Qwen-VL-Max è la linea di modelli visivo-linguistici Qwen per domande che richiedono più del riconoscimento di un oggetto. Il produttore pone al centro di Max il ragionamento visivo e il rispetto delle istruzioni: collegare le evidenze visibili alle condizioni dell’utente, spiegare le relazioni e produrre un risultato testuale per un compito visivo più complesso. Rispetto alla linea Plus, questa descrizione dà maggiore rilievo al ragionamento e all’interpretazione.
La scheda attuale del produttore associa il nome senza versione qwen-vl-max a qwen-vl-max-2025-08-13. Il nome senza versione segue gli aggiornamenti, mentre un nome datato identifica una versione specifica. Mantieni il nome esatto quando confronti input e risultati; altre edizioni identificate per nome possono avere specifiche documentate diverse.
Capacità del modello
L’input documentato comprende testo, immagini e video, mentre l’output è testo. Il materiale visivo può essere una pagina di documento, un grafico, una scena o una sequenza di fotogrammi. La domanda testuale determina ciò che il modello deve stabilire a partire da quel materiale. Il risultato può descrivere evidenze, spiegare una relazione o organizzare le osservazioni in campi; il modello non è un’edizione per la generazione di immagini o video.
Per un grafico, specifica il confronto invece di chiedere una descrizione generale. Fornisci l’immagine e chiedi quale serie visibile aumenta, cosa significano le etichette e quali osservazioni sostengono la conclusione. Richiedi parti separate per i dati direttamente visibili e per la spiegazione. Per un diagramma di processo, identifica le condizioni iniziali e finali e chiedi le connessioni tra le fasi, mantenendo le etichette originali.
Per una schermata, indica l’obiettivo dell’utente e chiedi quali controlli sono visibili e quale potrebbe essere il passaggio successivo. Questo produce un’interpretazione scritta dell’interfaccia. Ogni clic effettivo, modifica di file o azione esterna resta compito dell’applicazione che utilizza il modello; la sola comprensione visiva non costituisce un flusso di controllo del computer.
La scheda del produttore documenta l’output strutturato, la continuazione da un prefisso di risposta e la memorizzazione del contesto nella cache. Queste funzioni possono aiutare a organizzare analisi visive ripetute secondo una struttura di output stabile. L’invio in batch varia tra le configurazioni del produttore, mentre le chiamate a funzioni, la ricerca web e il fine-tuning non figurano come supportati in questa scheda. Una risposta testuale strutturata non va quindi confusa con una chiamata a uno strumento eseguita o con una ricerca online.
Limiti del contesto
La scheda di questa versione identificata per nome indica una finestra di contesto di 131.072 token, un input massimo di 129.024 token e un output massimo di 8.192 token. Gli input visivi e il compito testuale consumano insieme la capacità disponibile per l’input. La risposta ha un limite indipendente, quindi un’ampia raccolta di materiale visivo non implica un output altrettanto ampio.
Scegli immagini o fotogrammi che rispondano alla domanda effettiva. Conserva la legenda del grafico, le intestazioni delle colonne o le etichette del diagramma necessarie per interpretare un’area ritagliata. Quando confronti più materiali, identificane l’ordine e il ruolo: il progetto esistente, il progetto rivisto e il requisito di riferimento. Un risultato scritto utile può elencare gli elementi corrispondenti, le differenze e le domande che rimangono irrisolte sulla base delle evidenze fornite.
Lavorare con i video
L’input video consente di porre domande sugli eventi visibili e sulla loro sequenza. Chiedi cosa cambia tra i fotogrammi, quali partecipanti interagiscono o quale condizione visibile compare prima di un’altra. Definisci l’output richiesto, ad esempio una descrizione ordinata degli eventi con le osservazioni che sostengono ogni punto. La scheda indica input video e output testuale, non input audio o output vocale; una domanda sul contenuto parlato richiede che tale contenuto venga fornito separatamente.
Un compito pratico può confrontare un filmato dimostrativo con la sua procedura scritta: fornisci il materiale visivo e i passaggi pertinenti, chiedi quali passaggi sono rappresentati visibilmente e richiedi un elenco conciso delle discrepanze. Specifica a quale passaggio della procedura si riferisce ogni osservazione e mantieni i passaggi poco chiari in una parte separata della risposta.
Limiti rilevanti dell’edizione
L’attenzione di Max al ragionamento visivo è utile quando il compito dipende dall’interpretazione di relazioni e dal rispetto di un’istruzione visiva complessa. Il suo risultato documentato è testo. Mantieni l’input leggibile, indica la deduzione necessaria e distingui le evidenze visibili dalle conclusioni che il compito chiede al modello di trarre. Questa preparazione trasforma una domanda visiva in una spiegazione o un confronto utilizzabile, anziché in un riepilogo della scena privo di un obiettivo.
", "aboutText": "Qwen-VL-Max è la linea di modelli visivo-linguistici Qwen per domande che richiedono più del riconoscimento di un oggetto. Il produttore pone al centro di Max il ragionamento visivo e il rispetto delle istruzioni: collegare le evidenze visibili alle condizioni dell’utente, spiegare le relazioni e produrre un risultato testuale per un compito visivo più complesso. Rispetto alla linea Plus, questa descrizione dà maggiore rilievo al ragionamento e all’interpretazione.\n\nLa scheda attuale del produttore associa il nome senza versione qwen-vl-max a qwen-vl-max-2025-08-13. Il nome senza versione segue gli aggiornamenti, mentre un nome datato identifica una versione specifica. Mantieni il nome esatto quando confronti input e risultati; altre edizioni identificate per nome possono avere specifiche documentate diverse.\n\nCapacità del modello\n\nL’input documentato comprende testo, immagini e video, mentre l’output è testo. Il materiale visivo può essere una pagina di documento, un grafico, una scena o una sequenza di fotogrammi. La domanda testuale determina ciò che il modello deve stabilire a partire da quel materiale. Il risultato può descrivere evidenze, spiegare una relazione o organizzare le osservazioni in campi; il modello non è un’edizione per la generazione di immagini o video.\n\nPer un grafico, specifica il confronto invece di chiedere una descrizione generale. Fornisci l’immagine e chiedi quale serie visibile aumenta, cosa significano le etichette e quali osservazioni sostengono la conclusione. Richiedi parti separate per i dati direttamente visibili e per la spiegazione. Per un diagramma di processo, identifica le condizioni iniziali e finali e chiedi le connessioni tra le fasi, mantenendo le etichette originali.\n\nPer una schermata, indica l’obiettivo dell’utente e chiedi quali controlli sono visibili e quale potrebbe essere il passaggio successivo. Questo produce un’interpretazione scritta dell’interfaccia. Ogni clic effettivo, modifica di file o azione esterna resta compito dell’applicazione che utilizza il modello; la sola comprensione visiva non costituisce un flusso di controllo del computer.\n\nLa scheda del produttore documenta l’output strutturato, la continuazione da un prefisso di risposta e la memorizzazione del contesto nella cache. Queste funzioni possono aiutare a organizzare analisi visive ripetute secondo una struttura di output stabile. L’invio in batch varia tra le configurazioni del produttore, mentre le chiamate a funzioni, la ricerca web e il fine-tuning non figurano come supportati in questa scheda. Una risposta testuale strutturata non va quindi confusa con una chiamata a uno strumento eseguita o con una ricerca online.\n\nLimiti del contesto\n\nLa scheda di questa versione identificata per nome indica una finestra di contesto di 131.072 token, un input massimo di 129.024 token e un output massimo di 8.192 token. Gli input visivi e il compito testuale consumano insieme la capacità disponibile per l’input. La risposta ha un limite indipendente, quindi un’ampia raccolta di materiale visivo non implica un output altrettanto ampio.\n\nScegli immagini o fotogrammi che rispondano alla domanda effettiva. Conserva la legenda del grafico, le intestazioni delle colonne o le etichette del diagramma necessarie per interpretare un’area ritagliata. Quando confronti più materiali, identificane l’ordine e il ruolo: il progetto esistente, il progetto rivisto e il requisito di riferimento. Un risultato scritto utile può elencare gli elementi corrispondenti, le differenze e le domande che rimangono irrisolte sulla base delle evidenze fornite.\n\nLavorare con i video\n\nL’input video consente di porre domande sugli eventi visibili e sulla loro sequenza. Chiedi cosa cambia tra i fotogrammi, quali partecipanti interagiscono o quale condizione visibile compare prima di un’altra. Definisci l’output richiesto, ad esempio una descrizione ordinata degli eventi con le osservazioni che sostengono ogni punto. La scheda indica input video e output testuale, non input audio o output vocale; una domanda sul contenuto parlato richiede che tale contenuto venga fornito separatamente.\n\nUn compito pratico può confrontare un filmato dimostrativo con la sua procedura scritta: fornisci il materiale visivo e i passaggi pertinenti, chiedi quali passaggi sono rappresentati visibilmente e richiedi un elenco conciso delle discrepanze. Specifica a quale passaggio della procedura si riferisce ogni osservazione e mantieni i passaggi poco chiari in una parte separata della risposta.\n\nLimiti rilevanti dell’edizione\n\nL’attenzione di Max al ragionamento visivo è utile quando il compito dipende dall’interpretazione di relazioni e dal rispetto di un’istruzione visiva complessa. Il suo risultato documentato è testo. Mantieni l’input leggibile, indica la deduzione necessaria e distingui le evidenze visibili dalle conclusioni che il compito chiede al modello di trarre. Questa preparazione trasforma una domanda visiva in una spiegazione o un confronto utilizzabile, anziché in un riepilogo della scena privo di un obiettivo.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.qwen-vl-maxQwen-VL-Max collega testo, immagini e video attraverso il ragionamento visivo e il rispetto delle istruzioni. Restituisce spiegazioni testuali o risultati strutturati ed è orientato a domande visive complesse, analisi dei documenti e relazioni all’interno di una scena.
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.
Qwen-VL-Max è la linea di modelli visivo-linguistici Qwen per domande che richiedono più del riconoscimento di un oggetto. Il produttore pone al centro di Max il ragionamento visivo e il rispetto delle istruzioni: collegare le evidenze visibili alle condizioni dell’utente, spiegare le relazioni e produrre un risultato testuale per un compito visivo più complesso. Rispetto alla linea Plus, questa descrizione dà maggiore rilievo al ragionamento e all’interpretazione.
La scheda attuale del produttore associa il nome senza versione qwen-vl-max a qwen-vl-max-2025-08-13. Il nome senza versione segue gli aggiornamenti, mentre un nome datato identifica una versione specifica. Mantieni il nome esatto quando confronti input e risultati; altre edizioni identificate per nome possono avere specifiche documentate diverse.
Capacità del modello
L’input documentato comprende testo, immagini e video, mentre l’output è testo. Il materiale visivo può essere una pagina di documento, un grafico, una scena o una sequenza di fotogrammi. La domanda testuale determina ciò che il modello deve stabilire a partire da quel materiale. Il risultato può descrivere evidenze, spiegare una relazione o organizzare le osservazioni in campi; il modello non è un’edizione per la generazione di immagini o video.
Per un grafico, specifica il confronto invece di chiedere una descrizione generale. Fornisci l’immagine e chiedi quale serie visibile aumenta, cosa significano le etichette e quali osservazioni sostengono la conclusione. Richiedi parti separate per i dati direttamente visibili e per la spiegazione. Per un diagramma di processo, identifica le condizioni iniziali e finali e chiedi le connessioni tra le fasi, mantenendo le etichette originali.
Per una schermata, indica l’obiettivo dell’utente e chiedi quali controlli sono visibili e quale potrebbe essere il passaggio successivo. Questo produce un’interpretazione scritta dell’interfaccia. Ogni clic effettivo, modifica di file o azione esterna resta compito dell’applicazione che utilizza il modello; la sola comprensione visiva non costituisce un flusso di controllo del computer.
La scheda del produttore documenta l’output strutturato, la continuazione da un prefisso di risposta e la memorizzazione del contesto nella cache. Queste funzioni possono aiutare a organizzare analisi visive ripetute secondo una struttura di output stabile. L’invio in batch varia tra le configurazioni del produttore, mentre le chiamate a funzioni, la ricerca web e il fine-tuning non figurano come supportati in questa scheda. Una risposta testuale strutturata non va quindi confusa con una chiamata a uno strumento eseguita o con una ricerca online.
Limiti del contesto
La scheda di questa versione identificata per nome indica una finestra di contesto di 131.072 token, un input massimo di 129.024 token e un output massimo di 8.192 token. Gli input visivi e il compito testuale consumano insieme la capacità disponibile per l’input. La risposta ha un limite indipendente, quindi un’ampia raccolta di materiale visivo non implica un output altrettanto ampio.
Scegli immagini o fotogrammi che rispondano alla domanda effettiva. Conserva la legenda del grafico, le intestazioni delle colonne o le etichette del diagramma necessarie per interpretare un’area ritagliata. Quando confronti più materiali, identificane l’ordine e il ruolo: il progetto esistente, il progetto rivisto e il requisito di riferimento. Un risultato scritto utile può elencare gli elementi corrispondenti, le differenze e le domande che rimangono irrisolte sulla base delle evidenze fornite.
Lavorare con i video
L’input video consente di porre domande sugli eventi visibili e sulla loro sequenza. Chiedi cosa cambia tra i fotogrammi, quali partecipanti interagiscono o quale condizione visibile compare prima di un’altra. Definisci l’output richiesto, ad esempio una descrizione ordinata degli eventi con le osservazioni che sostengono ogni punto. La scheda indica input video e output testuale, non input audio o output vocale; una domanda sul contenuto parlato richiede che tale contenuto venga fornito separatamente.
Un compito pratico può confrontare un filmato dimostrativo con la sua procedura scritta: fornisci il materiale visivo e i passaggi pertinenti, chiedi quali passaggi sono rappresentati visibilmente e richiedi un elenco conciso delle discrepanze. Specifica a quale passaggio della procedura si riferisce ogni osservazione e mantieni i passaggi poco chiari in una parte separata della risposta.
Limiti rilevanti dell’edizione
L’attenzione di Max al ragionamento visivo è utile quando il compito dipende dall’interpretazione di relazioni e dal rispetto di un’istruzione visiva complessa. Il suo risultato documentato è testo. Mantieni l’input leggibile, indica la deduzione necessaria e distingui le evidenze visibili dalle conclusioni che il compito chiede al modello di trarre. Questa preparazione trasforma una domanda visiva in una spiegazione o un confronto utilizzabile, anziché in un riepilogo della scena privo di un obiettivo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen-vl-max | 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 $0.00046 / 1K token Output · Token in output $0.001144 / 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": "qwen-vl-max", "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-max',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-max',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 qwen-vl-max
Usa i percorsi dei metodi indicati sopra.
qwen-vl-maxQwen-VL-Max collega testo, immagini e video attraverso il ragionamento visivo e il rispetto delle istruzioni. Restituisce spiegazioni testuali o risultati strutturati ed è orientato a domande visive complesse, analisi dei documenti e relazioni all’interno di una scena.
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.
Qwen-VL-Max è la linea di modelli visivo-linguistici Qwen per domande che richiedono più del riconoscimento di un oggetto. Il produttore pone al centro di Max il ragionamento visivo e il rispetto delle istruzioni: collegare le evidenze visibili alle condizioni dell’utente, spiegare le relazioni e produrre un risultato testuale per un compito visivo più complesso. Rispetto alla linea Plus, questa descrizione dà maggiore rilievo al ragionamento e all’interpretazione.
La scheda attuale del produttore associa il nome senza versione qwen-vl-max a qwen-vl-max-2025-08-13. Il nome senza versione segue gli aggiornamenti, mentre un nome datato identifica una versione specifica. Mantieni il nome esatto quando confronti input e risultati; altre edizioni identificate per nome possono avere specifiche documentate diverse.
Capacità del modello
L’input documentato comprende testo, immagini e video, mentre l’output è testo. Il materiale visivo può essere una pagina di documento, un grafico, una scena o una sequenza di fotogrammi. La domanda testuale determina ciò che il modello deve stabilire a partire da quel materiale. Il risultato può descrivere evidenze, spiegare una relazione o organizzare le osservazioni in campi; il modello non è un’edizione per la generazione di immagini o video.
Per un grafico, specifica il confronto invece di chiedere una descrizione generale. Fornisci l’immagine e chiedi quale serie visibile aumenta, cosa significano le etichette e quali osservazioni sostengono la conclusione. Richiedi parti separate per i dati direttamente visibili e per la spiegazione. Per un diagramma di processo, identifica le condizioni iniziali e finali e chiedi le connessioni tra le fasi, mantenendo le etichette originali.
Per una schermata, indica l’obiettivo dell’utente e chiedi quali controlli sono visibili e quale potrebbe essere il passaggio successivo. Questo produce un’interpretazione scritta dell’interfaccia. Ogni clic effettivo, modifica di file o azione esterna resta compito dell’applicazione che utilizza il modello; la sola comprensione visiva non costituisce un flusso di controllo del computer.
La scheda del produttore documenta l’output strutturato, la continuazione da un prefisso di risposta e la memorizzazione del contesto nella cache. Queste funzioni possono aiutare a organizzare analisi visive ripetute secondo una struttura di output stabile. L’invio in batch varia tra le configurazioni del produttore, mentre le chiamate a funzioni, la ricerca web e il fine-tuning non figurano come supportati in questa scheda. Una risposta testuale strutturata non va quindi confusa con una chiamata a uno strumento eseguita o con una ricerca online.
Limiti del contesto
La scheda di questa versione identificata per nome indica una finestra di contesto di 131.072 token, un input massimo di 129.024 token e un output massimo di 8.192 token. Gli input visivi e il compito testuale consumano insieme la capacità disponibile per l’input. La risposta ha un limite indipendente, quindi un’ampia raccolta di materiale visivo non implica un output altrettanto ampio.
Scegli immagini o fotogrammi che rispondano alla domanda effettiva. Conserva la legenda del grafico, le intestazioni delle colonne o le etichette del diagramma necessarie per interpretare un’area ritagliata. Quando confronti più materiali, identificane l’ordine e il ruolo: il progetto esistente, il progetto rivisto e il requisito di riferimento. Un risultato scritto utile può elencare gli elementi corrispondenti, le differenze e le domande che rimangono irrisolte sulla base delle evidenze fornite.
Lavorare con i video
L’input video consente di porre domande sugli eventi visibili e sulla loro sequenza. Chiedi cosa cambia tra i fotogrammi, quali partecipanti interagiscono o quale condizione visibile compare prima di un’altra. Definisci l’output richiesto, ad esempio una descrizione ordinata degli eventi con le osservazioni che sostengono ogni punto. La scheda indica input video e output testuale, non input audio o output vocale; una domanda sul contenuto parlato richiede che tale contenuto venga fornito separatamente.
Un compito pratico può confrontare un filmato dimostrativo con la sua procedura scritta: fornisci il materiale visivo e i passaggi pertinenti, chiedi quali passaggi sono rappresentati visibilmente e richiedi un elenco conciso delle discrepanze. Specifica a quale passaggio della procedura si riferisce ogni osservazione e mantieni i passaggi poco chiari in una parte separata della risposta.
Limiti rilevanti dell’edizione
L’attenzione di Max al ragionamento visivo è utile quando il compito dipende dall’interpretazione di relazioni e dal rispetto di un’istruzione visiva complessa. Il suo risultato documentato è testo. Mantieni l’input leggibile, indica la deduzione necessaria e distingui le evidenze visibili dalle conclusioni che il compito chiede al modello di trarre. Questa preparazione trasforma una domanda visiva in una spiegazione o un confronto utilizzabile, anziché in un riepilogo della scena privo di un obiettivo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen-vl-max | 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 $0.00046 / 1K token Output · Token in output $0.001144 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-max', '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-max', '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 qwen-vl-max
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.