QVQ-Plus è la linea Plus dei modelli di ragionamento visivo QVQ di Qwen. Il produttore mette in evidenza matematica, programmazione, analisi visiva, attività creative e compiti generali che coinvolgono evidenze visive. Accetta testo, immagini e video e restituisce testo, comprendente un processo di ragionamento e una risposta. Il nome Plus identifica una famiglia: non equivale a una versione fissa di QVQ-Max né a un modello di generazione di immagini.
La finestra di contesto documentata è di 131.072 token, con un input massimo di 106.496 token e un output massimo di 8.192 token. Tieni distinti questi limiti quando pianifichi una richiesta. Includi il compito scritto, il materiale visivo pertinente e la cronologia della conversazione necessaria, lasciando poi spazio per la spiegazione e la risposta finale. Il contributo di una schermata o di un video dipende dalla rappresentazione ottenuta durante l'elaborazione: il solo numero di caratteri digitati non basta quindi a misurare l'input completo.
Il produttore descrive QVQ come un modello che combina input visivo, ragionamento e risposta testuale. Il flusso documentato del servizio QVQ utilizza lo streaming. Un'applicazione deve distinguere il ragionamento intermedio dai frammenti della risposta finale e ricomporre il testo prima di presentarlo come una spiegazione completa. Anche una risposta richiesta in forma concisa può seguire un processo di ragionamento interno; chiedere brevità non trasforma il modello in un'edizione separata priva di ragionamento.
Per un grafico o una tabella, specifica il confronto da effettuare e fornisci etichette, unità e intestazioni leggibili. Per esempio, chiedi se due serie rappresentate divergono in un intervallo selezionato, quindi richiedi le osservazioni visibili a sostegno della conclusione. Se la risposta richiede valori numerici, assicurati che siano presenti nella fonte e chiedi al modello di segnalare l'incertezza quando è possibile soltanto una lettura visiva approssimativa. Conserva l'immagine originale per poter verificare il risultato rispetto alle evidenze.
Per la schermata di un documento o di un'interfaccia, definisci l'obiettivo dell'utente e la parte del materiale da analizzare. Una richiesta utile può chiedere quali campi visibili siano necessari per un determinato flusso di lavoro, come sia organizzata la pagina o che cosa implichino i connettori del diagramma. Per un compito di programmazione basato su materiale visivo, fornisci la schermata e i requisiti scritti, poi richiedi una spiegazione testuale o una proposta di implementazione coerente con la struttura visibile. Distingui le proprietà osservabili da quelle che dipendono dal comportamento non visibile dell'applicazione.
Per i video, identifica l'evento, la sequenza o la relazione da spiegare. Mantieni il segmento pertinente e fornisci fotogrammi leggibili quando contano i piccoli dettagli. Etichetta gli input multipli e chiariscine l'ordine, affinché un confronto non venga confuso con scene prive di relazione. Il risultato è un resoconto testuale del materiale e una conclusione sulla domanda posta; di per sé non modifica la fonte, non crea un nuovo filmato e non verifica ciò che esula dall'osservazione.
La scheda Plus del produttore non dichiara il supporto per chiamate a funzioni, ricerca sul web o output strutturato vincolato. Organizza la risposta testuale con titoli chiari, una tabella comparativa o un elenco di osservazioni e convalida qualsiasi risultato che sembri leggibile da una macchina prima che un'applicazione lo utilizzi. La documentazione della chat afferma che i messaggi di sistema non hanno effetto sui modelli QVQ: inserisci quindi ruolo, compito e istruzioni di formattazione nel messaggio dell'utente. Mantieni i valori di campionamento predefiniti documentati per QVQ, invece di importare una temperatura o una procedura di selezione dei token da un'altra famiglia Qwen.
Per ottenere un elaborato analitico utile, richiedi i fatti osservati, la spiegazione e una risposta finale chiaramente identificata. Verifica i calcoli rispetto a numeri, etichette e unità visibili e controlla l'interpretazione di un documento rispetto alla sezione della fonte a cui si riferisce. Conserva l'identità Plus selezionata e i materiali di input con il risultato quando occorre riesaminare un caso. Distingui una proposta ragionata dalle azioni successive: un'applicazione o una persona deve comunque eseguire l'operazione richiesta tramite uno strumento e restituirne l'esito. Questo modello produce ragionamento visivo e testo; il materiale originale resta la base per la verifica.
", "aboutText": "QVQ-Plus è la linea Plus dei modelli di ragionamento visivo QVQ di Qwen. Il produttore mette in evidenza matematica, programmazione, analisi visiva, attività creative e compiti generali che coinvolgono evidenze visive. Accetta testo, immagini e video e restituisce testo, comprendente un processo di ragionamento e una risposta. Il nome Plus identifica una famiglia: non equivale a una versione fissa di QVQ-Max né a un modello di generazione di immagini.\n\nLa finestra di contesto documentata è di 131.072 token, con un input massimo di 106.496 token e un output massimo di 8.192 token. Tieni distinti questi limiti quando pianifichi una richiesta. Includi il compito scritto, il materiale visivo pertinente e la cronologia della conversazione necessaria, lasciando poi spazio per la spiegazione e la risposta finale. Il contributo di una schermata o di un video dipende dalla rappresentazione ottenuta durante l'elaborazione: il solo numero di caratteri digitati non basta quindi a misurare l'input completo.\n\nIl produttore descrive QVQ come un modello che combina input visivo, ragionamento e risposta testuale. Il flusso documentato del servizio QVQ utilizza lo streaming. Un'applicazione deve distinguere il ragionamento intermedio dai frammenti della risposta finale e ricomporre il testo prima di presentarlo come una spiegazione completa. Anche una risposta richiesta in forma concisa può seguire un processo di ragionamento interno; chiedere brevità non trasforma il modello in un'edizione separata priva di ragionamento.\n\nPer un grafico o una tabella, specifica il confronto da effettuare e fornisci etichette, unità e intestazioni leggibili. Per esempio, chiedi se due serie rappresentate divergono in un intervallo selezionato, quindi richiedi le osservazioni visibili a sostegno della conclusione. Se la risposta richiede valori numerici, assicurati che siano presenti nella fonte e chiedi al modello di segnalare l'incertezza quando è possibile soltanto una lettura visiva approssimativa. Conserva l'immagine originale per poter verificare il risultato rispetto alle evidenze.\n\nPer la schermata di un documento o di un'interfaccia, definisci l'obiettivo dell'utente e la parte del materiale da analizzare. Una richiesta utile può chiedere quali campi visibili siano necessari per un determinato flusso di lavoro, come sia organizzata la pagina o che cosa implichino i connettori del diagramma. Per un compito di programmazione basato su materiale visivo, fornisci la schermata e i requisiti scritti, poi richiedi una spiegazione testuale o una proposta di implementazione coerente con la struttura visibile. Distingui le proprietà osservabili da quelle che dipendono dal comportamento non visibile dell'applicazione.\n\nPer i video, identifica l'evento, la sequenza o la relazione da spiegare. Mantieni il segmento pertinente e fornisci fotogrammi leggibili quando contano i piccoli dettagli. Etichetta gli input multipli e chiariscine l'ordine, affinché un confronto non venga confuso con scene prive di relazione. Il risultato è un resoconto testuale del materiale e una conclusione sulla domanda posta; di per sé non modifica la fonte, non crea un nuovo filmato e non verifica ciò che esula dall'osservazione.\n\nLa scheda Plus del produttore non dichiara il supporto per chiamate a funzioni, ricerca sul web o output strutturato vincolato. Organizza la risposta testuale con titoli chiari, una tabella comparativa o un elenco di osservazioni e convalida qualsiasi risultato che sembri leggibile da una macchina prima che un'applicazione lo utilizzi. La documentazione della chat afferma che i messaggi di sistema non hanno effetto sui modelli QVQ: inserisci quindi ruolo, compito e istruzioni di formattazione nel messaggio dell'utente. Mantieni i valori di campionamento predefiniti documentati per QVQ, invece di importare una temperatura o una procedura di selezione dei token da un'altra famiglia Qwen.\n\nPer ottenere un elaborato analitico utile, richiedi i fatti osservati, la spiegazione e una risposta finale chiaramente identificata. Verifica i calcoli rispetto a numeri, etichette e unità visibili e controlla l'interpretazione di un documento rispetto alla sezione della fonte a cui si riferisce. Conserva l'identità Plus selezionata e i materiali di input con il risultato quando occorre riesaminare un caso. Distingui una proposta ragionata dalle azioni successive: un'applicazione o una persona deve comunque eseguire l'operazione richiesta tramite uno strumento e restituirne l'esito. Questo modello produce ragionamento visivo e testo; il materiale originale resta la base per la verifica.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.qvq-plusQVQ-Plus combina una domanda testuale con immagini o video per produrre una risposta testuale ragionata. Usalo per problemi matematici visivi, analisi di grafici e documenti o domande la cui conclusione dipende da più dettagli visibili; la linea Plus mantiene una propria identità.
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-Plus è la linea Plus dei modelli di ragionamento visivo QVQ di Qwen. Il produttore mette in evidenza matematica, programmazione, analisi visiva, attività creative e compiti generali che coinvolgono evidenze visive. Accetta testo, immagini e video e restituisce testo, comprendente un processo di ragionamento e una risposta. Il nome Plus identifica una famiglia: non equivale a una versione fissa di QVQ-Max né a un modello di generazione di immagini.
La finestra di contesto documentata è di 131.072 token, con un input massimo di 106.496 token e un output massimo di 8.192 token. Tieni distinti questi limiti quando pianifichi una richiesta. Includi il compito scritto, il materiale visivo pertinente e la cronologia della conversazione necessaria, lasciando poi spazio per la spiegazione e la risposta finale. Il contributo di una schermata o di un video dipende dalla rappresentazione ottenuta durante l'elaborazione: il solo numero di caratteri digitati non basta quindi a misurare l'input completo.
Il produttore descrive QVQ come un modello che combina input visivo, ragionamento e risposta testuale. Il flusso documentato del servizio QVQ utilizza lo streaming. Un'applicazione deve distinguere il ragionamento intermedio dai frammenti della risposta finale e ricomporre il testo prima di presentarlo come una spiegazione completa. Anche una risposta richiesta in forma concisa può seguire un processo di ragionamento interno; chiedere brevità non trasforma il modello in un'edizione separata priva di ragionamento.
Per un grafico o una tabella, specifica il confronto da effettuare e fornisci etichette, unità e intestazioni leggibili. Per esempio, chiedi se due serie rappresentate divergono in un intervallo selezionato, quindi richiedi le osservazioni visibili a sostegno della conclusione. Se la risposta richiede valori numerici, assicurati che siano presenti nella fonte e chiedi al modello di segnalare l'incertezza quando è possibile soltanto una lettura visiva approssimativa. Conserva l'immagine originale per poter verificare il risultato rispetto alle evidenze.
Per la schermata di un documento o di un'interfaccia, definisci l'obiettivo dell'utente e la parte del materiale da analizzare. Una richiesta utile può chiedere quali campi visibili siano necessari per un determinato flusso di lavoro, come sia organizzata la pagina o che cosa implichino i connettori del diagramma. Per un compito di programmazione basato su materiale visivo, fornisci la schermata e i requisiti scritti, poi richiedi una spiegazione testuale o una proposta di implementazione coerente con la struttura visibile. Distingui le proprietà osservabili da quelle che dipendono dal comportamento non visibile dell'applicazione.
Per i video, identifica l'evento, la sequenza o la relazione da spiegare. Mantieni il segmento pertinente e fornisci fotogrammi leggibili quando contano i piccoli dettagli. Etichetta gli input multipli e chiariscine l'ordine, affinché un confronto non venga confuso con scene prive di relazione. Il risultato è un resoconto testuale del materiale e una conclusione sulla domanda posta; di per sé non modifica la fonte, non crea un nuovo filmato e non verifica ciò che esula dall'osservazione.
La scheda Plus del produttore non dichiara il supporto per chiamate a funzioni, ricerca sul web o output strutturato vincolato. Organizza la risposta testuale con titoli chiari, una tabella comparativa o un elenco di osservazioni e convalida qualsiasi risultato che sembri leggibile da una macchina prima che un'applicazione lo utilizzi. La documentazione della chat afferma che i messaggi di sistema non hanno effetto sui modelli QVQ: inserisci quindi ruolo, compito e istruzioni di formattazione nel messaggio dell'utente. Mantieni i valori di campionamento predefiniti documentati per QVQ, invece di importare una temperatura o una procedura di selezione dei token da un'altra famiglia Qwen.
Per ottenere un elaborato analitico utile, richiedi i fatti osservati, la spiegazione e una risposta finale chiaramente identificata. Verifica i calcoli rispetto a numeri, etichette e unità visibili e controlla l'interpretazione di un documento rispetto alla sezione della fonte a cui si riferisce. Conserva l'identità Plus selezionata e i materiali di input con il risultato quando occorre riesaminare un caso. Distingui una proposta ragionata dalle azioni successive: un'applicazione o una persona deve comunque eseguire l'operazione richiesta tramite uno strumento e restituirne l'esito. Questo modello produce ragionamento visivo e testo; il materiale originale resta la base per la verifica.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qvq-plus | 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 $0.00058 / 1K token Output · Token in output $0.00144 / 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-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qvq-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qvq-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-plus
Usa i percorsi dei metodi indicati sopra.
qvq-plusQVQ-Plus combina una domanda testuale con immagini o video per produrre una risposta testuale ragionata. Usalo per problemi matematici visivi, analisi di grafici e documenti o domande la cui conclusione dipende da più dettagli visibili; la linea Plus mantiene una propria identità.
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-Plus è la linea Plus dei modelli di ragionamento visivo QVQ di Qwen. Il produttore mette in evidenza matematica, programmazione, analisi visiva, attività creative e compiti generali che coinvolgono evidenze visive. Accetta testo, immagini e video e restituisce testo, comprendente un processo di ragionamento e una risposta. Il nome Plus identifica una famiglia: non equivale a una versione fissa di QVQ-Max né a un modello di generazione di immagini.
La finestra di contesto documentata è di 131.072 token, con un input massimo di 106.496 token e un output massimo di 8.192 token. Tieni distinti questi limiti quando pianifichi una richiesta. Includi il compito scritto, il materiale visivo pertinente e la cronologia della conversazione necessaria, lasciando poi spazio per la spiegazione e la risposta finale. Il contributo di una schermata o di un video dipende dalla rappresentazione ottenuta durante l'elaborazione: il solo numero di caratteri digitati non basta quindi a misurare l'input completo.
Il produttore descrive QVQ come un modello che combina input visivo, ragionamento e risposta testuale. Il flusso documentato del servizio QVQ utilizza lo streaming. Un'applicazione deve distinguere il ragionamento intermedio dai frammenti della risposta finale e ricomporre il testo prima di presentarlo come una spiegazione completa. Anche una risposta richiesta in forma concisa può seguire un processo di ragionamento interno; chiedere brevità non trasforma il modello in un'edizione separata priva di ragionamento.
Per un grafico o una tabella, specifica il confronto da effettuare e fornisci etichette, unità e intestazioni leggibili. Per esempio, chiedi se due serie rappresentate divergono in un intervallo selezionato, quindi richiedi le osservazioni visibili a sostegno della conclusione. Se la risposta richiede valori numerici, assicurati che siano presenti nella fonte e chiedi al modello di segnalare l'incertezza quando è possibile soltanto una lettura visiva approssimativa. Conserva l'immagine originale per poter verificare il risultato rispetto alle evidenze.
Per la schermata di un documento o di un'interfaccia, definisci l'obiettivo dell'utente e la parte del materiale da analizzare. Una richiesta utile può chiedere quali campi visibili siano necessari per un determinato flusso di lavoro, come sia organizzata la pagina o che cosa implichino i connettori del diagramma. Per un compito di programmazione basato su materiale visivo, fornisci la schermata e i requisiti scritti, poi richiedi una spiegazione testuale o una proposta di implementazione coerente con la struttura visibile. Distingui le proprietà osservabili da quelle che dipendono dal comportamento non visibile dell'applicazione.
Per i video, identifica l'evento, la sequenza o la relazione da spiegare. Mantieni il segmento pertinente e fornisci fotogrammi leggibili quando contano i piccoli dettagli. Etichetta gli input multipli e chiariscine l'ordine, affinché un confronto non venga confuso con scene prive di relazione. Il risultato è un resoconto testuale del materiale e una conclusione sulla domanda posta; di per sé non modifica la fonte, non crea un nuovo filmato e non verifica ciò che esula dall'osservazione.
La scheda Plus del produttore non dichiara il supporto per chiamate a funzioni, ricerca sul web o output strutturato vincolato. Organizza la risposta testuale con titoli chiari, una tabella comparativa o un elenco di osservazioni e convalida qualsiasi risultato che sembri leggibile da una macchina prima che un'applicazione lo utilizzi. La documentazione della chat afferma che i messaggi di sistema non hanno effetto sui modelli QVQ: inserisci quindi ruolo, compito e istruzioni di formattazione nel messaggio dell'utente. Mantieni i valori di campionamento predefiniti documentati per QVQ, invece di importare una temperatura o una procedura di selezione dei token da un'altra famiglia Qwen.
Per ottenere un elaborato analitico utile, richiedi i fatti osservati, la spiegazione e una risposta finale chiaramente identificata. Verifica i calcoli rispetto a numeri, etichette e unità visibili e controlla l'interpretazione di un documento rispetto alla sezione della fonte a cui si riferisce. Conserva l'identità Plus selezionata e i materiali di input con il risultato quando occorre riesaminare un caso. Distingui una proposta ragionata dalle azioni successive: un'applicazione o una persona deve comunque eseguire l'operazione richiesta tramite uno strumento e restituirne l'esito. Questo modello produce ragionamento visivo e testo; il materiale originale resta la base per la verifica.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qvq-plus | 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 $0.00058 / 1K token Output · Token in output $0.00144 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qvq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qvq-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qvq-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-plus
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.