A Qwen-VL-Plus a Qwen képi és nyelvi információt feldolgozó modellsorozata, amely különösen a részletek felismerésére és a képeken belüli szövegre összpontosít. A gyártó egymilliónál több pixeles képek és eltérő képarányok támogatását írja le. A modell akkor releváns, amikor a válasz egy apró címkétől, egy oldalon lévő mezőtől vagy a szöveges és vizuális elemek kapcsolatától függ, nem csupán a fénykép témájától.
A gyártó aktuális modellkártyája a verzió nélküli qwen-vl-plus nevet a qwen-vl-plus-2025-08-15 modellel funkcionálisan egyenértékűként írja le. Ismételhető feladatban őrizd meg a pontos verziónevet. A Plus megjelölés, a Latest-alias és egy másik dátumozott verzió külön választási lehetőség; az azonos modellcsaládnév nem teszi felcserélhetővé a specifikációikat.
A modell képességei
A gyártó szöveget, képeket és videót sorol fel bemenetként, a kimenet pedig szöveg. Egy szöveges utasítás irányíthatja a modellt dokumentumrész olvasására, objektumok leírására, elrendezés magyarázatára vagy egy jelenettel kapcsolatos kérdés megválaszolására. A felismerés és a magyarázat összefüggő feladatok, de eltérő követelményeket támasztanak a kimenettel szemben: az átírásnak meg kell őriznie a látható megfogalmazást, a magyarázatnak pedig ki kell fejtenie, hogyan kapcsolódnak a látható részletek a kérdéshez.
Dokumentumból történő adatkinyeréshez adj olvasható oldalt, és jelöld meg a visszaadandó mezőket. Egy űrlapnál kérheted a mezők címkéit és értékeit; egy táblázatnál a kívánt sort az oszlopfejléceivel együtt. Ha egy érték nem látható, határozd meg egyértelműen a hiányzó érték jelölését. Ez a példaként szolgáló kimeneti kialakítás segít az alkalmazásnak megkülönböztetni a kinyert szöveget a találgatással kitöltött tartalomtól.
Elrendezés ellenőrzésekor kérdezz a lényeges elemekről: hol helyezkedik el egy címke, melyik objektumhoz tartozik, és miben tér el két verzió. Adj szerepet minden képnek, és tartsd azonosan az összehasonlítási szempontokat. Képernyőkép alapján adott magyarázathoz add meg a felhasználó célját, és kérj rövid utasítást a látható kezelőszervek alapján. A válasz a felületről szóló szöveg, nem végrehajtott művelet.
A gyártói táblázatok tartalmazzák a válasz megadott kezdőrészből való folytatását és a kontextus gyorsítótárazását. A strukturált kimenet, a kötegelt beküldés és a finomhangolás nem azonos módon érhető el a gyártó különböző konfigurációiban; felületi lehetőségként kezeld őket, ne a Plus név választásának feltétlen következményeként. A funkcióhívások és a webes keresés nem szerepelnek támogatottként ezen a modellkártyán. A kinyert mezők formázásának kérése különbözik egy funkció végrehajtásának vagy új webes információ megszerzésének kérésétől.
Kontextuskorlátok
A közzétett modellkártya 131 072 tokenes kontextusablakot, legfeljebb 129 024 bemeneti tokent és legfeljebb 8 192 kimeneti tokent ad meg. A kép vagy videó reprezentációja a kérdéssel és a kiegészítő szöveggel együtt használja a bemeneti kapacitást. Tervezd külön a vizuális anyagot és a választ: egy hosszú vagy részletes bemenet is igényelhet mindössze rövid mező- vagy megfigyeléslistát.
A bemenet előkészítése
A gyártó részletekre és változatos arányokra helyezett hangsúlya nem szünteti meg az olvasható anyag szükségességét. A kért szöveget tartalmazó terület maradjon jól kivehető. Táblázat kivágásakor őrizd meg az értékek értelmezéséhez szükséges fejléceket és mértékegységeket; több oldal esetén add meg a sorrendjüket és a vizsgálandó részt. Jelezd, hogy eredeti megfogalmazást, összefoglalót vagy értelmezést szeretnél, hogy ezek az eredmények ne keveredjenek.
Videónál határozd meg a leírandó eseményt vagy látható részletet és a válasz kívánt szerkezetét. Egy gyakorlati feladat kérheti egy bemutató cselekménysorát és az egyes lépésekben szereplő objektumokat. A dokumentált kimenet szöveg; a kártya nem sorol fel hangot bemenetként vagy beszédet kimenetként. Ezért ez a vizuális feldolgozási út nem tekinthető bizonyítéknak arra, hogy egy beszélt tartalom átírását a modell megértette.
Hasznos, ismételhető munkafolyamat ugyanazokat az adatkinyerési mezőket kérni több dokumentumképnél, a képek azonosítóit az eredmények mellett tartani, majd az így létrejött rekordokat az alkalmazásban összehasonlítani. Egy másik lehetőség egy képernyőképet írásbeli követelménnyel párosítani, és látható egyezéseket, eltéréseket, illetve tisztázatlan részleteket kérni. Mindkét esetben őrizd meg a forráskép kapcsolatát minden visszaadott értékkel, hogy az eredmény ellenőrizhető legyen.
", "aboutText": "A Qwen-VL-Plus a Qwen képi és nyelvi információt feldolgozó modellsorozata, amely különösen a részletek felismerésére és a képeken belüli szövegre összpontosít. A gyártó egymilliónál több pixeles képek és eltérő képarányok támogatását írja le. A modell akkor releváns, amikor a válasz egy apró címkétől, egy oldalon lévő mezőtől vagy a szöveges és vizuális elemek kapcsolatától függ, nem csupán a fénykép témájától.\n\nA gyártó aktuális modellkártyája a verzió nélküli qwen-vl-plus nevet a qwen-vl-plus-2025-08-15 modellel funkcionálisan egyenértékűként írja le. Ismételhető feladatban őrizd meg a pontos verziónevet. A Plus megjelölés, a Latest-alias és egy másik dátumozott verzió külön választási lehetőség; az azonos modellcsaládnév nem teszi felcserélhetővé a specifikációikat.\n\nA modell képességei\n\nA gyártó szöveget, képeket és videót sorol fel bemenetként, a kimenet pedig szöveg. Egy szöveges utasítás irányíthatja a modellt dokumentumrész olvasására, objektumok leírására, elrendezés magyarázatára vagy egy jelenettel kapcsolatos kérdés megválaszolására. A felismerés és a magyarázat összefüggő feladatok, de eltérő követelményeket támasztanak a kimenettel szemben: az átírásnak meg kell őriznie a látható megfogalmazást, a magyarázatnak pedig ki kell fejtenie, hogyan kapcsolódnak a látható részletek a kérdéshez.\n\nDokumentumból történő adatkinyeréshez adj olvasható oldalt, és jelöld meg a visszaadandó mezőket. Egy űrlapnál kérheted a mezők címkéit és értékeit; egy táblázatnál a kívánt sort az oszlopfejléceivel együtt. Ha egy érték nem látható, határozd meg egyértelműen a hiányzó érték jelölését. Ez a példaként szolgáló kimeneti kialakítás segít az alkalmazásnak megkülönböztetni a kinyert szöveget a találgatással kitöltött tartalomtól.\n\nElrendezés ellenőrzésekor kérdezz a lényeges elemekről: hol helyezkedik el egy címke, melyik objektumhoz tartozik, és miben tér el két verzió. Adj szerepet minden képnek, és tartsd azonosan az összehasonlítási szempontokat. Képernyőkép alapján adott magyarázathoz add meg a felhasználó célját, és kérj rövid utasítást a látható kezelőszervek alapján. A válasz a felületről szóló szöveg, nem végrehajtott művelet.\n\nA gyártói táblázatok tartalmazzák a válasz megadott kezdőrészből való folytatását és a kontextus gyorsítótárazását. A strukturált kimenet, a kötegelt beküldés és a finomhangolás nem azonos módon érhető el a gyártó különböző konfigurációiban; felületi lehetőségként kezeld őket, ne a Plus név választásának feltétlen következményeként. A funkcióhívások és a webes keresés nem szerepelnek támogatottként ezen a modellkártyán. A kinyert mezők formázásának kérése különbözik egy funkció végrehajtásának vagy új webes információ megszerzésének kérésétől.\n\nKontextuskorlátok\n\nA közzétett modellkártya 131 072 tokenes kontextusablakot, legfeljebb 129 024 bemeneti tokent és legfeljebb 8 192 kimeneti tokent ad meg. A kép vagy videó reprezentációja a kérdéssel és a kiegészítő szöveggel együtt használja a bemeneti kapacitást. Tervezd külön a vizuális anyagot és a választ: egy hosszú vagy részletes bemenet is igényelhet mindössze rövid mező- vagy megfigyeléslistát.\n\nA bemenet előkészítése\n\nA gyártó részletekre és változatos arányokra helyezett hangsúlya nem szünteti meg az olvasható anyag szükségességét. A kért szöveget tartalmazó terület maradjon jól kivehető. Táblázat kivágásakor őrizd meg az értékek értelmezéséhez szükséges fejléceket és mértékegységeket; több oldal esetén add meg a sorrendjüket és a vizsgálandó részt. Jelezd, hogy eredeti megfogalmazást, összefoglalót vagy értelmezést szeretnél, hogy ezek az eredmények ne keveredjenek.\n\nVideónál határozd meg a leírandó eseményt vagy látható részletet és a válasz kívánt szerkezetét. Egy gyakorlati feladat kérheti egy bemutató cselekménysorát és az egyes lépésekben szereplő objektumokat. A dokumentált kimenet szöveg; a kártya nem sorol fel hangot bemenetként vagy beszédet kimenetként. Ezért ez a vizuális feldolgozási út nem tekinthető bizonyítéknak arra, hogy egy beszélt tartalom átírását a modell megértette.\n\nHasznos, ismételhető munkafolyamat ugyanazokat az adatkinyerési mezőket kérni több dokumentumképnél, a képek azonosítóit az eredmények mellett tartani, majd az így létrejött rekordokat az alkalmazásban összehasonlítani. Egy másik lehetőség egy képernyőképet írásbeli követelménnyel párosítani, és látható egyezéseket, eltéréseket, illetve tisztázatlan részleteket kérni. Mindkét esetben őrizd meg a forráskép kapcsolatát minden visszaadott értékkel, hogy az eredmény ellenőrizhető legyen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-plusA Qwen-VL-Plus kiolvassa a képek szövegét, feldolgozza részleteiket, és írásbeli kérdéssel kapcsolja össze őket. A gyártó kép- és videóbemenetet, szöveges kimenetet, nagy felbontású képeket és eltérő képarányokat dokumentál dokumentumok adatainak kinyeréséhez, vizuális összehasonlításhoz és jelenetek magyarázatához.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen-VL-Plus a Qwen képi és nyelvi információt feldolgozó modellsorozata, amely különösen a részletek felismerésére és a képeken belüli szövegre összpontosít. A gyártó egymilliónál több pixeles képek és eltérő képarányok támogatását írja le. A modell akkor releváns, amikor a válasz egy apró címkétől, egy oldalon lévő mezőtől vagy a szöveges és vizuális elemek kapcsolatától függ, nem csupán a fénykép témájától.
A gyártó aktuális modellkártyája a verzió nélküli qwen-vl-plus nevet a qwen-vl-plus-2025-08-15 modellel funkcionálisan egyenértékűként írja le. Ismételhető feladatban őrizd meg a pontos verziónevet. A Plus megjelölés, a Latest-alias és egy másik dátumozott verzió külön választási lehetőség; az azonos modellcsaládnév nem teszi felcserélhetővé a specifikációikat.
A modell képességei
A gyártó szöveget, képeket és videót sorol fel bemenetként, a kimenet pedig szöveg. Egy szöveges utasítás irányíthatja a modellt dokumentumrész olvasására, objektumok leírására, elrendezés magyarázatára vagy egy jelenettel kapcsolatos kérdés megválaszolására. A felismerés és a magyarázat összefüggő feladatok, de eltérő követelményeket támasztanak a kimenettel szemben: az átírásnak meg kell őriznie a látható megfogalmazást, a magyarázatnak pedig ki kell fejtenie, hogyan kapcsolódnak a látható részletek a kérdéshez.
Dokumentumból történő adatkinyeréshez adj olvasható oldalt, és jelöld meg a visszaadandó mezőket. Egy űrlapnál kérheted a mezők címkéit és értékeit; egy táblázatnál a kívánt sort az oszlopfejléceivel együtt. Ha egy érték nem látható, határozd meg egyértelműen a hiányzó érték jelölését. Ez a példaként szolgáló kimeneti kialakítás segít az alkalmazásnak megkülönböztetni a kinyert szöveget a találgatással kitöltött tartalomtól.
Elrendezés ellenőrzésekor kérdezz a lényeges elemekről: hol helyezkedik el egy címke, melyik objektumhoz tartozik, és miben tér el két verzió. Adj szerepet minden képnek, és tartsd azonosan az összehasonlítási szempontokat. Képernyőkép alapján adott magyarázathoz add meg a felhasználó célját, és kérj rövid utasítást a látható kezelőszervek alapján. A válasz a felületről szóló szöveg, nem végrehajtott művelet.
A gyártói táblázatok tartalmazzák a válasz megadott kezdőrészből való folytatását és a kontextus gyorsítótárazását. A strukturált kimenet, a kötegelt beküldés és a finomhangolás nem azonos módon érhető el a gyártó különböző konfigurációiban; felületi lehetőségként kezeld őket, ne a Plus név választásának feltétlen következményeként. A funkcióhívások és a webes keresés nem szerepelnek támogatottként ezen a modellkártyán. A kinyert mezők formázásának kérése különbözik egy funkció végrehajtásának vagy új webes információ megszerzésének kérésétől.
Kontextuskorlátok
A közzétett modellkártya 131 072 tokenes kontextusablakot, legfeljebb 129 024 bemeneti tokent és legfeljebb 8 192 kimeneti tokent ad meg. A kép vagy videó reprezentációja a kérdéssel és a kiegészítő szöveggel együtt használja a bemeneti kapacitást. Tervezd külön a vizuális anyagot és a választ: egy hosszú vagy részletes bemenet is igényelhet mindössze rövid mező- vagy megfigyeléslistát.
A bemenet előkészítése
A gyártó részletekre és változatos arányokra helyezett hangsúlya nem szünteti meg az olvasható anyag szükségességét. A kért szöveget tartalmazó terület maradjon jól kivehető. Táblázat kivágásakor őrizd meg az értékek értelmezéséhez szükséges fejléceket és mértékegységeket; több oldal esetén add meg a sorrendjüket és a vizsgálandó részt. Jelezd, hogy eredeti megfogalmazást, összefoglalót vagy értelmezést szeretnél, hogy ezek az eredmények ne keveredjenek.
Videónál határozd meg a leírandó eseményt vagy látható részletet és a válasz kívánt szerkezetét. Egy gyakorlati feladat kérheti egy bemutató cselekménysorát és az egyes lépésekben szereplő objektumokat. A dokumentált kimenet szöveg; a kártya nem sorol fel hangot bemenetként vagy beszédet kimenetként. Ezért ez a vizuális feldolgozási út nem tekinthető bizonyítéknak arra, hogy egy beszélt tartalom átírását a modell megértette.
Hasznos, ismételhető munkafolyamat ugyanazokat az adatkinyerési mezőket kérni több dokumentumképnél, a képek azonosítóit az eredmények mellett tartani, majd az így létrejött rekordokat az alkalmazásban összehasonlítani. Egy másik lehetőség egy képernyőképet írásbeli követelménnyel párosítani, és látható egyezéseket, eltéréseket, illetve tisztázatlan részleteket kérni. Mindkét esetben őrizd meg a forráskép kapcsolatát minden visszaadott értékkel, hogy az eredmény ellenőrizhető legyen.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen-vl-plus | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00024 / 1K token Kimenet · Kimeneti tokenek $0.000572 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra qwen-vl-plus
Használja a fent látható metódusútvonalakat.
qwen-vl-plusA Qwen-VL-Plus kiolvassa a képek szövegét, feldolgozza részleteiket, és írásbeli kérdéssel kapcsolja össze őket. A gyártó kép- és videóbemenetet, szöveges kimenetet, nagy felbontású képeket és eltérő képarányokat dokumentál dokumentumok adatainak kinyeréséhez, vizuális összehasonlításhoz és jelenetek magyarázatához.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen-VL-Plus a Qwen képi és nyelvi információt feldolgozó modellsorozata, amely különösen a részletek felismerésére és a képeken belüli szövegre összpontosít. A gyártó egymilliónál több pixeles képek és eltérő képarányok támogatását írja le. A modell akkor releváns, amikor a válasz egy apró címkétől, egy oldalon lévő mezőtől vagy a szöveges és vizuális elemek kapcsolatától függ, nem csupán a fénykép témájától.
A gyártó aktuális modellkártyája a verzió nélküli qwen-vl-plus nevet a qwen-vl-plus-2025-08-15 modellel funkcionálisan egyenértékűként írja le. Ismételhető feladatban őrizd meg a pontos verziónevet. A Plus megjelölés, a Latest-alias és egy másik dátumozott verzió külön választási lehetőség; az azonos modellcsaládnév nem teszi felcserélhetővé a specifikációikat.
A modell képességei
A gyártó szöveget, képeket és videót sorol fel bemenetként, a kimenet pedig szöveg. Egy szöveges utasítás irányíthatja a modellt dokumentumrész olvasására, objektumok leírására, elrendezés magyarázatára vagy egy jelenettel kapcsolatos kérdés megválaszolására. A felismerés és a magyarázat összefüggő feladatok, de eltérő követelményeket támasztanak a kimenettel szemben: az átírásnak meg kell őriznie a látható megfogalmazást, a magyarázatnak pedig ki kell fejtenie, hogyan kapcsolódnak a látható részletek a kérdéshez.
Dokumentumból történő adatkinyeréshez adj olvasható oldalt, és jelöld meg a visszaadandó mezőket. Egy űrlapnál kérheted a mezők címkéit és értékeit; egy táblázatnál a kívánt sort az oszlopfejléceivel együtt. Ha egy érték nem látható, határozd meg egyértelműen a hiányzó érték jelölését. Ez a példaként szolgáló kimeneti kialakítás segít az alkalmazásnak megkülönböztetni a kinyert szöveget a találgatással kitöltött tartalomtól.
Elrendezés ellenőrzésekor kérdezz a lényeges elemekről: hol helyezkedik el egy címke, melyik objektumhoz tartozik, és miben tér el két verzió. Adj szerepet minden képnek, és tartsd azonosan az összehasonlítási szempontokat. Képernyőkép alapján adott magyarázathoz add meg a felhasználó célját, és kérj rövid utasítást a látható kezelőszervek alapján. A válasz a felületről szóló szöveg, nem végrehajtott művelet.
A gyártói táblázatok tartalmazzák a válasz megadott kezdőrészből való folytatását és a kontextus gyorsítótárazását. A strukturált kimenet, a kötegelt beküldés és a finomhangolás nem azonos módon érhető el a gyártó különböző konfigurációiban; felületi lehetőségként kezeld őket, ne a Plus név választásának feltétlen következményeként. A funkcióhívások és a webes keresés nem szerepelnek támogatottként ezen a modellkártyán. A kinyert mezők formázásának kérése különbözik egy funkció végrehajtásának vagy új webes információ megszerzésének kérésétől.
Kontextuskorlátok
A közzétett modellkártya 131 072 tokenes kontextusablakot, legfeljebb 129 024 bemeneti tokent és legfeljebb 8 192 kimeneti tokent ad meg. A kép vagy videó reprezentációja a kérdéssel és a kiegészítő szöveggel együtt használja a bemeneti kapacitást. Tervezd külön a vizuális anyagot és a választ: egy hosszú vagy részletes bemenet is igényelhet mindössze rövid mező- vagy megfigyeléslistát.
A bemenet előkészítése
A gyártó részletekre és változatos arányokra helyezett hangsúlya nem szünteti meg az olvasható anyag szükségességét. A kért szöveget tartalmazó terület maradjon jól kivehető. Táblázat kivágásakor őrizd meg az értékek értelmezéséhez szükséges fejléceket és mértékegységeket; több oldal esetén add meg a sorrendjüket és a vizsgálandó részt. Jelezd, hogy eredeti megfogalmazást, összefoglalót vagy értelmezést szeretnél, hogy ezek az eredmények ne keveredjenek.
Videónál határozd meg a leírandó eseményt vagy látható részletet és a válasz kívánt szerkezetét. Egy gyakorlati feladat kérheti egy bemutató cselekménysorát és az egyes lépésekben szereplő objektumokat. A dokumentált kimenet szöveg; a kártya nem sorol fel hangot bemenetként vagy beszédet kimenetként. Ezért ez a vizuális feldolgozási út nem tekinthető bizonyítéknak arra, hogy egy beszélt tartalom átírását a modell megértette.
Hasznos, ismételhető munkafolyamat ugyanazokat az adatkinyerési mezőket kérni több dokumentumképnél, a képek azonosítóit az eredmények mellett tartani, majd az így létrejött rekordokat az alkalmazásban összehasonlítani. Egy másik lehetőség egy képernyőképet írásbeli követelménnyel párosítani, és látható egyezéseket, eltéréseket, illetve tisztázatlan részleteket kérni. Mindkét esetben őrizd meg a forráskép kapcsolatát minden visszaadott értékkel, hogy az eredmény ellenőrizhető legyen.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen-vl-plus | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00024 / 1K token Kimenet · Kimeneti tokenek $0.000572 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra qwen-vl-plus
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.