sur les détails et les proportions variées ne dispense pas de fournir un matériel lisible. Gardez nette la zone contenant le texte demandé. Lorsque vous recadrez un tableau, conservez les en-têtes et les unités nécessaires pour interpréter ses valeurs ; si vous utilisez plusieurs pages, indiquez leur ordre et la section à examiner. Précisez si vous souhaitez les formulations originales, un résumé ou une interprétation, afin de ne pas mélanger ces résultats.
Pour une vidéo, définissez l’événement ou le détail visible à décrire et la structure de réponse souhaitée. Une tâche pratique peut demander la séquence d’actions d’une démonstration et les objets impliqués dans chaque étape. La sortie documentée est du texte ; la fiche ne mentionne ni l’audio en entrée ni la parole en sortie. Ce parcours visuel ne doit donc pas être considéré comme la preuve qu’une transcription de contenu parlé a été comprise.
Un processus reproductible utile consiste à demander les mêmes champs d’extraction pour plusieurs images de documents, à conserver les identifiants des images à côté des résultats, puis à comparer les enregistrements obtenus dans l’application. Un autre consiste à associer une capture d’écran à une exigence écrite et à demander les correspondances visibles, les différences et les détails non résolus. Dans les deux cas, conservez l’image source associée à chaque valeur renvoyée pour permettre la vérification du résultat.
", "aboutText": "Qwen-VL-Plus est la gamme de modèles vision-langage de Qwen qui met particulièrement l’accent sur la reconnaissance des détails et du texte dans les images. Le fabricant décrit la prise en charge d’images de plus d’un million de pixels et de différents rapports d’aspect. Le modèle convient ainsi aux questions dont la réponse dépend d’un petit libellé, d’un champ sur une page ou du lien entre des éléments textuels et visuels, plutôt que du seul sujet d’une photographie.\n\nLa fiche actuelle du fabricant décrit le nom sans version qwen-vl-plus comme fonctionnellement équivalent à qwen-vl-plus-2025-08-15. Conservez le nom exact de l’édition dans une tâche reproductible. Une désignation Plus, un alias Latest et une autre version datée sont des choix distincts ; un même nom de famille ne rend pas leurs spécifications interchangeables.\n\nCapacités du modèle\n\nLe fabricant indique le texte, les images et les vidéos comme entrées, avec le texte en sortie. Une instruction textuelle peut demander au modèle de lire une section de document, de décrire des objets, d’expliquer une mise en page ou de répondre à une question sur une scène. Reconnaissance et explication sont des tâches liées, mais leurs exigences de sortie diffèrent : une transcription doit préserver les formulations visibles, tandis qu’une explication doit montrer comment les détails visibles se rapportent à la question.\n\nPour l’extraction documentaire, fournissez une page lisible et indiquez les champs à renvoyer. Pour un formulaire, vous pouvez demander les libellés des champs et leurs valeurs ; pour un tableau, la ligne souhaitée avec les en-têtes de ses colonnes. Si une valeur n’est pas visible, définissez une représentation explicite pour une valeur manquante. Cet exemple de conception de sortie aide l’application à distinguer le texte extrait d’un complément deviné.\n\nPour vérifier une mise en page, interrogez le modèle sur les éléments importants : où se trouve un libellé, à quel objet il appartient et en quoi deux versions diffèrent. Attribuez un rôle à chaque image et gardez les mêmes critères de comparaison. Pour une explication à partir d’une capture d’écran, précisez l’objectif de l’utilisateur et demandez une courte instruction fondée sur les commandes visibles. La réponse est un texte sur l’interface, pas une action effectuée.\n\nLes tableaux du fabricant comprennent la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. La sortie structurée, l’envoi par lots et le fine-tuning ne sont pas exposés de la même façon selon les configurations du fabricant ; considérez-les comme des options d’interface, plutôt que comme une conséquence inconditionnelle du choix du nom Plus. Les appels de fonctions et la recherche sur le Web ne sont pas indiqués comme pris en charge dans cette fiche. Demander de mettre en forme des champs extraits est différent de demander l’exécution d’une fonction ou l’obtention de nouvelles informations sur le Web.\n\nLimites de contexte\n\nLa fiche publiée indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. La représentation des images ou des vidéos consomme la capacité d’entrée avec la question et le texte complémentaire. Planifiez séparément le matériel visuel et la réponse : une entrée longue ou détaillée peut ne nécessiter qu’une courte liste de champs ou d’observations.\n\nPréparation des entrées\n\nL’accent mis par le fabricant sur les détails et les proportions variées ne dispense pas de fournir un matériel lisible. Gardez nette la zone contenant le texte demandé. Lorsque vous recadrez un tableau, conservez les en-têtes et les unités nécessaires pour interpréter ses valeurs ; si vous utilisez plusieurs pages, indiquez leur ordre et la section à examiner. Précisez si vous souhaitez les formulations originales, un résumé ou une interprétation, afin de ne pas mélanger ces résultats.\n\nPour une vidéo, définissez l’événement ou le détail visible à décrire et la structure de réponse souhaitée. Une tâche pratique peut demander la séquence d’actions d’une démonstration et les objets impliqués dans chaque étape. La sortie documentée est du texte ; la fiche ne mentionne ni l’audio en entrée ni la parole en sortie. Ce parcours visuel ne doit donc pas être considéré comme la preuve qu’une transcription de contenu parlé a été comprise.\n\nUn processus reproductible utile consiste à demander les mêmes champs d’extraction pour plusieurs images de documents, à conserver les identifiants des images à côté des résultats, puis à comparer les enregistrements obtenus dans l’application. Un autre consiste à associer une capture d’écran à une exigence écrite et à demander les correspondances visibles, les différences et les détails non résolus. Dans les deux cas, conservez l’image source associée à chaque valeur renvoyée pour permettre la vérification du résultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.qwen-vl-plusQwen-VL-Plus lit le texte et les détails des images et les relie à une question écrite. Le fabricant documente les images et vidéos en entrée, le texte en sortie, les images haute résolution et divers rapports d’aspect pour l’extraction documentaire, la comparaison visuelle et l’explication de scènes.
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 est la gamme de modèles vision-langage de Qwen qui met particulièrement l’accent sur la reconnaissance des détails et du texte dans les images. Le fabricant décrit la prise en charge d’images de plus d’un million de pixels et de différents rapports d’aspect. Le modèle convient ainsi aux questions dont la réponse dépend d’un petit libellé, d’un champ sur une page ou du lien entre des éléments textuels et visuels, plutôt que du seul sujet d’une photographie.
La fiche actuelle du fabricant décrit le nom sans version qwen-vl-plus comme fonctionnellement équivalent à qwen-vl-plus-2025-08-15. Conservez le nom exact de l’édition dans une tâche reproductible. Une désignation Plus, un alias Latest et une autre version datée sont des choix distincts ; un même nom de famille ne rend pas leurs spécifications interchangeables.
Capacités du modèle
Le fabricant indique le texte, les images et les vidéos comme entrées, avec le texte en sortie. Une instruction textuelle peut demander au modèle de lire une section de document, de décrire des objets, d’expliquer une mise en page ou de répondre à une question sur une scène. Reconnaissance et explication sont des tâches liées, mais leurs exigences de sortie diffèrent : une transcription doit préserver les formulations visibles, tandis qu’une explication doit montrer comment les détails visibles se rapportent à la question.
Pour l’extraction documentaire, fournissez une page lisible et indiquez les champs à renvoyer. Pour un formulaire, vous pouvez demander les libellés des champs et leurs valeurs ; pour un tableau, la ligne souhaitée avec les en-têtes de ses colonnes. Si une valeur n’est pas visible, définissez une représentation explicite pour une valeur manquante. Cet exemple de conception de sortie aide l’application à distinguer le texte extrait d’un complément deviné.
Pour vérifier une mise en page, interrogez le modèle sur les éléments importants : où se trouve un libellé, à quel objet il appartient et en quoi deux versions diffèrent. Attribuez un rôle à chaque image et gardez les mêmes critères de comparaison. Pour une explication à partir d’une capture d’écran, précisez l’objectif de l’utilisateur et demandez une courte instruction fondée sur les commandes visibles. La réponse est un texte sur l’interface, pas une action effectuée.
Les tableaux du fabricant comprennent la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. La sortie structurée, l’envoi par lots et le fine-tuning ne sont pas exposés de la même façon selon les configurations du fabricant ; considérez-les comme des options d’interface, plutôt que comme une conséquence inconditionnelle du choix du nom Plus. Les appels de fonctions et la recherche sur le Web ne sont pas indiqués comme pris en charge dans cette fiche. Demander de mettre en forme des champs extraits est différent de demander l’exécution d’une fonction ou l’obtention de nouvelles informations sur le Web.
Limites de contexte
La fiche publiée indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. La représentation des images ou des vidéos consomme la capacité d’entrée avec la question et le texte complémentaire. Planifiez séparément le matériel visuel et la réponse : une entrée longue ou détaillée peut ne nécessiter qu’une courte liste de champs ou d’observations.
Préparation des entrées
L’accent mis par le fabricant sur les détails et les proportions variées ne dispense pas de fournir un matériel lisible. Gardez nette la zone contenant le texte demandé. Lorsque vous recadrez un tableau, conservez les en-têtes et les unités nécessaires pour interpréter ses valeurs ; si vous utilisez plusieurs pages, indiquez leur ordre et la section à examiner. Précisez si vous souhaitez les formulations originales, un résumé ou une interprétation, afin de ne pas mélanger ces résultats.
Pour une vidéo, définissez l’événement ou le détail visible à décrire et la structure de réponse souhaitée. Une tâche pratique peut demander la séquence d’actions d’une démonstration et les objets impliqués dans chaque étape. La sortie documentée est du texte ; la fiche ne mentionne ni l’audio en entrée ni la parole en sortie. Ce parcours visuel ne doit donc pas être considéré comme la preuve qu’une transcription de contenu parlé a été comprise.
Un processus reproductible utile consiste à demander les mêmes champs d’extraction pour plusieurs images de documents, à conserver les identifiants des images à côté des résultats, puis à comparer les enregistrements obtenus dans l’application. Un autre consiste à associer une capture d’écran à une exigence écrite et à demander les correspondances visibles, les différences et les détails non résolus. Dans les deux cas, conservez l’image source associée à chaque valeur renvoyée pour permettre la vérification du résultat.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-vl-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 $0.00024 / 1K tokens Sortie · Tokens en sortie $0.000572 / 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", "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',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',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
Utilisez les chemins de méthode indiqués ci-dessus.
qwen-vl-plusQwen-VL-Plus lit le texte et les détails des images et les relie à une question écrite. Le fabricant documente les images et vidéos en entrée, le texte en sortie, les images haute résolution et divers rapports d’aspect pour l’extraction documentaire, la comparaison visuelle et l’explication de scènes.
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 est la gamme de modèles vision-langage de Qwen qui met particulièrement l’accent sur la reconnaissance des détails et du texte dans les images. Le fabricant décrit la prise en charge d’images de plus d’un million de pixels et de différents rapports d’aspect. Le modèle convient ainsi aux questions dont la réponse dépend d’un petit libellé, d’un champ sur une page ou du lien entre des éléments textuels et visuels, plutôt que du seul sujet d’une photographie.
La fiche actuelle du fabricant décrit le nom sans version qwen-vl-plus comme fonctionnellement équivalent à qwen-vl-plus-2025-08-15. Conservez le nom exact de l’édition dans une tâche reproductible. Une désignation Plus, un alias Latest et une autre version datée sont des choix distincts ; un même nom de famille ne rend pas leurs spécifications interchangeables.
Capacités du modèle
Le fabricant indique le texte, les images et les vidéos comme entrées, avec le texte en sortie. Une instruction textuelle peut demander au modèle de lire une section de document, de décrire des objets, d’expliquer une mise en page ou de répondre à une question sur une scène. Reconnaissance et explication sont des tâches liées, mais leurs exigences de sortie diffèrent : une transcription doit préserver les formulations visibles, tandis qu’une explication doit montrer comment les détails visibles se rapportent à la question.
Pour l’extraction documentaire, fournissez une page lisible et indiquez les champs à renvoyer. Pour un formulaire, vous pouvez demander les libellés des champs et leurs valeurs ; pour un tableau, la ligne souhaitée avec les en-têtes de ses colonnes. Si une valeur n’est pas visible, définissez une représentation explicite pour une valeur manquante. Cet exemple de conception de sortie aide l’application à distinguer le texte extrait d’un complément deviné.
Pour vérifier une mise en page, interrogez le modèle sur les éléments importants : où se trouve un libellé, à quel objet il appartient et en quoi deux versions diffèrent. Attribuez un rôle à chaque image et gardez les mêmes critères de comparaison. Pour une explication à partir d’une capture d’écran, précisez l’objectif de l’utilisateur et demandez une courte instruction fondée sur les commandes visibles. La réponse est un texte sur l’interface, pas une action effectuée.
Les tableaux du fabricant comprennent la continuation à partir d’un préfixe de réponse et la mise en cache du contexte. La sortie structurée, l’envoi par lots et le fine-tuning ne sont pas exposés de la même façon selon les configurations du fabricant ; considérez-les comme des options d’interface, plutôt que comme une conséquence inconditionnelle du choix du nom Plus. Les appels de fonctions et la recherche sur le Web ne sont pas indiqués comme pris en charge dans cette fiche. Demander de mettre en forme des champs extraits est différent de demander l’exécution d’une fonction ou l’obtention de nouvelles informations sur le Web.
Limites de contexte
La fiche publiée indique une fenêtre de contexte de 131 072 tokens, une entrée maximale de 129 024 tokens et une sortie maximale de 8 192 tokens. La représentation des images ou des vidéos consomme la capacité d’entrée avec la question et le texte complémentaire. Planifiez séparément le matériel visuel et la réponse : une entrée longue ou détaillée peut ne nécessiter qu’une courte liste de champs ou d’observations.
Préparation des entrées
L’accent mis par le fabricant sur les détails et les proportions variées ne dispense pas de fournir un matériel lisible. Gardez nette la zone contenant le texte demandé. Lorsque vous recadrez un tableau, conservez les en-têtes et les unités nécessaires pour interpréter ses valeurs ; si vous utilisez plusieurs pages, indiquez leur ordre et la section à examiner. Précisez si vous souhaitez les formulations originales, un résumé ou une interprétation, afin de ne pas mélanger ces résultats.
Pour une vidéo, définissez l’événement ou le détail visible à décrire et la structure de réponse souhaitée. Une tâche pratique peut demander la séquence d’actions d’une démonstration et les objets impliqués dans chaque étape. La sortie documentée est du texte ; la fiche ne mentionne ni l’audio en entrée ni la parole en sortie. Ce parcours visuel ne doit donc pas être considéré comme la preuve qu’une transcription de contenu parlé a été comprise.
Un processus reproductible utile consiste à demander les mêmes champs d’extraction pour plusieurs images de documents, à conserver les identifiants des images à côté des résultats, puis à comparer les enregistrements obtenus dans l’application. Un autre consiste à associer une capture d’écran à une exigence écrite et à demander les correspondances visibles, les différences et les détails non résolus. Dans les deux cas, conservez l’image source associée à chaque valeur renvoyée pour permettre la vérification du résultat.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-vl-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 $0.00024 / 1K tokens Sortie · Tokens en sortie $0.000572 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.