Qwen-VL-Max ialah rangkaian model visual-bahasa Qwen untuk soalan yang memerlukan lebih daripada sekadar mengenali objek. Pembangun memposisikan Max berasaskan penaakulan visual dan pematuhan arahan: hubungkan bukti yang kelihatan dengan syarat pengguna, jelaskan hubungan dan hasilkan keputusan teks bagi tugas visual yang lebih rumit. Berbanding rangkaian Plus, penerangan ini memberikan lebih penekanan pada penaakulan dan pentafsiran.
Kad semasa pembangun menghubungkan nama tanpa versi qwen-vl-max dengan qwen-vl-max-2025-08-13. Nama yang berubah mengikut versi mengikuti kemas kini, manakala nama bertarikh mengenal pasti keluaran tetap tertentu. Kekalkan nama tepat ketika membandingkan input dan hasil; edisi bernama lain mungkin mempunyai spesifikasi terdokumen yang berbeza.
Keupayaan model
Input yang didokumenkan merangkumi teks, imej dan video, manakala output ialah teks. Bahan visual boleh berupa halaman dokumen, carta, adegan atau urutan bingkai. Soalan teks menentukan perkara yang perlu dipastikan oleh model daripada bahan itu. Hasilnya boleh menerangkan bukti, menjelaskan hubungan atau menyusun dapatan ke dalam medan; model ini bukan edisi penjanaan imej atau video.
Untuk carta, nyatakan perbandingan dan bukannya meminta penerangan umum. Berikan imej dan tanya siri yang kelihatan mana yang meningkat, maksud label serta pemerhatian yang menyokong kesimpulan. Minta bahagian berasingan untuk data yang kelihatan secara langsung dan penjelasannya. Untuk rajah proses, kenal pasti syarat permulaan dan akhir, kemudian tanya tentang hubungan antara peringkat sambil mengekalkan label asal.
Untuk tangkap layar, nyatakan matlamat pengguna dan tanya tentang kawalan yang kelihatan serta langkah seterusnya yang mungkin. Ini menghasilkan tafsiran bertulis tentang antara muka. Sebarang klik sebenar, perubahan fail atau tindakan luaran tetap merupakan kerja aplikasi yang menggunakan model; pemahaman visual sahaja bukan aliran kerja kawalan komputer.
Kad pembangun mendokumenkan output berstruktur, penerusan respons daripada awalan yang diberikan dan caching konteks. Ini boleh membantu menyusun analisis visual berulang berdasarkan reka bentuk output yang stabil. Penghantaran secara kelompok berbeza antara konfigurasi pembangun, manakala panggilan fungsi, carian web dan penalaan halus tidak disenaraikan sebagai disokong pada kad ini. Oleh itu, jawapan teks berstruktur tidak patut dikelirukan dengan panggilan alat yang telah dilaksanakan atau carian dalam talian.
Had konteks
Kad bernama itu menyenaraikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Input visual dan tugas teks menggunakan bajet input yang tersedia secara bersama. Jawapan mempunyai had berasingan, jadi koleksi bahan visual yang besar tidak bermaksud output yang sama besarnya.
Pilih imej atau bingkai yang menjawab soalan sebenar. Kekalkan petunjuk carta, tajuk lajur atau label rajah yang diperlukan untuk mentafsir kawasan yang dipangkas. Apabila membandingkan beberapa bahan, kenal pasti urutan dan peranannya: reka bentuk sedia ada, reka bentuk yang disemak dan keperluan rujukan. Hasil bertulis yang berguna boleh menyenaraikan unsur sepadan, perbezaan dan soalan yang masih belum diselesaikan berdasarkan bukti yang diberikan.
Bekerja dengan video
Input video membolehkan soalan tentang peristiwa yang kelihatan dan urutannya. Tanya apa yang berubah antara bingkai, peserta mana yang berinteraksi atau keadaan yang kelihatan mana yang muncul sebelum keadaan lain. Takrifkan output yang diperlukan, seperti penerangan peristiwa mengikut urutan dengan pemerhatian yang menyokong setiap perkara. Kad menyenaraikan input video dan output teks, bukan input audio atau output pertuturan; soalan tentang kandungan yang dituturkan memerlukan kandungan itu disediakan secara berasingan.
Tugas praktikal boleh membandingkan klip demonstrasi dengan prosedur bertulisnya: berikan bahan visual dan langkah yang berkaitan, tanya langkah mana yang kelihatan ditunjukkan, dan minta senarai ringkas ketidakpadanan. Nyatakan langkah prosedur yang berkaitan dengan setiap pemerhatian dan kekalkan langkah yang tidak jelas dalam bahagian jawapan yang berasingan.
Had penting edisi
Tumpuan penaakulan visual Max berguna apabila tugas bergantung pada pentafsiran hubungan dan pematuhan arahan visual yang rumit. Hasil yang didokumenkan ialah teks. Pastikan input boleh dibaca, namakan inferens yang anda perlukan dan bezakan bukti yang kelihatan daripada kesimpulan yang diminta oleh tugas untuk dibuat oleh model. Persediaan itu menjadikan soalan visual suatu penjelasan atau perbandingan yang boleh digunakan, bukannya ringkasan adegan tanpa arah.
", "aboutText": "Qwen-VL-Max ialah rangkaian model visual-bahasa Qwen untuk soalan yang memerlukan lebih daripada sekadar mengenali objek. Pembangun memposisikan Max berasaskan penaakulan visual dan pematuhan arahan: hubungkan bukti yang kelihatan dengan syarat pengguna, jelaskan hubungan dan hasilkan keputusan teks bagi tugas visual yang lebih rumit. Berbanding rangkaian Plus, penerangan ini memberikan lebih penekanan pada penaakulan dan pentafsiran.\n\nKad semasa pembangun menghubungkan nama tanpa versi qwen-vl-max dengan qwen-vl-max-2025-08-13. Nama yang berubah mengikut versi mengikuti kemas kini, manakala nama bertarikh mengenal pasti keluaran tetap tertentu. Kekalkan nama tepat ketika membandingkan input dan hasil; edisi bernama lain mungkin mempunyai spesifikasi terdokumen yang berbeza.\n\nKeupayaan model\n\nInput yang didokumenkan merangkumi teks, imej dan video, manakala output ialah teks. Bahan visual boleh berupa halaman dokumen, carta, adegan atau urutan bingkai. Soalan teks menentukan perkara yang perlu dipastikan oleh model daripada bahan itu. Hasilnya boleh menerangkan bukti, menjelaskan hubungan atau menyusun dapatan ke dalam medan; model ini bukan edisi penjanaan imej atau video.\n\nUntuk carta, nyatakan perbandingan dan bukannya meminta penerangan umum. Berikan imej dan tanya siri yang kelihatan mana yang meningkat, maksud label serta pemerhatian yang menyokong kesimpulan. Minta bahagian berasingan untuk data yang kelihatan secara langsung dan penjelasannya. Untuk rajah proses, kenal pasti syarat permulaan dan akhir, kemudian tanya tentang hubungan antara peringkat sambil mengekalkan label asal.\n\nUntuk tangkap layar, nyatakan matlamat pengguna dan tanya tentang kawalan yang kelihatan serta langkah seterusnya yang mungkin. Ini menghasilkan tafsiran bertulis tentang antara muka. Sebarang klik sebenar, perubahan fail atau tindakan luaran tetap merupakan kerja aplikasi yang menggunakan model; pemahaman visual sahaja bukan aliran kerja kawalan komputer.\n\nKad pembangun mendokumenkan output berstruktur, penerusan respons daripada awalan yang diberikan dan caching konteks. Ini boleh membantu menyusun analisis visual berulang berdasarkan reka bentuk output yang stabil. Penghantaran secara kelompok berbeza antara konfigurasi pembangun, manakala panggilan fungsi, carian web dan penalaan halus tidak disenaraikan sebagai disokong pada kad ini. Oleh itu, jawapan teks berstruktur tidak patut dikelirukan dengan panggilan alat yang telah dilaksanakan atau carian dalam talian.\n\nHad konteks\n\nKad bernama itu menyenaraikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Input visual dan tugas teks menggunakan bajet input yang tersedia secara bersama. Jawapan mempunyai had berasingan, jadi koleksi bahan visual yang besar tidak bermaksud output yang sama besarnya.\n\nPilih imej atau bingkai yang menjawab soalan sebenar. Kekalkan petunjuk carta, tajuk lajur atau label rajah yang diperlukan untuk mentafsir kawasan yang dipangkas. Apabila membandingkan beberapa bahan, kenal pasti urutan dan peranannya: reka bentuk sedia ada, reka bentuk yang disemak dan keperluan rujukan. Hasil bertulis yang berguna boleh menyenaraikan unsur sepadan, perbezaan dan soalan yang masih belum diselesaikan berdasarkan bukti yang diberikan.\n\nBekerja dengan video\n\nInput video membolehkan soalan tentang peristiwa yang kelihatan dan urutannya. Tanya apa yang berubah antara bingkai, peserta mana yang berinteraksi atau keadaan yang kelihatan mana yang muncul sebelum keadaan lain. Takrifkan output yang diperlukan, seperti penerangan peristiwa mengikut urutan dengan pemerhatian yang menyokong setiap perkara. Kad menyenaraikan input video dan output teks, bukan input audio atau output pertuturan; soalan tentang kandungan yang dituturkan memerlukan kandungan itu disediakan secara berasingan.\n\nTugas praktikal boleh membandingkan klip demonstrasi dengan prosedur bertulisnya: berikan bahan visual dan langkah yang berkaitan, tanya langkah mana yang kelihatan ditunjukkan, dan minta senarai ringkas ketidakpadanan. Nyatakan langkah prosedur yang berkaitan dengan setiap pemerhatian dan kekalkan langkah yang tidak jelas dalam bahagian jawapan yang berasingan.\n\nHad penting edisi\n\nTumpuan penaakulan visual Max berguna apabila tugas bergantung pada pentafsiran hubungan dan pematuhan arahan visual yang rumit. Hasil yang didokumenkan ialah teks. Pastikan input boleh dibaca, namakan inferens yang anda perlukan dan bezakan bukti yang kelihatan daripada kesimpulan yang diminta oleh tugas untuk dibuat oleh model. Persediaan itu menjadikan soalan visual suatu penjelasan atau perbandingan yang boleh digunakan, bukannya ringkasan adegan tanpa arah.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
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-Max menghubungkan teks, imej dan video dengan penaakulan visual serta pematuhan arahan. Ia menghasilkan penjelasan teks atau dapatan berstruktur dan diposisikan untuk soalan visual yang rumit, analisis dokumen serta hubungan dalam sesuatu adegan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-VL-Max ialah rangkaian model visual-bahasa Qwen untuk soalan yang memerlukan lebih daripada sekadar mengenali objek. Pembangun memposisikan Max berasaskan penaakulan visual dan pematuhan arahan: hubungkan bukti yang kelihatan dengan syarat pengguna, jelaskan hubungan dan hasilkan keputusan teks bagi tugas visual yang lebih rumit. Berbanding rangkaian Plus, penerangan ini memberikan lebih penekanan pada penaakulan dan pentafsiran.
Kad semasa pembangun menghubungkan nama tanpa versi qwen-vl-max dengan qwen-vl-max-2025-08-13. Nama yang berubah mengikut versi mengikuti kemas kini, manakala nama bertarikh mengenal pasti keluaran tetap tertentu. Kekalkan nama tepat ketika membandingkan input dan hasil; edisi bernama lain mungkin mempunyai spesifikasi terdokumen yang berbeza.
Keupayaan model
Input yang didokumenkan merangkumi teks, imej dan video, manakala output ialah teks. Bahan visual boleh berupa halaman dokumen, carta, adegan atau urutan bingkai. Soalan teks menentukan perkara yang perlu dipastikan oleh model daripada bahan itu. Hasilnya boleh menerangkan bukti, menjelaskan hubungan atau menyusun dapatan ke dalam medan; model ini bukan edisi penjanaan imej atau video.
Untuk carta, nyatakan perbandingan dan bukannya meminta penerangan umum. Berikan imej dan tanya siri yang kelihatan mana yang meningkat, maksud label serta pemerhatian yang menyokong kesimpulan. Minta bahagian berasingan untuk data yang kelihatan secara langsung dan penjelasannya. Untuk rajah proses, kenal pasti syarat permulaan dan akhir, kemudian tanya tentang hubungan antara peringkat sambil mengekalkan label asal.
Untuk tangkap layar, nyatakan matlamat pengguna dan tanya tentang kawalan yang kelihatan serta langkah seterusnya yang mungkin. Ini menghasilkan tafsiran bertulis tentang antara muka. Sebarang klik sebenar, perubahan fail atau tindakan luaran tetap merupakan kerja aplikasi yang menggunakan model; pemahaman visual sahaja bukan aliran kerja kawalan komputer.
Kad pembangun mendokumenkan output berstruktur, penerusan respons daripada awalan yang diberikan dan caching konteks. Ini boleh membantu menyusun analisis visual berulang berdasarkan reka bentuk output yang stabil. Penghantaran secara kelompok berbeza antara konfigurasi pembangun, manakala panggilan fungsi, carian web dan penalaan halus tidak disenaraikan sebagai disokong pada kad ini. Oleh itu, jawapan teks berstruktur tidak patut dikelirukan dengan panggilan alat yang telah dilaksanakan atau carian dalam talian.
Had konteks
Kad bernama itu menyenaraikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Input visual dan tugas teks menggunakan bajet input yang tersedia secara bersama. Jawapan mempunyai had berasingan, jadi koleksi bahan visual yang besar tidak bermaksud output yang sama besarnya.
Pilih imej atau bingkai yang menjawab soalan sebenar. Kekalkan petunjuk carta, tajuk lajur atau label rajah yang diperlukan untuk mentafsir kawasan yang dipangkas. Apabila membandingkan beberapa bahan, kenal pasti urutan dan peranannya: reka bentuk sedia ada, reka bentuk yang disemak dan keperluan rujukan. Hasil bertulis yang berguna boleh menyenaraikan unsur sepadan, perbezaan dan soalan yang masih belum diselesaikan berdasarkan bukti yang diberikan.
Bekerja dengan video
Input video membolehkan soalan tentang peristiwa yang kelihatan dan urutannya. Tanya apa yang berubah antara bingkai, peserta mana yang berinteraksi atau keadaan yang kelihatan mana yang muncul sebelum keadaan lain. Takrifkan output yang diperlukan, seperti penerangan peristiwa mengikut urutan dengan pemerhatian yang menyokong setiap perkara. Kad menyenaraikan input video dan output teks, bukan input audio atau output pertuturan; soalan tentang kandungan yang dituturkan memerlukan kandungan itu disediakan secara berasingan.
Tugas praktikal boleh membandingkan klip demonstrasi dengan prosedur bertulisnya: berikan bahan visual dan langkah yang berkaitan, tanya langkah mana yang kelihatan ditunjukkan, dan minta senarai ringkas ketidakpadanan. Nyatakan langkah prosedur yang berkaitan dengan setiap pemerhatian dan kekalkan langkah yang tidak jelas dalam bahagian jawapan yang berasingan.
Had penting edisi
Tumpuan penaakulan visual Max berguna apabila tugas bergantung pada pentafsiran hubungan dan pematuhan arahan visual yang rumit. Hasil yang didokumenkan ialah teks. Pastikan input boleh dibaca, namakan inferens yang anda perlukan dan bezakan bukti yang kelihatan daripada kesimpulan yang diminta oleh tugas untuk dibuat oleh model. Persediaan itu menjadikan soalan visual suatu penjelasan atau perbandingan yang boleh digunakan, bukannya ringkasan adegan tanpa arah.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-vl-max | 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 $0.00046 / 1K token Output · Token output $0.001144 / 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": "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 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 qwen-vl-max
Gunakan laluan kaedah yang dipaparkan di atas.
qwen-vl-maxQwen-VL-Max menghubungkan teks, imej dan video dengan penaakulan visual serta pematuhan arahan. Ia menghasilkan penjelasan teks atau dapatan berstruktur dan diposisikan untuk soalan visual yang rumit, analisis dokumen serta hubungan dalam sesuatu adegan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-VL-Max ialah rangkaian model visual-bahasa Qwen untuk soalan yang memerlukan lebih daripada sekadar mengenali objek. Pembangun memposisikan Max berasaskan penaakulan visual dan pematuhan arahan: hubungkan bukti yang kelihatan dengan syarat pengguna, jelaskan hubungan dan hasilkan keputusan teks bagi tugas visual yang lebih rumit. Berbanding rangkaian Plus, penerangan ini memberikan lebih penekanan pada penaakulan dan pentafsiran.
Kad semasa pembangun menghubungkan nama tanpa versi qwen-vl-max dengan qwen-vl-max-2025-08-13. Nama yang berubah mengikut versi mengikuti kemas kini, manakala nama bertarikh mengenal pasti keluaran tetap tertentu. Kekalkan nama tepat ketika membandingkan input dan hasil; edisi bernama lain mungkin mempunyai spesifikasi terdokumen yang berbeza.
Keupayaan model
Input yang didokumenkan merangkumi teks, imej dan video, manakala output ialah teks. Bahan visual boleh berupa halaman dokumen, carta, adegan atau urutan bingkai. Soalan teks menentukan perkara yang perlu dipastikan oleh model daripada bahan itu. Hasilnya boleh menerangkan bukti, menjelaskan hubungan atau menyusun dapatan ke dalam medan; model ini bukan edisi penjanaan imej atau video.
Untuk carta, nyatakan perbandingan dan bukannya meminta penerangan umum. Berikan imej dan tanya siri yang kelihatan mana yang meningkat, maksud label serta pemerhatian yang menyokong kesimpulan. Minta bahagian berasingan untuk data yang kelihatan secara langsung dan penjelasannya. Untuk rajah proses, kenal pasti syarat permulaan dan akhir, kemudian tanya tentang hubungan antara peringkat sambil mengekalkan label asal.
Untuk tangkap layar, nyatakan matlamat pengguna dan tanya tentang kawalan yang kelihatan serta langkah seterusnya yang mungkin. Ini menghasilkan tafsiran bertulis tentang antara muka. Sebarang klik sebenar, perubahan fail atau tindakan luaran tetap merupakan kerja aplikasi yang menggunakan model; pemahaman visual sahaja bukan aliran kerja kawalan komputer.
Kad pembangun mendokumenkan output berstruktur, penerusan respons daripada awalan yang diberikan dan caching konteks. Ini boleh membantu menyusun analisis visual berulang berdasarkan reka bentuk output yang stabil. Penghantaran secara kelompok berbeza antara konfigurasi pembangun, manakala panggilan fungsi, carian web dan penalaan halus tidak disenaraikan sebagai disokong pada kad ini. Oleh itu, jawapan teks berstruktur tidak patut dikelirukan dengan panggilan alat yang telah dilaksanakan atau carian dalam talian.
Had konteks
Kad bernama itu menyenaraikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Input visual dan tugas teks menggunakan bajet input yang tersedia secara bersama. Jawapan mempunyai had berasingan, jadi koleksi bahan visual yang besar tidak bermaksud output yang sama besarnya.
Pilih imej atau bingkai yang menjawab soalan sebenar. Kekalkan petunjuk carta, tajuk lajur atau label rajah yang diperlukan untuk mentafsir kawasan yang dipangkas. Apabila membandingkan beberapa bahan, kenal pasti urutan dan peranannya: reka bentuk sedia ada, reka bentuk yang disemak dan keperluan rujukan. Hasil bertulis yang berguna boleh menyenaraikan unsur sepadan, perbezaan dan soalan yang masih belum diselesaikan berdasarkan bukti yang diberikan.
Bekerja dengan video
Input video membolehkan soalan tentang peristiwa yang kelihatan dan urutannya. Tanya apa yang berubah antara bingkai, peserta mana yang berinteraksi atau keadaan yang kelihatan mana yang muncul sebelum keadaan lain. Takrifkan output yang diperlukan, seperti penerangan peristiwa mengikut urutan dengan pemerhatian yang menyokong setiap perkara. Kad menyenaraikan input video dan output teks, bukan input audio atau output pertuturan; soalan tentang kandungan yang dituturkan memerlukan kandungan itu disediakan secara berasingan.
Tugas praktikal boleh membandingkan klip demonstrasi dengan prosedur bertulisnya: berikan bahan visual dan langkah yang berkaitan, tanya langkah mana yang kelihatan ditunjukkan, dan minta senarai ringkas ketidakpadanan. Nyatakan langkah prosedur yang berkaitan dengan setiap pemerhatian dan kekalkan langkah yang tidak jelas dalam bahagian jawapan yang berasingan.
Had penting edisi
Tumpuan penaakulan visual Max berguna apabila tugas bergantung pada pentafsiran hubungan dan pematuhan arahan visual yang rumit. Hasil yang didokumenkan ialah teks. Pastikan input boleh dibaca, namakan inferens yang anda perlukan dan bezakan bukti yang kelihatan daripada kesimpulan yang diminta oleh tugas untuk dibuat oleh model. Persediaan itu menjadikan soalan visual suatu penjelasan atau perbandingan yang boleh digunakan, bukannya ringkasan adegan tanpa arah.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-vl-max | 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 $0.00046 / 1K token Output · Token output $0.001144 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 qwen-vl-max
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
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.