Qwen-VL-Plus ialah rangkaian model visual-bahasa Qwen yang memberi tumpuan khusus kepada pengecaman butiran dan teks dalam imej. Pembangun menerangkan sokongan bagi imej yang mempunyai lebih daripada satu juta piksel dan nisbah aspek yang berbeza. Ini menjadikan model sesuai apabila jawapan bergantung pada label kecil, medan pada halaman atau hubungan antara unsur teks dengan visual, bukan hanya subjek utama foto.
Kad semasa pembangun menerangkan nama tanpa versi qwen-vl-plus sebagai setara dari segi fungsi dengan qwen-vl-plus-2025-08-15. Kekalkan nama edisi yang tepat dalam tugas yang boleh diulang. Label Plus, alias Latest dan snapshot bertarikh lain ialah pilihan berasingan; nama keluarga yang sama tidak menjadikan spesifikasinya boleh saling diganti.
Keupayaan model
Pembangun menyenaraikan teks, imej dan video sebagai input, dengan teks sebagai output. Arahan teks boleh mengarahkan model membaca bahagian dokumen, menerangkan objek, menjelaskan susun atur atau menjawab soalan tentang adegan. Pengecaman dan penjelasan ialah tugas berkaitan tetapi memerlukan keperluan output yang berbeza: transkripsi patut mengekalkan perkataan yang kelihatan, manakala penjelasan patut menyatakan bagaimana butiran yang kelihatan berkaitan dengan soalan.
Untuk pengekstrakan dokumen, berikan halaman yang boleh dibaca dan kenal pasti medan untuk dikembalikan. Borang boleh meminta label medan dan nilainya; jadual boleh meminta baris yang diperlukan bersama tajuk lajurnya. Jika nilai tidak kelihatan, takrifkan cara yang jelas untuk mewakili nilai yang tiada. Reka bentuk output contoh ini membantu aplikasi membezakan teks yang diekstrak daripada pengisian berdasarkan tekaan.
Untuk semakan susun atur, tanya tentang unsur yang penting: lokasi label, objek yang berkaitan dengannya dan perbezaan antara dua versi. Berikan peranan kepada setiap imej dan kekalkan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkap layar, nyatakan matlamat pengguna dan minta arahan ringkas berdasarkan kawalan yang kelihatan. Jawapan ialah teks tentang antara muka, bukan tindakan yang telah dilakukan.
Jadual pembangun merangkumi penerusan respons daripada awalan yang diberikan dan caching konteks. Output berstruktur, penghantaran secara kelompok dan penalaan halus tidak disediakan secara seragam antara konfigurasi pembangun; anggapnya sebagai pilihan antara muka, bukan hasil tanpa syarat daripada memilih nama Plus. Panggilan fungsi dan carian web tidak disenaraikan sebagai disokong pada kad ini. Permintaan untuk memformat medan yang diekstrak berbeza daripada permintaan untuk melaksanakan fungsi atau mendapatkan maklumat baharu daripada web.
Had konteks
Kad yang diterbitkan memberikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Perwakilan imej atau video menggunakan kapasiti input bersama soalan dan teks sokongan. Rancang bahan visual dan jawapan secara berasingan: input yang panjang atau terperinci masih boleh memerlukan hanya senarai pendek medan atau pemerhatian.
Penyediaan input
Penekanan pembangun pada butiran dan perkadaran yang pelbagai tidak menghapuskan keperluan bahan yang boleh dibaca. Pastikan kawasan yang mengandungi teks yang diminta jelas. Apabila memangkas jadual, kekalkan tajuk dan unit yang diperlukan untuk mentafsir nilainya; apabila menggunakan beberapa halaman, nyatakan urutan dan bahagian untuk diperiksa. Nyatakan sama ada anda mahukan perkataan asal, ringkasan atau tafsiran supaya hasil tersebut tidak bercampur.
Untuk video, takrifkan peristiwa atau butiran yang kelihatan untuk diterangkan dan struktur respons yang dikehendaki. Tugas praktikal boleh meminta urutan tindakan dalam demonstrasi dan objek yang terlibat pada setiap langkah. Output yang didokumenkan ialah teks; kad tidak menyenaraikan audio sebagai input atau pertuturan sebagai output. Oleh itu, laluan visual ini tidak patut digunakan sebagai bukti bahawa transkripsi pertuturan telah difahami.
Aliran kerja berulang yang berguna ialah memberikan medan pengekstrakan yang sama kepada beberapa imej dokumen, menyimpan pengenal imej di sebelah hasil, kemudian membandingkan rekod yang terhasil dalam aplikasi. Satu lagi cara ialah memasangkan tangkap layar dengan keperluan bertulis dan meminta padanan yang kelihatan, perbezaan serta butiran yang belum diselesaikan. Dalam kedua-dua keadaan, kekalkan imej sumber berkaitan dengan setiap nilai yang dikembalikan supaya hasil boleh diperiksa.
", "aboutText": "Qwen-VL-Plus ialah rangkaian model visual-bahasa Qwen yang memberi tumpuan khusus kepada pengecaman butiran dan teks dalam imej. Pembangun menerangkan sokongan bagi imej yang mempunyai lebih daripada satu juta piksel dan nisbah aspek yang berbeza. Ini menjadikan model sesuai apabila jawapan bergantung pada label kecil, medan pada halaman atau hubungan antara unsur teks dengan visual, bukan hanya subjek utama foto.\n\nKad semasa pembangun menerangkan nama tanpa versi qwen-vl-plus sebagai setara dari segi fungsi dengan qwen-vl-plus-2025-08-15. Kekalkan nama edisi yang tepat dalam tugas yang boleh diulang. Label Plus, alias Latest dan snapshot bertarikh lain ialah pilihan berasingan; nama keluarga yang sama tidak menjadikan spesifikasinya boleh saling diganti.\n\nKeupayaan model\n\nPembangun menyenaraikan teks, imej dan video sebagai input, dengan teks sebagai output. Arahan teks boleh mengarahkan model membaca bahagian dokumen, menerangkan objek, menjelaskan susun atur atau menjawab soalan tentang adegan. Pengecaman dan penjelasan ialah tugas berkaitan tetapi memerlukan keperluan output yang berbeza: transkripsi patut mengekalkan perkataan yang kelihatan, manakala penjelasan patut menyatakan bagaimana butiran yang kelihatan berkaitan dengan soalan.\n\nUntuk pengekstrakan dokumen, berikan halaman yang boleh dibaca dan kenal pasti medan untuk dikembalikan. Borang boleh meminta label medan dan nilainya; jadual boleh meminta baris yang diperlukan bersama tajuk lajurnya. Jika nilai tidak kelihatan, takrifkan cara yang jelas untuk mewakili nilai yang tiada. Reka bentuk output contoh ini membantu aplikasi membezakan teks yang diekstrak daripada pengisian berdasarkan tekaan.\n\nUntuk semakan susun atur, tanya tentang unsur yang penting: lokasi label, objek yang berkaitan dengannya dan perbezaan antara dua versi. Berikan peranan kepada setiap imej dan kekalkan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkap layar, nyatakan matlamat pengguna dan minta arahan ringkas berdasarkan kawalan yang kelihatan. Jawapan ialah teks tentang antara muka, bukan tindakan yang telah dilakukan.\n\nJadual pembangun merangkumi penerusan respons daripada awalan yang diberikan dan caching konteks. Output berstruktur, penghantaran secara kelompok dan penalaan halus tidak disediakan secara seragam antara konfigurasi pembangun; anggapnya sebagai pilihan antara muka, bukan hasil tanpa syarat daripada memilih nama Plus. Panggilan fungsi dan carian web tidak disenaraikan sebagai disokong pada kad ini. Permintaan untuk memformat medan yang diekstrak berbeza daripada permintaan untuk melaksanakan fungsi atau mendapatkan maklumat baharu daripada web.\n\nHad konteks\n\nKad yang diterbitkan memberikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Perwakilan imej atau video menggunakan kapasiti input bersama soalan dan teks sokongan. Rancang bahan visual dan jawapan secara berasingan: input yang panjang atau terperinci masih boleh memerlukan hanya senarai pendek medan atau pemerhatian.\n\nPenyediaan input\n\nPenekanan pembangun pada butiran dan perkadaran yang pelbagai tidak menghapuskan keperluan bahan yang boleh dibaca. Pastikan kawasan yang mengandungi teks yang diminta jelas. Apabila memangkas jadual, kekalkan tajuk dan unit yang diperlukan untuk mentafsir nilainya; apabila menggunakan beberapa halaman, nyatakan urutan dan bahagian untuk diperiksa. Nyatakan sama ada anda mahukan perkataan asal, ringkasan atau tafsiran supaya hasil tersebut tidak bercampur.\n\nUntuk video, takrifkan peristiwa atau butiran yang kelihatan untuk diterangkan dan struktur respons yang dikehendaki. Tugas praktikal boleh meminta urutan tindakan dalam demonstrasi dan objek yang terlibat pada setiap langkah. Output yang didokumenkan ialah teks; kad tidak menyenaraikan audio sebagai input atau pertuturan sebagai output. Oleh itu, laluan visual ini tidak patut digunakan sebagai bukti bahawa transkripsi pertuturan telah difahami.\n\nAliran kerja berulang yang berguna ialah memberikan medan pengekstrakan yang sama kepada beberapa imej dokumen, menyimpan pengenal imej di sebelah hasil, kemudian membandingkan rekod yang terhasil dalam aplikasi. Satu lagi cara ialah memasangkan tangkap layar dengan keperluan bertulis dan meminta padanan yang kelihatan, perbezaan serta butiran yang belum diselesaikan. Dalam kedua-dua keadaan, kekalkan imej sumber berkaitan dengan setiap nilai yang dikembalikan supaya hasil boleh diperiksa.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.qwen-vl-plusQwen-VL-Plus membaca teks dan butiran dalam imej lalu menggabungkannya dengan soalan bertulis. Pembangun mendokumenkan input imej dan video, output teks, imej beresolusi tinggi serta pelbagai nisbah aspek untuk pengekstrakan dokumen, perbandingan visual dan penjelasan adegan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-VL-Plus ialah rangkaian model visual-bahasa Qwen yang memberi tumpuan khusus kepada pengecaman butiran dan teks dalam imej. Pembangun menerangkan sokongan bagi imej yang mempunyai lebih daripada satu juta piksel dan nisbah aspek yang berbeza. Ini menjadikan model sesuai apabila jawapan bergantung pada label kecil, medan pada halaman atau hubungan antara unsur teks dengan visual, bukan hanya subjek utama foto.
Kad semasa pembangun menerangkan nama tanpa versi qwen-vl-plus sebagai setara dari segi fungsi dengan qwen-vl-plus-2025-08-15. Kekalkan nama edisi yang tepat dalam tugas yang boleh diulang. Label Plus, alias Latest dan snapshot bertarikh lain ialah pilihan berasingan; nama keluarga yang sama tidak menjadikan spesifikasinya boleh saling diganti.
Keupayaan model
Pembangun menyenaraikan teks, imej dan video sebagai input, dengan teks sebagai output. Arahan teks boleh mengarahkan model membaca bahagian dokumen, menerangkan objek, menjelaskan susun atur atau menjawab soalan tentang adegan. Pengecaman dan penjelasan ialah tugas berkaitan tetapi memerlukan keperluan output yang berbeza: transkripsi patut mengekalkan perkataan yang kelihatan, manakala penjelasan patut menyatakan bagaimana butiran yang kelihatan berkaitan dengan soalan.
Untuk pengekstrakan dokumen, berikan halaman yang boleh dibaca dan kenal pasti medan untuk dikembalikan. Borang boleh meminta label medan dan nilainya; jadual boleh meminta baris yang diperlukan bersama tajuk lajurnya. Jika nilai tidak kelihatan, takrifkan cara yang jelas untuk mewakili nilai yang tiada. Reka bentuk output contoh ini membantu aplikasi membezakan teks yang diekstrak daripada pengisian berdasarkan tekaan.
Untuk semakan susun atur, tanya tentang unsur yang penting: lokasi label, objek yang berkaitan dengannya dan perbezaan antara dua versi. Berikan peranan kepada setiap imej dan kekalkan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkap layar, nyatakan matlamat pengguna dan minta arahan ringkas berdasarkan kawalan yang kelihatan. Jawapan ialah teks tentang antara muka, bukan tindakan yang telah dilakukan.
Jadual pembangun merangkumi penerusan respons daripada awalan yang diberikan dan caching konteks. Output berstruktur, penghantaran secara kelompok dan penalaan halus tidak disediakan secara seragam antara konfigurasi pembangun; anggapnya sebagai pilihan antara muka, bukan hasil tanpa syarat daripada memilih nama Plus. Panggilan fungsi dan carian web tidak disenaraikan sebagai disokong pada kad ini. Permintaan untuk memformat medan yang diekstrak berbeza daripada permintaan untuk melaksanakan fungsi atau mendapatkan maklumat baharu daripada web.
Had konteks
Kad yang diterbitkan memberikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Perwakilan imej atau video menggunakan kapasiti input bersama soalan dan teks sokongan. Rancang bahan visual dan jawapan secara berasingan: input yang panjang atau terperinci masih boleh memerlukan hanya senarai pendek medan atau pemerhatian.
Penyediaan input
Penekanan pembangun pada butiran dan perkadaran yang pelbagai tidak menghapuskan keperluan bahan yang boleh dibaca. Pastikan kawasan yang mengandungi teks yang diminta jelas. Apabila memangkas jadual, kekalkan tajuk dan unit yang diperlukan untuk mentafsir nilainya; apabila menggunakan beberapa halaman, nyatakan urutan dan bahagian untuk diperiksa. Nyatakan sama ada anda mahukan perkataan asal, ringkasan atau tafsiran supaya hasil tersebut tidak bercampur.
Untuk video, takrifkan peristiwa atau butiran yang kelihatan untuk diterangkan dan struktur respons yang dikehendaki. Tugas praktikal boleh meminta urutan tindakan dalam demonstrasi dan objek yang terlibat pada setiap langkah. Output yang didokumenkan ialah teks; kad tidak menyenaraikan audio sebagai input atau pertuturan sebagai output. Oleh itu, laluan visual ini tidak patut digunakan sebagai bukti bahawa transkripsi pertuturan telah difahami.
Aliran kerja berulang yang berguna ialah memberikan medan pengekstrakan yang sama kepada beberapa imej dokumen, menyimpan pengenal imej di sebelah hasil, kemudian membandingkan rekod yang terhasil dalam aplikasi. Satu lagi cara ialah memasangkan tangkap layar dengan keperluan bertulis dan meminta padanan yang kelihatan, perbezaan serta butiran yang belum diselesaikan. Dalam kedua-dua keadaan, kekalkan imej sumber berkaitan dengan setiap nilai yang dikembalikan supaya hasil boleh diperiksa.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-vl-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 $0.00024 / 1K token Output · Token output $0.000572 / 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-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='qwen-vl-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='qwen-vl-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 qwen-vl-plus
Gunakan laluan kaedah yang dipaparkan di atas.
qwen-vl-plusQwen-VL-Plus membaca teks dan butiran dalam imej lalu menggabungkannya dengan soalan bertulis. Pembangun mendokumenkan input imej dan video, output teks, imej beresolusi tinggi serta pelbagai nisbah aspek untuk pengekstrakan dokumen, perbandingan visual dan penjelasan adegan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen-VL-Plus ialah rangkaian model visual-bahasa Qwen yang memberi tumpuan khusus kepada pengecaman butiran dan teks dalam imej. Pembangun menerangkan sokongan bagi imej yang mempunyai lebih daripada satu juta piksel dan nisbah aspek yang berbeza. Ini menjadikan model sesuai apabila jawapan bergantung pada label kecil, medan pada halaman atau hubungan antara unsur teks dengan visual, bukan hanya subjek utama foto.
Kad semasa pembangun menerangkan nama tanpa versi qwen-vl-plus sebagai setara dari segi fungsi dengan qwen-vl-plus-2025-08-15. Kekalkan nama edisi yang tepat dalam tugas yang boleh diulang. Label Plus, alias Latest dan snapshot bertarikh lain ialah pilihan berasingan; nama keluarga yang sama tidak menjadikan spesifikasinya boleh saling diganti.
Keupayaan model
Pembangun menyenaraikan teks, imej dan video sebagai input, dengan teks sebagai output. Arahan teks boleh mengarahkan model membaca bahagian dokumen, menerangkan objek, menjelaskan susun atur atau menjawab soalan tentang adegan. Pengecaman dan penjelasan ialah tugas berkaitan tetapi memerlukan keperluan output yang berbeza: transkripsi patut mengekalkan perkataan yang kelihatan, manakala penjelasan patut menyatakan bagaimana butiran yang kelihatan berkaitan dengan soalan.
Untuk pengekstrakan dokumen, berikan halaman yang boleh dibaca dan kenal pasti medan untuk dikembalikan. Borang boleh meminta label medan dan nilainya; jadual boleh meminta baris yang diperlukan bersama tajuk lajurnya. Jika nilai tidak kelihatan, takrifkan cara yang jelas untuk mewakili nilai yang tiada. Reka bentuk output contoh ini membantu aplikasi membezakan teks yang diekstrak daripada pengisian berdasarkan tekaan.
Untuk semakan susun atur, tanya tentang unsur yang penting: lokasi label, objek yang berkaitan dengannya dan perbezaan antara dua versi. Berikan peranan kepada setiap imej dan kekalkan kriteria perbandingan yang sama. Untuk penjelasan berdasarkan tangkap layar, nyatakan matlamat pengguna dan minta arahan ringkas berdasarkan kawalan yang kelihatan. Jawapan ialah teks tentang antara muka, bukan tindakan yang telah dilakukan.
Jadual pembangun merangkumi penerusan respons daripada awalan yang diberikan dan caching konteks. Output berstruktur, penghantaran secara kelompok dan penalaan halus tidak disediakan secara seragam antara konfigurasi pembangun; anggapnya sebagai pilihan antara muka, bukan hasil tanpa syarat daripada memilih nama Plus. Panggilan fungsi dan carian web tidak disenaraikan sebagai disokong pada kad ini. Permintaan untuk memformat medan yang diekstrak berbeza daripada permintaan untuk melaksanakan fungsi atau mendapatkan maklumat baharu daripada web.
Had konteks
Kad yang diterbitkan memberikan tetingkap konteks 131,072 token, input maksimum 129,024 token dan output maksimum 8,192 token. Perwakilan imej atau video menggunakan kapasiti input bersama soalan dan teks sokongan. Rancang bahan visual dan jawapan secara berasingan: input yang panjang atau terperinci masih boleh memerlukan hanya senarai pendek medan atau pemerhatian.
Penyediaan input
Penekanan pembangun pada butiran dan perkadaran yang pelbagai tidak menghapuskan keperluan bahan yang boleh dibaca. Pastikan kawasan yang mengandungi teks yang diminta jelas. Apabila memangkas jadual, kekalkan tajuk dan unit yang diperlukan untuk mentafsir nilainya; apabila menggunakan beberapa halaman, nyatakan urutan dan bahagian untuk diperiksa. Nyatakan sama ada anda mahukan perkataan asal, ringkasan atau tafsiran supaya hasil tersebut tidak bercampur.
Untuk video, takrifkan peristiwa atau butiran yang kelihatan untuk diterangkan dan struktur respons yang dikehendaki. Tugas praktikal boleh meminta urutan tindakan dalam demonstrasi dan objek yang terlibat pada setiap langkah. Output yang didokumenkan ialah teks; kad tidak menyenaraikan audio sebagai input atau pertuturan sebagai output. Oleh itu, laluan visual ini tidak patut digunakan sebagai bukti bahawa transkripsi pertuturan telah difahami.
Aliran kerja berulang yang berguna ialah memberikan medan pengekstrakan yang sama kepada beberapa imej dokumen, menyimpan pengenal imej di sebelah hasil, kemudian membandingkan rekod yang terhasil dalam aplikasi. Satu lagi cara ialah memasangkan tangkap layar dengan keperluan bertulis dan meminta padanan yang kelihatan, perbezaan serta butiran yang belum diselesaikan. Dalam kedua-dua keadaan, kekalkan imej sumber berkaitan dengan setiap nilai yang dikembalikan supaya hasil boleh diperiksa.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen-vl-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 $0.00024 / 1K token Output · Token output $0.000572 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen-vl-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': 'qwen-vl-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 qwen-vl-plus
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.