Qwen-VL-Max는 단순한 객체 인식 이상의 처리가 필요한 질문을 위한 Qwen의 시각·언어 모델 라인입니다. 개발사는 Max를 시각적 추론과 지시 이행에 중점을 둔 모델로 소개합니다. 눈에 보이는 근거를 사용자의 조건과 연결하고, 관계를 설명하며, 더 복잡한 시각적 과제를 위한 텍스트 결과를 생성합니다. 이 설명은 Plus 라인보다 추론과 해석을 더 강조합니다.
개발사의 현재 카드에서는 버전이 없는 qwen-vl-max 이름을 qwen-vl-max-2025-08-13에 연결합니다. 업데이트를 따라가는 이름과 달리 날짜가 있는 이름은 특정 시점의 버전을 식별합니다. 입력과 결과를 비교할 때 정확한 이름을 유지하세요. 다른 이름으로 지정된 에디션은 문서에 명시된 사양이 다를 수 있습니다.
모델 기능
문서에 명시된 입력에는 텍스트, 이미지, 동영상이 포함되며 출력은 텍스트입니다. 시각 자료는 문서 페이지, 차트, 장면 또는 프레임 시퀀스일 수 있습니다. 텍스트 질문은 그 자료에서 모델이 무엇을 확인해야 하는지 결정합니다. 결과는 근거를 묘사하거나 관계를 설명하거나 분석 내용을 필드로 정리할 수 있습니다. 이 모델은 이미지 또는 동영상 생성 에디션이 아닙니다.
차트를 다룰 때는 일반적인 설명을 요청하는 대신 비교할 내용을 지정하세요. 이미지를 제공하고 눈에 보이는 어떤 데이터 계열이 증가하는지, 레이블의 의미가 무엇인지, 어떤 관찰 내용이 결론을 뒷받침하는지 물어보세요. 직접 보이는 데이터와 설명을 별도 부분으로 요청하세요. 프로세스 다이어그램에서는 시작 조건과 종료 조건을 지정하고, 원래 레이블을 유지한 채 단계 사이의 연결을 요청하세요.
스크린샷에서는 사용자의 목표를 밝히고 화면에 보이는 조작 요소와 다음에 가능한 단계를 요청하세요. 이렇게 얻는 결과는 인터페이스에 대한 서면 해석입니다. 실제 클릭, 파일 변경 또는 외부 작업은 주변 애플리케이션이 수행해야 하는 일입니다. 시각적 이해만으로 컴퓨터 제어 워크플로가 이루어지는 것은 아닙니다.
개발사의 카드에는 구조화된 출력, 응답 접두부에 이어 쓰기, 컨텍스트 캐싱이 문서화되어 있습니다. 이러한 기능은 안정적인 출력 설계를 중심으로 반복적인 시각 분석을 구성하는 데 도움이 될 수 있습니다. 배치 제출은 개발사 구성에 따라 다르며, 함수 호출, 웹 검색, 미세 조정은 이 카드에 지원되는 기능으로 기재되어 있지 않습니다. 따라서 구조화된 텍스트 답변을 실행된 도구 호출이나 온라인 검색과 혼동해서는 안 됩니다.
컨텍스트 한도
이름이 지정된 카드에는 131,072토큰의 컨텍스트 창, 최대 129,024토큰의 입력, 최대 8,192토큰의 출력이 기재되어 있습니다. 시각 입력과 텍스트 과제는 사용 가능한 입력 한도를 함께 소비합니다. 답변의 한도는 별도로 정해지므로, 시각 자료가 많다고 해서 출력도 그만큼 길어질 수 있는 것은 아닙니다.
실제 질문에 답하는 데 필요한 이미지나 프레임을 선택하세요. 잘라낸 영역을 해석하는 데 필요한 차트 범례, 열 제목 또는 다이어그램 레이블을 유지하세요. 여러 자료를 비교할 때는 기존 디자인, 수정된 디자인, 기준 요구사항처럼 순서와 역할을 지정하세요. 유용한 서면 결과는 일치하는 요소, 차이점, 제공된 근거만으로는 해결되지 않은 질문을 나열할 수 있습니다.
동영상 활용
동영상 입력을 통해 눈에 보이는 사건과 그 순서에 대해 질문할 수 있습니다. 프레임 사이에서 무엇이 변하는지, 어떤 참여자들이 상호작용하는지, 어떤 시각적 조건이 다른 조건보다 먼저 나타나는지 물어보세요. 각 항목을 뒷받침하는 관찰 내용이 포함된 순서 있는 사건 설명처럼 필요한 출력을 정의하세요. 카드에는 동영상 입력과 텍스트 출력이 기재되어 있으며, 오디오 입력이나 음성 출력은 기재되어 있지 않습니다. 발화 내용에 관한 질문을 하려면 그 내용을 별도로 제공해야 합니다.
실용적인 과제로는 시연 영상과 서면 절차를 비교할 수 있습니다. 시각 자료와 관련 단계를 제공하고, 어떤 단계가 눈에 보이게 나타나는지 물은 뒤 불일치 사항을 간결한 목록으로 요청하세요. 각 관찰 내용이 절차의 어느 단계에 해당하는지 지정하고, 불명확한 단계는 답변의 별도 부분에 두세요.
에디션의 중요한 한계
Max의 시각적 추론 중심 특성은 관계를 해석하고 복잡한 시각적 지시를 따라야 하는 과제에 유용합니다. 문서에 명시된 결과는 텍스트입니다. 입력을 읽기 쉽게 유지하고 필요한 추론을 지정하며, 눈에 보이는 근거와 과제가 모델에 요구하는 결론을 구분하세요. 이렇게 준비하면 시각적 질문은 방향 없는 장면 요약이 아니라 활용 가능한 설명이나 비교가 됩니다.
", "aboutText": "Qwen-VL-Max는 단순한 객체 인식 이상의 처리가 필요한 질문을 위한 Qwen의 시각·언어 모델 라인입니다. 개발사는 Max를 시각적 추론과 지시 이행에 중점을 둔 모델로 소개합니다. 눈에 보이는 근거를 사용자의 조건과 연결하고, 관계를 설명하며, 더 복잡한 시각적 과제를 위한 텍스트 결과를 생성합니다. 이 설명은 Plus 라인보다 추론과 해석을 더 강조합니다.\n\n개발사의 현재 카드에서는 버전이 없는 qwen-vl-max 이름을 qwen-vl-max-2025-08-13에 연결합니다. 업데이트를 따라가는 이름과 달리 날짜가 있는 이름은 특정 시점의 버전을 식별합니다. 입력과 결과를 비교할 때 정확한 이름을 유지하세요. 다른 이름으로 지정된 에디션은 문서에 명시된 사양이 다를 수 있습니다.\n\n모델 기능\n\n문서에 명시된 입력에는 텍스트, 이미지, 동영상이 포함되며 출력은 텍스트입니다. 시각 자료는 문서 페이지, 차트, 장면 또는 프레임 시퀀스일 수 있습니다. 텍스트 질문은 그 자료에서 모델이 무엇을 확인해야 하는지 결정합니다. 결과는 근거를 묘사하거나 관계를 설명하거나 분석 내용을 필드로 정리할 수 있습니다. 이 모델은 이미지 또는 동영상 생성 에디션이 아닙니다.\n\n차트를 다룰 때는 일반적인 설명을 요청하는 대신 비교할 내용을 지정하세요. 이미지를 제공하고 눈에 보이는 어떤 데이터 계열이 증가하는지, 레이블의 의미가 무엇인지, 어떤 관찰 내용이 결론을 뒷받침하는지 물어보세요. 직접 보이는 데이터와 설명을 별도 부분으로 요청하세요. 프로세스 다이어그램에서는 시작 조건과 종료 조건을 지정하고, 원래 레이블을 유지한 채 단계 사이의 연결을 요청하세요.\n\n스크린샷에서는 사용자의 목표를 밝히고 화면에 보이는 조작 요소와 다음에 가능한 단계를 요청하세요. 이렇게 얻는 결과는 인터페이스에 대한 서면 해석입니다. 실제 클릭, 파일 변경 또는 외부 작업은 주변 애플리케이션이 수행해야 하는 일입니다. 시각적 이해만으로 컴퓨터 제어 워크플로가 이루어지는 것은 아닙니다.\n\n개발사의 카드에는 구조화된 출력, 응답 접두부에 이어 쓰기, 컨텍스트 캐싱이 문서화되어 있습니다. 이러한 기능은 안정적인 출력 설계를 중심으로 반복적인 시각 분석을 구성하는 데 도움이 될 수 있습니다. 배치 제출은 개발사 구성에 따라 다르며, 함수 호출, 웹 검색, 미세 조정은 이 카드에 지원되는 기능으로 기재되어 있지 않습니다. 따라서 구조화된 텍스트 답변을 실행된 도구 호출이나 온라인 검색과 혼동해서는 안 됩니다.\n\n컨텍스트 한도\n\n이름이 지정된 카드에는 131,072토큰의 컨텍스트 창, 최대 129,024토큰의 입력, 최대 8,192토큰의 출력이 기재되어 있습니다. 시각 입력과 텍스트 과제는 사용 가능한 입력 한도를 함께 소비합니다. 답변의 한도는 별도로 정해지므로, 시각 자료가 많다고 해서 출력도 그만큼 길어질 수 있는 것은 아닙니다.\n\n실제 질문에 답하는 데 필요한 이미지나 프레임을 선택하세요. 잘라낸 영역을 해석하는 데 필요한 차트 범례, 열 제목 또는 다이어그램 레이블을 유지하세요. 여러 자료를 비교할 때는 기존 디자인, 수정된 디자인, 기준 요구사항처럼 순서와 역할을 지정하세요. 유용한 서면 결과는 일치하는 요소, 차이점, 제공된 근거만으로는 해결되지 않은 질문을 나열할 수 있습니다.\n\n동영상 활용\n\n동영상 입력을 통해 눈에 보이는 사건과 그 순서에 대해 질문할 수 있습니다. 프레임 사이에서 무엇이 변하는지, 어떤 참여자들이 상호작용하는지, 어떤 시각적 조건이 다른 조건보다 먼저 나타나는지 물어보세요. 각 항목을 뒷받침하는 관찰 내용이 포함된 순서 있는 사건 설명처럼 필요한 출력을 정의하세요. 카드에는 동영상 입력과 텍스트 출력이 기재되어 있으며, 오디오 입력이나 음성 출력은 기재되어 있지 않습니다. 발화 내용에 관한 질문을 하려면 그 내용을 별도로 제공해야 합니다.\n\n실용적인 과제로는 시연 영상과 서면 절차를 비교할 수 있습니다. 시각 자료와 관련 단계를 제공하고, 어떤 단계가 눈에 보이게 나타나는지 물은 뒤 불일치 사항을 간결한 목록으로 요청하세요. 각 관찰 내용이 절차의 어느 단계에 해당하는지 지정하고, 불명확한 단계는 답변의 별도 부분에 두세요.\n\n에디션의 중요한 한계\n\nMax의 시각적 추론 중심 특성은 관계를 해석하고 복잡한 시각적 지시를 따라야 하는 과제에 유용합니다. 문서에 명시된 결과는 텍스트입니다. 입력을 읽기 쉽게 유지하고 필요한 추론을 지정하며, 눈에 보이는 근거와 과제가 모델에 요구하는 결론을 구분하세요. 이렇게 준비하면 시각적 질문은 방향 없는 장면 요약이 아니라 활용 가능한 설명이나 비교가 됩니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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-Max는 시각적 추론과 지시 이행을 통해 텍스트, 이미지, 동영상을 연결합니다. 텍스트 설명이나 구조화된 분석 결과를 반환하며, 복잡한 시각적 질문, 문서 분석, 장면 안의 관계 파악에 중점을 둡니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen-VL-Max는 단순한 객체 인식 이상의 처리가 필요한 질문을 위한 Qwen의 시각·언어 모델 라인입니다. 개발사는 Max를 시각적 추론과 지시 이행에 중점을 둔 모델로 소개합니다. 눈에 보이는 근거를 사용자의 조건과 연결하고, 관계를 설명하며, 더 복잡한 시각적 과제를 위한 텍스트 결과를 생성합니다. 이 설명은 Plus 라인보다 추론과 해석을 더 강조합니다.
개발사의 현재 카드에서는 버전이 없는 qwen-vl-max 이름을 qwen-vl-max-2025-08-13에 연결합니다. 업데이트를 따라가는 이름과 달리 날짜가 있는 이름은 특정 시점의 버전을 식별합니다. 입력과 결과를 비교할 때 정확한 이름을 유지하세요. 다른 이름으로 지정된 에디션은 문서에 명시된 사양이 다를 수 있습니다.
모델 기능
문서에 명시된 입력에는 텍스트, 이미지, 동영상이 포함되며 출력은 텍스트입니다. 시각 자료는 문서 페이지, 차트, 장면 또는 프레임 시퀀스일 수 있습니다. 텍스트 질문은 그 자료에서 모델이 무엇을 확인해야 하는지 결정합니다. 결과는 근거를 묘사하거나 관계를 설명하거나 분석 내용을 필드로 정리할 수 있습니다. 이 모델은 이미지 또는 동영상 생성 에디션이 아닙니다.
차트를 다룰 때는 일반적인 설명을 요청하는 대신 비교할 내용을 지정하세요. 이미지를 제공하고 눈에 보이는 어떤 데이터 계열이 증가하는지, 레이블의 의미가 무엇인지, 어떤 관찰 내용이 결론을 뒷받침하는지 물어보세요. 직접 보이는 데이터와 설명을 별도 부분으로 요청하세요. 프로세스 다이어그램에서는 시작 조건과 종료 조건을 지정하고, 원래 레이블을 유지한 채 단계 사이의 연결을 요청하세요.
스크린샷에서는 사용자의 목표를 밝히고 화면에 보이는 조작 요소와 다음에 가능한 단계를 요청하세요. 이렇게 얻는 결과는 인터페이스에 대한 서면 해석입니다. 실제 클릭, 파일 변경 또는 외부 작업은 주변 애플리케이션이 수행해야 하는 일입니다. 시각적 이해만으로 컴퓨터 제어 워크플로가 이루어지는 것은 아닙니다.
개발사의 카드에는 구조화된 출력, 응답 접두부에 이어 쓰기, 컨텍스트 캐싱이 문서화되어 있습니다. 이러한 기능은 안정적인 출력 설계를 중심으로 반복적인 시각 분석을 구성하는 데 도움이 될 수 있습니다. 배치 제출은 개발사 구성에 따라 다르며, 함수 호출, 웹 검색, 미세 조정은 이 카드에 지원되는 기능으로 기재되어 있지 않습니다. 따라서 구조화된 텍스트 답변을 실행된 도구 호출이나 온라인 검색과 혼동해서는 안 됩니다.
컨텍스트 한도
이름이 지정된 카드에는 131,072토큰의 컨텍스트 창, 최대 129,024토큰의 입력, 최대 8,192토큰의 출력이 기재되어 있습니다. 시각 입력과 텍스트 과제는 사용 가능한 입력 한도를 함께 소비합니다. 답변의 한도는 별도로 정해지므로, 시각 자료가 많다고 해서 출력도 그만큼 길어질 수 있는 것은 아닙니다.
실제 질문에 답하는 데 필요한 이미지나 프레임을 선택하세요. 잘라낸 영역을 해석하는 데 필요한 차트 범례, 열 제목 또는 다이어그램 레이블을 유지하세요. 여러 자료를 비교할 때는 기존 디자인, 수정된 디자인, 기준 요구사항처럼 순서와 역할을 지정하세요. 유용한 서면 결과는 일치하는 요소, 차이점, 제공된 근거만으로는 해결되지 않은 질문을 나열할 수 있습니다.
동영상 활용
동영상 입력을 통해 눈에 보이는 사건과 그 순서에 대해 질문할 수 있습니다. 프레임 사이에서 무엇이 변하는지, 어떤 참여자들이 상호작용하는지, 어떤 시각적 조건이 다른 조건보다 먼저 나타나는지 물어보세요. 각 항목을 뒷받침하는 관찰 내용이 포함된 순서 있는 사건 설명처럼 필요한 출력을 정의하세요. 카드에는 동영상 입력과 텍스트 출력이 기재되어 있으며, 오디오 입력이나 음성 출력은 기재되어 있지 않습니다. 발화 내용에 관한 질문을 하려면 그 내용을 별도로 제공해야 합니다.
실용적인 과제로는 시연 영상과 서면 절차를 비교할 수 있습니다. 시각 자료와 관련 단계를 제공하고, 어떤 단계가 눈에 보이게 나타나는지 물은 뒤 불일치 사항을 간결한 목록으로 요청하세요. 각 관찰 내용이 절차의 어느 단계에 해당하는지 지정하고, 불명확한 단계는 답변의 별도 부분에 두세요.
에디션의 중요한 한계
Max의 시각적 추론 중심 특성은 관계를 해석하고 복잡한 시각적 지시를 따라야 하는 과제에 유용합니다. 문서에 명시된 결과는 텍스트입니다. 입력을 읽기 쉽게 유지하고 필요한 추론을 지정하며, 눈에 보이는 근거와 과제가 모델에 요구하는 결론을 구분하세요. 이렇게 준비하면 시각적 질문은 방향 없는 장면 요약이 아니라 활용 가능한 설명이나 비교가 됩니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen-vl-max | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00046 / 1K 토큰 출력 · 출력 토큰 $0.001144 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen-vl-max
위에 표시된 메서드 경로를 사용하세요.
qwen-vl-maxQwen-VL-Max는 시각적 추론과 지시 이행을 통해 텍스트, 이미지, 동영상을 연결합니다. 텍스트 설명이나 구조화된 분석 결과를 반환하며, 복잡한 시각적 질문, 문서 분석, 장면 안의 관계 파악에 중점을 둡니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen-VL-Max는 단순한 객체 인식 이상의 처리가 필요한 질문을 위한 Qwen의 시각·언어 모델 라인입니다. 개발사는 Max를 시각적 추론과 지시 이행에 중점을 둔 모델로 소개합니다. 눈에 보이는 근거를 사용자의 조건과 연결하고, 관계를 설명하며, 더 복잡한 시각적 과제를 위한 텍스트 결과를 생성합니다. 이 설명은 Plus 라인보다 추론과 해석을 더 강조합니다.
개발사의 현재 카드에서는 버전이 없는 qwen-vl-max 이름을 qwen-vl-max-2025-08-13에 연결합니다. 업데이트를 따라가는 이름과 달리 날짜가 있는 이름은 특정 시점의 버전을 식별합니다. 입력과 결과를 비교할 때 정확한 이름을 유지하세요. 다른 이름으로 지정된 에디션은 문서에 명시된 사양이 다를 수 있습니다.
모델 기능
문서에 명시된 입력에는 텍스트, 이미지, 동영상이 포함되며 출력은 텍스트입니다. 시각 자료는 문서 페이지, 차트, 장면 또는 프레임 시퀀스일 수 있습니다. 텍스트 질문은 그 자료에서 모델이 무엇을 확인해야 하는지 결정합니다. 결과는 근거를 묘사하거나 관계를 설명하거나 분석 내용을 필드로 정리할 수 있습니다. 이 모델은 이미지 또는 동영상 생성 에디션이 아닙니다.
차트를 다룰 때는 일반적인 설명을 요청하는 대신 비교할 내용을 지정하세요. 이미지를 제공하고 눈에 보이는 어떤 데이터 계열이 증가하는지, 레이블의 의미가 무엇인지, 어떤 관찰 내용이 결론을 뒷받침하는지 물어보세요. 직접 보이는 데이터와 설명을 별도 부분으로 요청하세요. 프로세스 다이어그램에서는 시작 조건과 종료 조건을 지정하고, 원래 레이블을 유지한 채 단계 사이의 연결을 요청하세요.
스크린샷에서는 사용자의 목표를 밝히고 화면에 보이는 조작 요소와 다음에 가능한 단계를 요청하세요. 이렇게 얻는 결과는 인터페이스에 대한 서면 해석입니다. 실제 클릭, 파일 변경 또는 외부 작업은 주변 애플리케이션이 수행해야 하는 일입니다. 시각적 이해만으로 컴퓨터 제어 워크플로가 이루어지는 것은 아닙니다.
개발사의 카드에는 구조화된 출력, 응답 접두부에 이어 쓰기, 컨텍스트 캐싱이 문서화되어 있습니다. 이러한 기능은 안정적인 출력 설계를 중심으로 반복적인 시각 분석을 구성하는 데 도움이 될 수 있습니다. 배치 제출은 개발사 구성에 따라 다르며, 함수 호출, 웹 검색, 미세 조정은 이 카드에 지원되는 기능으로 기재되어 있지 않습니다. 따라서 구조화된 텍스트 답변을 실행된 도구 호출이나 온라인 검색과 혼동해서는 안 됩니다.
컨텍스트 한도
이름이 지정된 카드에는 131,072토큰의 컨텍스트 창, 최대 129,024토큰의 입력, 최대 8,192토큰의 출력이 기재되어 있습니다. 시각 입력과 텍스트 과제는 사용 가능한 입력 한도를 함께 소비합니다. 답변의 한도는 별도로 정해지므로, 시각 자료가 많다고 해서 출력도 그만큼 길어질 수 있는 것은 아닙니다.
실제 질문에 답하는 데 필요한 이미지나 프레임을 선택하세요. 잘라낸 영역을 해석하는 데 필요한 차트 범례, 열 제목 또는 다이어그램 레이블을 유지하세요. 여러 자료를 비교할 때는 기존 디자인, 수정된 디자인, 기준 요구사항처럼 순서와 역할을 지정하세요. 유용한 서면 결과는 일치하는 요소, 차이점, 제공된 근거만으로는 해결되지 않은 질문을 나열할 수 있습니다.
동영상 활용
동영상 입력을 통해 눈에 보이는 사건과 그 순서에 대해 질문할 수 있습니다. 프레임 사이에서 무엇이 변하는지, 어떤 참여자들이 상호작용하는지, 어떤 시각적 조건이 다른 조건보다 먼저 나타나는지 물어보세요. 각 항목을 뒷받침하는 관찰 내용이 포함된 순서 있는 사건 설명처럼 필요한 출력을 정의하세요. 카드에는 동영상 입력과 텍스트 출력이 기재되어 있으며, 오디오 입력이나 음성 출력은 기재되어 있지 않습니다. 발화 내용에 관한 질문을 하려면 그 내용을 별도로 제공해야 합니다.
실용적인 과제로는 시연 영상과 서면 절차를 비교할 수 있습니다. 시각 자료와 관련 단계를 제공하고, 어떤 단계가 눈에 보이게 나타나는지 물은 뒤 불일치 사항을 간결한 목록으로 요청하세요. 각 관찰 내용이 절차의 어느 단계에 해당하는지 지정하고, 불명확한 단계는 답변의 별도 부분에 두세요.
에디션의 중요한 한계
Max의 시각적 추론 중심 특성은 관계를 해석하고 복잡한 시각적 지시를 따라야 하는 과제에 유용합니다. 문서에 명시된 결과는 텍스트입니다. 입력을 읽기 쉽게 유지하고 필요한 추론을 지정하며, 눈에 보이는 근거와 과제가 모델에 요구하는 결론을 구분하세요. 이렇게 준비하면 시각적 질문은 방향 없는 장면 요약이 아니라 활용 가능한 설명이나 비교가 됩니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen-vl-max | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00046 / 1K 토큰 출력 · 출력 토큰 $0.001144 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra qwen-vl-max
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.