Qwen-Image-3.0 Pro ialah model utama generasi ketiga Qwen untuk penjanaan dan penyuntingan imej. Model menggabungkan penciptaan susun atur kompleks, tekstur realistik terperinci, tipografi berbilang bahasa dan pematuhan rapat kepada taklimat imej. Pro dan Qwen-Image-3.0 standard berkongsi mod penjanaan dan penyuntingan yang didokumenkan; Pro menekankan kualiti imej, manakala edisi standard mengimbangi kualiti dan kelajuan. Hasilnya ialah artifak imej yang dirender.
Untuk grafik kaya maklumat, tentukan kandungan sebelum rupa: tajuk utama, teks sokongan, angka, hierarki dan hubungan antara bahagian. Taklimat produk yang berguna boleh menggabungkan objek utama, butiran bahan jarak dekat dan ciri berlabel pada satu kanvas. Untuk ilustrasi pendidikan, kenal pasti konsep, struktur rajah dan kapsyen yang tepat, bukannya bergantung pada model untuk mencipta fakta asas. Susun atur kompleks juga boleh menunjukkan beberapa panel atau antara muka bersarang. Pastikan prom dengan maksimum 4,500 token yang disyorkan tertumpu pada perkara yang mesti muncul dan tempatnya.
Keluarga 3.0 menyokong tipografi natif dalam 12 bahasa, pelbagai fon dan lebih daripada 100 gaya seni, bersama tekstur halus seperti rambut, kulit atau fabrik. Rendering teks kecil ditunjukkan sehingga 10 piksel. Ini menyokong reka bentuk yang menggabungkan huruf dengan bahan fizikal atau teks dengan imej realistik. Berikan perkataan, angka dan bahasa yang tepat, serta terangkan peranan tipografi setiap blok. Halaman akhbar atau mockup antara muka masih berupa gambar, maka susun atur yang boleh disunting atau tingkah laku interaktif kemudian ialah artifak berasingan yang perlu dibina daripadanya.
Pro boleh menyunting teks dalam imej, menambah, memadam atau memindahkan elemen, mengubah tindakan subjek, memindahkan gaya visual dan meningkatkan butiran. Penyuntingan menerima satu hingga tiga imej input dengan arahan. Turutannya menentukan imej 1, imej 2 dan imej 3 dalam taklimat. Nyatakan rujukan yang membekalkan identiti subjek, yang menyediakan objek atau pakaian dan yang memberikan latar atau pose. Suntingan terfokus menamakan perubahan yang dimaksudkan serta ciri yang perlu kekal, menjadikan imej hasil lebih mudah dibandingkan dengan rujukan.
Input yang disokong ialah JPG, JPEG, PNG, BMP, TIFF, WebP dan GIF, dengan hanya bingkai pertama digunakan untuk GIF beranimasi. Setiap imej input boleh berukuran sehingga 10 MB. API khusus ini menerima sisi dari 1 hingga 8,000 piksel dan nisbah sisi panjang kepada sisi pendek tidak melebihi 10:1; julat yang disyorkan ialah 384–2,048 piksel. Panduan penyuntingan secara berasingan mengesyorkan imej sehingga 3,072 piksel, maka anggap pilihan input sebagai persediaan untuk butiran yang diperlukan, bukannya janji bahawa setiap resolusi meningkatkan hasil. Gunakan rujukan yang boleh dibaca dan dibingkaikan secukupnya untuk teks kecil atau ciri bahan.
Output ialah PNG. Aliran kerja pengeluar mengembalikan satu hingga enam alternatif, dengan nilai lalai satu, serta menyokong jumlah keluasan piksel dari 512 × 512 hingga 2,048 × 2,048 dan nisbah aspek dari 1:8 hingga 8:1. Bajet keluasan piksel membenarkan sesetengah dimensi bukan segi empat sama yang sisi panjangnya melebihi 2,048 piksel. Apabila saiz tidak ditentukan, model mengesyorkan resolusi berdasarkan taklimat. Pilih bentuk untuk penempatan sebenar, kemudian bandingkan alternatif yang dijana dari segi kelengkapan kandungan, butiran subjek dan tipografi pada saiz paparan yang dimaksudkan.
Penulisan semula prom pintar diaktifkan secara lalai. Penambahbaikan langsung tersedia untuk penjanaan dan penyuntingan, manakala penambahbaikan ejen memperhalus prom teks-ke-imej dan tidak boleh digunakan untuk penyuntingan imej-ke-imej. Mod Thinking turut diaktifkan secara lalai dan memerlukan penulisan semula prom; ia menambah kerja penaakulan serta masa penjanaan. Prom negatif mengenal pasti elemen yang tidak diingini, dan seed pilihan boleh membantu menjadikan perbandingan antara varian lebih konsisten. Taklimat positif yang jelas masih disarankan untuk menentukan subjek, komposisi dan butiran untuk dikekalkan.
Langkah semakan hasil yang praktikal menyemak teks tepat, nombor, turutan bacaan, kesetiaan kepada rujukan serta tepi atau tekstur yang penting bagi reka bentuk. Apabila bahagian tertentu perlu disemak semula, kekalkan komposisi yang berjaya dan terangkan perubahan terfokus. Simpan semua imej terpilih dengan prom dan rujukannya kerana lokasi output pengeluar tamat tempoh selepas 24 jam. Mod dan had Pro yang didokumenkan adalah milik edisi 3.0; ciri sepuluh rujukan dan ketelusan natif yang diterangkan untuk Qwen 2.1 ialah keupayaan edisi berasingan.
", "aboutText": "Qwen-Image-3.0 Pro ialah model utama generasi ketiga Qwen untuk penjanaan dan penyuntingan imej. Model menggabungkan penciptaan susun atur kompleks, tekstur realistik terperinci, tipografi berbilang bahasa dan pematuhan rapat kepada taklimat imej. Pro dan Qwen-Image-3.0 standard berkongsi mod penjanaan dan penyuntingan yang didokumenkan; Pro menekankan kualiti imej, manakala edisi standard mengimbangi kualiti dan kelajuan. Hasilnya ialah artifak imej yang dirender.\n\nUntuk grafik kaya maklumat, tentukan kandungan sebelum rupa: tajuk utama, teks sokongan, angka, hierarki dan hubungan antara bahagian. Taklimat produk yang berguna boleh menggabungkan objek utama, butiran bahan jarak dekat dan ciri berlabel pada satu kanvas. Untuk ilustrasi pendidikan, kenal pasti konsep, struktur rajah dan kapsyen yang tepat, bukannya bergantung pada model untuk mencipta fakta asas. Susun atur kompleks juga boleh menunjukkan beberapa panel atau antara muka bersarang. Pastikan prom dengan maksimum 4,500 token yang disyorkan tertumpu pada perkara yang mesti muncul dan tempatnya.\n\nKeluarga 3.0 menyokong tipografi natif dalam 12 bahasa, pelbagai fon dan lebih daripada 100 gaya seni, bersama tekstur halus seperti rambut, kulit atau fabrik. Rendering teks kecil ditunjukkan sehingga 10 piksel. Ini menyokong reka bentuk yang menggabungkan huruf dengan bahan fizikal atau teks dengan imej realistik. Berikan perkataan, angka dan bahasa yang tepat, serta terangkan peranan tipografi setiap blok. Halaman akhbar atau mockup antara muka masih berupa gambar, maka susun atur yang boleh disunting atau tingkah laku interaktif kemudian ialah artifak berasingan yang perlu dibina daripadanya.\n\nPro boleh menyunting teks dalam imej, menambah, memadam atau memindahkan elemen, mengubah tindakan subjek, memindahkan gaya visual dan meningkatkan butiran. Penyuntingan menerima satu hingga tiga imej input dengan arahan. Turutannya menentukan imej 1, imej 2 dan imej 3 dalam taklimat. Nyatakan rujukan yang membekalkan identiti subjek, yang menyediakan objek atau pakaian dan yang memberikan latar atau pose. Suntingan terfokus menamakan perubahan yang dimaksudkan serta ciri yang perlu kekal, menjadikan imej hasil lebih mudah dibandingkan dengan rujukan.\n\nInput yang disokong ialah JPG, JPEG, PNG, BMP, TIFF, WebP dan GIF, dengan hanya bingkai pertama digunakan untuk GIF beranimasi. Setiap imej input boleh berukuran sehingga 10 MB. API khusus ini menerima sisi dari 1 hingga 8,000 piksel dan nisbah sisi panjang kepada sisi pendek tidak melebihi 10:1; julat yang disyorkan ialah 384–2,048 piksel. Panduan penyuntingan secara berasingan mengesyorkan imej sehingga 3,072 piksel, maka anggap pilihan input sebagai persediaan untuk butiran yang diperlukan, bukannya janji bahawa setiap resolusi meningkatkan hasil. Gunakan rujukan yang boleh dibaca dan dibingkaikan secukupnya untuk teks kecil atau ciri bahan.\n\nOutput ialah PNG. Aliran kerja pengeluar mengembalikan satu hingga enam alternatif, dengan nilai lalai satu, serta menyokong jumlah keluasan piksel dari 512 × 512 hingga 2,048 × 2,048 dan nisbah aspek dari 1:8 hingga 8:1. Bajet keluasan piksel membenarkan sesetengah dimensi bukan segi empat sama yang sisi panjangnya melebihi 2,048 piksel. Apabila saiz tidak ditentukan, model mengesyorkan resolusi berdasarkan taklimat. Pilih bentuk untuk penempatan sebenar, kemudian bandingkan alternatif yang dijana dari segi kelengkapan kandungan, butiran subjek dan tipografi pada saiz paparan yang dimaksudkan.\n\nPenulisan semula prom pintar diaktifkan secara lalai. Penambahbaikan langsung tersedia untuk penjanaan dan penyuntingan, manakala penambahbaikan ejen memperhalus prom teks-ke-imej dan tidak boleh digunakan untuk penyuntingan imej-ke-imej. Mod Thinking turut diaktifkan secara lalai dan memerlukan penulisan semula prom; ia menambah kerja penaakulan serta masa penjanaan. Prom negatif mengenal pasti elemen yang tidak diingini, dan seed pilihan boleh membantu menjadikan perbandingan antara varian lebih konsisten. Taklimat positif yang jelas masih disarankan untuk menentukan subjek, komposisi dan butiran untuk dikekalkan.\n\nLangkah semakan hasil yang praktikal menyemak teks tepat, nombor, turutan bacaan, kesetiaan kepada rujukan serta tepi atau tekstur yang penting bagi reka bentuk. Apabila bahagian tertentu perlu disemak semula, kekalkan komposisi yang berjaya dan terangkan perubahan terfokus. Simpan semua imej terpilih dengan prom dan rujukannya kerana lokasi output pengeluar tamat tempoh selepas 24 jam. Mod dan had Pro yang didokumenkan adalah milik edisi 3.0; ciri sepuluh rujukan dan ketelusan natif yang diterangkan untuk Qwen 2.1 ialah keupayaan edisi berasingan.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "348242d1667b631f5a5bf244c2c888d4b332874a62a8cb0cb72964d23f9dc7f8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "qwen/qwen-image-3-proQwen-Image-3.0 Pro ialah model utama Qwen untuk penjanaan dan penyuntingan imej dengan susun atur kompleks, butiran realistik dan teks berbilang bahasa. Gunakan taklimat tepat atau satu hingga tiga rujukan untuk mencipta grafik, adegan produk atau suntingan visual terfokus.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-Image-3.0 Pro ialah model utama generasi ketiga Qwen untuk penjanaan dan penyuntingan imej. Model menggabungkan penciptaan susun atur kompleks, tekstur realistik terperinci, tipografi berbilang bahasa dan pematuhan rapat kepada taklimat imej. Pro dan Qwen-Image-3.0 standard berkongsi mod penjanaan dan penyuntingan yang didokumenkan; Pro menekankan kualiti imej, manakala edisi standard mengimbangi kualiti dan kelajuan. Hasilnya ialah artifak imej yang dirender.
Untuk grafik kaya maklumat, tentukan kandungan sebelum rupa: tajuk utama, teks sokongan, angka, hierarki dan hubungan antara bahagian. Taklimat produk yang berguna boleh menggabungkan objek utama, butiran bahan jarak dekat dan ciri berlabel pada satu kanvas. Untuk ilustrasi pendidikan, kenal pasti konsep, struktur rajah dan kapsyen yang tepat, bukannya bergantung pada model untuk mencipta fakta asas. Susun atur kompleks juga boleh menunjukkan beberapa panel atau antara muka bersarang. Pastikan prom dengan maksimum 4,500 token yang disyorkan tertumpu pada perkara yang mesti muncul dan tempatnya.
Keluarga 3.0 menyokong tipografi natif dalam 12 bahasa, pelbagai fon dan lebih daripada 100 gaya seni, bersama tekstur halus seperti rambut, kulit atau fabrik. Rendering teks kecil ditunjukkan sehingga 10 piksel. Ini menyokong reka bentuk yang menggabungkan huruf dengan bahan fizikal atau teks dengan imej realistik. Berikan perkataan, angka dan bahasa yang tepat, serta terangkan peranan tipografi setiap blok. Halaman akhbar atau mockup antara muka masih berupa gambar, maka susun atur yang boleh disunting atau tingkah laku interaktif kemudian ialah artifak berasingan yang perlu dibina daripadanya.
Pro boleh menyunting teks dalam imej, menambah, memadam atau memindahkan elemen, mengubah tindakan subjek, memindahkan gaya visual dan meningkatkan butiran. Penyuntingan menerima satu hingga tiga imej input dengan arahan. Turutannya menentukan imej 1, imej 2 dan imej 3 dalam taklimat. Nyatakan rujukan yang membekalkan identiti subjek, yang menyediakan objek atau pakaian dan yang memberikan latar atau pose. Suntingan terfokus menamakan perubahan yang dimaksudkan serta ciri yang perlu kekal, menjadikan imej hasil lebih mudah dibandingkan dengan rujukan.
Input yang disokong ialah JPG, JPEG, PNG, BMP, TIFF, WebP dan GIF, dengan hanya bingkai pertama digunakan untuk GIF beranimasi. Setiap imej input boleh berukuran sehingga 10 MB. API khusus ini menerima sisi dari 1 hingga 8,000 piksel dan nisbah sisi panjang kepada sisi pendek tidak melebihi 10:1; julat yang disyorkan ialah 384–2,048 piksel. Panduan penyuntingan secara berasingan mengesyorkan imej sehingga 3,072 piksel, maka anggap pilihan input sebagai persediaan untuk butiran yang diperlukan, bukannya janji bahawa setiap resolusi meningkatkan hasil. Gunakan rujukan yang boleh dibaca dan dibingkaikan secukupnya untuk teks kecil atau ciri bahan.
Output ialah PNG. Aliran kerja pengeluar mengembalikan satu hingga enam alternatif, dengan nilai lalai satu, serta menyokong jumlah keluasan piksel dari 512 × 512 hingga 2,048 × 2,048 dan nisbah aspek dari 1:8 hingga 8:1. Bajet keluasan piksel membenarkan sesetengah dimensi bukan segi empat sama yang sisi panjangnya melebihi 2,048 piksel. Apabila saiz tidak ditentukan, model mengesyorkan resolusi berdasarkan taklimat. Pilih bentuk untuk penempatan sebenar, kemudian bandingkan alternatif yang dijana dari segi kelengkapan kandungan, butiran subjek dan tipografi pada saiz paparan yang dimaksudkan.
Penulisan semula prom pintar diaktifkan secara lalai. Penambahbaikan langsung tersedia untuk penjanaan dan penyuntingan, manakala penambahbaikan ejen memperhalus prom teks-ke-imej dan tidak boleh digunakan untuk penyuntingan imej-ke-imej. Mod Thinking turut diaktifkan secara lalai dan memerlukan penulisan semula prom; ia menambah kerja penaakulan serta masa penjanaan. Prom negatif mengenal pasti elemen yang tidak diingini, dan seed pilihan boleh membantu menjadikan perbandingan antara varian lebih konsisten. Taklimat positif yang jelas masih disarankan untuk menentukan subjek, komposisi dan butiran untuk dikekalkan.
Langkah semakan hasil yang praktikal menyemak teks tepat, nombor, turutan bacaan, kesetiaan kepada rujukan serta tepi atau tekstur yang penting bagi reka bentuk. Apabila bahagian tertentu perlu disemak semula, kekalkan komposisi yang berjaya dan terangkan perubahan terfokus. Simpan semua imej terpilih dengan prom dan rujukannya kerana lokasi output pengeluar tamat tempoh selepas 24 jam. Mod dan had Pro yang didokumenkan adalah milik edisi 3.0; ciri sepuluh rujukan dan ketelusan natif yang diterangkan untuk Qwen 2.1 ialah keupayaan edisi berasingan.
POST /v1/images/generationstext, imageimage| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen-image-3-pro | Lalai— |
Medanprompt | Jenisstring | KeperluanDiperlukan | Nilai & had Panjang minimum: 1 | Lalai— |
Medanresolution | Jenisstring | KeperluanPilihan | Nilai & had 1K, 2K | Lalai— |
Medanaspect_ratio | Jenisstring | KeperluanPilihan | Nilai & had 1:1, 1:2, 1:4, 2:1, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 9:16, 16:9 | Lalai— |
Medann | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Maksimum: 6 | Lalai— |
Medaninput_references | Jenisarray | KeperluanPilihan | Nilai & had Item minimum: 0 Item maksimum: 4 | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, prompt |
Parametermaterial_types | Kontraktext, image |
Kitar hayat: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Kadar yang dipaparkan menganggarkan kos sebelum penjanaan. Caj akhir dikira berdasarkan kos yang direkodkan untuk penjanaan asal. Tempoh output yang diukur dan kuantiti ramalan bukan kuantiti akhir yang boleh dibilkan.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Kuantiti ramalan | Unit pengebilan | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Kuantiti ramalan— | Unit pengebilan— | Caj Input · Token input · Anggaran untuk perbandingan sahaja — / 1K token Output · Token output · Anggaran untuk perbandingan sahaja — / 1K token Input · Bacaan cache · Anggaran untuk perbandingan sahaja — / 1K token Input · Penulisan cache · Anggaran untuk perbandingan sahaja — / 1K token Input · Penulisan cache, 1 jam · Anggaran untuk perbandingan sahaja — / 1K token |
| Konfigurasiimej input | Jadual kadar— | Kuantiti ramalan— | Unit pengebilanbagi setiap imej masukan | Caj Input · imej input · Anggaran untuk perbandingan sahaja $0.006 bagi setiap imej masukan |
| KonfigurasiAnggaran kos penjanaan | Jadual kadar— | Kuantiti ramalananggaran untuk satu penjanaan | Unit pengebilan— | Caj Output · Anggaran kos penjanaan · Anggaran untuk perbandingan sahaja $0.08 anggaran sebelum penjanaan Anggaran ini bukan caj tambahan atau kadar tetap bagi penjanaan yang telah selesai. |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'qwen/qwen-image-3-pro', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\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/images/generations \\\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 base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nMuat turun setiap imej yang dikembalikan atau simpan kandungan Base64-nya
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nSimpan setiap imej yang selesai; dapatkan setiap URL yang dikembalikan atau nyahkod kandungan Base64-nya.
Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.
Simpan X-Client-Request-ID yang dikembalikan untuk penyelarasan rekod. Baca hanya nilai task_id/asset_id sebenar yang dikembalikan atau pustaka media milik anda; jangan sekali-kali bina URL tugas daripada ID operasi atau hantar semula permintaan penciptaan.
| Medan | Jenis |
|---|---|
Medancreated | Jenis |
Medandata[].url | Jenis |
Medandata[].b64_json | Jenis |
Medanusage | Jenis |
Ailoot Ultra qwen/qwen-image-3-pro
/v1/images