Qwen-VL-Max é a linha de linguagem visual da Qwen para questões que exigem mais do que reconhecer um objeto. O fabricante posiciona Max em torno do raciocínio visual e do cumprimento de instruções: relacionar os elementos visíveis com as condições do utilizador, explicar relações e produzir um resultado em texto para uma tarefa visual mais complexa. Em comparação com a linha Plus, esta descrição dá maior destaque ao raciocínio e à interpretação.
A ficha atual do fabricante associa o nome sem versão qwen-vl-max a qwen-vl-max-2025-08-13. O nome dinâmico acompanha as atualizações, enquanto um nome com data identifica uma versão específica. Mantenha o nome exato ao comparar entradas e resultados; outras edições identificadas pelo nome podem ter especificações documentadas diferentes.
Capacidades do modelo
A entrada documentada inclui texto, imagens e vídeo, enquanto a saída é texto. O material visual pode ser uma página de documento, um gráfico, uma cena ou uma sequência de fotogramas. A pergunta escrita determina o que o modelo deve estabelecer a partir desse material. O resultado pode descrever elementos observáveis, explicar uma relação ou organizar conclusões em campos; este modelo não é uma edição de geração de imagens ou vídeo.
Para um gráfico, especifique a comparação em vez de pedir uma descrição geral. Forneça a imagem e pergunte qual das séries visíveis aumenta, o que significam os rótulos e quais as observações que sustentam a conclusão. Peça partes separadas para os dados diretamente visíveis e para a explicação. Num diagrama de processo, identifique as condições iniciais e finais e peça as ligações entre etapas, mantendo os rótulos originais.
Numa captura de ecrã, indique o objetivo do utilizador e peça os controlos visíveis e o próximo passo possível. Isto produz uma interpretação escrita da interface. Qualquer clique real, alteração de ficheiro ou ação externa continua a caber à aplicação envolvente; a compreensão visual, por si só, não constitui um processo de controlo do computador.
A ficha do produtor documenta saída estruturada, continuação a partir de um prefixo de resposta e cache de contexto. Estas funcionalidades podem ajudar a organizar análises visuais repetidas com um formato de saída estável. O envio em lote varia entre configurações do produtor, enquanto chamadas de funções, pesquisa na Web e afinação do modelo não constam como funcionalidades suportadas nesta ficha. Uma resposta de texto estruturada não deve, por isso, ser confundida com uma chamada de ferramenta executada ou uma pesquisa online.
Limites de contexto
A ficha identificada pelo nome indica uma janela de contexto de 131 072 tokens, uma entrada máxima de 129 024 tokens e uma saída máxima de 8 192 tokens. As entradas visuais e a tarefa escrita consomem em conjunto o volume de entrada disponível. A resposta tem um limite independente, pelo que uma grande coleção de material visual não implica uma saída igualmente grande.
Escolha imagens ou fotogramas que respondam à pergunta efetiva. Preserve a legenda do gráfico, os títulos das colunas ou os rótulos do diagrama necessários para interpretar uma área recortada. Ao comparar vários materiais, identifique a sua ordem e função: o desenho existente, o desenho revisto e o requisito de referência. Um resultado escrito útil pode listar elementos correspondentes, diferenças e perguntas que permanecem por resolver a partir dos elementos fornecidos.
Trabalhar com vídeo
A entrada de vídeo permite fazer perguntas sobre acontecimentos visíveis e a sua sequência. Pergunte o que muda entre fotogramas, que participantes interagem ou que condição visível aparece antes de outra. Defina a saída pretendida, como uma descrição ordenada dos acontecimentos com as observações que sustentam cada ponto. A ficha indica entrada de vídeo e saída de texto, não entrada de áudio nem saída de voz; uma pergunta sobre conteúdo falado exige que esse conteúdo seja disponibilizado separadamente.
Uma tarefa prática pode comparar um vídeo de demonstração com o seu procedimento escrito: forneça o material visual e os passos relevantes, pergunte quais dos passos são visivelmente representados e peça uma lista concisa de divergências. Especifique a que passo do procedimento corresponde cada observação e mantenha os passos pouco claros numa parte separada da resposta.
Limites relevantes da edição
O foco de Max no raciocínio visual é útil quando a tarefa depende da interpretação de relações e do cumprimento de uma instrução visual complexa. O resultado documentado é texto. Mantenha a entrada legível, indique a inferência de que precisa e distinga os elementos visíveis das conclusões que a tarefa pede ao modelo. Esta preparação transforma uma pergunta visual numa explicação ou comparação utilizável, em vez de um resumo da cena sem orientação.
", "aboutText": "Qwen-VL-Max é a linha de linguagem visual da Qwen para questões que exigem mais do que reconhecer um objeto. O fabricante posiciona Max em torno do raciocínio visual e do cumprimento de instruções: relacionar os elementos visíveis com as condições do utilizador, explicar relações e produzir um resultado em texto para uma tarefa visual mais complexa. Em comparação com a linha Plus, esta descrição dá maior destaque ao raciocínio e à interpretação.\n\nA ficha atual do fabricante associa o nome sem versão qwen-vl-max a qwen-vl-max-2025-08-13. O nome dinâmico acompanha as atualizações, enquanto um nome com data identifica uma versão específica. Mantenha o nome exato ao comparar entradas e resultados; outras edições identificadas pelo nome podem ter especificações documentadas diferentes.\n\nCapacidades do modelo\n\nA entrada documentada inclui texto, imagens e vídeo, enquanto a saída é texto. O material visual pode ser uma página de documento, um gráfico, uma cena ou uma sequência de fotogramas. A pergunta escrita determina o que o modelo deve estabelecer a partir desse material. O resultado pode descrever elementos observáveis, explicar uma relação ou organizar conclusões em campos; este modelo não é uma edição de geração de imagens ou vídeo.\n\nPara um gráfico, especifique a comparação em vez de pedir uma descrição geral. Forneça a imagem e pergunte qual das séries visíveis aumenta, o que significam os rótulos e quais as observações que sustentam a conclusão. Peça partes separadas para os dados diretamente visíveis e para a explicação. Num diagrama de processo, identifique as condições iniciais e finais e peça as ligações entre etapas, mantendo os rótulos originais.\n\nNuma captura de ecrã, indique o objetivo do utilizador e peça os controlos visíveis e o próximo passo possível. Isto produz uma interpretação escrita da interface. Qualquer clique real, alteração de ficheiro ou ação externa continua a caber à aplicação envolvente; a compreensão visual, por si só, não constitui um processo de controlo do computador.\n\nA ficha do produtor documenta saída estruturada, continuação a partir de um prefixo de resposta e cache de contexto. Estas funcionalidades podem ajudar a organizar análises visuais repetidas com um formato de saída estável. O envio em lote varia entre configurações do produtor, enquanto chamadas de funções, pesquisa na Web e afinação do modelo não constam como funcionalidades suportadas nesta ficha. Uma resposta de texto estruturada não deve, por isso, ser confundida com uma chamada de ferramenta executada ou uma pesquisa online.\n\nLimites de contexto\n\nA ficha identificada pelo nome indica uma janela de contexto de 131 072 tokens, uma entrada máxima de 129 024 tokens e uma saída máxima de 8 192 tokens. As entradas visuais e a tarefa escrita consomem em conjunto o volume de entrada disponível. A resposta tem um limite independente, pelo que uma grande coleção de material visual não implica uma saída igualmente grande.\n\nEscolha imagens ou fotogramas que respondam à pergunta efetiva. Preserve a legenda do gráfico, os títulos das colunas ou os rótulos do diagrama necessários para interpretar uma área recortada. Ao comparar vários materiais, identifique a sua ordem e função: o desenho existente, o desenho revisto e o requisito de referência. Um resultado escrito útil pode listar elementos correspondentes, diferenças e perguntas que permanecem por resolver a partir dos elementos fornecidos.\n\nTrabalhar com vídeo\n\nA entrada de vídeo permite fazer perguntas sobre acontecimentos visíveis e a sua sequência. Pergunte o que muda entre fotogramas, que participantes interagem ou que condição visível aparece antes de outra. Defina a saída pretendida, como uma descrição ordenada dos acontecimentos com as observações que sustentam cada ponto. A ficha indica entrada de vídeo e saída de texto, não entrada de áudio nem saída de voz; uma pergunta sobre conteúdo falado exige que esse conteúdo seja disponibilizado separadamente.\n\nUma tarefa prática pode comparar um vídeo de demonstração com o seu procedimento escrito: forneça o material visual e os passos relevantes, pergunte quais dos passos são visivelmente representados e peça uma lista concisa de divergências. Especifique a que passo do procedimento corresponde cada observação e mantenha os passos pouco claros numa parte separada da resposta.\n\nLimites relevantes da edição\n\nO foco de Max no raciocínio visual é útil quando a tarefa depende da interpretação de relações e do cumprimento de uma instrução visual complexa. O resultado documentado é texto. Mantenha a entrada legível, indique a inferência de que precisa e distinga os elementos visíveis das conclusões que a tarefa pede ao modelo. Esta preparação transforma uma pergunta visual numa explicação ou comparação utilizável, em vez de um resumo da cena sem orientação.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.qwen-vl-maxQwen-VL-Max relaciona texto, imagens e vídeo através do raciocínio visual e do cumprimento de instruções. Devolve explicações em texto ou conclusões estruturadas e destina-se a questões visuais complexas, análise de documentos e relações dentro de uma cena.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen-VL-Max é a linha de linguagem visual da Qwen para questões que exigem mais do que reconhecer um objeto. O fabricante posiciona Max em torno do raciocínio visual e do cumprimento de instruções: relacionar os elementos visíveis com as condições do utilizador, explicar relações e produzir um resultado em texto para uma tarefa visual mais complexa. Em comparação com a linha Plus, esta descrição dá maior destaque ao raciocínio e à interpretação.
A ficha atual do fabricante associa o nome sem versão qwen-vl-max a qwen-vl-max-2025-08-13. O nome dinâmico acompanha as atualizações, enquanto um nome com data identifica uma versão específica. Mantenha o nome exato ao comparar entradas e resultados; outras edições identificadas pelo nome podem ter especificações documentadas diferentes.
Capacidades do modelo
A entrada documentada inclui texto, imagens e vídeo, enquanto a saída é texto. O material visual pode ser uma página de documento, um gráfico, uma cena ou uma sequência de fotogramas. A pergunta escrita determina o que o modelo deve estabelecer a partir desse material. O resultado pode descrever elementos observáveis, explicar uma relação ou organizar conclusões em campos; este modelo não é uma edição de geração de imagens ou vídeo.
Para um gráfico, especifique a comparação em vez de pedir uma descrição geral. Forneça a imagem e pergunte qual das séries visíveis aumenta, o que significam os rótulos e quais as observações que sustentam a conclusão. Peça partes separadas para os dados diretamente visíveis e para a explicação. Num diagrama de processo, identifique as condições iniciais e finais e peça as ligações entre etapas, mantendo os rótulos originais.
Numa captura de ecrã, indique o objetivo do utilizador e peça os controlos visíveis e o próximo passo possível. Isto produz uma interpretação escrita da interface. Qualquer clique real, alteração de ficheiro ou ação externa continua a caber à aplicação envolvente; a compreensão visual, por si só, não constitui um processo de controlo do computador.
A ficha do produtor documenta saída estruturada, continuação a partir de um prefixo de resposta e cache de contexto. Estas funcionalidades podem ajudar a organizar análises visuais repetidas com um formato de saída estável. O envio em lote varia entre configurações do produtor, enquanto chamadas de funções, pesquisa na Web e afinação do modelo não constam como funcionalidades suportadas nesta ficha. Uma resposta de texto estruturada não deve, por isso, ser confundida com uma chamada de ferramenta executada ou uma pesquisa online.
Limites de contexto
A ficha identificada pelo nome indica uma janela de contexto de 131 072 tokens, uma entrada máxima de 129 024 tokens e uma saída máxima de 8 192 tokens. As entradas visuais e a tarefa escrita consomem em conjunto o volume de entrada disponível. A resposta tem um limite independente, pelo que uma grande coleção de material visual não implica uma saída igualmente grande.
Escolha imagens ou fotogramas que respondam à pergunta efetiva. Preserve a legenda do gráfico, os títulos das colunas ou os rótulos do diagrama necessários para interpretar uma área recortada. Ao comparar vários materiais, identifique a sua ordem e função: o desenho existente, o desenho revisto e o requisito de referência. Um resultado escrito útil pode listar elementos correspondentes, diferenças e perguntas que permanecem por resolver a partir dos elementos fornecidos.
Trabalhar com vídeo
A entrada de vídeo permite fazer perguntas sobre acontecimentos visíveis e a sua sequência. Pergunte o que muda entre fotogramas, que participantes interagem ou que condição visível aparece antes de outra. Defina a saída pretendida, como uma descrição ordenada dos acontecimentos com as observações que sustentam cada ponto. A ficha indica entrada de vídeo e saída de texto, não entrada de áudio nem saída de voz; uma pergunta sobre conteúdo falado exige que esse conteúdo seja disponibilizado separadamente.
Uma tarefa prática pode comparar um vídeo de demonstração com o seu procedimento escrito: forneça o material visual e os passos relevantes, pergunte quais dos passos são visivelmente representados e peça uma lista concisa de divergências. Especifique a que passo do procedimento corresponde cada observação e mantenha os passos pouco claros numa parte separada da resposta.
Limites relevantes da edição
O foco de Max no raciocínio visual é útil quando a tarefa depende da interpretação de relações e do cumprimento de uma instrução visual complexa. O resultado documentado é texto. Mantenha a entrada legível, indique a inferência de que precisa e distinga os elementos visíveis das conclusões que a tarefa pede ao modelo. Esta preparação transforma uma pergunta visual numa explicação ou comparação utilizável, em vez de um resumo da cena sem orientação.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen-vl-max | 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 $0.00046 / 1K tokens Saída · Tokens de saída $0.001144 / 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": "qwen-vl-max", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-vl-max',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-vl-max',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen-vl-max
Use os caminhos dos métodos indicados acima.
qwen-vl-maxQwen-VL-Max relaciona texto, imagens e vídeo através do raciocínio visual e do cumprimento de instruções. Devolve explicações em texto ou conclusões estruturadas e destina-se a questões visuais complexas, análise de documentos e relações dentro de uma cena.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen-VL-Max é a linha de linguagem visual da Qwen para questões que exigem mais do que reconhecer um objeto. O fabricante posiciona Max em torno do raciocínio visual e do cumprimento de instruções: relacionar os elementos visíveis com as condições do utilizador, explicar relações e produzir um resultado em texto para uma tarefa visual mais complexa. Em comparação com a linha Plus, esta descrição dá maior destaque ao raciocínio e à interpretação.
A ficha atual do fabricante associa o nome sem versão qwen-vl-max a qwen-vl-max-2025-08-13. O nome dinâmico acompanha as atualizações, enquanto um nome com data identifica uma versão específica. Mantenha o nome exato ao comparar entradas e resultados; outras edições identificadas pelo nome podem ter especificações documentadas diferentes.
Capacidades do modelo
A entrada documentada inclui texto, imagens e vídeo, enquanto a saída é texto. O material visual pode ser uma página de documento, um gráfico, uma cena ou uma sequência de fotogramas. A pergunta escrita determina o que o modelo deve estabelecer a partir desse material. O resultado pode descrever elementos observáveis, explicar uma relação ou organizar conclusões em campos; este modelo não é uma edição de geração de imagens ou vídeo.
Para um gráfico, especifique a comparação em vez de pedir uma descrição geral. Forneça a imagem e pergunte qual das séries visíveis aumenta, o que significam os rótulos e quais as observações que sustentam a conclusão. Peça partes separadas para os dados diretamente visíveis e para a explicação. Num diagrama de processo, identifique as condições iniciais e finais e peça as ligações entre etapas, mantendo os rótulos originais.
Numa captura de ecrã, indique o objetivo do utilizador e peça os controlos visíveis e o próximo passo possível. Isto produz uma interpretação escrita da interface. Qualquer clique real, alteração de ficheiro ou ação externa continua a caber à aplicação envolvente; a compreensão visual, por si só, não constitui um processo de controlo do computador.
A ficha do produtor documenta saída estruturada, continuação a partir de um prefixo de resposta e cache de contexto. Estas funcionalidades podem ajudar a organizar análises visuais repetidas com um formato de saída estável. O envio em lote varia entre configurações do produtor, enquanto chamadas de funções, pesquisa na Web e afinação do modelo não constam como funcionalidades suportadas nesta ficha. Uma resposta de texto estruturada não deve, por isso, ser confundida com uma chamada de ferramenta executada ou uma pesquisa online.
Limites de contexto
A ficha identificada pelo nome indica uma janela de contexto de 131 072 tokens, uma entrada máxima de 129 024 tokens e uma saída máxima de 8 192 tokens. As entradas visuais e a tarefa escrita consomem em conjunto o volume de entrada disponível. A resposta tem um limite independente, pelo que uma grande coleção de material visual não implica uma saída igualmente grande.
Escolha imagens ou fotogramas que respondam à pergunta efetiva. Preserve a legenda do gráfico, os títulos das colunas ou os rótulos do diagrama necessários para interpretar uma área recortada. Ao comparar vários materiais, identifique a sua ordem e função: o desenho existente, o desenho revisto e o requisito de referência. Um resultado escrito útil pode listar elementos correspondentes, diferenças e perguntas que permanecem por resolver a partir dos elementos fornecidos.
Trabalhar com vídeo
A entrada de vídeo permite fazer perguntas sobre acontecimentos visíveis e a sua sequência. Pergunte o que muda entre fotogramas, que participantes interagem ou que condição visível aparece antes de outra. Defina a saída pretendida, como uma descrição ordenada dos acontecimentos com as observações que sustentam cada ponto. A ficha indica entrada de vídeo e saída de texto, não entrada de áudio nem saída de voz; uma pergunta sobre conteúdo falado exige que esse conteúdo seja disponibilizado separadamente.
Uma tarefa prática pode comparar um vídeo de demonstração com o seu procedimento escrito: forneça o material visual e os passos relevantes, pergunte quais dos passos são visivelmente representados e peça uma lista concisa de divergências. Especifique a que passo do procedimento corresponde cada observação e mantenha os passos pouco claros numa parte separada da resposta.
Limites relevantes da edição
O foco de Max no raciocínio visual é útil quando a tarefa depende da interpretação de relações e do cumprimento de uma instrução visual complexa. O resultado documentado é texto. Mantenha a entrada legível, indique a inferência de que precisa e distinga os elementos visíveis das conclusões que a tarefa pede ao modelo. Esta preparação transforma uma pergunta visual numa explicação ou comparação utilizável, em vez de um resumo da cena sem orientação.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen-vl-max | 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 $0.00046 / 1K tokens Saída · Tokens de saída $0.001144 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-vl-max', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-vl-max', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen-vl-max
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.