Qwen-VL-Plus adalah lini visual-bahasa Qwen dengan fokus khusus pada pengenalan detail dan teks dalam gambar. Pengembang menjelaskan dukungan untuk gambar dengan lebih dari satu juta piksel dan rasio aspek yang berbeda. Ini membuat model relevan ketika jawaban bergantung pada label kecil, bidang pada halaman, atau hubungan antara elemen tekstual dan visual, bukan hanya subjek utama foto.
Kartu pengembang saat ini menjelaskan nama tanpa versi qwen-vl-plus sebagai setara secara fungsional dengan qwen-vl-plus-2025-08-15. Pertahankan nama edisi persisnya dalam tugas yang dapat diulang. Label Plus, alias Latest, dan snapshot bertanggal lainnya merupakan pilihan terpisah; kesamaan nama keluarga tidak membuat spesifikasinya dapat dipertukarkan.
Kemampuan model
Pengembang mencantumkan teks, gambar, dan video sebagai masukan, dengan teks sebagai keluaran. Instruksi teks dapat mengarahkan model untuk membaca bagian dokumen, mendeskripsikan objek, menjelaskan tata letak, atau menjawab pertanyaan tentang adegan. Pengenalan dan penjelasan merupakan tugas terkait tetapi membutuhkan persyaratan keluaran berbeda: transkripsi harus mempertahankan kata-kata yang terlihat, sedangkan penjelasan harus menyatakan bagaimana detail yang terlihat berhubungan dengan pertanyaan.
Untuk ekstraksi dokumen, berikan halaman yang dapat dibaca dan tentukan bidang yang perlu dikembalikan. Formulir dapat meminta label bidang dan nilainya; tabel dapat meminta baris yang diminta bersama judul kolomnya. Jika nilai tidak terlihat, tentukan secara eksplisit representasi untuk nilai yang hilang. Rancangan keluaran ilustratif ini membantu aplikasi membedakan teks hasil ekstraksi dari isian hasil tebakan.
Untuk tinjauan tata letak, tanyakan elemen yang penting: lokasi label, objek yang memilikinya, dan perbedaan dua versi. Berikan peran untuk setiap gambar dan pertahankan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkapan layar, nyatakan tujuan pengguna dan minta instruksi singkat berdasarkan kontrol yang terlihat. Jawabannya adalah teks tentang antarmuka, bukan tindakan yang sudah dilakukan.
Tabel pengembang mencakup kelanjutan respons dari awalan yang diberikan dan caching konteks. Keluaran terstruktur, pengiriman batch, dan fine-tuning tidak disediakan secara identik di semua konfigurasi pengembang; perlakukan sebagai opsi antarmuka, bukan konsekuensi tanpa syarat dari memilih nama Plus. Pemanggilan fungsi dan pencarian web tidak dicantumkan sebagai kemampuan yang didukung pada kartu ini. Permintaan untuk memformat bidang hasil ekstraksi berbeda dari permintaan untuk menjalankan fungsi atau memperoleh informasi baru dari web.
Batas konteks
Kartu yang dipublikasikan memberikan jendela konteks 131.072 token, masukan maksimum 129.024 token, dan keluaran maksimum 8.192 token. Representasi gambar atau video menggunakan kapasitas masukan bersama pertanyaan dan teks pendukung. Rencanakan materi visual dan jawaban secara terpisah: masukan panjang atau terperinci tetap dapat hanya membutuhkan daftar singkat bidang atau pengamatan.
Persiapan masukan
Penekanan pengembang pada detail dan beragam proporsi tidak menghilangkan kebutuhan akan materi yang dapat dibaca. Pastikan area yang berisi teks yang diminta jelas. Saat memotong tabel, pertahankan judul dan satuan yang diperlukan untuk menafsirkan nilainya; saat menggunakan beberapa halaman, tentukan urutan dan bagian yang perlu diperiksa. Nyatakan apakah Anda menginginkan kata-kata asli, ringkasan, atau penafsiran agar hasil tersebut tidak tercampur.
Untuk video, tentukan peristiwa atau detail yang terlihat untuk dideskripsikan dan struktur respons yang diinginkan. Tugas praktis dapat meminta urutan tindakan dalam demonstrasi serta objek yang terlibat di setiap langkah. Keluaran yang didokumentasikan adalah teks; kartu tidak mencantumkan audio sebagai masukan atau ucapan sebagai keluaran. Karena itu, jalur visual ini tidak boleh digunakan sebagai bukti bahwa transkrip ucapan telah dipahami.
Alur kerja berulang yang berguna adalah memberikan bidang ekstraksi yang sama untuk beberapa gambar dokumen, mempertahankan pengenal gambar di samping hasil, lalu membandingkan catatan yang dihasilkan dalam aplikasi. Cara lain adalah memasangkan tangkapan layar dengan persyaratan tertulis dan meminta kesesuaian yang terlihat, perbedaan, serta detail yang belum terselesaikan. Dalam kedua kasus, pertahankan gambar sumber terkait dengan setiap nilai yang dikembalikan agar hasil dapat diperiksa.
", "aboutText": "Qwen-VL-Plus adalah lini visual-bahasa Qwen dengan fokus khusus pada pengenalan detail dan teks dalam gambar. Pengembang menjelaskan dukungan untuk gambar dengan lebih dari satu juta piksel dan rasio aspek yang berbeda. Ini membuat model relevan ketika jawaban bergantung pada label kecil, bidang pada halaman, atau hubungan antara elemen tekstual dan visual, bukan hanya subjek utama foto.\n\nKartu pengembang saat ini menjelaskan nama tanpa versi qwen-vl-plus sebagai setara secara fungsional dengan qwen-vl-plus-2025-08-15. Pertahankan nama edisi persisnya dalam tugas yang dapat diulang. Label Plus, alias Latest, dan snapshot bertanggal lainnya merupakan pilihan terpisah; kesamaan nama keluarga tidak membuat spesifikasinya dapat dipertukarkan.\n\nKemampuan model\n\nPengembang mencantumkan teks, gambar, dan video sebagai masukan, dengan teks sebagai keluaran. Instruksi teks dapat mengarahkan model untuk membaca bagian dokumen, mendeskripsikan objek, menjelaskan tata letak, atau menjawab pertanyaan tentang adegan. Pengenalan dan penjelasan merupakan tugas terkait tetapi membutuhkan persyaratan keluaran berbeda: transkripsi harus mempertahankan kata-kata yang terlihat, sedangkan penjelasan harus menyatakan bagaimana detail yang terlihat berhubungan dengan pertanyaan.\n\nUntuk ekstraksi dokumen, berikan halaman yang dapat dibaca dan tentukan bidang yang perlu dikembalikan. Formulir dapat meminta label bidang dan nilainya; tabel dapat meminta baris yang diminta bersama judul kolomnya. Jika nilai tidak terlihat, tentukan secara eksplisit representasi untuk nilai yang hilang. Rancangan keluaran ilustratif ini membantu aplikasi membedakan teks hasil ekstraksi dari isian hasil tebakan.\n\nUntuk tinjauan tata letak, tanyakan elemen yang penting: lokasi label, objek yang memilikinya, dan perbedaan dua versi. Berikan peran untuk setiap gambar dan pertahankan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkapan layar, nyatakan tujuan pengguna dan minta instruksi singkat berdasarkan kontrol yang terlihat. Jawabannya adalah teks tentang antarmuka, bukan tindakan yang sudah dilakukan.\n\nTabel pengembang mencakup kelanjutan respons dari awalan yang diberikan dan caching konteks. Keluaran terstruktur, pengiriman batch, dan fine-tuning tidak disediakan secara identik di semua konfigurasi pengembang; perlakukan sebagai opsi antarmuka, bukan konsekuensi tanpa syarat dari memilih nama Plus. Pemanggilan fungsi dan pencarian web tidak dicantumkan sebagai kemampuan yang didukung pada kartu ini. Permintaan untuk memformat bidang hasil ekstraksi berbeda dari permintaan untuk menjalankan fungsi atau memperoleh informasi baru dari web.\n\nBatas konteks\n\nKartu yang dipublikasikan memberikan jendela konteks 131.072 token, masukan maksimum 129.024 token, dan keluaran maksimum 8.192 token. Representasi gambar atau video menggunakan kapasitas masukan bersama pertanyaan dan teks pendukung. Rencanakan materi visual dan jawaban secara terpisah: masukan panjang atau terperinci tetap dapat hanya membutuhkan daftar singkat bidang atau pengamatan.\n\nPersiapan masukan\n\nPenekanan pengembang pada detail dan beragam proporsi tidak menghilangkan kebutuhan akan materi yang dapat dibaca. Pastikan area yang berisi teks yang diminta jelas. Saat memotong tabel, pertahankan judul dan satuan yang diperlukan untuk menafsirkan nilainya; saat menggunakan beberapa halaman, tentukan urutan dan bagian yang perlu diperiksa. Nyatakan apakah Anda menginginkan kata-kata asli, ringkasan, atau penafsiran agar hasil tersebut tidak tercampur.\n\nUntuk video, tentukan peristiwa atau detail yang terlihat untuk dideskripsikan dan struktur respons yang diinginkan. Tugas praktis dapat meminta urutan tindakan dalam demonstrasi serta objek yang terlibat di setiap langkah. Keluaran yang didokumentasikan adalah teks; kartu tidak mencantumkan audio sebagai masukan atau ucapan sebagai keluaran. Karena itu, jalur visual ini tidak boleh digunakan sebagai bukti bahwa transkrip ucapan telah dipahami.\n\nAlur kerja berulang yang berguna adalah memberikan bidang ekstraksi yang sama untuk beberapa gambar dokumen, mempertahankan pengenal gambar di samping hasil, lalu membandingkan catatan yang dihasilkan dalam aplikasi. Cara lain adalah memasangkan tangkapan layar dengan persyaratan tertulis dan meminta kesesuaian yang terlihat, perbedaan, serta detail yang belum terselesaikan. Dalam kedua kasus, pertahankan gambar sumber terkait dengan setiap nilai yang dikembalikan agar hasil dapat diperiksa.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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 membaca teks dan detail dalam gambar lalu menggabungkannya dengan pertanyaan tertulis. Pengembang mendokumentasikan masukan gambar dan video, keluaran teks, gambar beresolusi tinggi, dan beragam rasio aspek untuk ekstraksi dokumen, perbandingan visual, dan penjelasan adegan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen-VL-Plus adalah lini visual-bahasa Qwen dengan fokus khusus pada pengenalan detail dan teks dalam gambar. Pengembang menjelaskan dukungan untuk gambar dengan lebih dari satu juta piksel dan rasio aspek yang berbeda. Ini membuat model relevan ketika jawaban bergantung pada label kecil, bidang pada halaman, atau hubungan antara elemen tekstual dan visual, bukan hanya subjek utama foto.
Kartu pengembang saat ini menjelaskan nama tanpa versi qwen-vl-plus sebagai setara secara fungsional dengan qwen-vl-plus-2025-08-15. Pertahankan nama edisi persisnya dalam tugas yang dapat diulang. Label Plus, alias Latest, dan snapshot bertanggal lainnya merupakan pilihan terpisah; kesamaan nama keluarga tidak membuat spesifikasinya dapat dipertukarkan.
Kemampuan model
Pengembang mencantumkan teks, gambar, dan video sebagai masukan, dengan teks sebagai keluaran. Instruksi teks dapat mengarahkan model untuk membaca bagian dokumen, mendeskripsikan objek, menjelaskan tata letak, atau menjawab pertanyaan tentang adegan. Pengenalan dan penjelasan merupakan tugas terkait tetapi membutuhkan persyaratan keluaran berbeda: transkripsi harus mempertahankan kata-kata yang terlihat, sedangkan penjelasan harus menyatakan bagaimana detail yang terlihat berhubungan dengan pertanyaan.
Untuk ekstraksi dokumen, berikan halaman yang dapat dibaca dan tentukan bidang yang perlu dikembalikan. Formulir dapat meminta label bidang dan nilainya; tabel dapat meminta baris yang diminta bersama judul kolomnya. Jika nilai tidak terlihat, tentukan secara eksplisit representasi untuk nilai yang hilang. Rancangan keluaran ilustratif ini membantu aplikasi membedakan teks hasil ekstraksi dari isian hasil tebakan.
Untuk tinjauan tata letak, tanyakan elemen yang penting: lokasi label, objek yang memilikinya, dan perbedaan dua versi. Berikan peran untuk setiap gambar dan pertahankan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkapan layar, nyatakan tujuan pengguna dan minta instruksi singkat berdasarkan kontrol yang terlihat. Jawabannya adalah teks tentang antarmuka, bukan tindakan yang sudah dilakukan.
Tabel pengembang mencakup kelanjutan respons dari awalan yang diberikan dan caching konteks. Keluaran terstruktur, pengiriman batch, dan fine-tuning tidak disediakan secara identik di semua konfigurasi pengembang; perlakukan sebagai opsi antarmuka, bukan konsekuensi tanpa syarat dari memilih nama Plus. Pemanggilan fungsi dan pencarian web tidak dicantumkan sebagai kemampuan yang didukung pada kartu ini. Permintaan untuk memformat bidang hasil ekstraksi berbeda dari permintaan untuk menjalankan fungsi atau memperoleh informasi baru dari web.
Batas konteks
Kartu yang dipublikasikan memberikan jendela konteks 131.072 token, masukan maksimum 129.024 token, dan keluaran maksimum 8.192 token. Representasi gambar atau video menggunakan kapasitas masukan bersama pertanyaan dan teks pendukung. Rencanakan materi visual dan jawaban secara terpisah: masukan panjang atau terperinci tetap dapat hanya membutuhkan daftar singkat bidang atau pengamatan.
Persiapan masukan
Penekanan pengembang pada detail dan beragam proporsi tidak menghilangkan kebutuhan akan materi yang dapat dibaca. Pastikan area yang berisi teks yang diminta jelas. Saat memotong tabel, pertahankan judul dan satuan yang diperlukan untuk menafsirkan nilainya; saat menggunakan beberapa halaman, tentukan urutan dan bagian yang perlu diperiksa. Nyatakan apakah Anda menginginkan kata-kata asli, ringkasan, atau penafsiran agar hasil tersebut tidak tercampur.
Untuk video, tentukan peristiwa atau detail yang terlihat untuk dideskripsikan dan struktur respons yang diinginkan. Tugas praktis dapat meminta urutan tindakan dalam demonstrasi serta objek yang terlibat di setiap langkah. Keluaran yang didokumentasikan adalah teks; kartu tidak mencantumkan audio sebagai masukan atau ucapan sebagai keluaran. Karena itu, jalur visual ini tidak boleh digunakan sebagai bukti bahwa transkrip ucapan telah dipahami.
Alur kerja berulang yang berguna adalah memberikan bidang ekstraksi yang sama untuk beberapa gambar dokumen, mempertahankan pengenal gambar di samping hasil, lalu membandingkan catatan yang dihasilkan dalam aplikasi. Cara lain adalah memasangkan tangkapan layar dengan persyaratan tertulis dan meminta kesesuaian yang terlihat, perbedaan, serta detail yang belum terselesaikan. Dalam kedua kasus, pertahankan gambar sumber terkait dengan setiap nilai yang dikembalikan agar hasil dapat diperiksa.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen-vl-plus | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00024 / 1K token Keluaran · Token keluaran $0.000572 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen-vl-plus
Gunakan jalur metode yang ditampilkan di atas.
qwen-vl-plusQwen-VL-Plus membaca teks dan detail dalam gambar lalu menggabungkannya dengan pertanyaan tertulis. Pengembang mendokumentasikan masukan gambar dan video, keluaran teks, gambar beresolusi tinggi, dan beragam rasio aspek untuk ekstraksi dokumen, perbandingan visual, dan penjelasan adegan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen-VL-Plus adalah lini visual-bahasa Qwen dengan fokus khusus pada pengenalan detail dan teks dalam gambar. Pengembang menjelaskan dukungan untuk gambar dengan lebih dari satu juta piksel dan rasio aspek yang berbeda. Ini membuat model relevan ketika jawaban bergantung pada label kecil, bidang pada halaman, atau hubungan antara elemen tekstual dan visual, bukan hanya subjek utama foto.
Kartu pengembang saat ini menjelaskan nama tanpa versi qwen-vl-plus sebagai setara secara fungsional dengan qwen-vl-plus-2025-08-15. Pertahankan nama edisi persisnya dalam tugas yang dapat diulang. Label Plus, alias Latest, dan snapshot bertanggal lainnya merupakan pilihan terpisah; kesamaan nama keluarga tidak membuat spesifikasinya dapat dipertukarkan.
Kemampuan model
Pengembang mencantumkan teks, gambar, dan video sebagai masukan, dengan teks sebagai keluaran. Instruksi teks dapat mengarahkan model untuk membaca bagian dokumen, mendeskripsikan objek, menjelaskan tata letak, atau menjawab pertanyaan tentang adegan. Pengenalan dan penjelasan merupakan tugas terkait tetapi membutuhkan persyaratan keluaran berbeda: transkripsi harus mempertahankan kata-kata yang terlihat, sedangkan penjelasan harus menyatakan bagaimana detail yang terlihat berhubungan dengan pertanyaan.
Untuk ekstraksi dokumen, berikan halaman yang dapat dibaca dan tentukan bidang yang perlu dikembalikan. Formulir dapat meminta label bidang dan nilainya; tabel dapat meminta baris yang diminta bersama judul kolomnya. Jika nilai tidak terlihat, tentukan secara eksplisit representasi untuk nilai yang hilang. Rancangan keluaran ilustratif ini membantu aplikasi membedakan teks hasil ekstraksi dari isian hasil tebakan.
Untuk tinjauan tata letak, tanyakan elemen yang penting: lokasi label, objek yang memilikinya, dan perbedaan dua versi. Berikan peran untuk setiap gambar dan pertahankan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkapan layar, nyatakan tujuan pengguna dan minta instruksi singkat berdasarkan kontrol yang terlihat. Jawabannya adalah teks tentang antarmuka, bukan tindakan yang sudah dilakukan.
Tabel pengembang mencakup kelanjutan respons dari awalan yang diberikan dan caching konteks. Keluaran terstruktur, pengiriman batch, dan fine-tuning tidak disediakan secara identik di semua konfigurasi pengembang; perlakukan sebagai opsi antarmuka, bukan konsekuensi tanpa syarat dari memilih nama Plus. Pemanggilan fungsi dan pencarian web tidak dicantumkan sebagai kemampuan yang didukung pada kartu ini. Permintaan untuk memformat bidang hasil ekstraksi berbeda dari permintaan untuk menjalankan fungsi atau memperoleh informasi baru dari web.
Batas konteks
Kartu yang dipublikasikan memberikan jendela konteks 131.072 token, masukan maksimum 129.024 token, dan keluaran maksimum 8.192 token. Representasi gambar atau video menggunakan kapasitas masukan bersama pertanyaan dan teks pendukung. Rencanakan materi visual dan jawaban secara terpisah: masukan panjang atau terperinci tetap dapat hanya membutuhkan daftar singkat bidang atau pengamatan.
Persiapan masukan
Penekanan pengembang pada detail dan beragam proporsi tidak menghilangkan kebutuhan akan materi yang dapat dibaca. Pastikan area yang berisi teks yang diminta jelas. Saat memotong tabel, pertahankan judul dan satuan yang diperlukan untuk menafsirkan nilainya; saat menggunakan beberapa halaman, tentukan urutan dan bagian yang perlu diperiksa. Nyatakan apakah Anda menginginkan kata-kata asli, ringkasan, atau penafsiran agar hasil tersebut tidak tercampur.
Untuk video, tentukan peristiwa atau detail yang terlihat untuk dideskripsikan dan struktur respons yang diinginkan. Tugas praktis dapat meminta urutan tindakan dalam demonstrasi serta objek yang terlibat di setiap langkah. Keluaran yang didokumentasikan adalah teks; kartu tidak mencantumkan audio sebagai masukan atau ucapan sebagai keluaran. Karena itu, jalur visual ini tidak boleh digunakan sebagai bukti bahwa transkrip ucapan telah dipahami.
Alur kerja berulang yang berguna adalah memberikan bidang ekstraksi yang sama untuk beberapa gambar dokumen, mempertahankan pengenal gambar di samping hasil, lalu membandingkan catatan yang dihasilkan dalam aplikasi. Cara lain adalah memasangkan tangkapan layar dengan persyaratan tertulis dan meminta kesesuaian yang terlihat, perbedaan, serta detail yang belum terselesaikan. Dalam kedua kasus, pertahankan gambar sumber terkait dengan setiap nilai yang dikembalikan agar hasil dapat diperiksa.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen-vl-plus | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00024 / 1K token Keluaran · Token keluaran $0.000572 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen-vl-plus
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.