Qwen-VL-Plus is de reeks visuele taalmodellen van Qwen met bijzondere aandacht voor detailherkenning en tekst in afbeeldingen. De maker beschrijft ondersteuning voor afbeeldingen met meer dan één miljoen pixels en verschillende beeldverhoudingen. Dat maakt het model relevant wanneer het antwoord afhangt van een klein label, een veld op een pagina of het verband tussen tekstuele en visuele elementen, in plaats van alleen het onderwerp van een foto.
De huidige modelkaart van de producent beschrijft de naam zonder versie qwen-vl-plus als functioneel gelijkwaardig aan qwen-vl-plus-2025-08-15. Behoud de exacte editienaam bij een herhaalbare taak. Een Plus-aanduiding, een Latest-alias en een andere gedateerde modelversie zijn afzonderlijke keuzes; dezelfde familienaam maakt hun specificaties niet onderling uitwisselbaar.
Modelmogelijkheden
De maker vermeldt tekst, afbeeldingen en video als invoer, met tekst als uitvoer. Een tekstinstructie kan het model sturen om een documentgedeelte te lezen, objecten te beschrijven, een indeling uit te leggen of een vraag over een scène te beantwoorden. Herkenning en uitleg zijn verwante taken, maar vragen om verschillende uitvoereisen: een transcriptie moet de zichtbare formulering behouden, terwijl een uitleg moet aangeven hoe de zichtbare details met de vraag samenhangen.
Lever voor documentextractie een leesbare pagina aan en geef aan welke velden moeten worden teruggestuurd. Bij een formulier kun je vragen om de veldlabels en hun waarden; bij een tabel om de gewenste rij met de bijbehorende kolomkoppen. Als een waarde niet zichtbaar is, geef dan expliciet aan hoe een ontbrekende waarde moet worden weergegeven. Dit voorbeeld van een uitvoerontwerp helpt de toepassing om geëxtraheerde tekst te onderscheiden van een geraden aanvulling.
Vraag bij een beoordeling van de indeling naar de elementen die ertoe doen: waar een label staat, bij welk object het hoort en hoe twee versies verschillen. Geef elke afbeelding een rol en houd de vergelijkingscriteria gelijk. Geef voor een uitleg op basis van een schermafbeelding het doel van de gebruiker aan en vraag om een korte instructie op basis van de zichtbare bedieningselementen. Het antwoord is tekst over de interface, geen uitgevoerde actie.
De tabellen van de producent vermelden het voortzetten van een antwoordprefix en contextcaching. Gestructureerde uitvoer, batchindiening en fine-tuning worden niet op dezelfde manier beschikbaar gesteld in alle configuraties van de producent; behandel ze als interfaceopties, niet als een onvoorwaardelijk gevolg van de keuze voor de naam Plus. Functieaanroepen en zoeken op het web worden op deze kaart niet als ondersteund vermeld. Een verzoek om geëxtraheerde velden op te maken is iets anders dan een verzoek om een functie uit te voeren of nieuwe informatie van het web op te halen.
Contextlimieten
De gepubliceerde kaart geeft een contextvenster van 131.072 tokens, maximaal 129.024 invoertokens en maximaal 8.192 uitvoertokens. De representatie van een afbeelding of video gebruikt invoercapaciteit naast de vraag en ondersteunende tekst. Plan het visuele materiaal en het antwoord afzonderlijk: lange of gedetailleerde invoer kan nog steeds slechts een korte lijst velden of observaties vereisen.
Invoer voorbereiden
De nadruk van de maker op details en verschillende verhoudingen neemt de noodzaak van leesbaar materiaal niet weg. Zorg dat het gebied met de gevraagde tekst duidelijk zichtbaar is. Behoud bij het bijsnijden van een tabel de koppen en eenheden die nodig zijn om de waarden te interpreteren; geef bij meerdere pagina’s de volgorde en het te onderzoeken gedeelte aan. Geef aan of je de oorspronkelijke formulering, een samenvatting of een interpretatie wilt, zodat die resultaten niet worden vermengd.
Bepaal bij video welke gebeurtenis of welk zichtbaar detail moet worden beschreven en welke antwoordstructuur je wilt. Een praktische taak kan vragen om de volgorde van handelingen in een demonstratie en de objecten die bij elke stap betrokken zijn. De gedocumenteerde uitvoer is tekst; de kaart noemt geen audio als invoer of spraak als uitvoer. Deze visuele route mag daarom niet worden gebruikt als bewijs dat een transcriptie van gesproken inhoud is begrepen.
Een nuttige herhaalbare werkwijze is om voor meerdere documentafbeeldingen dezelfde extractievelden op te geven, de afbeeldingsidentificaties naast de resultaten te bewaren en de resulterende records vervolgens in de toepassing te vergelijken. Een andere is om een schermafbeelding te combineren met een geschreven vereiste en te vragen om zichtbare overeenkomsten, verschillen en onopgeloste details. Houd in beide gevallen de bronafbeelding gekoppeld aan elke teruggegeven waarde, zodat het resultaat kan worden gecontroleerd.
", "aboutText": "Qwen-VL-Plus is de reeks visuele taalmodellen van Qwen met bijzondere aandacht voor detailherkenning en tekst in afbeeldingen. De maker beschrijft ondersteuning voor afbeeldingen met meer dan één miljoen pixels en verschillende beeldverhoudingen. Dat maakt het model relevant wanneer het antwoord afhangt van een klein label, een veld op een pagina of het verband tussen tekstuele en visuele elementen, in plaats van alleen het onderwerp van een foto.\n\nDe huidige modelkaart van de producent beschrijft de naam zonder versie qwen-vl-plus als functioneel gelijkwaardig aan qwen-vl-plus-2025-08-15. Behoud de exacte editienaam bij een herhaalbare taak. Een Plus-aanduiding, een Latest-alias en een andere gedateerde modelversie zijn afzonderlijke keuzes; dezelfde familienaam maakt hun specificaties niet onderling uitwisselbaar.\n\nModelmogelijkheden\n\nDe maker vermeldt tekst, afbeeldingen en video als invoer, met tekst als uitvoer. Een tekstinstructie kan het model sturen om een documentgedeelte te lezen, objecten te beschrijven, een indeling uit te leggen of een vraag over een scène te beantwoorden. Herkenning en uitleg zijn verwante taken, maar vragen om verschillende uitvoereisen: een transcriptie moet de zichtbare formulering behouden, terwijl een uitleg moet aangeven hoe de zichtbare details met de vraag samenhangen.\n\nLever voor documentextractie een leesbare pagina aan en geef aan welke velden moeten worden teruggestuurd. Bij een formulier kun je vragen om de veldlabels en hun waarden; bij een tabel om de gewenste rij met de bijbehorende kolomkoppen. Als een waarde niet zichtbaar is, geef dan expliciet aan hoe een ontbrekende waarde moet worden weergegeven. Dit voorbeeld van een uitvoerontwerp helpt de toepassing om geëxtraheerde tekst te onderscheiden van een geraden aanvulling.\n\nVraag bij een beoordeling van de indeling naar de elementen die ertoe doen: waar een label staat, bij welk object het hoort en hoe twee versies verschillen. Geef elke afbeelding een rol en houd de vergelijkingscriteria gelijk. Geef voor een uitleg op basis van een schermafbeelding het doel van de gebruiker aan en vraag om een korte instructie op basis van de zichtbare bedieningselementen. Het antwoord is tekst over de interface, geen uitgevoerde actie.\n\nDe tabellen van de producent vermelden het voortzetten van een antwoordprefix en contextcaching. Gestructureerde uitvoer, batchindiening en fine-tuning worden niet op dezelfde manier beschikbaar gesteld in alle configuraties van de producent; behandel ze als interfaceopties, niet als een onvoorwaardelijk gevolg van de keuze voor de naam Plus. Functieaanroepen en zoeken op het web worden op deze kaart niet als ondersteund vermeld. Een verzoek om geëxtraheerde velden op te maken is iets anders dan een verzoek om een functie uit te voeren of nieuwe informatie van het web op te halen.\n\nContextlimieten\n\nDe gepubliceerde kaart geeft een contextvenster van 131.072 tokens, maximaal 129.024 invoertokens en maximaal 8.192 uitvoertokens. De representatie van een afbeelding of video gebruikt invoercapaciteit naast de vraag en ondersteunende tekst. Plan het visuele materiaal en het antwoord afzonderlijk: lange of gedetailleerde invoer kan nog steeds slechts een korte lijst velden of observaties vereisen.\n\nInvoer voorbereiden\n\nDe nadruk van de maker op details en verschillende verhoudingen neemt de noodzaak van leesbaar materiaal niet weg. Zorg dat het gebied met de gevraagde tekst duidelijk zichtbaar is. Behoud bij het bijsnijden van een tabel de koppen en eenheden die nodig zijn om de waarden te interpreteren; geef bij meerdere pagina’s de volgorde en het te onderzoeken gedeelte aan. Geef aan of je de oorspronkelijke formulering, een samenvatting of een interpretatie wilt, zodat die resultaten niet worden vermengd.\n\nBepaal bij video welke gebeurtenis of welk zichtbaar detail moet worden beschreven en welke antwoordstructuur je wilt. Een praktische taak kan vragen om de volgorde van handelingen in een demonstratie en de objecten die bij elke stap betrokken zijn. De gedocumenteerde uitvoer is tekst; de kaart noemt geen audio als invoer of spraak als uitvoer. Deze visuele route mag daarom niet worden gebruikt als bewijs dat een transcriptie van gesproken inhoud is begrepen.\n\nEen nuttige herhaalbare werkwijze is om voor meerdere documentafbeeldingen dezelfde extractievelden op te geven, de afbeeldingsidentificaties naast de resultaten te bewaren en de resulterende records vervolgens in de toepassing te vergelijken. Een andere is om een schermafbeelding te combineren met een geschreven vereiste en te vragen om zichtbare overeenkomsten, verschillen en onopgeloste details. Houd in beide gevallen de bronafbeelding gekoppeld aan elke teruggegeven waarde, zodat het resultaat kan worden gecontroleerd.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 leest tekst en details in afbeeldingen en combineert die met een geschreven vraag. De maker documenteert beeld- en video-invoer, tekstuitvoer, afbeeldingen met hoge resolutie en verschillende beeldverhoudingen voor documentextractie, visuele vergelijking en uitleg van scènes.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen-VL-Plus is de reeks visuele taalmodellen van Qwen met bijzondere aandacht voor detailherkenning en tekst in afbeeldingen. De maker beschrijft ondersteuning voor afbeeldingen met meer dan één miljoen pixels en verschillende beeldverhoudingen. Dat maakt het model relevant wanneer het antwoord afhangt van een klein label, een veld op een pagina of het verband tussen tekstuele en visuele elementen, in plaats van alleen het onderwerp van een foto.
De huidige modelkaart van de producent beschrijft de naam zonder versie qwen-vl-plus als functioneel gelijkwaardig aan qwen-vl-plus-2025-08-15. Behoud de exacte editienaam bij een herhaalbare taak. Een Plus-aanduiding, een Latest-alias en een andere gedateerde modelversie zijn afzonderlijke keuzes; dezelfde familienaam maakt hun specificaties niet onderling uitwisselbaar.
Modelmogelijkheden
De maker vermeldt tekst, afbeeldingen en video als invoer, met tekst als uitvoer. Een tekstinstructie kan het model sturen om een documentgedeelte te lezen, objecten te beschrijven, een indeling uit te leggen of een vraag over een scène te beantwoorden. Herkenning en uitleg zijn verwante taken, maar vragen om verschillende uitvoereisen: een transcriptie moet de zichtbare formulering behouden, terwijl een uitleg moet aangeven hoe de zichtbare details met de vraag samenhangen.
Lever voor documentextractie een leesbare pagina aan en geef aan welke velden moeten worden teruggestuurd. Bij een formulier kun je vragen om de veldlabels en hun waarden; bij een tabel om de gewenste rij met de bijbehorende kolomkoppen. Als een waarde niet zichtbaar is, geef dan expliciet aan hoe een ontbrekende waarde moet worden weergegeven. Dit voorbeeld van een uitvoerontwerp helpt de toepassing om geëxtraheerde tekst te onderscheiden van een geraden aanvulling.
Vraag bij een beoordeling van de indeling naar de elementen die ertoe doen: waar een label staat, bij welk object het hoort en hoe twee versies verschillen. Geef elke afbeelding een rol en houd de vergelijkingscriteria gelijk. Geef voor een uitleg op basis van een schermafbeelding het doel van de gebruiker aan en vraag om een korte instructie op basis van de zichtbare bedieningselementen. Het antwoord is tekst over de interface, geen uitgevoerde actie.
De tabellen van de producent vermelden het voortzetten van een antwoordprefix en contextcaching. Gestructureerde uitvoer, batchindiening en fine-tuning worden niet op dezelfde manier beschikbaar gesteld in alle configuraties van de producent; behandel ze als interfaceopties, niet als een onvoorwaardelijk gevolg van de keuze voor de naam Plus. Functieaanroepen en zoeken op het web worden op deze kaart niet als ondersteund vermeld. Een verzoek om geëxtraheerde velden op te maken is iets anders dan een verzoek om een functie uit te voeren of nieuwe informatie van het web op te halen.
Contextlimieten
De gepubliceerde kaart geeft een contextvenster van 131.072 tokens, maximaal 129.024 invoertokens en maximaal 8.192 uitvoertokens. De representatie van een afbeelding of video gebruikt invoercapaciteit naast de vraag en ondersteunende tekst. Plan het visuele materiaal en het antwoord afzonderlijk: lange of gedetailleerde invoer kan nog steeds slechts een korte lijst velden of observaties vereisen.
Invoer voorbereiden
De nadruk van de maker op details en verschillende verhoudingen neemt de noodzaak van leesbaar materiaal niet weg. Zorg dat het gebied met de gevraagde tekst duidelijk zichtbaar is. Behoud bij het bijsnijden van een tabel de koppen en eenheden die nodig zijn om de waarden te interpreteren; geef bij meerdere pagina’s de volgorde en het te onderzoeken gedeelte aan. Geef aan of je de oorspronkelijke formulering, een samenvatting of een interpretatie wilt, zodat die resultaten niet worden vermengd.
Bepaal bij video welke gebeurtenis of welk zichtbaar detail moet worden beschreven en welke antwoordstructuur je wilt. Een praktische taak kan vragen om de volgorde van handelingen in een demonstratie en de objecten die bij elke stap betrokken zijn. De gedocumenteerde uitvoer is tekst; de kaart noemt geen audio als invoer of spraak als uitvoer. Deze visuele route mag daarom niet worden gebruikt als bewijs dat een transcriptie van gesproken inhoud is begrepen.
Een nuttige herhaalbare werkwijze is om voor meerdere documentafbeeldingen dezelfde extractievelden op te geven, de afbeeldingsidentificaties naast de resultaten te bewaren en de resulterende records vervolgens in de toepassing te vergelijken. Een andere is om een schermafbeelding te combineren met een geschreven vereiste en te vragen om zichtbare overeenkomsten, verschillen en onopgeloste details. Houd in beide gevallen de bronafbeelding gekoppeld aan elke teruggegeven waarde, zodat het resultaat kan worden gecontroleerd.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen-vl-plus | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00024 / 1K tokens Uitvoer · Uitvoertokens $0.000572 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen-vl-plus
Gebruik de hierboven getoonde methodepaden.
qwen-vl-plusQwen-VL-Plus leest tekst en details in afbeeldingen en combineert die met een geschreven vraag. De maker documenteert beeld- en video-invoer, tekstuitvoer, afbeeldingen met hoge resolutie en verschillende beeldverhoudingen voor documentextractie, visuele vergelijking en uitleg van scènes.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen-VL-Plus is de reeks visuele taalmodellen van Qwen met bijzondere aandacht voor detailherkenning en tekst in afbeeldingen. De maker beschrijft ondersteuning voor afbeeldingen met meer dan één miljoen pixels en verschillende beeldverhoudingen. Dat maakt het model relevant wanneer het antwoord afhangt van een klein label, een veld op een pagina of het verband tussen tekstuele en visuele elementen, in plaats van alleen het onderwerp van een foto.
De huidige modelkaart van de producent beschrijft de naam zonder versie qwen-vl-plus als functioneel gelijkwaardig aan qwen-vl-plus-2025-08-15. Behoud de exacte editienaam bij een herhaalbare taak. Een Plus-aanduiding, een Latest-alias en een andere gedateerde modelversie zijn afzonderlijke keuzes; dezelfde familienaam maakt hun specificaties niet onderling uitwisselbaar.
Modelmogelijkheden
De maker vermeldt tekst, afbeeldingen en video als invoer, met tekst als uitvoer. Een tekstinstructie kan het model sturen om een documentgedeelte te lezen, objecten te beschrijven, een indeling uit te leggen of een vraag over een scène te beantwoorden. Herkenning en uitleg zijn verwante taken, maar vragen om verschillende uitvoereisen: een transcriptie moet de zichtbare formulering behouden, terwijl een uitleg moet aangeven hoe de zichtbare details met de vraag samenhangen.
Lever voor documentextractie een leesbare pagina aan en geef aan welke velden moeten worden teruggestuurd. Bij een formulier kun je vragen om de veldlabels en hun waarden; bij een tabel om de gewenste rij met de bijbehorende kolomkoppen. Als een waarde niet zichtbaar is, geef dan expliciet aan hoe een ontbrekende waarde moet worden weergegeven. Dit voorbeeld van een uitvoerontwerp helpt de toepassing om geëxtraheerde tekst te onderscheiden van een geraden aanvulling.
Vraag bij een beoordeling van de indeling naar de elementen die ertoe doen: waar een label staat, bij welk object het hoort en hoe twee versies verschillen. Geef elke afbeelding een rol en houd de vergelijkingscriteria gelijk. Geef voor een uitleg op basis van een schermafbeelding het doel van de gebruiker aan en vraag om een korte instructie op basis van de zichtbare bedieningselementen. Het antwoord is tekst over de interface, geen uitgevoerde actie.
De tabellen van de producent vermelden het voortzetten van een antwoordprefix en contextcaching. Gestructureerde uitvoer, batchindiening en fine-tuning worden niet op dezelfde manier beschikbaar gesteld in alle configuraties van de producent; behandel ze als interfaceopties, niet als een onvoorwaardelijk gevolg van de keuze voor de naam Plus. Functieaanroepen en zoeken op het web worden op deze kaart niet als ondersteund vermeld. Een verzoek om geëxtraheerde velden op te maken is iets anders dan een verzoek om een functie uit te voeren of nieuwe informatie van het web op te halen.
Contextlimieten
De gepubliceerde kaart geeft een contextvenster van 131.072 tokens, maximaal 129.024 invoertokens en maximaal 8.192 uitvoertokens. De representatie van een afbeelding of video gebruikt invoercapaciteit naast de vraag en ondersteunende tekst. Plan het visuele materiaal en het antwoord afzonderlijk: lange of gedetailleerde invoer kan nog steeds slechts een korte lijst velden of observaties vereisen.
Invoer voorbereiden
De nadruk van de maker op details en verschillende verhoudingen neemt de noodzaak van leesbaar materiaal niet weg. Zorg dat het gebied met de gevraagde tekst duidelijk zichtbaar is. Behoud bij het bijsnijden van een tabel de koppen en eenheden die nodig zijn om de waarden te interpreteren; geef bij meerdere pagina’s de volgorde en het te onderzoeken gedeelte aan. Geef aan of je de oorspronkelijke formulering, een samenvatting of een interpretatie wilt, zodat die resultaten niet worden vermengd.
Bepaal bij video welke gebeurtenis of welk zichtbaar detail moet worden beschreven en welke antwoordstructuur je wilt. Een praktische taak kan vragen om de volgorde van handelingen in een demonstratie en de objecten die bij elke stap betrokken zijn. De gedocumenteerde uitvoer is tekst; de kaart noemt geen audio als invoer of spraak als uitvoer. Deze visuele route mag daarom niet worden gebruikt als bewijs dat een transcriptie van gesproken inhoud is begrepen.
Een nuttige herhaalbare werkwijze is om voor meerdere documentafbeeldingen dezelfde extractievelden op te geven, de afbeeldingsidentificaties naast de resultaten te bewaren en de resulterende records vervolgens in de toepassing te vergelijken. Een andere is om een schermafbeelding te combineren met een geschreven vereiste en te vragen om zichtbare overeenkomsten, verschillen en onopgeloste details. Houd in beide gevallen de bronafbeelding gekoppeld aan elke teruggegeven waarde, zodat het resultaat kan worden gecontroleerd.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen-vl-plus | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00024 / 1K tokens Uitvoer · Uitvoertokens $0.000572 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen-vl-plus
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.