Qwen-VL-Plus 2025-05-07은 이름으로 식별되는 Alibaba의 비전 언어 스냅샷입니다. Qwen-VL-Plus는 상세한 시각적 이해와 이미지 속 텍스트 읽기에 초점을 맞추며, 제공된 시각적 증거와 글로 작성한 질문을 텍스트 답변으로 바꿉니다. 유용한 출발점은 구체적인 원본 자료입니다. 설명받고 싶은 내용을 담은 사진, 스크린샷, 문서 페이지 이미지, 동영상 프레임 등을 제공하세요.
제작사는 5월 에디션을 Qwen-VL-Plus 2025-07-10과 별도로 구분합니다. 7월의 특정 감시 동영상 개선은 그 이후 스냅샷에 해당합니다. 5월 모델에서는 문서에 명시된 비전 언어 목적에 맞춰 작업을 구성하세요. 세부 내용을 살펴보고, 보이는 텍스트를 읽고, 장면을 설명하고, 결과를 질문과 연결하도록 하세요. 동일한 과제에 대한 답변을 비교할 때는 원본 자료와 함께 모델 이름을 유지하세요.
이미지 이해에는 공통 질문 안에서 한 장 또는 여러 장의 이미지를 사용할 수 있습니다. 문서 작업에서는 필요한 필드나 영역을 지정하세요. 예를 들어 “강조 표시된 영역의 라벨을 읽고, 원래 표기를 유지하며, 라벨마다 한 줄씩 작성하세요.”라고 요청할 수 있습니다. 촬영한 안내 페이지에서는 전사 후 별도의 설명을 요청하세요. 이렇게 구분하면 원본과 대조한 뒤 도움말 문서나 사용자 메시지에 사용할 수 있는 출력을 얻을 수 있습니다.
스크린샷에서는 사용자의 목표를 추가하고 특별히 주의를 기울여야 할 요소를 지정하세요. 예시 요청은 다음과 같습니다. “사용자가 이 설정을 바꾸기 위해 수행할, 눈에 보이는 단계를 설명하세요. 화면에 표시된 버튼 이름을 사용하고, 너무 작아서 읽을 수 없는 텍스트를 나열하세요.” 비교하려면 이미지에 A와 B라는 라벨을 붙이고, 변경된 라벨이나 보이는 객체의 위치 같은 공통 기준을 제공하세요. 응답은 이미지에 대한 제안된 텍스트 해석입니다.
동영상 이해는 프레임을 통해 시각적 내용을 살펴보고 텍스트 설명이나 답변을 반환합니다. 질문과 관련된 장면 구간을 선택하고 순서를 유지하세요. 분석에 음성이 필요하다면 전사문을 텍스트로 추가하세요. 이 시각적 작업 흐름은 동영상의 오디오 트랙을 이해하지 않기 때문입니다. 유용한 출력에는 관찰한 순서, 관련 장면의 세부 내용, 제공된 프레임만으로는 해결되지 않는 질문이 포함될 수 있습니다.
이 시각적 입력 작업 흐름에 사용할 문서 페이지는 읽을 수 있는 이미지로 준비하세요. PDF나 Word 파일 자체는 이미지 입력이 아닙니다. 문서에 명시된 Alibaba 파일 작업 흐름에서는 URL로 제공하는 이미지를 10 MB 이하로 준비하세요. 공개 URL로 제공하는 동영상 파일은 길이가 2–40초이고 크기가 150 MB 이하여야 하며, 대신 순서대로 정렬한 4–80개 프레임 목록을 사용할 수도 있습니다. 시각 토큰과 텍스트 토큰을 합친 양도 모델의 입력 예산 안에 들어가야 합니다. 전체 페이지에서 라벨이 너무 작게 보이면 관심 영역을 잘라내되, 표나 도식을 해석하는 데 필요한 문맥은 남기세요. 원문 그대로의 전사, 설명, 짧은 요약 중 무엇을 원하는지 밝히세요. 이렇게 선택하면 원본에서 보이는 문구와 모델의 추가 해석을 혼동하지 않고 결과물을 재사용하기 쉽습니다.
", "aboutText": "Qwen-VL-Plus 2025-05-07은 이름으로 식별되는 Alibaba의 비전 언어 스냅샷입니다. Qwen-VL-Plus는 상세한 시각적 이해와 이미지 속 텍스트 읽기에 초점을 맞추며, 제공된 시각적 증거와 글로 작성한 질문을 텍스트 답변으로 바꿉니다. 유용한 출발점은 구체적인 원본 자료입니다. 설명받고 싶은 내용을 담은 사진, 스크린샷, 문서 페이지 이미지, 동영상 프레임 등을 제공하세요.\n\n제작사는 5월 에디션을 Qwen-VL-Plus 2025-07-10과 별도로 구분합니다. 7월의 특정 감시 동영상 개선은 그 이후 스냅샷에 해당합니다. 5월 모델에서는 문서에 명시된 비전 언어 목적에 맞춰 작업을 구성하세요. 세부 내용을 살펴보고, 보이는 텍스트를 읽고, 장면을 설명하고, 결과를 질문과 연결하도록 하세요. 동일한 과제에 대한 답변을 비교할 때는 원본 자료와 함께 모델 이름을 유지하세요.\n\n이미지 이해에는 공통 질문 안에서 한 장 또는 여러 장의 이미지를 사용할 수 있습니다. 문서 작업에서는 필요한 필드나 영역을 지정하세요. 예를 들어 “강조 표시된 영역의 라벨을 읽고, 원래 표기를 유지하며, 라벨마다 한 줄씩 작성하세요.”라고 요청할 수 있습니다. 촬영한 안내 페이지에서는 전사 후 별도의 설명을 요청하세요. 이렇게 구분하면 원본과 대조한 뒤 도움말 문서나 사용자 메시지에 사용할 수 있는 출력을 얻을 수 있습니다.\n\n스크린샷에서는 사용자의 목표를 추가하고 특별히 주의를 기울여야 할 요소를 지정하세요. 예시 요청은 다음과 같습니다. “사용자가 이 설정을 바꾸기 위해 수행할, 눈에 보이는 단계를 설명하세요. 화면에 표시된 버튼 이름을 사용하고, 너무 작아서 읽을 수 없는 텍스트를 나열하세요.” 비교하려면 이미지에 A와 B라는 라벨을 붙이고, 변경된 라벨이나 보이는 객체의 위치 같은 공통 기준을 제공하세요. 응답은 이미지에 대한 제안된 텍스트 해석입니다.\n\n동영상 이해는 프레임을 통해 시각적 내용을 살펴보고 텍스트 설명이나 답변을 반환합니다. 질문과 관련된 장면 구간을 선택하고 순서를 유지하세요. 분석에 음성이 필요하다면 전사문을 텍스트로 추가하세요. 이 시각적 작업 흐름은 동영상의 오디오 트랙을 이해하지 않기 때문입니다. 유용한 출력에는 관찰한 순서, 관련 장면의 세부 내용, 제공된 프레임만으로는 해결되지 않는 질문이 포함될 수 있습니다.\n\n이 시각적 입력 작업 흐름에 사용할 문서 페이지는 읽을 수 있는 이미지로 준비하세요. PDF나 Word 파일 자체는 이미지 입력이 아닙니다. 문서에 명시된 Alibaba 파일 작업 흐름에서는 URL로 제공하는 이미지를 10 MB 이하로 준비하세요. 공개 URL로 제공하는 동영상 파일은 길이가 2–40초이고 크기가 150 MB 이하여야 하며, 대신 순서대로 정렬한 4–80개 프레임 목록을 사용할 수도 있습니다. 시각 토큰과 텍스트 토큰을 합친 양도 모델의 입력 예산 안에 들어가야 합니다. 전체 페이지에서 라벨이 너무 작게 보이면 관심 영역을 잘라내되, 표나 도식을 해석하는 데 필요한 문맥은 남기세요. 원문 그대로의 전사, 설명, 짧은 요약 중 무엇을 원하는지 밝히세요. 이렇게 선택하면 원본에서 보이는 문구와 모델의 추가 해석을 혼동하지 않고 결과물을 재사용하기 쉽습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 2025-05-07은 텍스트를 이미지 및 동영상과 결합해 시각적 내용에 대한 설명을 생성합니다. 이 이름으로 식별되는 스냅샷을 장면 설명, 보이는 텍스트 추출, 문서·스크린샷·연속 프레임의 세부 내용에 관한 질문에 사용하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen-VL-Plus 2025-05-07은 이름으로 식별되는 Alibaba의 비전 언어 스냅샷입니다. Qwen-VL-Plus는 상세한 시각적 이해와 이미지 속 텍스트 읽기에 초점을 맞추며, 제공된 시각적 증거와 글로 작성한 질문을 텍스트 답변으로 바꿉니다. 유용한 출발점은 구체적인 원본 자료입니다. 설명받고 싶은 내용을 담은 사진, 스크린샷, 문서 페이지 이미지, 동영상 프레임 등을 제공하세요.
제작사는 5월 에디션을 Qwen-VL-Plus 2025-07-10과 별도로 구분합니다. 7월의 특정 감시 동영상 개선은 그 이후 스냅샷에 해당합니다. 5월 모델에서는 문서에 명시된 비전 언어 목적에 맞춰 작업을 구성하세요. 세부 내용을 살펴보고, 보이는 텍스트를 읽고, 장면을 설명하고, 결과를 질문과 연결하도록 하세요. 동일한 과제에 대한 답변을 비교할 때는 원본 자료와 함께 모델 이름을 유지하세요.
이미지 이해에는 공통 질문 안에서 한 장 또는 여러 장의 이미지를 사용할 수 있습니다. 문서 작업에서는 필요한 필드나 영역을 지정하세요. 예를 들어 “강조 표시된 영역의 라벨을 읽고, 원래 표기를 유지하며, 라벨마다 한 줄씩 작성하세요.”라고 요청할 수 있습니다. 촬영한 안내 페이지에서는 전사 후 별도의 설명을 요청하세요. 이렇게 구분하면 원본과 대조한 뒤 도움말 문서나 사용자 메시지에 사용할 수 있는 출력을 얻을 수 있습니다.
스크린샷에서는 사용자의 목표를 추가하고 특별히 주의를 기울여야 할 요소를 지정하세요. 예시 요청은 다음과 같습니다. “사용자가 이 설정을 바꾸기 위해 수행할, 눈에 보이는 단계를 설명하세요. 화면에 표시된 버튼 이름을 사용하고, 너무 작아서 읽을 수 없는 텍스트를 나열하세요.” 비교하려면 이미지에 A와 B라는 라벨을 붙이고, 변경된 라벨이나 보이는 객체의 위치 같은 공통 기준을 제공하세요. 응답은 이미지에 대한 제안된 텍스트 해석입니다.
동영상 이해는 프레임을 통해 시각적 내용을 살펴보고 텍스트 설명이나 답변을 반환합니다. 질문과 관련된 장면 구간을 선택하고 순서를 유지하세요. 분석에 음성이 필요하다면 전사문을 텍스트로 추가하세요. 이 시각적 작업 흐름은 동영상의 오디오 트랙을 이해하지 않기 때문입니다. 유용한 출력에는 관찰한 순서, 관련 장면의 세부 내용, 제공된 프레임만으로는 해결되지 않는 질문이 포함될 수 있습니다.
이 시각적 입력 작업 흐름에 사용할 문서 페이지는 읽을 수 있는 이미지로 준비하세요. PDF나 Word 파일 자체는 이미지 입력이 아닙니다. 문서에 명시된 Alibaba 파일 작업 흐름에서는 URL로 제공하는 이미지를 10 MB 이하로 준비하세요. 공개 URL로 제공하는 동영상 파일은 길이가 2–40초이고 크기가 150 MB 이하여야 하며, 대신 순서대로 정렬한 4–80개 프레임 목록을 사용할 수도 있습니다. 시각 토큰과 텍스트 토큰을 합친 양도 모델의 입력 예산 안에 들어가야 합니다. 전체 페이지에서 라벨이 너무 작게 보이면 관심 영역을 잘라내되, 표나 도식을 해석하는 데 필요한 문맥은 남기세요. 원문 그대로의 전사, 설명, 짧은 요약 중 무엇을 원하는지 밝히세요. 이렇게 선택하면 원본에서 보이는 문구와 모델의 추가 해석을 혼동하지 않고 결과물을 재사용하기 쉽습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen-vl-plus-2025-05-07 | 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 $0.00044 / 1K 토큰 출력 · 출력 토큰 $0.0013 / 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-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 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-plus-2025-05-07
위에 표시된 메서드 경로를 사용하세요.
qwen-vl-plus-2025-05-07Qwen-VL-Plus 2025-05-07은 텍스트를 이미지 및 동영상과 결합해 시각적 내용에 대한 설명을 생성합니다. 이 이름으로 식별되는 스냅샷을 장면 설명, 보이는 텍스트 추출, 문서·스크린샷·연속 프레임의 세부 내용에 관한 질문에 사용하세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen-VL-Plus 2025-05-07은 이름으로 식별되는 Alibaba의 비전 언어 스냅샷입니다. Qwen-VL-Plus는 상세한 시각적 이해와 이미지 속 텍스트 읽기에 초점을 맞추며, 제공된 시각적 증거와 글로 작성한 질문을 텍스트 답변으로 바꿉니다. 유용한 출발점은 구체적인 원본 자료입니다. 설명받고 싶은 내용을 담은 사진, 스크린샷, 문서 페이지 이미지, 동영상 프레임 등을 제공하세요.
제작사는 5월 에디션을 Qwen-VL-Plus 2025-07-10과 별도로 구분합니다. 7월의 특정 감시 동영상 개선은 그 이후 스냅샷에 해당합니다. 5월 모델에서는 문서에 명시된 비전 언어 목적에 맞춰 작업을 구성하세요. 세부 내용을 살펴보고, 보이는 텍스트를 읽고, 장면을 설명하고, 결과를 질문과 연결하도록 하세요. 동일한 과제에 대한 답변을 비교할 때는 원본 자료와 함께 모델 이름을 유지하세요.
이미지 이해에는 공통 질문 안에서 한 장 또는 여러 장의 이미지를 사용할 수 있습니다. 문서 작업에서는 필요한 필드나 영역을 지정하세요. 예를 들어 “강조 표시된 영역의 라벨을 읽고, 원래 표기를 유지하며, 라벨마다 한 줄씩 작성하세요.”라고 요청할 수 있습니다. 촬영한 안내 페이지에서는 전사 후 별도의 설명을 요청하세요. 이렇게 구분하면 원본과 대조한 뒤 도움말 문서나 사용자 메시지에 사용할 수 있는 출력을 얻을 수 있습니다.
스크린샷에서는 사용자의 목표를 추가하고 특별히 주의를 기울여야 할 요소를 지정하세요. 예시 요청은 다음과 같습니다. “사용자가 이 설정을 바꾸기 위해 수행할, 눈에 보이는 단계를 설명하세요. 화면에 표시된 버튼 이름을 사용하고, 너무 작아서 읽을 수 없는 텍스트를 나열하세요.” 비교하려면 이미지에 A와 B라는 라벨을 붙이고, 변경된 라벨이나 보이는 객체의 위치 같은 공통 기준을 제공하세요. 응답은 이미지에 대한 제안된 텍스트 해석입니다.
동영상 이해는 프레임을 통해 시각적 내용을 살펴보고 텍스트 설명이나 답변을 반환합니다. 질문과 관련된 장면 구간을 선택하고 순서를 유지하세요. 분석에 음성이 필요하다면 전사문을 텍스트로 추가하세요. 이 시각적 작업 흐름은 동영상의 오디오 트랙을 이해하지 않기 때문입니다. 유용한 출력에는 관찰한 순서, 관련 장면의 세부 내용, 제공된 프레임만으로는 해결되지 않는 질문이 포함될 수 있습니다.
이 시각적 입력 작업 흐름에 사용할 문서 페이지는 읽을 수 있는 이미지로 준비하세요. PDF나 Word 파일 자체는 이미지 입력이 아닙니다. 문서에 명시된 Alibaba 파일 작업 흐름에서는 URL로 제공하는 이미지를 10 MB 이하로 준비하세요. 공개 URL로 제공하는 동영상 파일은 길이가 2–40초이고 크기가 150 MB 이하여야 하며, 대신 순서대로 정렬한 4–80개 프레임 목록을 사용할 수도 있습니다. 시각 토큰과 텍스트 토큰을 합친 양도 모델의 입력 예산 안에 들어가야 합니다. 전체 페이지에서 라벨이 너무 작게 보이면 관심 영역을 잘라내되, 표나 도식을 해석하는 데 필요한 문맥은 남기세요. 원문 그대로의 전사, 설명, 짧은 요약 중 무엇을 원하는지 밝히세요. 이렇게 선택하면 원본에서 보이는 문구와 모델의 추가 해석을 혼동하지 않고 결과물을 재사용하기 쉽습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen-vl-plus-2025-05-07 | 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 $0.00044 / 1K 토큰 출력 · 출력 토큰 $0.0013 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen-vl-plus-2025-05-07",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-plus-2025-05-07
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.