Przegląd: rozumowanie oparte na wejściu wizualnym
QVQ-Max to model rozumowania wizualnego Qwen. Producent opisuje wyjście zawierające łańcuch rozumowania oraz większe możliwości w matematyce, programowaniu, analizie wizualnej, pracy twórczej i zadaniach ogólnych. Dedykowana strona możliwości wymienia wejście tekstowe, obrazowe i wideo oraz wyjście tekstowe. Wybierz go do pytania, w którym materiał wizualny stanowi część problemu wymagającego rozumowania, na przykład diagram, wykres lub sekwencja zaobserwowanych zdarzeń.
Dokładna edycja modelu
Producent obecnie opisuje qvq-max jako funkcjonalnie równoważny migawce qvq-max-2025-03-25. Stwierdzenie to identyfikuje opisaną przez producenta relację między edycjami; nie zmienia dokładnych identyfikatorów zachowanych przez aplikację. QVQ-Max nie powinien przejmować tożsamości wag, liczby parametrów ani ustawień generowania QVQ-72B-Preview, QVQ-Plus lub nowszego modelu wizualnego Qwen tylko dlatego, że łączy je temat rozumowania. Nazwa dostawcy z przyrostkiem latest także sama nie ustala konkretnej migawki.
Przygotowanie pytania wymagającego rozumowania wizualnego
Podaj odpowiedni obraz wraz z pełnym pytaniem. Dla diagramu matematycznego zachowaj oznaczenia, wymiary i towarzyszącą treść, po czym zapytaj, które relacje wynikają z widocznej figury, a które wymagają dodatkowego założenia. Poproś o wyraźnie wydzieloną odpowiedź końcową z wartościami i relacjami użytymi do jej uzyskania. Przydatne wyjaśnienie powinno łączyć każde istotne wnioskowanie z czymś w dostarczonym materiale.
Dla wykresu poproś o rozpoznanie osi, jednostek i serii przed interpretacją trendu. Dla diagramu algorytmu lub interfejsu określ zamierzone działanie i zapytaj, jak widoczna struktura się do niego odnosi. W briefie twórczym odróżniaj opis tego, co rzeczywiście jest obecne, od proponowanych zmian lub interpretacji. Są to opracowane zastosowania udokumentowanych przez producenta możliwości matematycznych, programistycznych, analitycznych i twórczych, a nie demonstracje udanego przetwarzania konkretnego zasobu.
Wideo i wiele materiałów dowodowych
Wideo jest wyraźnie wymienione jako modalność wejściowa. W żądaniu analizy zdarzenia podaj odpowiedni fragment i poproś o uporządkowane wyjaśnienie tego, co się zmienia, która scena uzasadnia wniosek i co pozostaje niepewne. Jeśli wejście zawiera informacje o czasie, określ sposób odwoływania się do nich w wyniku. Dokładna strona modelu nie ustala uniwersalnego czasu trwania wideo, liczby klatek ani precyzji znaczników czasu, więc nie należy zapożyczać tych właściwości z innej rodziny Qwen.
Gdy pytanie wykorzystuje kilka obrazów lub fragmentów tekstu, oznacz je i wyjaśnij relację, którą model ma zbadać. Poproś o wynik uporządkowany według tych oznaczeń, aby osoba sprawdzająca widziała, które dowody wspierają poszczególne punkty. Odpowiedź z rozumowaniem powinna pozostać odróżnialna od wyniku końcowego; rozbudowane wyjaśnienie jest przydatne tylko wtedy, gdy można sprawdzić jego twierdzenia względem źródła.
Limity kontekstu i odpowiedzi
Specyfikacja podaje okno kontekstu 131 072 tokenów, maksymalną długość wejścia 106 496 tokenów i maksymalną długość wyjścia 8 192 tokenów. Zachowaj te wartości oddzielnie, zamiast wyprowadzać z ich różnicy nieudokumentowany limit tokenów rozumowania. Tekst, reprezentacja materiału wizualnego i wygenerowana treść muszą mieścić się w obowiązujących granicach sekwencji i wyjścia.
Przed wysłaniem gęsto zapisanej strony lub diagramu zadbaj o czytelność istotnych szczegółów i zachowaj pełną treść potrzebną do wnioskowania. Dla długiego źródła wybierz materiał związany z pytaniem i zarezerwuj odpowiednio dużo miejsca na wniosek z uzasadnieniem. Specyfikacja tokenów nie zapewnia nieograniczonego limitu wejścia wizualnego ani gwarancji zapamiętania każdego szczegółu.
Narzędzia, formatowanie i ograniczenia merytoryczne
Dokładna macierz możliwości oznacza wywoływanie funkcji, wbudowane wyszukiwanie w sieci i wymuszone wyjścia strukturalne jako nieobsługiwane. Rozumowania wizualnego QVQ-Max nie należy zatem przedstawiać jako automatycznego sterowania przeglądarką, narzędzia wykonywania zewnętrznego kodu ani źródła informacji na żywo. Prompt może żądać tabeli lub tekstu w kształcie JSON, ale takie żądanie nie tworzy kontraktu wymuszającego schemat.
Dedykowana strona modelu nie publikuje specyficznego dla niego przełącznika hybrydowego myślenia ani liczby parametrów. Zachowaj udokumentowaną tożsamość rozumowania wizualnego, zamiast importować ustawienia lub twierdzenia o rozmiarze z innej migawki. Sprawdzaj małe oznaczenia, wyodrębnione liczby, wywnioskowane relacje i sugestie kodu względem źródła. Praktyczne wyjście to wyjaśniony wniosek wizualny lub projekt materiału oparty na tym, co dostarczył użytkownik.
", "aboutText": "Przegląd: rozumowanie oparte na wejściu wizualnym\n\nQVQ-Max to model rozumowania wizualnego Qwen. Producent opisuje wyjście zawierające łańcuch rozumowania oraz większe możliwości w matematyce, programowaniu, analizie wizualnej, pracy twórczej i zadaniach ogólnych. Dedykowana strona możliwości wymienia wejście tekstowe, obrazowe i wideo oraz wyjście tekstowe. Wybierz go do pytania, w którym materiał wizualny stanowi część problemu wymagającego rozumowania, na przykład diagram, wykres lub sekwencja zaobserwowanych zdarzeń.\n\nDokładna edycja modelu\n\nProducent obecnie opisuje qvq-max jako funkcjonalnie równoważny migawce qvq-max-2025-03-25. Stwierdzenie to identyfikuje opisaną przez producenta relację między edycjami; nie zmienia dokładnych identyfikatorów zachowanych przez aplikację. QVQ-Max nie powinien przejmować tożsamości wag, liczby parametrów ani ustawień generowania QVQ-72B-Preview, QVQ-Plus lub nowszego modelu wizualnego Qwen tylko dlatego, że łączy je temat rozumowania. Nazwa dostawcy z przyrostkiem latest także sama nie ustala konkretnej migawki.\n\nPrzygotowanie pytania wymagającego rozumowania wizualnego\n\nPodaj odpowiedni obraz wraz z pełnym pytaniem. Dla diagramu matematycznego zachowaj oznaczenia, wymiary i towarzyszącą treść, po czym zapytaj, które relacje wynikają z widocznej figury, a które wymagają dodatkowego założenia. Poproś o wyraźnie wydzieloną odpowiedź końcową z wartościami i relacjami użytymi do jej uzyskania. Przydatne wyjaśnienie powinno łączyć każde istotne wnioskowanie z czymś w dostarczonym materiale.\n\nDla wykresu poproś o rozpoznanie osi, jednostek i serii przed interpretacją trendu. Dla diagramu algorytmu lub interfejsu określ zamierzone działanie i zapytaj, jak widoczna struktura się do niego odnosi. W briefie twórczym odróżniaj opis tego, co rzeczywiście jest obecne, od proponowanych zmian lub interpretacji. Są to opracowane zastosowania udokumentowanych przez producenta możliwości matematycznych, programistycznych, analitycznych i twórczych, a nie demonstracje udanego przetwarzania konkretnego zasobu.\n\nWideo i wiele materiałów dowodowych\n\nWideo jest wyraźnie wymienione jako modalność wejściowa. W żądaniu analizy zdarzenia podaj odpowiedni fragment i poproś o uporządkowane wyjaśnienie tego, co się zmienia, która scena uzasadnia wniosek i co pozostaje niepewne. Jeśli wejście zawiera informacje o czasie, określ sposób odwoływania się do nich w wyniku. Dokładna strona modelu nie ustala uniwersalnego czasu trwania wideo, liczby klatek ani precyzji znaczników czasu, więc nie należy zapożyczać tych właściwości z innej rodziny Qwen.\n\nGdy pytanie wykorzystuje kilka obrazów lub fragmentów tekstu, oznacz je i wyjaśnij relację, którą model ma zbadać. Poproś o wynik uporządkowany według tych oznaczeń, aby osoba sprawdzająca widziała, które dowody wspierają poszczególne punkty. Odpowiedź z rozumowaniem powinna pozostać odróżnialna od wyniku końcowego; rozbudowane wyjaśnienie jest przydatne tylko wtedy, gdy można sprawdzić jego twierdzenia względem źródła.\n\nLimity kontekstu i odpowiedzi\n\nSpecyfikacja podaje okno kontekstu 131 072 tokenów, maksymalną długość wejścia 106 496 tokenów i maksymalną długość wyjścia 8 192 tokenów. Zachowaj te wartości oddzielnie, zamiast wyprowadzać z ich różnicy nieudokumentowany limit tokenów rozumowania. Tekst, reprezentacja materiału wizualnego i wygenerowana treść muszą mieścić się w obowiązujących granicach sekwencji i wyjścia.\n\nPrzed wysłaniem gęsto zapisanej strony lub diagramu zadbaj o czytelność istotnych szczegółów i zachowaj pełną treść potrzebną do wnioskowania. Dla długiego źródła wybierz materiał związany z pytaniem i zarezerwuj odpowiednio dużo miejsca na wniosek z uzasadnieniem. Specyfikacja tokenów nie zapewnia nieograniczonego limitu wejścia wizualnego ani gwarancji zapamiętania każdego szczegółu.\n\nNarzędzia, formatowanie i ograniczenia merytoryczne\n\nDokładna macierz możliwości oznacza wywoływanie funkcji, wbudowane wyszukiwanie w sieci i wymuszone wyjścia strukturalne jako nieobsługiwane. Rozumowania wizualnego QVQ-Max nie należy zatem przedstawiać jako automatycznego sterowania przeglądarką, narzędzia wykonywania zewnętrznego kodu ani źródła informacji na żywo. Prompt może żądać tabeli lub tekstu w kształcie JSON, ale takie żądanie nie tworzy kontraktu wymuszającego schemat.\n\nDedykowana strona modelu nie publikuje specyficznego dla niego przełącznika hybrydowego myślenia ani liczby parametrów. Zachowaj udokumentowaną tożsamość rozumowania wizualnego, zamiast importować ustawienia lub twierdzenia o rozmiarze z innej migawki. Sprawdzaj małe oznaczenia, wyodrębnione liczby, wywnioskowane relacje i sugestie kodu względem źródła. Praktyczne wyjście to wyjaśniony wniosek wizualny lub projekt materiału oparty na tym, co dostarczył użytkownik.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Reason from a written geometric diagram\n\nUse this textual description of a diagram: rectangle ABCD has adjacent sides AB=6 cm and BC=8 cm; diagonal AC is drawn. Find AC and the area of triangle ABC. Give the relationships and calculations supporting each result. Explain which stated geometric property makes the calculation valid; do not assume any extra marked lengths.A concise derivation, two clearly delimited results with units and the relevant rectangle property.Check the diagonal and triangle-area calculations use the stated right angle and correct units.qvq-maxQVQ-Max to model rozumowania wizualnego Qwen dla tekstu, obrazów i wideo, zwracający tekst z wyjaśnionym rozwiązaniem. Służy do diagramów matematycznych, analizy wizualnej, obrazów związanych z programowaniem i interpretacji twórczej; specyfikacja podaje kontekst 131 072 tokenów i limit wyjścia 8 192 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Przegląd: rozumowanie oparte na wejściu wizualnym
QVQ-Max to model rozumowania wizualnego Qwen. Producent opisuje wyjście zawierające łańcuch rozumowania oraz większe możliwości w matematyce, programowaniu, analizie wizualnej, pracy twórczej i zadaniach ogólnych. Dedykowana strona możliwości wymienia wejście tekstowe, obrazowe i wideo oraz wyjście tekstowe. Wybierz go do pytania, w którym materiał wizualny stanowi część problemu wymagającego rozumowania, na przykład diagram, wykres lub sekwencja zaobserwowanych zdarzeń.
Dokładna edycja modelu
Producent obecnie opisuje qvq-max jako funkcjonalnie równoważny migawce qvq-max-2025-03-25. Stwierdzenie to identyfikuje opisaną przez producenta relację między edycjami; nie zmienia dokładnych identyfikatorów zachowanych przez aplikację. QVQ-Max nie powinien przejmować tożsamości wag, liczby parametrów ani ustawień generowania QVQ-72B-Preview, QVQ-Plus lub nowszego modelu wizualnego Qwen tylko dlatego, że łączy je temat rozumowania. Nazwa dostawcy z przyrostkiem latest także sama nie ustala konkretnej migawki.
Przygotowanie pytania wymagającego rozumowania wizualnego
Podaj odpowiedni obraz wraz z pełnym pytaniem. Dla diagramu matematycznego zachowaj oznaczenia, wymiary i towarzyszącą treść, po czym zapytaj, które relacje wynikają z widocznej figury, a które wymagają dodatkowego założenia. Poproś o wyraźnie wydzieloną odpowiedź końcową z wartościami i relacjami użytymi do jej uzyskania. Przydatne wyjaśnienie powinno łączyć każde istotne wnioskowanie z czymś w dostarczonym materiale.
Dla wykresu poproś o rozpoznanie osi, jednostek i serii przed interpretacją trendu. Dla diagramu algorytmu lub interfejsu określ zamierzone działanie i zapytaj, jak widoczna struktura się do niego odnosi. W briefie twórczym odróżniaj opis tego, co rzeczywiście jest obecne, od proponowanych zmian lub interpretacji. Są to opracowane zastosowania udokumentowanych przez producenta możliwości matematycznych, programistycznych, analitycznych i twórczych, a nie demonstracje udanego przetwarzania konkretnego zasobu.
Wideo i wiele materiałów dowodowych
Wideo jest wyraźnie wymienione jako modalność wejściowa. W żądaniu analizy zdarzenia podaj odpowiedni fragment i poproś o uporządkowane wyjaśnienie tego, co się zmienia, która scena uzasadnia wniosek i co pozostaje niepewne. Jeśli wejście zawiera informacje o czasie, określ sposób odwoływania się do nich w wyniku. Dokładna strona modelu nie ustala uniwersalnego czasu trwania wideo, liczby klatek ani precyzji znaczników czasu, więc nie należy zapożyczać tych właściwości z innej rodziny Qwen.
Gdy pytanie wykorzystuje kilka obrazów lub fragmentów tekstu, oznacz je i wyjaśnij relację, którą model ma zbadać. Poproś o wynik uporządkowany według tych oznaczeń, aby osoba sprawdzająca widziała, które dowody wspierają poszczególne punkty. Odpowiedź z rozumowaniem powinna pozostać odróżnialna od wyniku końcowego; rozbudowane wyjaśnienie jest przydatne tylko wtedy, gdy można sprawdzić jego twierdzenia względem źródła.
Limity kontekstu i odpowiedzi
Specyfikacja podaje okno kontekstu 131 072 tokenów, maksymalną długość wejścia 106 496 tokenów i maksymalną długość wyjścia 8 192 tokenów. Zachowaj te wartości oddzielnie, zamiast wyprowadzać z ich różnicy nieudokumentowany limit tokenów rozumowania. Tekst, reprezentacja materiału wizualnego i wygenerowana treść muszą mieścić się w obowiązujących granicach sekwencji i wyjścia.
Przed wysłaniem gęsto zapisanej strony lub diagramu zadbaj o czytelność istotnych szczegółów i zachowaj pełną treść potrzebną do wnioskowania. Dla długiego źródła wybierz materiał związany z pytaniem i zarezerwuj odpowiednio dużo miejsca na wniosek z uzasadnieniem. Specyfikacja tokenów nie zapewnia nieograniczonego limitu wejścia wizualnego ani gwarancji zapamiętania każdego szczegółu.
Narzędzia, formatowanie i ograniczenia merytoryczne
Dokładna macierz możliwości oznacza wywoływanie funkcji, wbudowane wyszukiwanie w sieci i wymuszone wyjścia strukturalne jako nieobsługiwane. Rozumowania wizualnego QVQ-Max nie należy zatem przedstawiać jako automatycznego sterowania przeglądarką, narzędzia wykonywania zewnętrznego kodu ani źródła informacji na żywo. Prompt może żądać tabeli lub tekstu w kształcie JSON, ale takie żądanie nie tworzy kontraktu wymuszającego schemat.
Dedykowana strona modelu nie publikuje specyficznego dla niego przełącznika hybrydowego myślenia ani liczby parametrów. Zachowaj udokumentowaną tożsamość rozumowania wizualnego, zamiast importować ustawienia lub twierdzenia o rozmiarze z innej migawki. Sprawdzaj małe oznaczenia, wyodrębnione liczby, wywnioskowane relacje i sugestie kodu względem źródła. Praktyczne wyjście to wyjaśniony wniosek wizualny lub projekt materiału oparty na tym, co dostarczył użytkownik.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qvq-max | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0023 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00916 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-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='qvq-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='qvq-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qvq-max
Użyj ścieżek metod podanych powyżej.
qvq-maxQVQ-Max to model rozumowania wizualnego Qwen dla tekstu, obrazów i wideo, zwracający tekst z wyjaśnionym rozwiązaniem. Służy do diagramów matematycznych, analizy wizualnej, obrazów związanych z programowaniem i interpretacji twórczej; specyfikacja podaje kontekst 131 072 tokenów i limit wyjścia 8 192 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Przegląd: rozumowanie oparte na wejściu wizualnym
QVQ-Max to model rozumowania wizualnego Qwen. Producent opisuje wyjście zawierające łańcuch rozumowania oraz większe możliwości w matematyce, programowaniu, analizie wizualnej, pracy twórczej i zadaniach ogólnych. Dedykowana strona możliwości wymienia wejście tekstowe, obrazowe i wideo oraz wyjście tekstowe. Wybierz go do pytania, w którym materiał wizualny stanowi część problemu wymagającego rozumowania, na przykład diagram, wykres lub sekwencja zaobserwowanych zdarzeń.
Dokładna edycja modelu
Producent obecnie opisuje qvq-max jako funkcjonalnie równoważny migawce qvq-max-2025-03-25. Stwierdzenie to identyfikuje opisaną przez producenta relację między edycjami; nie zmienia dokładnych identyfikatorów zachowanych przez aplikację. QVQ-Max nie powinien przejmować tożsamości wag, liczby parametrów ani ustawień generowania QVQ-72B-Preview, QVQ-Plus lub nowszego modelu wizualnego Qwen tylko dlatego, że łączy je temat rozumowania. Nazwa dostawcy z przyrostkiem latest także sama nie ustala konkretnej migawki.
Przygotowanie pytania wymagającego rozumowania wizualnego
Podaj odpowiedni obraz wraz z pełnym pytaniem. Dla diagramu matematycznego zachowaj oznaczenia, wymiary i towarzyszącą treść, po czym zapytaj, które relacje wynikają z widocznej figury, a które wymagają dodatkowego założenia. Poproś o wyraźnie wydzieloną odpowiedź końcową z wartościami i relacjami użytymi do jej uzyskania. Przydatne wyjaśnienie powinno łączyć każde istotne wnioskowanie z czymś w dostarczonym materiale.
Dla wykresu poproś o rozpoznanie osi, jednostek i serii przed interpretacją trendu. Dla diagramu algorytmu lub interfejsu określ zamierzone działanie i zapytaj, jak widoczna struktura się do niego odnosi. W briefie twórczym odróżniaj opis tego, co rzeczywiście jest obecne, od proponowanych zmian lub interpretacji. Są to opracowane zastosowania udokumentowanych przez producenta możliwości matematycznych, programistycznych, analitycznych i twórczych, a nie demonstracje udanego przetwarzania konkretnego zasobu.
Wideo i wiele materiałów dowodowych
Wideo jest wyraźnie wymienione jako modalność wejściowa. W żądaniu analizy zdarzenia podaj odpowiedni fragment i poproś o uporządkowane wyjaśnienie tego, co się zmienia, która scena uzasadnia wniosek i co pozostaje niepewne. Jeśli wejście zawiera informacje o czasie, określ sposób odwoływania się do nich w wyniku. Dokładna strona modelu nie ustala uniwersalnego czasu trwania wideo, liczby klatek ani precyzji znaczników czasu, więc nie należy zapożyczać tych właściwości z innej rodziny Qwen.
Gdy pytanie wykorzystuje kilka obrazów lub fragmentów tekstu, oznacz je i wyjaśnij relację, którą model ma zbadać. Poproś o wynik uporządkowany według tych oznaczeń, aby osoba sprawdzająca widziała, które dowody wspierają poszczególne punkty. Odpowiedź z rozumowaniem powinna pozostać odróżnialna od wyniku końcowego; rozbudowane wyjaśnienie jest przydatne tylko wtedy, gdy można sprawdzić jego twierdzenia względem źródła.
Limity kontekstu i odpowiedzi
Specyfikacja podaje okno kontekstu 131 072 tokenów, maksymalną długość wejścia 106 496 tokenów i maksymalną długość wyjścia 8 192 tokenów. Zachowaj te wartości oddzielnie, zamiast wyprowadzać z ich różnicy nieudokumentowany limit tokenów rozumowania. Tekst, reprezentacja materiału wizualnego i wygenerowana treść muszą mieścić się w obowiązujących granicach sekwencji i wyjścia.
Przed wysłaniem gęsto zapisanej strony lub diagramu zadbaj o czytelność istotnych szczegółów i zachowaj pełną treść potrzebną do wnioskowania. Dla długiego źródła wybierz materiał związany z pytaniem i zarezerwuj odpowiednio dużo miejsca na wniosek z uzasadnieniem. Specyfikacja tokenów nie zapewnia nieograniczonego limitu wejścia wizualnego ani gwarancji zapamiętania każdego szczegółu.
Narzędzia, formatowanie i ograniczenia merytoryczne
Dokładna macierz możliwości oznacza wywoływanie funkcji, wbudowane wyszukiwanie w sieci i wymuszone wyjścia strukturalne jako nieobsługiwane. Rozumowania wizualnego QVQ-Max nie należy zatem przedstawiać jako automatycznego sterowania przeglądarką, narzędzia wykonywania zewnętrznego kodu ani źródła informacji na żywo. Prompt może żądać tabeli lub tekstu w kształcie JSON, ale takie żądanie nie tworzy kontraktu wymuszającego schemat.
Dedykowana strona modelu nie publikuje specyficznego dla niego przełącznika hybrydowego myślenia ani liczby parametrów. Zachowaj udokumentowaną tożsamość rozumowania wizualnego, zamiast importować ustawienia lub twierdzenia o rozmiarze z innej migawki. Sprawdzaj małe oznaczenia, wyodrębnione liczby, wywnioskowane relacje i sugestie kodu względem źródła. Praktyczne wyjście to wyjaśniony wniosek wizualny lub projekt materiału oparty na tym, co dostarczył użytkownik.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qvq-max | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0023 / 1K tokenów Wyjście · Tokeny wyjściowe $0.00916 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "qvq-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qvq-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': 'qvq-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qvq-max
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Reason from a written geometric diagram\n\nUse this textual description of a diagram: rectangle ABCD has adjacent sides AB=6 cm and BC=8 cm; diagonal AC is drawn. Find AC and the area of triangle ABC. Give the relationships and calculations supporting each result. Explain which stated geometric property makes the calculation valid; do not assume any extra marked lengths.A concise derivation, two clearly delimited results with units and the relevant rectangle property.Check the diagonal and triangle-area calculations use the stated right angle and correct units.