Qwen-VL-Max — визуально-языковая линейка Qwen для вопросов, требующих большего, чем распознавание объекта. Производитель делает акцент на визуальном рассуждении и выполнении инструкций: сопоставить видимые свидетельства с условиями пользователя, объяснить взаимосвязи и подготовить текстовый результат для более сложной визуальной задачи. По сравнению с линейкой Plus это описание сильнее подчёркивает рассуждение и интерпретацию.
Текущая карточка производителя связывает имя без версии qwen-vl-max с qwen-vl-max-2025-08-13. Обновляемое имя следует за новыми версиями, а имя с датой обозначает конкретный снимок модели. При сравнении входных данных и результатов сохраняйте точное имя: другие именованные версии могут иметь иные документированные характеристики.
Возможности модели
Документированный ввод включает текст, изображения и видео; вывод — текст. Визуальным материалом может быть страница документа, график, сцена или последовательность кадров. Текстовый вопрос определяет, что модель должна установить по этому материалу. Результат может описывать свидетельства, объяснять взаимосвязь или распределять выводы по полям; эта версия не генерирует изображения или видео.
Для графика задайте конкретное сравнение вместо просьбы дать общее описание. Передайте изображение и спросите, какой видимый ряд растёт, что означают подписи и какие наблюдения подтверждают вывод. Попросите отдельно представить непосредственно видимые данные и объяснение. Для схемы процесса обозначьте начальные и конечные условия и запросите связи между этапами, сохранив исходные подписи.
Для скриншота укажите цель пользователя и запросите видимые элементы управления и следующий возможный шаг. Результатом будет письменная интерпретация интерфейса. Фактическое нажатие, изменение файла или внешнее действие выполняет окружающее приложение: само понимание изображения не составляет процесс управления компьютером.
Карточка производителя описывает структурированный вывод, продолжение ответа по заданному префиксу и кеширование контекста. Эти возможности помогают организовать повторный визуальный анализ с постоянной структурой результата. Поддержка пакетной отправки различается между конфигурациями производителя, а вызов функций, веб-поиск и дообучение в этой карточке не указаны как поддерживаемые. Поэтому структурированный текстовый ответ нельзя путать с выполненным вызовом инструмента или поиском в интернете.
Ограничения контекста
В именованной карточке указаны окно контекста 131 072 токена, максимальный ввод 129 024 токена и максимальный вывод 8 192 токена. Визуальные входные данные и текст задания совместно расходуют доступный бюджет ввода. Ответ ограничен отдельно, поэтому большой объём визуальных материалов не означает столь же большой вывод.
Выбирайте изображения или кадры, отвечающие на конкретный вопрос. Сохраняйте легенду графика, заголовки столбцов или подписи схемы, необходимые для интерпретации обрезанного участка. При сравнении нескольких материалов обозначьте их порядок и роль: существующий дизайн, изменённый дизайн и эталонное требование. Полезный письменный результат может перечислять совпадающие элементы, различия и вопросы, которые остаются нерешёнными на основании переданных свидетельств.
Работа с видео
Видеоввод позволяет задавать вопросы о видимых событиях и их последовательности. Спросите, что меняется между кадрами, какие участники взаимодействуют или какое видимое условие возникает раньше другого. Задайте требуемый результат, например последовательное описание событий с наблюдениями, подтверждающими каждый пункт. Карточка указывает видеоввод и текстовый вывод, а не аудиоввод или речевой вывод: для вопроса о произнесённом содержании его нужно предоставить отдельно.
Практическая задача — сравнить демонстрационный ролик с письменной процедурой: передайте визуальные материалы и соответствующие шаги, спросите, какие шаги видны, и запросите краткий список несоответствий. Укажите, к какому шагу процедуры относится каждое наблюдение, и вынесите неясные шаги в отдельную часть ответа.
Существенные ограничения версии
Акцент Max на визуальном рассуждении полезен, когда задача требует интерпретации взаимосвязей и выполнения сложной визуальной инструкции. Документированный результат модели — текст. Сделайте входные материалы читаемыми, назовите нужный вывод и отделите видимые свидетельства от заключений, которые модель должна сформулировать по заданию. Такая подготовка превращает визуальный вопрос в полезное объяснение или сравнение вместо общего описания сцены без заданной цели.
", "aboutText": "Qwen-VL-Max — визуально-языковая линейка Qwen для вопросов, требующих большего, чем распознавание объекта. Производитель делает акцент на визуальном рассуждении и выполнении инструкций: сопоставить видимые свидетельства с условиями пользователя, объяснить взаимосвязи и подготовить текстовый результат для более сложной визуальной задачи. По сравнению с линейкой Plus это описание сильнее подчёркивает рассуждение и интерпретацию.\n\nТекущая карточка производителя связывает имя без версии qwen-vl-max с qwen-vl-max-2025-08-13. Обновляемое имя следует за новыми версиями, а имя с датой обозначает конкретный снимок модели. При сравнении входных данных и результатов сохраняйте точное имя: другие именованные версии могут иметь иные документированные характеристики.\n\nВозможности модели\n\nДокументированный ввод включает текст, изображения и видео; вывод — текст. Визуальным материалом может быть страница документа, график, сцена или последовательность кадров. Текстовый вопрос определяет, что модель должна установить по этому материалу. Результат может описывать свидетельства, объяснять взаимосвязь или распределять выводы по полям; эта версия не генерирует изображения или видео.\n\nДля графика задайте конкретное сравнение вместо просьбы дать общее описание. Передайте изображение и спросите, какой видимый ряд растёт, что означают подписи и какие наблюдения подтверждают вывод. Попросите отдельно представить непосредственно видимые данные и объяснение. Для схемы процесса обозначьте начальные и конечные условия и запросите связи между этапами, сохранив исходные подписи.\n\nДля скриншота укажите цель пользователя и запросите видимые элементы управления и следующий возможный шаг. Результатом будет письменная интерпретация интерфейса. Фактическое нажатие, изменение файла или внешнее действие выполняет окружающее приложение: само понимание изображения не составляет процесс управления компьютером.\n\nКарточка производителя описывает структурированный вывод, продолжение ответа по заданному префиксу и кеширование контекста. Эти возможности помогают организовать повторный визуальный анализ с постоянной структурой результата. Поддержка пакетной отправки различается между конфигурациями производителя, а вызов функций, веб-поиск и дообучение в этой карточке не указаны как поддерживаемые. Поэтому структурированный текстовый ответ нельзя путать с выполненным вызовом инструмента или поиском в интернете.\n\nОграничения контекста\n\nВ именованной карточке указаны окно контекста 131 072 токена, максимальный ввод 129 024 токена и максимальный вывод 8 192 токена. Визуальные входные данные и текст задания совместно расходуют доступный бюджет ввода. Ответ ограничен отдельно, поэтому большой объём визуальных материалов не означает столь же большой вывод.\n\nВыбирайте изображения или кадры, отвечающие на конкретный вопрос. Сохраняйте легенду графика, заголовки столбцов или подписи схемы, необходимые для интерпретации обрезанного участка. При сравнении нескольких материалов обозначьте их порядок и роль: существующий дизайн, изменённый дизайн и эталонное требование. Полезный письменный результат может перечислять совпадающие элементы, различия и вопросы, которые остаются нерешёнными на основании переданных свидетельств.\n\nРабота с видео\n\nВидеоввод позволяет задавать вопросы о видимых событиях и их последовательности. Спросите, что меняется между кадрами, какие участники взаимодействуют или какое видимое условие возникает раньше другого. Задайте требуемый результат, например последовательное описание событий с наблюдениями, подтверждающими каждый пункт. Карточка указывает видеоввод и текстовый вывод, а не аудиоввод или речевой вывод: для вопроса о произнесённом содержании его нужно предоставить отдельно.\n\nПрактическая задача — сравнить демонстрационный ролик с письменной процедурой: передайте визуальные материалы и соответствующие шаги, спросите, какие шаги видны, и запросите краткий список несоответствий. Укажите, к какому шагу процедуры относится каждое наблюдение, и вынесите неясные шаги в отдельную часть ответа.\n\nСущественные ограничения версии\n\nАкцент Max на визуальном рассуждении полезен, когда задача требует интерпретации взаимосвязей и выполнения сложной визуальной инструкции. Документированный результат модели — текст. Сделайте входные материалы читаемыми, назовите нужный вывод и отделите видимые свидетельства от заключений, которые модель должна сформулировать по заданию. Такая подготовка превращает визуальный вопрос в полезное объяснение или сравнение вместо общего описания сцены без заданной цели.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
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 объединяет текст, изображения и видео с визуальным рассуждением и выполнением инструкций. Модель возвращает текстовые объяснения или структурированные выводы и предназначена для сложных вопросов по визуальным материалам, анализа документов и взаимосвязей внутри сцены.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen-VL-Max — визуально-языковая линейка Qwen для вопросов, требующих большего, чем распознавание объекта. Производитель делает акцент на визуальном рассуждении и выполнении инструкций: сопоставить видимые свидетельства с условиями пользователя, объяснить взаимосвязи и подготовить текстовый результат для более сложной визуальной задачи. По сравнению с линейкой Plus это описание сильнее подчёркивает рассуждение и интерпретацию.
Текущая карточка производителя связывает имя без версии qwen-vl-max с qwen-vl-max-2025-08-13. Обновляемое имя следует за новыми версиями, а имя с датой обозначает конкретный снимок модели. При сравнении входных данных и результатов сохраняйте точное имя: другие именованные версии могут иметь иные документированные характеристики.
Возможности модели
Документированный ввод включает текст, изображения и видео; вывод — текст. Визуальным материалом может быть страница документа, график, сцена или последовательность кадров. Текстовый вопрос определяет, что модель должна установить по этому материалу. Результат может описывать свидетельства, объяснять взаимосвязь или распределять выводы по полям; эта версия не генерирует изображения или видео.
Для графика задайте конкретное сравнение вместо просьбы дать общее описание. Передайте изображение и спросите, какой видимый ряд растёт, что означают подписи и какие наблюдения подтверждают вывод. Попросите отдельно представить непосредственно видимые данные и объяснение. Для схемы процесса обозначьте начальные и конечные условия и запросите связи между этапами, сохранив исходные подписи.
Для скриншота укажите цель пользователя и запросите видимые элементы управления и следующий возможный шаг. Результатом будет письменная интерпретация интерфейса. Фактическое нажатие, изменение файла или внешнее действие выполняет окружающее приложение: само понимание изображения не составляет процесс управления компьютером.
Карточка производителя описывает структурированный вывод, продолжение ответа по заданному префиксу и кеширование контекста. Эти возможности помогают организовать повторный визуальный анализ с постоянной структурой результата. Поддержка пакетной отправки различается между конфигурациями производителя, а вызов функций, веб-поиск и дообучение в этой карточке не указаны как поддерживаемые. Поэтому структурированный текстовый ответ нельзя путать с выполненным вызовом инструмента или поиском в интернете.
Ограничения контекста
В именованной карточке указаны окно контекста 131 072 токена, максимальный ввод 129 024 токена и максимальный вывод 8 192 токена. Визуальные входные данные и текст задания совместно расходуют доступный бюджет ввода. Ответ ограничен отдельно, поэтому большой объём визуальных материалов не означает столь же большой вывод.
Выбирайте изображения или кадры, отвечающие на конкретный вопрос. Сохраняйте легенду графика, заголовки столбцов или подписи схемы, необходимые для интерпретации обрезанного участка. При сравнении нескольких материалов обозначьте их порядок и роль: существующий дизайн, изменённый дизайн и эталонное требование. Полезный письменный результат может перечислять совпадающие элементы, различия и вопросы, которые остаются нерешёнными на основании переданных свидетельств.
Работа с видео
Видеоввод позволяет задавать вопросы о видимых событиях и их последовательности. Спросите, что меняется между кадрами, какие участники взаимодействуют или какое видимое условие возникает раньше другого. Задайте требуемый результат, например последовательное описание событий с наблюдениями, подтверждающими каждый пункт. Карточка указывает видеоввод и текстовый вывод, а не аудиоввод или речевой вывод: для вопроса о произнесённом содержании его нужно предоставить отдельно.
Практическая задача — сравнить демонстрационный ролик с письменной процедурой: передайте визуальные материалы и соответствующие шаги, спросите, какие шаги видны, и запросите краткий список несоответствий. Укажите, к какому шагу процедуры относится каждое наблюдение, и вынесите неясные шаги в отдельную часть ответа.
Существенные ограничения версии
Акцент Max на визуальном рассуждении полезен, когда задача требует интерпретации взаимосвязей и выполнения сложной визуальной инструкции. Документированный результат модели — текст. Сделайте входные материалы читаемыми, назовите нужный вывод и отделите видимые свидетельства от заключений, которые модель должна сформулировать по заданию. Такая подготовка превращает визуальный вопрос в полезное объяснение или сравнение вместо общего описания сцены без заданной цели.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen-vl-max | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.00046 / 1K токенов Выход · Выходные токены $0.001144 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra qwen-vl-max
Используйте пути методов, указанные выше.
qwen-vl-maxQwen-VL-Max объединяет текст, изображения и видео с визуальным рассуждением и выполнением инструкций. Модель возвращает текстовые объяснения или структурированные выводы и предназначена для сложных вопросов по визуальным материалам, анализа документов и взаимосвязей внутри сцены.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen-VL-Max — визуально-языковая линейка Qwen для вопросов, требующих большего, чем распознавание объекта. Производитель делает акцент на визуальном рассуждении и выполнении инструкций: сопоставить видимые свидетельства с условиями пользователя, объяснить взаимосвязи и подготовить текстовый результат для более сложной визуальной задачи. По сравнению с линейкой Plus это описание сильнее подчёркивает рассуждение и интерпретацию.
Текущая карточка производителя связывает имя без версии qwen-vl-max с qwen-vl-max-2025-08-13. Обновляемое имя следует за новыми версиями, а имя с датой обозначает конкретный снимок модели. При сравнении входных данных и результатов сохраняйте точное имя: другие именованные версии могут иметь иные документированные характеристики.
Возможности модели
Документированный ввод включает текст, изображения и видео; вывод — текст. Визуальным материалом может быть страница документа, график, сцена или последовательность кадров. Текстовый вопрос определяет, что модель должна установить по этому материалу. Результат может описывать свидетельства, объяснять взаимосвязь или распределять выводы по полям; эта версия не генерирует изображения или видео.
Для графика задайте конкретное сравнение вместо просьбы дать общее описание. Передайте изображение и спросите, какой видимый ряд растёт, что означают подписи и какие наблюдения подтверждают вывод. Попросите отдельно представить непосредственно видимые данные и объяснение. Для схемы процесса обозначьте начальные и конечные условия и запросите связи между этапами, сохранив исходные подписи.
Для скриншота укажите цель пользователя и запросите видимые элементы управления и следующий возможный шаг. Результатом будет письменная интерпретация интерфейса. Фактическое нажатие, изменение файла или внешнее действие выполняет окружающее приложение: само понимание изображения не составляет процесс управления компьютером.
Карточка производителя описывает структурированный вывод, продолжение ответа по заданному префиксу и кеширование контекста. Эти возможности помогают организовать повторный визуальный анализ с постоянной структурой результата. Поддержка пакетной отправки различается между конфигурациями производителя, а вызов функций, веб-поиск и дообучение в этой карточке не указаны как поддерживаемые. Поэтому структурированный текстовый ответ нельзя путать с выполненным вызовом инструмента или поиском в интернете.
Ограничения контекста
В именованной карточке указаны окно контекста 131 072 токена, максимальный ввод 129 024 токена и максимальный вывод 8 192 токена. Визуальные входные данные и текст задания совместно расходуют доступный бюджет ввода. Ответ ограничен отдельно, поэтому большой объём визуальных материалов не означает столь же большой вывод.
Выбирайте изображения или кадры, отвечающие на конкретный вопрос. Сохраняйте легенду графика, заголовки столбцов или подписи схемы, необходимые для интерпретации обрезанного участка. При сравнении нескольких материалов обозначьте их порядок и роль: существующий дизайн, изменённый дизайн и эталонное требование. Полезный письменный результат может перечислять совпадающие элементы, различия и вопросы, которые остаются нерешёнными на основании переданных свидетельств.
Работа с видео
Видеоввод позволяет задавать вопросы о видимых событиях и их последовательности. Спросите, что меняется между кадрами, какие участники взаимодействуют или какое видимое условие возникает раньше другого. Задайте требуемый результат, например последовательное описание событий с наблюдениями, подтверждающими каждый пункт. Карточка указывает видеоввод и текстовый вывод, а не аудиоввод или речевой вывод: для вопроса о произнесённом содержании его нужно предоставить отдельно.
Практическая задача — сравнить демонстрационный ролик с письменной процедурой: передайте визуальные материалы и соответствующие шаги, спросите, какие шаги видны, и запросите краткий список несоответствий. Укажите, к какому шагу процедуры относится каждое наблюдение, и вынесите неясные шаги в отдельную часть ответа.
Существенные ограничения версии
Акцент Max на визуальном рассуждении полезен, когда задача требует интерпретации взаимосвязей и выполнения сложной визуальной инструкции. Документированный результат модели — текст. Сделайте входные материалы читаемыми, назовите нужный вывод и отделите видимые свидетельства от заключений, которые модель должна сформулировать по заданию. Такая подготовка превращает визуальный вопрос в полезное объяснение или сравнение вместо общего описания сцены без заданной цели.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen-vl-max | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.00046 / 1K токенов Выход · Выходные токены $0.001144 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra qwen-vl-max
Используйте пути методов, указанные выше.
Технический пример на английском
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.