Qwen-VL-Plus 2025-07-10は、画像と動画を理解するAlibabaの日付付き視覚言語モデルです。特徴となる更新は、監視動画の内容をより強く理解することです。視覚資料と文章の指示を受け取り、出来事の描写、場面についての回答、指定した細部を中心に整理した報告などのテキストを返します。Alibabaはこの版をqwen-vl-plus-0710という名称でも示しています。
メーカーはこの版をQwen-VL-Plus 2025-05-07や、同じページに記載されたQwen-VL-Plusのlatestという別名と区別しています。監視カメラの映像が課題である場合、この違いは重要です。監視映像に重点を置いた更新は7月の名前付きの版に属します。プロンプトを比較したり同じ映像を再確認したりするときは、課題の記録に正確な版を残してください。
視覚的な質問では、フレームに何が映っているか、物体がどこにあるか、連続する場面で見えている行動がどう展開するかを扱えます。一枚の画像で場面を描写したり、ラベル付きの複数画像で異なる視点や連続する時点を示したりできます。動画理解では、サンプリングしたフレームを使います。得られる説明は見えている証拠に関するものです。モデルは代わりの動画を生成せず、この視覚的な処理は動画の音声トラックを分析しません。
出来事の報告では、関連する動画部分や順序付きのフレーム列を準備し、重要な領域や行動を指定してください。依頼の例は「入口付近での人物の目に見える行動を順番に描写してください。各観察について、関係する物体、その位置、見て分かる変化を示してください。不確かな細部は最後の別文にまとめてください」です。短い文章、観察結果のリスト、名前付きの報告セクションを求められます。これらは文章の回答に対する指示であり、別の構造化出力モードではありません。
この版の公開コンテキストウィンドウは32,768トークンで、最大入力30,720トークン、最大出力8,096トークンです。専用のモデル表では、一枚の画像について最大16,384トークンとも記載されています。文章の指示、会話の文脈、視覚的な内容を合わせて入力容量内に収める必要があります。出力上限は別の制限であり、追加の資料を入れるための容量ではありません。長い録画を確認する場合は対象の場面を切り出し、順序を理解するのに十分な前後のフレームを保持してください。
関係する物体が判別できるフレームを選び、異なるカメラや視点にラベルを付け、求める観察内容を明確にします。文書化されたAlibabaのファイル処理では、URLで指定する画像を10 MB以下にしてください。公開URLで渡す動画ファイルは長さ2–40秒かつ150 MB以下とするか、4–80フレームの順序付きリストを使います。視覚情報とテキストの合計トークン数は、モデルの入力容量に収まる必要があります。発話による説明が課題に必要なら、文字起こしを別途テキストとして提示してください。目に見える動きと推測された目的を報告で区別するよう求めます。「ドアに向かって歩いた」は、立ち去る意図があるという記述とは異なります。有用な成果物は、映像と指定した観察基準に結び付いた、確認可能なテキストの記録です。
", "aboutText": "Qwen-VL-Plus 2025-07-10は、画像と動画を理解するAlibabaの日付付き視覚言語モデルです。特徴となる更新は、監視動画の内容をより強く理解することです。視覚資料と文章の指示を受け取り、出来事の描写、場面についての回答、指定した細部を中心に整理した報告などのテキストを返します。Alibabaはこの版をqwen-vl-plus-0710という名称でも示しています。\n\nメーカーはこの版をQwen-VL-Plus 2025-05-07や、同じページに記載されたQwen-VL-Plusのlatestという別名と区別しています。監視カメラの映像が課題である場合、この違いは重要です。監視映像に重点を置いた更新は7月の名前付きの版に属します。プロンプトを比較したり同じ映像を再確認したりするときは、課題の記録に正確な版を残してください。\n\n視覚的な質問では、フレームに何が映っているか、物体がどこにあるか、連続する場面で見えている行動がどう展開するかを扱えます。一枚の画像で場面を描写したり、ラベル付きの複数画像で異なる視点や連続する時点を示したりできます。動画理解では、サンプリングしたフレームを使います。得られる説明は見えている証拠に関するものです。モデルは代わりの動画を生成せず、この視覚的な処理は動画の音声トラックを分析しません。\n\n出来事の報告では、関連する動画部分や順序付きのフレーム列を準備し、重要な領域や行動を指定してください。依頼の例は「入口付近での人物の目に見える行動を順番に描写してください。各観察について、関係する物体、その位置、見て分かる変化を示してください。不確かな細部は最後の別文にまとめてください」です。短い文章、観察結果のリスト、名前付きの報告セクションを求められます。これらは文章の回答に対する指示であり、別の構造化出力モードではありません。\n\nこの版の公開コンテキストウィンドウは32,768トークンで、最大入力30,720トークン、最大出力8,096トークンです。専用のモデル表では、一枚の画像について最大16,384トークンとも記載されています。文章の指示、会話の文脈、視覚的な内容を合わせて入力容量内に収める必要があります。出力上限は別の制限であり、追加の資料を入れるための容量ではありません。長い録画を確認する場合は対象の場面を切り出し、順序を理解するのに十分な前後のフレームを保持してください。\n\n関係する物体が判別できるフレームを選び、異なるカメラや視点にラベルを付け、求める観察内容を明確にします。文書化されたAlibabaのファイル処理では、URLで指定する画像を10 MB以下にしてください。公開URLで渡す動画ファイルは長さ2–40秒かつ150 MB以下とするか、4–80フレームの順序付きリストを使います。視覚情報とテキストの合計トークン数は、モデルの入力容量に収まる必要があります。発話による説明が課題に必要なら、文字起こしを別途テキストとして提示してください。目に見える動きと推測された目的を報告で区別するよう求めます。「ドアに向かって歩いた」は、立ち去る意図があるという記述とは異なります。有用な成果物は、映像と指定した観察基準に結び付いた、確認可能なテキストの記録です。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
A surveillance-event report from frame notes\n\nUse these text frame notes only: 10:01 person stands beside entrance holding a box; 10:02 person places box beside entrance; 10:03 person walks out of frame without the box. Write an ordered event report with timestamps. Separate visible actions reported in the notes from unknown identity, intent and later events. No footage or audio is attached.A timestamped sequence of observations and a separate sentence identifying unsupported identity, intent and later outcome.The report does not label the act theft, infer spoken words or claim the person left the building.qwen-vl-plus-2025-07-10Qwen-VL-Plus 2025-07-10は、監視動画の理解に重点を置いた視覚言語モデル版です。画像や動画フレームと文章の質問を組み合わせ、見えている出来事を描写し、行動を追い、テキストの報告を作成します。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen-VL-Plus 2025-07-10は、画像と動画を理解するAlibabaの日付付き視覚言語モデルです。特徴となる更新は、監視動画の内容をより強く理解することです。視覚資料と文章の指示を受け取り、出来事の描写、場面についての回答、指定した細部を中心に整理した報告などのテキストを返します。Alibabaはこの版をqwen-vl-plus-0710という名称でも示しています。
メーカーはこの版をQwen-VL-Plus 2025-05-07や、同じページに記載されたQwen-VL-Plusのlatestという別名と区別しています。監視カメラの映像が課題である場合、この違いは重要です。監視映像に重点を置いた更新は7月の名前付きの版に属します。プロンプトを比較したり同じ映像を再確認したりするときは、課題の記録に正確な版を残してください。
視覚的な質問では、フレームに何が映っているか、物体がどこにあるか、連続する場面で見えている行動がどう展開するかを扱えます。一枚の画像で場面を描写したり、ラベル付きの複数画像で異なる視点や連続する時点を示したりできます。動画理解では、サンプリングしたフレームを使います。得られる説明は見えている証拠に関するものです。モデルは代わりの動画を生成せず、この視覚的な処理は動画の音声トラックを分析しません。
出来事の報告では、関連する動画部分や順序付きのフレーム列を準備し、重要な領域や行動を指定してください。依頼の例は「入口付近での人物の目に見える行動を順番に描写してください。各観察について、関係する物体、その位置、見て分かる変化を示してください。不確かな細部は最後の別文にまとめてください」です。短い文章、観察結果のリスト、名前付きの報告セクションを求められます。これらは文章の回答に対する指示であり、別の構造化出力モードではありません。
この版の公開コンテキストウィンドウは32,768トークンで、最大入力30,720トークン、最大出力8,096トークンです。専用のモデル表では、一枚の画像について最大16,384トークンとも記載されています。文章の指示、会話の文脈、視覚的な内容を合わせて入力容量内に収める必要があります。出力上限は別の制限であり、追加の資料を入れるための容量ではありません。長い録画を確認する場合は対象の場面を切り出し、順序を理解するのに十分な前後のフレームを保持してください。
関係する物体が判別できるフレームを選び、異なるカメラや視点にラベルを付け、求める観察内容を明確にします。文書化されたAlibabaのファイル処理では、URLで指定する画像を10 MB以下にしてください。公開URLで渡す動画ファイルは長さ2–40秒かつ150 MB以下とするか、4–80フレームの順序付きリストを使います。視覚情報とテキストの合計トークン数は、モデルの入力容量に収まる必要があります。発話による説明が課題に必要なら、文字起こしを別途テキストとして提示してください。目に見える動きと推測された目的を報告で区別するよう求めます。「ドアに向かって歩いた」は、立ち去る意図があるという記述とは異なります。有用な成果物は、映像と指定した観察基準に結び付いた、確認可能なテキストの記録です。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-vl-plus-2025-07-10 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.000044 / 1K トークン 出力 · 出力トークン $0.00044 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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-2025-07-10", "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-2025-07-10',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-2025-07-10',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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra qwen-vl-plus-2025-07-10
上記に表示されたメソッドパスを使用してください。
qwen-vl-plus-2025-07-10Qwen-VL-Plus 2025-07-10は、監視動画の理解に重点を置いた視覚言語モデル版です。画像や動画フレームと文章の質問を組み合わせ、見えている出来事を描写し、行動を追い、テキストの報告を作成します。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen-VL-Plus 2025-07-10は、画像と動画を理解するAlibabaの日付付き視覚言語モデルです。特徴となる更新は、監視動画の内容をより強く理解することです。視覚資料と文章の指示を受け取り、出来事の描写、場面についての回答、指定した細部を中心に整理した報告などのテキストを返します。Alibabaはこの版をqwen-vl-plus-0710という名称でも示しています。
メーカーはこの版をQwen-VL-Plus 2025-05-07や、同じページに記載されたQwen-VL-Plusのlatestという別名と区別しています。監視カメラの映像が課題である場合、この違いは重要です。監視映像に重点を置いた更新は7月の名前付きの版に属します。プロンプトを比較したり同じ映像を再確認したりするときは、課題の記録に正確な版を残してください。
視覚的な質問では、フレームに何が映っているか、物体がどこにあるか、連続する場面で見えている行動がどう展開するかを扱えます。一枚の画像で場面を描写したり、ラベル付きの複数画像で異なる視点や連続する時点を示したりできます。動画理解では、サンプリングしたフレームを使います。得られる説明は見えている証拠に関するものです。モデルは代わりの動画を生成せず、この視覚的な処理は動画の音声トラックを分析しません。
出来事の報告では、関連する動画部分や順序付きのフレーム列を準備し、重要な領域や行動を指定してください。依頼の例は「入口付近での人物の目に見える行動を順番に描写してください。各観察について、関係する物体、その位置、見て分かる変化を示してください。不確かな細部は最後の別文にまとめてください」です。短い文章、観察結果のリスト、名前付きの報告セクションを求められます。これらは文章の回答に対する指示であり、別の構造化出力モードではありません。
この版の公開コンテキストウィンドウは32,768トークンで、最大入力30,720トークン、最大出力8,096トークンです。専用のモデル表では、一枚の画像について最大16,384トークンとも記載されています。文章の指示、会話の文脈、視覚的な内容を合わせて入力容量内に収める必要があります。出力上限は別の制限であり、追加の資料を入れるための容量ではありません。長い録画を確認する場合は対象の場面を切り出し、順序を理解するのに十分な前後のフレームを保持してください。
関係する物体が判別できるフレームを選び、異なるカメラや視点にラベルを付け、求める観察内容を明確にします。文書化されたAlibabaのファイル処理では、URLで指定する画像を10 MB以下にしてください。公開URLで渡す動画ファイルは長さ2–40秒かつ150 MB以下とするか、4–80フレームの順序付きリストを使います。視覚情報とテキストの合計トークン数は、モデルの入力容量に収まる必要があります。発話による説明が課題に必要なら、文字起こしを別途テキストとして提示してください。目に見える動きと推測された目的を報告で区別するよう求めます。「ドアに向かって歩いた」は、立ち去る意図があるという記述とは異なります。有用な成果物は、映像と指定した観察基準に結び付いた、確認可能なテキストの記録です。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-vl-plus-2025-07-10 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.000044 / 1K トークン 出力 · 出力トークン $0.00044 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "qwen-vl-plus-2025-07-10",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-07-10', '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-2025-07-10', '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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra qwen-vl-plus-2025-07-10
上記に表示されたメソッドパスを使用してください。
英語の技術例
A surveillance-event report from frame notes\n\nUse these text frame notes only: 10:01 person stands beside entrance holding a box; 10:02 person places box beside entrance; 10:03 person walks out of frame without the box. Write an ordered event report with timestamps. Separate visible actions reported in the notes from unknown identity, intent and later events. No footage or audio is attached.A timestamped sequence of observations and a separate sentence identifying unsupported identity, intent and later outcome.The report does not label the act theft, infer spoken words or claim the person left the building.