QVQ-Max — 2025-03-25 appartiene alla linea di ragionamento visivo QVQ di Qwen. La famiglia QVQ-Max combina l'osservazione di immagini e video con l'analisi di queste informazioni. Le applicazioni documentate comprendono problemi matematici, programmazione, analisi visiva, attività creative e domande quotidiane. Il risultato utile è una spiegazione o una soluzione testuale collegata alle evidenze visive fornite.
Il primo passo è un'osservazione dettagliata. Per un grafico, fornisci assi, legende ed etichette dei dati leggibili, poi specifica se occorre confrontare valori, spiegare una tendenza o esaminare una particolare affermazione. Richiedi le osservazioni a sostegno della conclusione. Per più immagini, preservane l'ordine e identifica quale immagine debba sostenere ogni risposta. Un buon confronto nomina le differenze visibili e spiega perché siano rilevanti per la domanda, senza trattare un'interpretazione plausibile come un fatto osservato.
Il ragionamento visivo usa queste osservazioni per risolvere un problema. Per un calcolo basato su un diagramma, fornisci l'illustrazione completa e la domanda scritta, mantenendo etichette, unità e condizioni indicate. Chiedi al modello di identificare le informazioni date, spiegare il calcolo ed esprimere il risultato nella forma richiesta. Per un diagramma tecnico, specifica il processo o la relazione da esaminare e richiedi una spiegazione collegata a elementi visibili precisi. Se un valore o un'etichetta non sono chiari, chiedi di segnalare l'ambiguità prima di tentare il calcolo.
La famiglia supporta anche attività creative e pratiche basate su materiale visivo. Uno schizzo può essere il punto di partenza per le indicazioni destinate a un'illustrazione; una scena può contribuire alla sceneggiatura di un breve video; una foto può sostenere una descrizione o un confronto. Indica il pubblico, lo scopo e i vincoli e richiedi un elaborato scritto, come un'idea rivista, una scaletta di scene o una spiegazione. Questi compiti producono indicazioni testuali a partire dalla fonte visiva. Conserva l'immagine o il filmato originale per poter confrontare le modifiche proposte con le evidenze che le hanno suggerite.
Per la comprensione di video, identifica l'intervallo o l'evento e la domanda a cui rispondere. L'interfaccia QVQ documentata accetta materiale video da analizzare. Se contano i dettagli minuti, allega un fotogramma leggibile della scena pertinente e chiariscine il rapporto con il filmato. Richiedi la sequenza delle azioni visibili e le osservazioni a sostegno della conclusione, distinguendole da un'interpretazione delle intenzioni o da una previsione di ciò che accadrà dopo. Seleziona il materiale attorno alle evidenze specifiche necessarie per la domanda, mantenendo l'ordine della fonte.
Il flusso di ragionamento documentato di QVQ combina un processo di riflessione con la risposta e il servizio QVQ del produttore utilizza output in streaming. Mantieni separati i frammenti di ragionamento da quelli della risposta e ricomponi la risposta completa prima di utilizzarla come relazione, soluzione svolta o istruzione per l'utente. Una risposta interrotta deve essere riconosciuta come incompleta. Richiedi una sezione finale concisa che esponga il risultato, le evidenze utilizzate e le eventuali ipotesi, affinché la conclusione rimanga facile da esaminare al termine del ragionamento.
La documentazione della chat del produttore afferma che i messaggi di sistema non hanno effetto su QVQ. Inserisci il compito effettivo, le condizioni pertinenti e il formato di risposta richiesto nel messaggio dell'utente. Raccomanda di mantenere i valori di campionamento predefiniti di QVQ, senza applicare impostazioni copiate da un'altra famiglia di modelli. Una tabella richiesta può organizzare una risposta testuale; se un'applicazione deve elaborare un output simile a JSON, convalidane la struttura e i valori prima di utilizzarlo. Mantieni la richiesta concentrata sulla domanda visiva e sull'elaborato necessario a partire dall'analisi.
Per un risultato pratico, conserva l'immagine o il filmato di origine con la risposta completa. Verifica i calcoli rispetto ai numeri e alle unità originali e confronta le spiegazioni visive con le etichette e gli oggetti effettivamente presenti. Mantieni il nome esatto del modello datato nel registro del compito quando riesamini lo stesso caso. Chiedi al modello di distinguere evidenze visibili, ipotesi e conclusioni: un'interpretazione sicura di un simbolo sfocato o di un evento non visibile può altrimenti diventare la base di un calcolo o di una decisione sbagliati.
", "aboutText": "QVQ-Max — 2025-03-25 appartiene alla linea di ragionamento visivo QVQ di Qwen. La famiglia QVQ-Max combina l'osservazione di immagini e video con l'analisi di queste informazioni. Le applicazioni documentate comprendono problemi matematici, programmazione, analisi visiva, attività creative e domande quotidiane. Il risultato utile è una spiegazione o una soluzione testuale collegata alle evidenze visive fornite.\n\nIl primo passo è un'osservazione dettagliata. Per un grafico, fornisci assi, legende ed etichette dei dati leggibili, poi specifica se occorre confrontare valori, spiegare una tendenza o esaminare una particolare affermazione. Richiedi le osservazioni a sostegno della conclusione. Per più immagini, preservane l'ordine e identifica quale immagine debba sostenere ogni risposta. Un buon confronto nomina le differenze visibili e spiega perché siano rilevanti per la domanda, senza trattare un'interpretazione plausibile come un fatto osservato.\n\nIl ragionamento visivo usa queste osservazioni per risolvere un problema. Per un calcolo basato su un diagramma, fornisci l'illustrazione completa e la domanda scritta, mantenendo etichette, unità e condizioni indicate. Chiedi al modello di identificare le informazioni date, spiegare il calcolo ed esprimere il risultato nella forma richiesta. Per un diagramma tecnico, specifica il processo o la relazione da esaminare e richiedi una spiegazione collegata a elementi visibili precisi. Se un valore o un'etichetta non sono chiari, chiedi di segnalare l'ambiguità prima di tentare il calcolo.\n\nLa famiglia supporta anche attività creative e pratiche basate su materiale visivo. Uno schizzo può essere il punto di partenza per le indicazioni destinate a un'illustrazione; una scena può contribuire alla sceneggiatura di un breve video; una foto può sostenere una descrizione o un confronto. Indica il pubblico, lo scopo e i vincoli e richiedi un elaborato scritto, come un'idea rivista, una scaletta di scene o una spiegazione. Questi compiti producono indicazioni testuali a partire dalla fonte visiva. Conserva l'immagine o il filmato originale per poter confrontare le modifiche proposte con le evidenze che le hanno suggerite.\n\nPer la comprensione di video, identifica l'intervallo o l'evento e la domanda a cui rispondere. L'interfaccia QVQ documentata accetta materiale video da analizzare. Se contano i dettagli minuti, allega un fotogramma leggibile della scena pertinente e chiariscine il rapporto con il filmato. Richiedi la sequenza delle azioni visibili e le osservazioni a sostegno della conclusione, distinguendole da un'interpretazione delle intenzioni o da una previsione di ciò che accadrà dopo. Seleziona il materiale attorno alle evidenze specifiche necessarie per la domanda, mantenendo l'ordine della fonte.\n\nIl flusso di ragionamento documentato di QVQ combina un processo di riflessione con la risposta e il servizio QVQ del produttore utilizza output in streaming. Mantieni separati i frammenti di ragionamento da quelli della risposta e ricomponi la risposta completa prima di utilizzarla come relazione, soluzione svolta o istruzione per l'utente. Una risposta interrotta deve essere riconosciuta come incompleta. Richiedi una sezione finale concisa che esponga il risultato, le evidenze utilizzate e le eventuali ipotesi, affinché la conclusione rimanga facile da esaminare al termine del ragionamento.\n\nLa documentazione della chat del produttore afferma che i messaggi di sistema non hanno effetto su QVQ. Inserisci il compito effettivo, le condizioni pertinenti e il formato di risposta richiesto nel messaggio dell'utente. Raccomanda di mantenere i valori di campionamento predefiniti di QVQ, senza applicare impostazioni copiate da un'altra famiglia di modelli. Una tabella richiesta può organizzare una risposta testuale; se un'applicazione deve elaborare un output simile a JSON, convalidane la struttura e i valori prima di utilizzarlo. Mantieni la richiesta concentrata sulla domanda visiva e sull'elaborato necessario a partire dall'analisi.\n\nPer un risultato pratico, conserva l'immagine o il filmato di origine con la risposta completa. Verifica i calcoli rispetto ai numeri e alle unità originali e confronta le spiegazioni visive con le etichette e gli oggetti effettivamente presenti. Mantieni il nome esatto del modello datato nel registro del compito quando riesamini lo stesso caso. Chiedi al modello di distinguere evidenze visibili, ipotesi e conclusioni: un'interpretazione sicura di un simbolo sfocato o di un evento non visibile può altrimenti diventare la base di un calcolo o di una decisione sbagliati.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Solve a described geometry problem\n\nA diagram is described in text: triangle ABC has base AB = 8 cm and perpendicular height from C to line AB = 3 cm. The foot of the height lies outside segment AB. Calculate the area, explain whether the outside foot changes the formula and state which given measurements are sufficient.A worked area calculation with units and a brief explanation of perpendicular height when its foot is outside the base segment.Check that the answer uses the perpendicular height, not an inferred side length, and reports square centimeters.qvq-max-2025-03-25QVQ-Max — 2025-03-25 appartiene alla linea di ragionamento visivo di Qwen. La famiglia QVQ-Max analizza immagini e video insieme a domande testuali, combinando osservazioni visive e ragionamento per produrre spiegazioni, soluzioni svolte e indicazioni creative in forma testuale.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
QVQ-Max — 2025-03-25 appartiene alla linea di ragionamento visivo QVQ di Qwen. La famiglia QVQ-Max combina l'osservazione di immagini e video con l'analisi di queste informazioni. Le applicazioni documentate comprendono problemi matematici, programmazione, analisi visiva, attività creative e domande quotidiane. Il risultato utile è una spiegazione o una soluzione testuale collegata alle evidenze visive fornite.
Il primo passo è un'osservazione dettagliata. Per un grafico, fornisci assi, legende ed etichette dei dati leggibili, poi specifica se occorre confrontare valori, spiegare una tendenza o esaminare una particolare affermazione. Richiedi le osservazioni a sostegno della conclusione. Per più immagini, preservane l'ordine e identifica quale immagine debba sostenere ogni risposta. Un buon confronto nomina le differenze visibili e spiega perché siano rilevanti per la domanda, senza trattare un'interpretazione plausibile come un fatto osservato.
Il ragionamento visivo usa queste osservazioni per risolvere un problema. Per un calcolo basato su un diagramma, fornisci l'illustrazione completa e la domanda scritta, mantenendo etichette, unità e condizioni indicate. Chiedi al modello di identificare le informazioni date, spiegare il calcolo ed esprimere il risultato nella forma richiesta. Per un diagramma tecnico, specifica il processo o la relazione da esaminare e richiedi una spiegazione collegata a elementi visibili precisi. Se un valore o un'etichetta non sono chiari, chiedi di segnalare l'ambiguità prima di tentare il calcolo.
La famiglia supporta anche attività creative e pratiche basate su materiale visivo. Uno schizzo può essere il punto di partenza per le indicazioni destinate a un'illustrazione; una scena può contribuire alla sceneggiatura di un breve video; una foto può sostenere una descrizione o un confronto. Indica il pubblico, lo scopo e i vincoli e richiedi un elaborato scritto, come un'idea rivista, una scaletta di scene o una spiegazione. Questi compiti producono indicazioni testuali a partire dalla fonte visiva. Conserva l'immagine o il filmato originale per poter confrontare le modifiche proposte con le evidenze che le hanno suggerite.
Per la comprensione di video, identifica l'intervallo o l'evento e la domanda a cui rispondere. L'interfaccia QVQ documentata accetta materiale video da analizzare. Se contano i dettagli minuti, allega un fotogramma leggibile della scena pertinente e chiariscine il rapporto con il filmato. Richiedi la sequenza delle azioni visibili e le osservazioni a sostegno della conclusione, distinguendole da un'interpretazione delle intenzioni o da una previsione di ciò che accadrà dopo. Seleziona il materiale attorno alle evidenze specifiche necessarie per la domanda, mantenendo l'ordine della fonte.
Il flusso di ragionamento documentato di QVQ combina un processo di riflessione con la risposta e il servizio QVQ del produttore utilizza output in streaming. Mantieni separati i frammenti di ragionamento da quelli della risposta e ricomponi la risposta completa prima di utilizzarla come relazione, soluzione svolta o istruzione per l'utente. Una risposta interrotta deve essere riconosciuta come incompleta. Richiedi una sezione finale concisa che esponga il risultato, le evidenze utilizzate e le eventuali ipotesi, affinché la conclusione rimanga facile da esaminare al termine del ragionamento.
La documentazione della chat del produttore afferma che i messaggi di sistema non hanno effetto su QVQ. Inserisci il compito effettivo, le condizioni pertinenti e il formato di risposta richiesto nel messaggio dell'utente. Raccomanda di mantenere i valori di campionamento predefiniti di QVQ, senza applicare impostazioni copiate da un'altra famiglia di modelli. Una tabella richiesta può organizzare una risposta testuale; se un'applicazione deve elaborare un output simile a JSON, convalidane la struttura e i valori prima di utilizzarlo. Mantieni la richiesta concentrata sulla domanda visiva e sull'elaborato necessario a partire dall'analisi.
Per un risultato pratico, conserva l'immagine o il filmato di origine con la risposta completa. Verifica i calcoli rispetto ai numeri e alle unità originali e confronta le spiegazioni visive con le etichette e gli oggetti effettivamente presenti. Mantieni il nome esatto del modello datato nel registro del compito quando riesamini lo stesso caso. Chiedi al modello di distinguere evidenze visibili, ipotesi e conclusioni: un'interpretazione sicura di un simbolo sfocato o di un evento non visibile può altrimenti diventare la base di un calcolo o di una decisione sbagliati.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qvq-max-2025-03-25 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0023 / 1K token Output · Token in output $0.00916 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-max-2025-03-25", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qvq-max-2025-03-25',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qvq-max-2025-03-25',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qvq-max-2025-03-25
Usa i percorsi dei metodi indicati sopra.
qvq-max-2025-03-25QVQ-Max — 2025-03-25 appartiene alla linea di ragionamento visivo di Qwen. La famiglia QVQ-Max analizza immagini e video insieme a domande testuali, combinando osservazioni visive e ragionamento per produrre spiegazioni, soluzioni svolte e indicazioni creative in forma testuale.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
QVQ-Max — 2025-03-25 appartiene alla linea di ragionamento visivo QVQ di Qwen. La famiglia QVQ-Max combina l'osservazione di immagini e video con l'analisi di queste informazioni. Le applicazioni documentate comprendono problemi matematici, programmazione, analisi visiva, attività creative e domande quotidiane. Il risultato utile è una spiegazione o una soluzione testuale collegata alle evidenze visive fornite.
Il primo passo è un'osservazione dettagliata. Per un grafico, fornisci assi, legende ed etichette dei dati leggibili, poi specifica se occorre confrontare valori, spiegare una tendenza o esaminare una particolare affermazione. Richiedi le osservazioni a sostegno della conclusione. Per più immagini, preservane l'ordine e identifica quale immagine debba sostenere ogni risposta. Un buon confronto nomina le differenze visibili e spiega perché siano rilevanti per la domanda, senza trattare un'interpretazione plausibile come un fatto osservato.
Il ragionamento visivo usa queste osservazioni per risolvere un problema. Per un calcolo basato su un diagramma, fornisci l'illustrazione completa e la domanda scritta, mantenendo etichette, unità e condizioni indicate. Chiedi al modello di identificare le informazioni date, spiegare il calcolo ed esprimere il risultato nella forma richiesta. Per un diagramma tecnico, specifica il processo o la relazione da esaminare e richiedi una spiegazione collegata a elementi visibili precisi. Se un valore o un'etichetta non sono chiari, chiedi di segnalare l'ambiguità prima di tentare il calcolo.
La famiglia supporta anche attività creative e pratiche basate su materiale visivo. Uno schizzo può essere il punto di partenza per le indicazioni destinate a un'illustrazione; una scena può contribuire alla sceneggiatura di un breve video; una foto può sostenere una descrizione o un confronto. Indica il pubblico, lo scopo e i vincoli e richiedi un elaborato scritto, come un'idea rivista, una scaletta di scene o una spiegazione. Questi compiti producono indicazioni testuali a partire dalla fonte visiva. Conserva l'immagine o il filmato originale per poter confrontare le modifiche proposte con le evidenze che le hanno suggerite.
Per la comprensione di video, identifica l'intervallo o l'evento e la domanda a cui rispondere. L'interfaccia QVQ documentata accetta materiale video da analizzare. Se contano i dettagli minuti, allega un fotogramma leggibile della scena pertinente e chiariscine il rapporto con il filmato. Richiedi la sequenza delle azioni visibili e le osservazioni a sostegno della conclusione, distinguendole da un'interpretazione delle intenzioni o da una previsione di ciò che accadrà dopo. Seleziona il materiale attorno alle evidenze specifiche necessarie per la domanda, mantenendo l'ordine della fonte.
Il flusso di ragionamento documentato di QVQ combina un processo di riflessione con la risposta e il servizio QVQ del produttore utilizza output in streaming. Mantieni separati i frammenti di ragionamento da quelli della risposta e ricomponi la risposta completa prima di utilizzarla come relazione, soluzione svolta o istruzione per l'utente. Una risposta interrotta deve essere riconosciuta come incompleta. Richiedi una sezione finale concisa che esponga il risultato, le evidenze utilizzate e le eventuali ipotesi, affinché la conclusione rimanga facile da esaminare al termine del ragionamento.
La documentazione della chat del produttore afferma che i messaggi di sistema non hanno effetto su QVQ. Inserisci il compito effettivo, le condizioni pertinenti e il formato di risposta richiesto nel messaggio dell'utente. Raccomanda di mantenere i valori di campionamento predefiniti di QVQ, senza applicare impostazioni copiate da un'altra famiglia di modelli. Una tabella richiesta può organizzare una risposta testuale; se un'applicazione deve elaborare un output simile a JSON, convalidane la struttura e i valori prima di utilizzarlo. Mantieni la richiesta concentrata sulla domanda visiva e sull'elaborato necessario a partire dall'analisi.
Per un risultato pratico, conserva l'immagine o il filmato di origine con la risposta completa. Verifica i calcoli rispetto ai numeri e alle unità originali e confronta le spiegazioni visive con le etichette e gli oggetti effettivamente presenti. Mantieni il nome esatto del modello datato nel registro del compito quando riesamini lo stesso caso. Chiedi al modello di distinguere evidenze visibili, ipotesi e conclusioni: un'interpretazione sicura di un simbolo sfocato o di un evento non visibile può altrimenti diventare la base di un calcolo o di una decisione sbagliati.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qvq-max-2025-03-25 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0023 / 1K token Output · Token in output $0.00916 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qvq-max-2025-03-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qvq-max-2025-03-25', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qvq-max-2025-03-25', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qvq-max-2025-03-25
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Solve a described geometry problem\n\nA diagram is described in text: triangle ABC has base AB = 8 cm and perpendicular height from C to line AB = 3 cm. The foot of the height lies outside segment AB. Calculate the area, explain whether the outside foot changes the formula and state which given measurements are sufficient.A worked area calculation with units and a brief explanation of perpendicular height when its foot is outside the base segment.Check that the answer uses the perpendicular height, not an inferred side length, and reports square centimeters.