Qwen-VL-Plus 2025-05-07 è una versione visivo-linguistica di Alibaba identificata per nome. Qwen-VL-Plus si concentra sulla comprensione visiva dettagliata e sulla lettura del testo nelle immagini, trasformando le evidenze visive fornite e una domanda scritta in una risposta testuale. Un punto di partenza utile è una fonte concreta: una fotografia, una schermata, l’immagine di una pagina di documento o fotogrammi video di cui vuoi far spiegare il contenuto.
Il produttore identifica l’edizione di maggio separatamente da Qwen-VL-Plus 2025-07-10. Il potenziamento specifico di luglio per i video di sorveglianza appartiene a quella versione successiva. Per il modello di maggio, organizza il compito attorno alla sua finalità visivo-linguistica documentata: esaminare dettagli, leggere testo visibile, descrivere la scena e collegare il risultato alla domanda. Mantieni il nome del modello accanto al materiale sorgente quando confronti le risposte allo stesso incarico.
La comprensione delle immagini può usare una sola immagine o più immagini per una domanda comune. Per il lavoro documentale, specifica i campi o l’area necessari: «Leggi le etichette nell’area evidenziata, conservane l’ortografia e fornisci una riga per ogni etichetta». Per una pagina di istruzioni fotografata, chiedi una trascrizione seguita da una spiegazione separata. Questa distinzione fornisce un output verificabile rispetto all’originale prima che diventi un articolo di assistenza o un messaggio per l’utente.
Per una schermata, aggiungi l’obiettivo dell’utente e identifica gli elementi che richiedono particolare attenzione. Un esempio di istruzioni è: «Spiega i passaggi visibili che un utente seguirebbe per modificare questa impostazione. Usa i nomi dei pulsanti mostrati sullo schermo ed elenca il testo troppo piccolo per essere letto». Per un confronto, etichetta le immagini come A e B e fornisci un criterio comune, come le etichette cambiate o la posizione di un oggetto visibile. La risposta è una proposta di interpretazione testuale delle immagini.
La comprensione del video esamina il contenuto visivo attraverso i fotogrammi e restituisce una descrizione o una risposta testuale. Scegli l’episodio pertinente alla domanda e conservane l’ordine; se il parlato è necessario per l’analisi, aggiungi una trascrizione come testo, perché questo flusso visivo non comprende la traccia audio del video. Un output utile può contenere la sequenza osservata, i dettagli pertinenti della scena e le domande che i fotogrammi forniti lasciano aperte.
Prepara le pagine dei documenti come immagini leggibili per questo flusso di input visivo; un file PDF o Word non è di per sé un input immagine. Per il flusso di file documentato da Alibaba, prepara immagini fornite tramite URL di dimensioni non superiori a 10 MB; un file video fornito tramite URL pubblico deve durare 2–40 secondi e non superare 150 MB, oppure usa un elenco ordinato di 4–80 fotogrammi. I token visivi e testuali combinati devono comunque rientrare nel budget di input del modello. Ritaglia l’area di interesse quando l’intera pagina rende le etichette troppo piccole, mantenendo il contesto necessario a interpretare una tabella o un diagramma. Indica se vuoi una trascrizione letterale, una spiegazione o una breve sintesi. Questa scelta rende il risultato più facile da riutilizzare senza confondere le parole visibili nella fonte con l’interpretazione aggiuntiva del modello.
", "aboutText": "Qwen-VL-Plus 2025-05-07 è una versione visivo-linguistica di Alibaba identificata per nome. Qwen-VL-Plus si concentra sulla comprensione visiva dettagliata e sulla lettura del testo nelle immagini, trasformando le evidenze visive fornite e una domanda scritta in una risposta testuale. Un punto di partenza utile è una fonte concreta: una fotografia, una schermata, l’immagine di una pagina di documento o fotogrammi video di cui vuoi far spiegare il contenuto.\n\nIl produttore identifica l’edizione di maggio separatamente da Qwen-VL-Plus 2025-07-10. Il potenziamento specifico di luglio per i video di sorveglianza appartiene a quella versione successiva. Per il modello di maggio, organizza il compito attorno alla sua finalità visivo-linguistica documentata: esaminare dettagli, leggere testo visibile, descrivere la scena e collegare il risultato alla domanda. Mantieni il nome del modello accanto al materiale sorgente quando confronti le risposte allo stesso incarico.\n\nLa comprensione delle immagini può usare una sola immagine o più immagini per una domanda comune. Per il lavoro documentale, specifica i campi o l’area necessari: «Leggi le etichette nell’area evidenziata, conservane l’ortografia e fornisci una riga per ogni etichetta». Per una pagina di istruzioni fotografata, chiedi una trascrizione seguita da una spiegazione separata. Questa distinzione fornisce un output verificabile rispetto all’originale prima che diventi un articolo di assistenza o un messaggio per l’utente.\n\nPer una schermata, aggiungi l’obiettivo dell’utente e identifica gli elementi che richiedono particolare attenzione. Un esempio di istruzioni è: «Spiega i passaggi visibili che un utente seguirebbe per modificare questa impostazione. Usa i nomi dei pulsanti mostrati sullo schermo ed elenca il testo troppo piccolo per essere letto». Per un confronto, etichetta le immagini come A e B e fornisci un criterio comune, come le etichette cambiate o la posizione di un oggetto visibile. La risposta è una proposta di interpretazione testuale delle immagini.\n\nLa comprensione del video esamina il contenuto visivo attraverso i fotogrammi e restituisce una descrizione o una risposta testuale. Scegli l’episodio pertinente alla domanda e conservane l’ordine; se il parlato è necessario per l’analisi, aggiungi una trascrizione come testo, perché questo flusso visivo non comprende la traccia audio del video. Un output utile può contenere la sequenza osservata, i dettagli pertinenti della scena e le domande che i fotogrammi forniti lasciano aperte.\n\nPrepara le pagine dei documenti come immagini leggibili per questo flusso di input visivo; un file PDF o Word non è di per sé un input immagine. Per il flusso di file documentato da Alibaba, prepara immagini fornite tramite URL di dimensioni non superiori a 10 MB; un file video fornito tramite URL pubblico deve durare 2–40 secondi e non superare 150 MB, oppure usa un elenco ordinato di 4–80 fotogrammi. I token visivi e testuali combinati devono comunque rientrare nel budget di input del modello. Ritaglia l’area di interesse quando l’intera pagina rende le etichette troppo piccole, mantenendo il contesto necessario a interpretare una tabella o un diagramma. Indica se vuoi una trascrizione letterale, una spiegazione o una breve sintesi. Questa scelta rende il risultato più facile da riutilizzare senza confondere le parole visibili nella fonte con l’interpretazione aggiuntiva del modello.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Turn transcribed controls into instructions\n\nUse this written transcription of a settings screen: heading 'Notifications'; checkbox 'Weekly summary' checked; checkbox 'Order alerts' checked; button 'Save changes'. A user wants to stop only weekly summaries. Write three numbered steps using the exact visible control names, and add one sentence stating which alert setting should stay enabled.Three concise steps plus a preservation note for Order alerts, based solely on the transcription.Only Weekly summary is unchecked, Save changes is included, and Order alerts remains enabled.qwen-vl-plus-2025-05-07Qwen-VL-Plus 2025-05-07 combina testo con immagini e video per produrre spiegazioni visive. Usa questa versione identificata per nome per descrizioni di scene, estrazione del testo visibile e domande sui dettagli di documenti, schermate o sequenze di fotogrammi.
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-Plus 2025-05-07 è una versione visivo-linguistica di Alibaba identificata per nome. Qwen-VL-Plus si concentra sulla comprensione visiva dettagliata e sulla lettura del testo nelle immagini, trasformando le evidenze visive fornite e una domanda scritta in una risposta testuale. Un punto di partenza utile è una fonte concreta: una fotografia, una schermata, l’immagine di una pagina di documento o fotogrammi video di cui vuoi far spiegare il contenuto.
Il produttore identifica l’edizione di maggio separatamente da Qwen-VL-Plus 2025-07-10. Il potenziamento specifico di luglio per i video di sorveglianza appartiene a quella versione successiva. Per il modello di maggio, organizza il compito attorno alla sua finalità visivo-linguistica documentata: esaminare dettagli, leggere testo visibile, descrivere la scena e collegare il risultato alla domanda. Mantieni il nome del modello accanto al materiale sorgente quando confronti le risposte allo stesso incarico.
La comprensione delle immagini può usare una sola immagine o più immagini per una domanda comune. Per il lavoro documentale, specifica i campi o l’area necessari: «Leggi le etichette nell’area evidenziata, conservane l’ortografia e fornisci una riga per ogni etichetta». Per una pagina di istruzioni fotografata, chiedi una trascrizione seguita da una spiegazione separata. Questa distinzione fornisce un output verificabile rispetto all’originale prima che diventi un articolo di assistenza o un messaggio per l’utente.
Per una schermata, aggiungi l’obiettivo dell’utente e identifica gli elementi che richiedono particolare attenzione. Un esempio di istruzioni è: «Spiega i passaggi visibili che un utente seguirebbe per modificare questa impostazione. Usa i nomi dei pulsanti mostrati sullo schermo ed elenca il testo troppo piccolo per essere letto». Per un confronto, etichetta le immagini come A e B e fornisci un criterio comune, come le etichette cambiate o la posizione di un oggetto visibile. La risposta è una proposta di interpretazione testuale delle immagini.
La comprensione del video esamina il contenuto visivo attraverso i fotogrammi e restituisce una descrizione o una risposta testuale. Scegli l’episodio pertinente alla domanda e conservane l’ordine; se il parlato è necessario per l’analisi, aggiungi una trascrizione come testo, perché questo flusso visivo non comprende la traccia audio del video. Un output utile può contenere la sequenza osservata, i dettagli pertinenti della scena e le domande che i fotogrammi forniti lasciano aperte.
Prepara le pagine dei documenti come immagini leggibili per questo flusso di input visivo; un file PDF o Word non è di per sé un input immagine. Per il flusso di file documentato da Alibaba, prepara immagini fornite tramite URL di dimensioni non superiori a 10 MB; un file video fornito tramite URL pubblico deve durare 2–40 secondi e non superare 150 MB, oppure usa un elenco ordinato di 4–80 fotogrammi. I token visivi e testuali combinati devono comunque rientrare nel budget di input del modello. Ritaglia l’area di interesse quando l’intera pagina rende le etichette troppo piccole, mantenendo il contesto necessario a interpretare una tabella o un diagramma. Indica se vuoi una trascrizione letterale, una spiegazione o una breve sintesi. Questa scelta rende il risultato più facile da riutilizzare senza confondere le parole visibili nella fonte con l’interpretazione aggiuntiva del modello.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen-vl-plus-2025-05-07 | 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 $0.00044 / 1K token Output · Token in output $0.0013 / 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-plus-2025-05-07", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-vl-plus-2025-05-07',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-vl-plus-2025-05-07',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-plus-2025-05-07
Usa i percorsi dei metodi indicati sopra.
qwen-vl-plus-2025-05-07Qwen-VL-Plus 2025-05-07 combina testo con immagini e video per produrre spiegazioni visive. Usa questa versione identificata per nome per descrizioni di scene, estrazione del testo visibile e domande sui dettagli di documenti, schermate o sequenze di fotogrammi.
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-Plus 2025-05-07 è una versione visivo-linguistica di Alibaba identificata per nome. Qwen-VL-Plus si concentra sulla comprensione visiva dettagliata e sulla lettura del testo nelle immagini, trasformando le evidenze visive fornite e una domanda scritta in una risposta testuale. Un punto di partenza utile è una fonte concreta: una fotografia, una schermata, l’immagine di una pagina di documento o fotogrammi video di cui vuoi far spiegare il contenuto.
Il produttore identifica l’edizione di maggio separatamente da Qwen-VL-Plus 2025-07-10. Il potenziamento specifico di luglio per i video di sorveglianza appartiene a quella versione successiva. Per il modello di maggio, organizza il compito attorno alla sua finalità visivo-linguistica documentata: esaminare dettagli, leggere testo visibile, descrivere la scena e collegare il risultato alla domanda. Mantieni il nome del modello accanto al materiale sorgente quando confronti le risposte allo stesso incarico.
La comprensione delle immagini può usare una sola immagine o più immagini per una domanda comune. Per il lavoro documentale, specifica i campi o l’area necessari: «Leggi le etichette nell’area evidenziata, conservane l’ortografia e fornisci una riga per ogni etichetta». Per una pagina di istruzioni fotografata, chiedi una trascrizione seguita da una spiegazione separata. Questa distinzione fornisce un output verificabile rispetto all’originale prima che diventi un articolo di assistenza o un messaggio per l’utente.
Per una schermata, aggiungi l’obiettivo dell’utente e identifica gli elementi che richiedono particolare attenzione. Un esempio di istruzioni è: «Spiega i passaggi visibili che un utente seguirebbe per modificare questa impostazione. Usa i nomi dei pulsanti mostrati sullo schermo ed elenca il testo troppo piccolo per essere letto». Per un confronto, etichetta le immagini come A e B e fornisci un criterio comune, come le etichette cambiate o la posizione di un oggetto visibile. La risposta è una proposta di interpretazione testuale delle immagini.
La comprensione del video esamina il contenuto visivo attraverso i fotogrammi e restituisce una descrizione o una risposta testuale. Scegli l’episodio pertinente alla domanda e conservane l’ordine; se il parlato è necessario per l’analisi, aggiungi una trascrizione come testo, perché questo flusso visivo non comprende la traccia audio del video. Un output utile può contenere la sequenza osservata, i dettagli pertinenti della scena e le domande che i fotogrammi forniti lasciano aperte.
Prepara le pagine dei documenti come immagini leggibili per questo flusso di input visivo; un file PDF o Word non è di per sé un input immagine. Per il flusso di file documentato da Alibaba, prepara immagini fornite tramite URL di dimensioni non superiori a 10 MB; un file video fornito tramite URL pubblico deve durare 2–40 secondi e non superare 150 MB, oppure usa un elenco ordinato di 4–80 fotogrammi. I token visivi e testuali combinati devono comunque rientrare nel budget di input del modello. Ritaglia l’area di interesse quando l’intera pagina rende le etichette troppo piccole, mantenendo il contesto necessario a interpretare una tabella o un diagramma. Indica se vuoi una trascrizione letterale, una spiegazione o una breve sintesi. Questa scelta rende il risultato più facile da riutilizzare senza confondere le parole visibili nella fonte con l’interpretazione aggiuntiva del modello.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen-vl-plus-2025-05-07 | 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 $0.00044 / 1K token Output · Token in output $0.0013 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen-vl-plus-2025-05-07",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-vl-plus-2025-05-07', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-vl-plus-2025-05-07', '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-plus-2025-05-07
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Turn transcribed controls into instructions\n\nUse this written transcription of a settings screen: heading 'Notifications'; checkbox 'Weekly summary' checked; checkbox 'Order alerts' checked; button 'Save changes'. A user wants to stop only weekly summaries. Write three numbered steps using the exact visible control names, and add one sentence stating which alert setting should stay enabled.Three concise steps plus a preservation note for Order alerts, based solely on the transcription.Only Weekly summary is unchecked, Save changes is included, and Order alerts remains enabled.