QVQ-Plus é a linha Plus dos modelos de raciocínio visual QVQ da Qwen. O fabricante destaca a matemática, a programação, a análise visual, o trabalho criativo e as tarefas gerais que envolvem elementos de prova visuais. Aceita texto, imagens e vídeo e devolve texto, incluindo um processo de raciocínio e uma resposta. A designação Plus identifica uma família, não substitui uma versão fixa de QVQ-Max nem designa um modelo de geração de imagens.
A janela de contexto documentada é de 131 072 tokens, com uma entrada máxima de 106 496 tokens e uma saída máxima de 8 192 tokens. Distinga estes limites ao planear um pedido. Inclua a tarefa escrita, o material visual relevante e o histórico de conversa necessário, deixando depois espaço para a explicação e a resposta final. O contributo de uma captura de ecrã ou de um vídeo é determinado pela sua representação processada, pelo que o número de carateres escritos, por si só, não é uma medida suficiente da entrada completa.
O fabricante descreve QVQ como uma combinação de entrada visual, raciocínio e resposta em texto. O fluxo de serviço documentado de QVQ utiliza transmissão em fluxo contínuo. Uma aplicação deve distinguir o raciocínio intermédio dos fragmentos da resposta final e reunir o texto antes de o apresentar como uma explicação concluída. Uma resposta concisa solicitada pode ainda resultar de um processo de raciocínio interno; pedir brevidade não transforma o modelo numa edição separada sem raciocínio.
Para um gráfico ou uma tabela, indique a comparação a efetuar e forneça legendas, unidades e cabeçalhos legíveis. Por exemplo, pergunte se duas séries representadas divergem ao longo de um intervalo selecionado e peça depois as observações visíveis que sustentam a conclusão. Se a resposta exigir valores numéricos, certifique-se de que constam da fonte e peça ao modelo que identifique a incerteza quando apenas for possível uma leitura visual aproximada. Preserve a imagem original para que o resultado possa ser verificado face aos elementos de prova.
Para um documento ou uma captura de ecrã de uma interface, defina o objetivo do utilizador e a parte do material a analisar. Um pedido útil pode perguntar quais os campos visíveis necessários para um fluxo de trabalho especificado, como se organiza a página ou o que significam os conectores do diagrama. Numa tarefa de programação com elementos visuais, forneça a captura de ecrã e os requisitos escritos, pedindo depois uma explicação em texto ou uma proposta de implementação coerente com a estrutura visível. Distinga as propriedades observáveis das que dependem do comportamento oculto da aplicação.
Para vídeo, identifique o acontecimento, a sequência ou a relação que pretende ver explicada. Mantenha o segmento relevante e forneça fotogramas legíveis quando os pequenos pormenores forem importantes. Identifique as várias entradas e explique a sua ordem para que uma comparação não seja confundida com cenas sem relação entre si. O resultado é um relato textual do material e uma conclusão sobre a pergunta formulada; por si só, não edita a fonte, não cria um novo excerto de vídeo nem verifica algo fora da observação.
A ficha Plus do fabricante não anuncia chamada de funções, pesquisa na Web nem saída estruturada com restrições impostas. Organize a resposta textual com títulos claros, uma tabela comparativa ou uma lista de observações e valide qualquer resultado que pareça legível por máquina antes de uma aplicação o utilizar. A referência de conversação indica que as mensagens de sistema não têm efeito nos modelos QVQ, pelo que deve colocar as instruções sobre o papel a desempenhar, tarefa e formatação na mensagem do utilizador. Mantenha os valores de amostragem predefinidos documentados de QVQ, em vez de importar uma configuração de temperatura ou de seleção de tokens de outra família Qwen.
Para obter um documento analítico útil, peça os factos observados, a explicação e uma resposta final claramente identificada. Verifique os cálculos face aos números, às legendas e às unidades visíveis, e verifique a interpretação de um documento face à secção da fonte a que se refere. Guarde a identidade Plus escolhida e os materiais de entrada com o resultado quando for necessário reexaminar um caso. Separe uma proposta fundamentada de qualquer ação posterior: uma aplicação ou uma pessoa continua a ter de executar a operação de ferramenta solicitada e devolver o respetivo resultado. Este modelo fornece raciocínio visual e texto, conservando-se o material original como base para a revisão.
", "aboutText": "QVQ-Plus é a linha Plus dos modelos de raciocínio visual QVQ da Qwen. O fabricante destaca a matemática, a programação, a análise visual, o trabalho criativo e as tarefas gerais que envolvem elementos de prova visuais. Aceita texto, imagens e vídeo e devolve texto, incluindo um processo de raciocínio e uma resposta. A designação Plus identifica uma família, não substitui uma versão fixa de QVQ-Max nem designa um modelo de geração de imagens.\n\nA janela de contexto documentada é de 131 072 tokens, com uma entrada máxima de 106 496 tokens e uma saída máxima de 8 192 tokens. Distinga estes limites ao planear um pedido. Inclua a tarefa escrita, o material visual relevante e o histórico de conversa necessário, deixando depois espaço para a explicação e a resposta final. O contributo de uma captura de ecrã ou de um vídeo é determinado pela sua representação processada, pelo que o número de carateres escritos, por si só, não é uma medida suficiente da entrada completa.\n\nO fabricante descreve QVQ como uma combinação de entrada visual, raciocínio e resposta em texto. O fluxo de serviço documentado de QVQ utiliza transmissão em fluxo contínuo. Uma aplicação deve distinguir o raciocínio intermédio dos fragmentos da resposta final e reunir o texto antes de o apresentar como uma explicação concluída. Uma resposta concisa solicitada pode ainda resultar de um processo de raciocínio interno; pedir brevidade não transforma o modelo numa edição separada sem raciocínio.\n\nPara um gráfico ou uma tabela, indique a comparação a efetuar e forneça legendas, unidades e cabeçalhos legíveis. Por exemplo, pergunte se duas séries representadas divergem ao longo de um intervalo selecionado e peça depois as observações visíveis que sustentam a conclusão. Se a resposta exigir valores numéricos, certifique-se de que constam da fonte e peça ao modelo que identifique a incerteza quando apenas for possível uma leitura visual aproximada. Preserve a imagem original para que o resultado possa ser verificado face aos elementos de prova.\n\nPara um documento ou uma captura de ecrã de uma interface, defina o objetivo do utilizador e a parte do material a analisar. Um pedido útil pode perguntar quais os campos visíveis necessários para um fluxo de trabalho especificado, como se organiza a página ou o que significam os conectores do diagrama. Numa tarefa de programação com elementos visuais, forneça a captura de ecrã e os requisitos escritos, pedindo depois uma explicação em texto ou uma proposta de implementação coerente com a estrutura visível. Distinga as propriedades observáveis das que dependem do comportamento oculto da aplicação.\n\nPara vídeo, identifique o acontecimento, a sequência ou a relação que pretende ver explicada. Mantenha o segmento relevante e forneça fotogramas legíveis quando os pequenos pormenores forem importantes. Identifique as várias entradas e explique a sua ordem para que uma comparação não seja confundida com cenas sem relação entre si. O resultado é um relato textual do material e uma conclusão sobre a pergunta formulada; por si só, não edita a fonte, não cria um novo excerto de vídeo nem verifica algo fora da observação.\n\nA ficha Plus do fabricante não anuncia chamada de funções, pesquisa na Web nem saída estruturada com restrições impostas. Organize a resposta textual com títulos claros, uma tabela comparativa ou uma lista de observações e valide qualquer resultado que pareça legível por máquina antes de uma aplicação o utilizar. A referência de conversação indica que as mensagens de sistema não têm efeito nos modelos QVQ, pelo que deve colocar as instruções sobre o papel a desempenhar, tarefa e formatação na mensagem do utilizador. Mantenha os valores de amostragem predefinidos documentados de QVQ, em vez de importar uma configuração de temperatura ou de seleção de tokens de outra família Qwen.\n\nPara obter um documento analítico útil, peça os factos observados, a explicação e uma resposta final claramente identificada. Verifique os cálculos face aos números, às legendas e às unidades visíveis, e verifique a interpretação de um documento face à secção da fonte a que se refere. Guarde a identidade Plus escolhida e os materiais de entrada com o resultado quando for necessário reexaminar um caso. Separe uma proposta fundamentada de qualquer ação posterior: uma aplicação ou uma pessoa continua a ter de executar a operação de ferramenta solicitada e devolver o respetivo resultado. Este modelo fornece raciocínio visual e texto, conservando-se o material original como base para a revisão.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.qvq-plusQVQ-Plus combina uma pergunta em texto com imagens ou vídeo para produzir uma resposta textual fundamentada. Utilize-o para matemática com elementos visuais, análise de gráficos e documentos, ou perguntas cuja conclusão depende de vários pormenores visíveis; a linha Plus mantém a sua identidade própria.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
QVQ-Plus é a linha Plus dos modelos de raciocínio visual QVQ da Qwen. O fabricante destaca a matemática, a programação, a análise visual, o trabalho criativo e as tarefas gerais que envolvem elementos de prova visuais. Aceita texto, imagens e vídeo e devolve texto, incluindo um processo de raciocínio e uma resposta. A designação Plus identifica uma família, não substitui uma versão fixa de QVQ-Max nem designa um modelo de geração de imagens.
A janela de contexto documentada é de 131 072 tokens, com uma entrada máxima de 106 496 tokens e uma saída máxima de 8 192 tokens. Distinga estes limites ao planear um pedido. Inclua a tarefa escrita, o material visual relevante e o histórico de conversa necessário, deixando depois espaço para a explicação e a resposta final. O contributo de uma captura de ecrã ou de um vídeo é determinado pela sua representação processada, pelo que o número de carateres escritos, por si só, não é uma medida suficiente da entrada completa.
O fabricante descreve QVQ como uma combinação de entrada visual, raciocínio e resposta em texto. O fluxo de serviço documentado de QVQ utiliza transmissão em fluxo contínuo. Uma aplicação deve distinguir o raciocínio intermédio dos fragmentos da resposta final e reunir o texto antes de o apresentar como uma explicação concluída. Uma resposta concisa solicitada pode ainda resultar de um processo de raciocínio interno; pedir brevidade não transforma o modelo numa edição separada sem raciocínio.
Para um gráfico ou uma tabela, indique a comparação a efetuar e forneça legendas, unidades e cabeçalhos legíveis. Por exemplo, pergunte se duas séries representadas divergem ao longo de um intervalo selecionado e peça depois as observações visíveis que sustentam a conclusão. Se a resposta exigir valores numéricos, certifique-se de que constam da fonte e peça ao modelo que identifique a incerteza quando apenas for possível uma leitura visual aproximada. Preserve a imagem original para que o resultado possa ser verificado face aos elementos de prova.
Para um documento ou uma captura de ecrã de uma interface, defina o objetivo do utilizador e a parte do material a analisar. Um pedido útil pode perguntar quais os campos visíveis necessários para um fluxo de trabalho especificado, como se organiza a página ou o que significam os conectores do diagrama. Numa tarefa de programação com elementos visuais, forneça a captura de ecrã e os requisitos escritos, pedindo depois uma explicação em texto ou uma proposta de implementação coerente com a estrutura visível. Distinga as propriedades observáveis das que dependem do comportamento oculto da aplicação.
Para vídeo, identifique o acontecimento, a sequência ou a relação que pretende ver explicada. Mantenha o segmento relevante e forneça fotogramas legíveis quando os pequenos pormenores forem importantes. Identifique as várias entradas e explique a sua ordem para que uma comparação não seja confundida com cenas sem relação entre si. O resultado é um relato textual do material e uma conclusão sobre a pergunta formulada; por si só, não edita a fonte, não cria um novo excerto de vídeo nem verifica algo fora da observação.
A ficha Plus do fabricante não anuncia chamada de funções, pesquisa na Web nem saída estruturada com restrições impostas. Organize a resposta textual com títulos claros, uma tabela comparativa ou uma lista de observações e valide qualquer resultado que pareça legível por máquina antes de uma aplicação o utilizar. A referência de conversação indica que as mensagens de sistema não têm efeito nos modelos QVQ, pelo que deve colocar as instruções sobre o papel a desempenhar, tarefa e formatação na mensagem do utilizador. Mantenha os valores de amostragem predefinidos documentados de QVQ, em vez de importar uma configuração de temperatura ou de seleção de tokens de outra família Qwen.
Para obter um documento analítico útil, peça os factos observados, a explicação e uma resposta final claramente identificada. Verifique os cálculos face aos números, às legendas e às unidades visíveis, e verifique a interpretação de um documento face à secção da fonte a que se refere. Guarde a identidade Plus escolhida e os materiais de entrada com o resultado quando for necessário reexaminar um caso. Separe uma proposta fundamentada de qualquer ação posterior: uma aplicação ou uma pessoa continua a ter de executar a operação de ferramenta solicitada e devolver o respetivo resultado. Este modelo fornece raciocínio visual e texto, conservando-se o material original como base para a revisão.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qvq-plus | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.00058 / 1K tokens Saída · Tokens de saída $0.00144 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qvq-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='qvq-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='qvq-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qvq-plus
Use os caminhos dos métodos indicados acima.
qvq-plusQVQ-Plus combina uma pergunta em texto com imagens ou vídeo para produzir uma resposta textual fundamentada. Utilize-o para matemática com elementos visuais, análise de gráficos e documentos, ou perguntas cuja conclusão depende de vários pormenores visíveis; a linha Plus mantém a sua identidade própria.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
QVQ-Plus é a linha Plus dos modelos de raciocínio visual QVQ da Qwen. O fabricante destaca a matemática, a programação, a análise visual, o trabalho criativo e as tarefas gerais que envolvem elementos de prova visuais. Aceita texto, imagens e vídeo e devolve texto, incluindo um processo de raciocínio e uma resposta. A designação Plus identifica uma família, não substitui uma versão fixa de QVQ-Max nem designa um modelo de geração de imagens.
A janela de contexto documentada é de 131 072 tokens, com uma entrada máxima de 106 496 tokens e uma saída máxima de 8 192 tokens. Distinga estes limites ao planear um pedido. Inclua a tarefa escrita, o material visual relevante e o histórico de conversa necessário, deixando depois espaço para a explicação e a resposta final. O contributo de uma captura de ecrã ou de um vídeo é determinado pela sua representação processada, pelo que o número de carateres escritos, por si só, não é uma medida suficiente da entrada completa.
O fabricante descreve QVQ como uma combinação de entrada visual, raciocínio e resposta em texto. O fluxo de serviço documentado de QVQ utiliza transmissão em fluxo contínuo. Uma aplicação deve distinguir o raciocínio intermédio dos fragmentos da resposta final e reunir o texto antes de o apresentar como uma explicação concluída. Uma resposta concisa solicitada pode ainda resultar de um processo de raciocínio interno; pedir brevidade não transforma o modelo numa edição separada sem raciocínio.
Para um gráfico ou uma tabela, indique a comparação a efetuar e forneça legendas, unidades e cabeçalhos legíveis. Por exemplo, pergunte se duas séries representadas divergem ao longo de um intervalo selecionado e peça depois as observações visíveis que sustentam a conclusão. Se a resposta exigir valores numéricos, certifique-se de que constam da fonte e peça ao modelo que identifique a incerteza quando apenas for possível uma leitura visual aproximada. Preserve a imagem original para que o resultado possa ser verificado face aos elementos de prova.
Para um documento ou uma captura de ecrã de uma interface, defina o objetivo do utilizador e a parte do material a analisar. Um pedido útil pode perguntar quais os campos visíveis necessários para um fluxo de trabalho especificado, como se organiza a página ou o que significam os conectores do diagrama. Numa tarefa de programação com elementos visuais, forneça a captura de ecrã e os requisitos escritos, pedindo depois uma explicação em texto ou uma proposta de implementação coerente com a estrutura visível. Distinga as propriedades observáveis das que dependem do comportamento oculto da aplicação.
Para vídeo, identifique o acontecimento, a sequência ou a relação que pretende ver explicada. Mantenha o segmento relevante e forneça fotogramas legíveis quando os pequenos pormenores forem importantes. Identifique as várias entradas e explique a sua ordem para que uma comparação não seja confundida com cenas sem relação entre si. O resultado é um relato textual do material e uma conclusão sobre a pergunta formulada; por si só, não edita a fonte, não cria um novo excerto de vídeo nem verifica algo fora da observação.
A ficha Plus do fabricante não anuncia chamada de funções, pesquisa na Web nem saída estruturada com restrições impostas. Organize a resposta textual com títulos claros, uma tabela comparativa ou uma lista de observações e valide qualquer resultado que pareça legível por máquina antes de uma aplicação o utilizar. A referência de conversação indica que as mensagens de sistema não têm efeito nos modelos QVQ, pelo que deve colocar as instruções sobre o papel a desempenhar, tarefa e formatação na mensagem do utilizador. Mantenha os valores de amostragem predefinidos documentados de QVQ, em vez de importar uma configuração de temperatura ou de seleção de tokens de outra família Qwen.
Para obter um documento analítico útil, peça os factos observados, a explicação e uma resposta final claramente identificada. Verifique os cálculos face aos números, às legendas e às unidades visíveis, e verifique a interpretação de um documento face à secção da fonte a que se refere. Guarde a identidade Plus escolhida e os materiais de entrada com o resultado quando for necessário reexaminar um caso. Separe uma proposta fundamentada de qualquer ação posterior: uma aplicação ou uma pessoa continua a ter de executar a operação de ferramenta solicitada e devolver o respetivo resultado. Este modelo fornece raciocínio visual e texto, conservando-se o material original como base para a revisão.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qvq-plus | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.00058 / 1K tokens Saída · Tokens de saída $0.00144 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qvq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qvq-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': 'qvq-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qvq-plus
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Compare a transcribed chart trend\n\nAnalyze this chart transcription: week 1, signups 100 and activations 80; week 2, signups 150 and activations 90; week 3, signups 200 and activations 100. Calculate activation share each week and explain whether the signup and activation trends tell the same story. Use only these values and distinguish counts from rates.A three-row count-and-rate table followed by a concise trend comparison.Activation share uses activations divided by signups, and increasing counts are not confused with increasing share.