QVQ-Plus ialah barisan Plus bagi model penaakulan visual QVQ daripada Qwen. Pengeluar menonjolkan matematik, pengaturcaraan, analisis visual, kerja kreatif dan tugas umum yang melibatkan bukti visual. Model ini menerima teks, imej dan video, lalu mengembalikan teks yang merangkumi proses penaakulan dan jawapan. Nama Plus ialah identiti keluarga, bukannya pengganti bagi versi QVQ-Max yang dibekukan atau model penjanaan imej.
Tetingkap konteks yang didokumenkan ialah 131,072 token, dengan input maksimum 106,496 token dan output maksimum 8,192 token. Bezakan had ini ketika merancang permintaan. Sertakan tugas bertulis, bahan visual berkaitan dan sejarah perbualan yang diperlukan, kemudian peruntukkan ruang untuk penjelasan dan jawapan akhir. Sumbangan tangkapan skrin atau video ditentukan oleh perwakilannya selepas diproses, maka bilangan aksara yang ditaip sahaja tidak memadai untuk mengukur keseluruhan input.
Pengeluar menerangkan QVQ sebagai gabungan input visual dengan penaakulan dan jawapan teks. Aliran perkhidmatan QVQ yang didokumenkan menggunakan penstriman. Aplikasi perlu membezakan penaakulan perantaraan daripada cebisan jawapan akhir dan menyusun teks itu sebelum mempersembahkannya sebagai penjelasan lengkap. Jawapan ringkas yang diminta masih boleh melalui proses penaakulan dalaman; permintaan supaya ringkas tidak menukar model kepada edisi tanpa pemikiran yang berasingan.
Bagi carta atau jadual, nyatakan perbandingan yang perlu dibuat dan berikan label, unit serta tajuk yang boleh dibaca. Contohnya, tanya sama ada dua siri yang diplot semakin berjauhan dalam julat terpilih, kemudian minta pemerhatian yang kelihatan yang menyokong kesimpulan itu. Jika jawapan memerlukan nilai berangka, pastikan nilai itu terdapat dalam sumber dan minta model mengenal pasti ketidakpastian apabila hanya bacaan visual anggaran dapat dibuat. Simpan imej asal supaya hasil boleh disemak berdasarkan bukti.
Bagi dokumen atau tangkapan skrin antara muka, tetapkan matlamat pengguna dan bahagian bahan yang hendak dianalisis. Permintaan yang berguna boleh menanyakan medan yang kelihatan yang diperlukan untuk aliran kerja tertentu, susunan halaman atau maksud penyambung dalam rajah. Untuk tugas pengaturcaraan visual, berikan tangkapan skrin dan keperluan bertulis, kemudian minta penjelasan teks atau cadangan pelaksanaan yang selaras dengan struktur yang kelihatan. Bezakan sifat yang boleh diperhatikan daripada sifat yang bergantung pada tingkah laku aplikasi yang tersembunyi.
Bagi video, kenal pasti peristiwa, urutan atau hubungan yang mahu dijelaskan. Kekalkan segmen berkaitan dan berikan imej pegun yang boleh dibaca apabila butiran kecil penting. Labelkan berbilang input dan jelaskan susunannya supaya perbandingan tidak dikelirukan dengan adegan yang tidak berkaitan. Hasilnya ialah huraian teks tentang bahan tersebut dan kesimpulan berkenaan soalan yang dinyatakan; hasil itu sendiri tidak menyunting sumber, mencipta klip baharu atau mengesahkan sesuatu di luar pemerhatian.
Kad Plus pengeluar tidak mengiklankan pemanggilan fungsi, carian web atau output berstruktur terkawal. Susun jawapan teks dengan tajuk yang jelas, jadual perbandingan atau senarai pemerhatian, dan sahkan sebarang hasil yang kelihatan boleh dibaca mesin sebelum digunakan oleh aplikasi. Rujukan sembang menyatakan bahawa mesej sistem tidak memberi kesan kepada model QVQ, jadi letakkan arahan peranan, tugas dan pemformatan dalam mesej pengguna. Kekalkan tetapan lalai pensampelan QVQ yang didokumenkan dan jangan mengambil tetapan suhu atau kaedah pemilihan token daripada keluarga Qwen yang berbeza.
Untuk artifak analisis yang berguna, minta fakta yang diperhatikan, penjelasan dan jawapan akhir yang dilabelkan dengan jelas. Semak pengiraan berdasarkan angka, label dan unit yang kelihatan, serta semak tafsiran dokumen berdasarkan bahagian sumber yang dirujuknya. Simpan identiti Plus yang dipilih dan bahan input bersama hasil apabila sesuatu kes perlu diteliti semula. Asingkan cadangan berasaskan penaakulan daripada tindakan seterusnya: aplikasi atau manusia masih perlu melaksanakan operasi alat yang diminta dan mengembalikan hasilnya. Model ini membekalkan penaakulan visual dan teks, dengan bahan asal dikekalkan sebagai asas semakan.
", "aboutText": "QVQ-Plus ialah barisan Plus bagi model penaakulan visual QVQ daripada Qwen. Pengeluar menonjolkan matematik, pengaturcaraan, analisis visual, kerja kreatif dan tugas umum yang melibatkan bukti visual. Model ini menerima teks, imej dan video, lalu mengembalikan teks yang merangkumi proses penaakulan dan jawapan. Nama Plus ialah identiti keluarga, bukannya pengganti bagi versi QVQ-Max yang dibekukan atau model penjanaan imej.\n\nTetingkap konteks yang didokumenkan ialah 131,072 token, dengan input maksimum 106,496 token dan output maksimum 8,192 token. Bezakan had ini ketika merancang permintaan. Sertakan tugas bertulis, bahan visual berkaitan dan sejarah perbualan yang diperlukan, kemudian peruntukkan ruang untuk penjelasan dan jawapan akhir. Sumbangan tangkapan skrin atau video ditentukan oleh perwakilannya selepas diproses, maka bilangan aksara yang ditaip sahaja tidak memadai untuk mengukur keseluruhan input.\n\nPengeluar menerangkan QVQ sebagai gabungan input visual dengan penaakulan dan jawapan teks. Aliran perkhidmatan QVQ yang didokumenkan menggunakan penstriman. Aplikasi perlu membezakan penaakulan perantaraan daripada cebisan jawapan akhir dan menyusun teks itu sebelum mempersembahkannya sebagai penjelasan lengkap. Jawapan ringkas yang diminta masih boleh melalui proses penaakulan dalaman; permintaan supaya ringkas tidak menukar model kepada edisi tanpa pemikiran yang berasingan.\n\nBagi carta atau jadual, nyatakan perbandingan yang perlu dibuat dan berikan label, unit serta tajuk yang boleh dibaca. Contohnya, tanya sama ada dua siri yang diplot semakin berjauhan dalam julat terpilih, kemudian minta pemerhatian yang kelihatan yang menyokong kesimpulan itu. Jika jawapan memerlukan nilai berangka, pastikan nilai itu terdapat dalam sumber dan minta model mengenal pasti ketidakpastian apabila hanya bacaan visual anggaran dapat dibuat. Simpan imej asal supaya hasil boleh disemak berdasarkan bukti.\n\nBagi dokumen atau tangkapan skrin antara muka, tetapkan matlamat pengguna dan bahagian bahan yang hendak dianalisis. Permintaan yang berguna boleh menanyakan medan yang kelihatan yang diperlukan untuk aliran kerja tertentu, susunan halaman atau maksud penyambung dalam rajah. Untuk tugas pengaturcaraan visual, berikan tangkapan skrin dan keperluan bertulis, kemudian minta penjelasan teks atau cadangan pelaksanaan yang selaras dengan struktur yang kelihatan. Bezakan sifat yang boleh diperhatikan daripada sifat yang bergantung pada tingkah laku aplikasi yang tersembunyi.\n\nBagi video, kenal pasti peristiwa, urutan atau hubungan yang mahu dijelaskan. Kekalkan segmen berkaitan dan berikan imej pegun yang boleh dibaca apabila butiran kecil penting. Labelkan berbilang input dan jelaskan susunannya supaya perbandingan tidak dikelirukan dengan adegan yang tidak berkaitan. Hasilnya ialah huraian teks tentang bahan tersebut dan kesimpulan berkenaan soalan yang dinyatakan; hasil itu sendiri tidak menyunting sumber, mencipta klip baharu atau mengesahkan sesuatu di luar pemerhatian.\n\nKad Plus pengeluar tidak mengiklankan pemanggilan fungsi, carian web atau output berstruktur terkawal. Susun jawapan teks dengan tajuk yang jelas, jadual perbandingan atau senarai pemerhatian, dan sahkan sebarang hasil yang kelihatan boleh dibaca mesin sebelum digunakan oleh aplikasi. Rujukan sembang menyatakan bahawa mesej sistem tidak memberi kesan kepada model QVQ, jadi letakkan arahan peranan, tugas dan pemformatan dalam mesej pengguna. Kekalkan tetapan lalai pensampelan QVQ yang didokumenkan dan jangan mengambil tetapan suhu atau kaedah pemilihan token daripada keluarga Qwen yang berbeza.\n\nUntuk artifak analisis yang berguna, minta fakta yang diperhatikan, penjelasan dan jawapan akhir yang dilabelkan dengan jelas. Semak pengiraan berdasarkan angka, label dan unit yang kelihatan, serta semak tafsiran dokumen berdasarkan bahagian sumber yang dirujuknya. Simpan identiti Plus yang dipilih dan bahan input bersama hasil apabila sesuatu kes perlu diteliti semula. Asingkan cadangan berasaskan penaakulan daripada tindakan seterusnya: aplikasi atau manusia masih perlu melaksanakan operasi alat yang diminta dan mengembalikan hasilnya. Model ini membekalkan penaakulan visual dan teks, dengan bahan asal dikekalkan sebagai asas semakan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.qvq-plusQVQ-Plus menggabungkan soalan teks dengan imej atau video untuk menghasilkan jawapan teks berserta penaakulan. Gunakannya untuk matematik visual, analisis carta dan dokumen, atau soalan yang kesimpulannya bergantung pada beberapa butiran yang kelihatan; barisan Plus mengekalkan identitinya sendiri.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
QVQ-Plus ialah barisan Plus bagi model penaakulan visual QVQ daripada Qwen. Pengeluar menonjolkan matematik, pengaturcaraan, analisis visual, kerja kreatif dan tugas umum yang melibatkan bukti visual. Model ini menerima teks, imej dan video, lalu mengembalikan teks yang merangkumi proses penaakulan dan jawapan. Nama Plus ialah identiti keluarga, bukannya pengganti bagi versi QVQ-Max yang dibekukan atau model penjanaan imej.
Tetingkap konteks yang didokumenkan ialah 131,072 token, dengan input maksimum 106,496 token dan output maksimum 8,192 token. Bezakan had ini ketika merancang permintaan. Sertakan tugas bertulis, bahan visual berkaitan dan sejarah perbualan yang diperlukan, kemudian peruntukkan ruang untuk penjelasan dan jawapan akhir. Sumbangan tangkapan skrin atau video ditentukan oleh perwakilannya selepas diproses, maka bilangan aksara yang ditaip sahaja tidak memadai untuk mengukur keseluruhan input.
Pengeluar menerangkan QVQ sebagai gabungan input visual dengan penaakulan dan jawapan teks. Aliran perkhidmatan QVQ yang didokumenkan menggunakan penstriman. Aplikasi perlu membezakan penaakulan perantaraan daripada cebisan jawapan akhir dan menyusun teks itu sebelum mempersembahkannya sebagai penjelasan lengkap. Jawapan ringkas yang diminta masih boleh melalui proses penaakulan dalaman; permintaan supaya ringkas tidak menukar model kepada edisi tanpa pemikiran yang berasingan.
Bagi carta atau jadual, nyatakan perbandingan yang perlu dibuat dan berikan label, unit serta tajuk yang boleh dibaca. Contohnya, tanya sama ada dua siri yang diplot semakin berjauhan dalam julat terpilih, kemudian minta pemerhatian yang kelihatan yang menyokong kesimpulan itu. Jika jawapan memerlukan nilai berangka, pastikan nilai itu terdapat dalam sumber dan minta model mengenal pasti ketidakpastian apabila hanya bacaan visual anggaran dapat dibuat. Simpan imej asal supaya hasil boleh disemak berdasarkan bukti.
Bagi dokumen atau tangkapan skrin antara muka, tetapkan matlamat pengguna dan bahagian bahan yang hendak dianalisis. Permintaan yang berguna boleh menanyakan medan yang kelihatan yang diperlukan untuk aliran kerja tertentu, susunan halaman atau maksud penyambung dalam rajah. Untuk tugas pengaturcaraan visual, berikan tangkapan skrin dan keperluan bertulis, kemudian minta penjelasan teks atau cadangan pelaksanaan yang selaras dengan struktur yang kelihatan. Bezakan sifat yang boleh diperhatikan daripada sifat yang bergantung pada tingkah laku aplikasi yang tersembunyi.
Bagi video, kenal pasti peristiwa, urutan atau hubungan yang mahu dijelaskan. Kekalkan segmen berkaitan dan berikan imej pegun yang boleh dibaca apabila butiran kecil penting. Labelkan berbilang input dan jelaskan susunannya supaya perbandingan tidak dikelirukan dengan adegan yang tidak berkaitan. Hasilnya ialah huraian teks tentang bahan tersebut dan kesimpulan berkenaan soalan yang dinyatakan; hasil itu sendiri tidak menyunting sumber, mencipta klip baharu atau mengesahkan sesuatu di luar pemerhatian.
Kad Plus pengeluar tidak mengiklankan pemanggilan fungsi, carian web atau output berstruktur terkawal. Susun jawapan teks dengan tajuk yang jelas, jadual perbandingan atau senarai pemerhatian, dan sahkan sebarang hasil yang kelihatan boleh dibaca mesin sebelum digunakan oleh aplikasi. Rujukan sembang menyatakan bahawa mesej sistem tidak memberi kesan kepada model QVQ, jadi letakkan arahan peranan, tugas dan pemformatan dalam mesej pengguna. Kekalkan tetapan lalai pensampelan QVQ yang didokumenkan dan jangan mengambil tetapan suhu atau kaedah pemilihan token daripada keluarga Qwen yang berbeza.
Untuk artifak analisis yang berguna, minta fakta yang diperhatikan, penjelasan dan jawapan akhir yang dilabelkan dengan jelas. Semak pengiraan berdasarkan angka, label dan unit yang kelihatan, serta semak tafsiran dokumen berdasarkan bahagian sumber yang dirujuknya. Simpan identiti Plus yang dipilih dan bahan input bersama hasil apabila sesuatu kes perlu diteliti semula. Asingkan cadangan berasaskan penaakulan daripada tindakan seterusnya: aplikasi atau manusia masih perlu melaksanakan operasi alat yang diminta dan mengembalikan hasilnya. Model ini membekalkan penaakulan visual dan teks, dengan bahan asal dikekalkan sebagai asas semakan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qvq-plus | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00058 / 1K token Output · Token output $0.00144 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-plus", "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='qvq-plus',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='qvq-plus',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qvq-plus
Gunakan laluan kaedah yang dipaparkan di atas.
qvq-plusQVQ-Plus menggabungkan soalan teks dengan imej atau video untuk menghasilkan jawapan teks berserta penaakulan. Gunakannya untuk matematik visual, analisis carta dan dokumen, atau soalan yang kesimpulannya bergantung pada beberapa butiran yang kelihatan; barisan Plus mengekalkan identitinya sendiri.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
QVQ-Plus ialah barisan Plus bagi model penaakulan visual QVQ daripada Qwen. Pengeluar menonjolkan matematik, pengaturcaraan, analisis visual, kerja kreatif dan tugas umum yang melibatkan bukti visual. Model ini menerima teks, imej dan video, lalu mengembalikan teks yang merangkumi proses penaakulan dan jawapan. Nama Plus ialah identiti keluarga, bukannya pengganti bagi versi QVQ-Max yang dibekukan atau model penjanaan imej.
Tetingkap konteks yang didokumenkan ialah 131,072 token, dengan input maksimum 106,496 token dan output maksimum 8,192 token. Bezakan had ini ketika merancang permintaan. Sertakan tugas bertulis, bahan visual berkaitan dan sejarah perbualan yang diperlukan, kemudian peruntukkan ruang untuk penjelasan dan jawapan akhir. Sumbangan tangkapan skrin atau video ditentukan oleh perwakilannya selepas diproses, maka bilangan aksara yang ditaip sahaja tidak memadai untuk mengukur keseluruhan input.
Pengeluar menerangkan QVQ sebagai gabungan input visual dengan penaakulan dan jawapan teks. Aliran perkhidmatan QVQ yang didokumenkan menggunakan penstriman. Aplikasi perlu membezakan penaakulan perantaraan daripada cebisan jawapan akhir dan menyusun teks itu sebelum mempersembahkannya sebagai penjelasan lengkap. Jawapan ringkas yang diminta masih boleh melalui proses penaakulan dalaman; permintaan supaya ringkas tidak menukar model kepada edisi tanpa pemikiran yang berasingan.
Bagi carta atau jadual, nyatakan perbandingan yang perlu dibuat dan berikan label, unit serta tajuk yang boleh dibaca. Contohnya, tanya sama ada dua siri yang diplot semakin berjauhan dalam julat terpilih, kemudian minta pemerhatian yang kelihatan yang menyokong kesimpulan itu. Jika jawapan memerlukan nilai berangka, pastikan nilai itu terdapat dalam sumber dan minta model mengenal pasti ketidakpastian apabila hanya bacaan visual anggaran dapat dibuat. Simpan imej asal supaya hasil boleh disemak berdasarkan bukti.
Bagi dokumen atau tangkapan skrin antara muka, tetapkan matlamat pengguna dan bahagian bahan yang hendak dianalisis. Permintaan yang berguna boleh menanyakan medan yang kelihatan yang diperlukan untuk aliran kerja tertentu, susunan halaman atau maksud penyambung dalam rajah. Untuk tugas pengaturcaraan visual, berikan tangkapan skrin dan keperluan bertulis, kemudian minta penjelasan teks atau cadangan pelaksanaan yang selaras dengan struktur yang kelihatan. Bezakan sifat yang boleh diperhatikan daripada sifat yang bergantung pada tingkah laku aplikasi yang tersembunyi.
Bagi video, kenal pasti peristiwa, urutan atau hubungan yang mahu dijelaskan. Kekalkan segmen berkaitan dan berikan imej pegun yang boleh dibaca apabila butiran kecil penting. Labelkan berbilang input dan jelaskan susunannya supaya perbandingan tidak dikelirukan dengan adegan yang tidak berkaitan. Hasilnya ialah huraian teks tentang bahan tersebut dan kesimpulan berkenaan soalan yang dinyatakan; hasil itu sendiri tidak menyunting sumber, mencipta klip baharu atau mengesahkan sesuatu di luar pemerhatian.
Kad Plus pengeluar tidak mengiklankan pemanggilan fungsi, carian web atau output berstruktur terkawal. Susun jawapan teks dengan tajuk yang jelas, jadual perbandingan atau senarai pemerhatian, dan sahkan sebarang hasil yang kelihatan boleh dibaca mesin sebelum digunakan oleh aplikasi. Rujukan sembang menyatakan bahawa mesej sistem tidak memberi kesan kepada model QVQ, jadi letakkan arahan peranan, tugas dan pemformatan dalam mesej pengguna. Kekalkan tetapan lalai pensampelan QVQ yang didokumenkan dan jangan mengambil tetapan suhu atau kaedah pemilihan token daripada keluarga Qwen yang berbeza.
Untuk artifak analisis yang berguna, minta fakta yang diperhatikan, penjelasan dan jawapan akhir yang dilabelkan dengan jelas. Semak pengiraan berdasarkan angka, label dan unit yang kelihatan, serta semak tafsiran dokumen berdasarkan bahagian sumber yang dirujuknya. Simpan identiti Plus yang dipilih dan bahan input bersama hasil apabila sesuatu kes perlu diteliti semula. Asingkan cadangan berasaskan penaakulan daripada tindakan seterusnya: aplikasi atau manusia masih perlu melaksanakan operasi alat yang diminta dan mengembalikan hasilnya. Model ini membekalkan penaakulan visual dan teks, dengan bahan asal dikekalkan sebagai asas semakan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qvq-plus | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00058 / 1K token Output · Token output $0.00144 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qvq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qvq-plus', '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': 'qvq-plus', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qvq-plus
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.