Qwen-VL-Plus — визуально-языковая линейка Qwen, уделяющая особое внимание распознаванию деталей и текста внутри изображений. Производитель описывает поддержку изображений размером более миллиона пикселей и разных соотношений сторон. Модель подходит для задач, где ответ зависит от мелкой надписи, поля на странице или связи между текстовыми и визуальными элементами, а не только от объекта на фотографии.
В текущей карточке производителя имя без версии qwen-vl-plus описывается как функционально эквивалентное qwen-vl-plus-2025-08-15. В воспроизводимой задаче сохраняйте точное имя версии. Обозначение Plus, псевдоним Latest и другая датированная версия — отдельные варианты; совпадение названия семейства не делает их спецификации взаимозаменяемыми.
Возможности модели
Производитель указывает текст, изображения и видео как входные данные, а текст — как выходные. Текстовая инструкция может направить модель на чтение раздела документа, описание объектов, объяснение компоновки или ответ на вопрос о сцене. Распознавание и объяснение — связанные задачи, но требования к их результату различаются: транскрипция должна сохранять видимые формулировки, а объяснение — показывать, как видимые детали связаны с вопросом.
Для извлечения данных из документа предоставьте читаемую страницу и укажите поля, которые нужно вернуть. Для формы можно запросить названия полей и значения; для таблицы — нужную строку вместе с заголовками её столбцов. Если значение не видно, задайте явное представление отсутствующего значения. Такой пример организации вывода помогает приложению отличать извлечённый текст от предположительного заполнения.
При проверке компоновки спрашивайте о значимых элементах: где находится надпись, к какому объекту она относится и чем различаются две версии. Задайте роль каждому изображению и сохраняйте одинаковые критерии сравнения. Для объяснения по скриншоту укажите цель пользователя и запросите короткую инструкцию на основе видимых элементов управления. Ответ представляет собой текст об интерфейсе, а не выполненное действие.
В таблицах производителя указаны продолжение ответа с префикса и кеширование контекста. Структурированный вывод, пакетная отправка и дообучение представлены по-разному в конфигурациях производителя; их следует рассматривать как возможности интерфейса, а не безусловное следствие выбора имени Plus. Вызов функций и поиск в интернете в этой карточке не указаны как поддерживаемые. Просьба оформить извлечённые поля отличается от просьбы выполнить функцию или получить новую информацию из интернета.
Ограничения контекста
Опубликованная карточка указывает окно контекста 131 072 токена, максимум 129 024 токена на входе и максимум 8 192 токена на выходе. Представление изображения или видео использует входную ёмкость вместе с вопросом и вспомогательным текстом. Планируйте визуальные материалы и ответ отдельно: длинный или подробный ввод может требовать лишь короткого списка полей или наблюдений.
Подготовка входных данных
Акцент производителя на деталях и разных пропорциях не отменяет необходимости в читаемом материале. Область с нужным текстом должна оставаться чёткой. Обрезая таблицу, сохраняйте заголовки и единицы измерения, необходимые для понимания значений; при работе с несколькими страницами указывайте их порядок и раздел для изучения. Уточните, нужны ли исходные формулировки, краткое изложение или интерпретация, чтобы эти результаты не смешивались.
Для видео определите событие или видимую деталь, которую нужно описать, и желаемую структуру ответа. Практическая задача может запрашивать последовательность действий в демонстрации и объекты, участвующие в каждом шаге. Документированный результат — текст; карточка не указывает аудио как входные данные или речь как выходные. Поэтому этот визуальный способ работы не следует считать свидетельством понимания расшифровки устной речи.
Полезный воспроизводимый процесс — запрашивать одинаковые поля у нескольких изображений документов, сохранять идентификаторы изображений рядом с результатами, а затем сравнивать полученные записи в приложении. Другой вариант — объединить скриншот с письменным требованием и запросить видимые совпадения, различия и неясные детали. В обоих случаях сохраняйте исходное изображение в связи с каждым возвращённым значением, чтобы результат можно было проверить.
", "aboutText": "Qwen-VL-Plus — визуально-языковая линейка Qwen, уделяющая особое внимание распознаванию деталей и текста внутри изображений. Производитель описывает поддержку изображений размером более миллиона пикселей и разных соотношений сторон. Модель подходит для задач, где ответ зависит от мелкой надписи, поля на странице или связи между текстовыми и визуальными элементами, а не только от объекта на фотографии.\n\nВ текущей карточке производителя имя без версии qwen-vl-plus описывается как функционально эквивалентное qwen-vl-plus-2025-08-15. В воспроизводимой задаче сохраняйте точное имя версии. Обозначение Plus, псевдоним Latest и другая датированная версия — отдельные варианты; совпадение названия семейства не делает их спецификации взаимозаменяемыми.\n\nВозможности модели\n\nПроизводитель указывает текст, изображения и видео как входные данные, а текст — как выходные. Текстовая инструкция может направить модель на чтение раздела документа, описание объектов, объяснение компоновки или ответ на вопрос о сцене. Распознавание и объяснение — связанные задачи, но требования к их результату различаются: транскрипция должна сохранять видимые формулировки, а объяснение — показывать, как видимые детали связаны с вопросом.\n\nДля извлечения данных из документа предоставьте читаемую страницу и укажите поля, которые нужно вернуть. Для формы можно запросить названия полей и значения; для таблицы — нужную строку вместе с заголовками её столбцов. Если значение не видно, задайте явное представление отсутствующего значения. Такой пример организации вывода помогает приложению отличать извлечённый текст от предположительного заполнения.\n\nПри проверке компоновки спрашивайте о значимых элементах: где находится надпись, к какому объекту она относится и чем различаются две версии. Задайте роль каждому изображению и сохраняйте одинаковые критерии сравнения. Для объяснения по скриншоту укажите цель пользователя и запросите короткую инструкцию на основе видимых элементов управления. Ответ представляет собой текст об интерфейсе, а не выполненное действие.\n\nВ таблицах производителя указаны продолжение ответа с префикса и кеширование контекста. Структурированный вывод, пакетная отправка и дообучение представлены по-разному в конфигурациях производителя; их следует рассматривать как возможности интерфейса, а не безусловное следствие выбора имени Plus. Вызов функций и поиск в интернете в этой карточке не указаны как поддерживаемые. Просьба оформить извлечённые поля отличается от просьбы выполнить функцию или получить новую информацию из интернета.\n\nОграничения контекста\n\nОпубликованная карточка указывает окно контекста 131 072 токена, максимум 129 024 токена на входе и максимум 8 192 токена на выходе. Представление изображения или видео использует входную ёмкость вместе с вопросом и вспомогательным текстом. Планируйте визуальные материалы и ответ отдельно: длинный или подробный ввод может требовать лишь короткого списка полей или наблюдений.\n\nПодготовка входных данных\n\nАкцент производителя на деталях и разных пропорциях не отменяет необходимости в читаемом материале. Область с нужным текстом должна оставаться чёткой. Обрезая таблицу, сохраняйте заголовки и единицы измерения, необходимые для понимания значений; при работе с несколькими страницами указывайте их порядок и раздел для изучения. Уточните, нужны ли исходные формулировки, краткое изложение или интерпретация, чтобы эти результаты не смешивались.\n\nДля видео определите событие или видимую деталь, которую нужно описать, и желаемую структуру ответа. Практическая задача может запрашивать последовательность действий в демонстрации и объекты, участвующие в каждом шаге. Документированный результат — текст; карточка не указывает аудио как входные данные или речь как выходные. Поэтому этот визуальный способ работы не следует считать свидетельством понимания расшифровки устной речи.\n\nПолезный воспроизводимый процесс — запрашивать одинаковые поля у нескольких изображений документов, сохранять идентификаторы изображений рядом с результатами, а затем сравнивать полученные записи в приложении. Другой вариант — объединить скриншот с письменным требованием и запросить видимые совпадения, различия и неясные детали. В обоих случаях сохраняйте исходное изображение в связи с каждым возвращённым значением, чтобы результат можно было проверить.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.qwen-vl-plusQwen-VL-Plus читает текст и детали на изображениях и связывает их с письменным вопросом. Производитель описывает ввод изображений и видео, текстовый вывод, изображения высокого разрешения и разные соотношения сторон для извлечения данных из документов, визуального сравнения и объяснения сцены.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen-VL-Plus — визуально-языковая линейка Qwen, уделяющая особое внимание распознаванию деталей и текста внутри изображений. Производитель описывает поддержку изображений размером более миллиона пикселей и разных соотношений сторон. Модель подходит для задач, где ответ зависит от мелкой надписи, поля на странице или связи между текстовыми и визуальными элементами, а не только от объекта на фотографии.
В текущей карточке производителя имя без версии qwen-vl-plus описывается как функционально эквивалентное qwen-vl-plus-2025-08-15. В воспроизводимой задаче сохраняйте точное имя версии. Обозначение Plus, псевдоним Latest и другая датированная версия — отдельные варианты; совпадение названия семейства не делает их спецификации взаимозаменяемыми.
Возможности модели
Производитель указывает текст, изображения и видео как входные данные, а текст — как выходные. Текстовая инструкция может направить модель на чтение раздела документа, описание объектов, объяснение компоновки или ответ на вопрос о сцене. Распознавание и объяснение — связанные задачи, но требования к их результату различаются: транскрипция должна сохранять видимые формулировки, а объяснение — показывать, как видимые детали связаны с вопросом.
Для извлечения данных из документа предоставьте читаемую страницу и укажите поля, которые нужно вернуть. Для формы можно запросить названия полей и значения; для таблицы — нужную строку вместе с заголовками её столбцов. Если значение не видно, задайте явное представление отсутствующего значения. Такой пример организации вывода помогает приложению отличать извлечённый текст от предположительного заполнения.
При проверке компоновки спрашивайте о значимых элементах: где находится надпись, к какому объекту она относится и чем различаются две версии. Задайте роль каждому изображению и сохраняйте одинаковые критерии сравнения. Для объяснения по скриншоту укажите цель пользователя и запросите короткую инструкцию на основе видимых элементов управления. Ответ представляет собой текст об интерфейсе, а не выполненное действие.
В таблицах производителя указаны продолжение ответа с префикса и кеширование контекста. Структурированный вывод, пакетная отправка и дообучение представлены по-разному в конфигурациях производителя; их следует рассматривать как возможности интерфейса, а не безусловное следствие выбора имени Plus. Вызов функций и поиск в интернете в этой карточке не указаны как поддерживаемые. Просьба оформить извлечённые поля отличается от просьбы выполнить функцию или получить новую информацию из интернета.
Ограничения контекста
Опубликованная карточка указывает окно контекста 131 072 токена, максимум 129 024 токена на входе и максимум 8 192 токена на выходе. Представление изображения или видео использует входную ёмкость вместе с вопросом и вспомогательным текстом. Планируйте визуальные материалы и ответ отдельно: длинный или подробный ввод может требовать лишь короткого списка полей или наблюдений.
Подготовка входных данных
Акцент производителя на деталях и разных пропорциях не отменяет необходимости в читаемом материале. Область с нужным текстом должна оставаться чёткой. Обрезая таблицу, сохраняйте заголовки и единицы измерения, необходимые для понимания значений; при работе с несколькими страницами указывайте их порядок и раздел для изучения. Уточните, нужны ли исходные формулировки, краткое изложение или интерпретация, чтобы эти результаты не смешивались.
Для видео определите событие или видимую деталь, которую нужно описать, и желаемую структуру ответа. Практическая задача может запрашивать последовательность действий в демонстрации и объекты, участвующие в каждом шаге. Документированный результат — текст; карточка не указывает аудио как входные данные или речь как выходные. Поэтому этот визуальный способ работы не следует считать свидетельством понимания расшифровки устной речи.
Полезный воспроизводимый процесс — запрашивать одинаковые поля у нескольких изображений документов, сохранять идентификаторы изображений рядом с результатами, а затем сравнивать полученные записи в приложении. Другой вариант — объединить скриншот с письменным требованием и запросить видимые совпадения, различия и неясные детали. В обоих случаях сохраняйте исходное изображение в связи с каждым возвращённым значением, чтобы результат можно было проверить.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen-vl-plus | 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 $0.00024 / 1K токенов Выход · Выходные токены $0.000572 / 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-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-vl-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-vl-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-plus
Используйте пути методов, указанные выше.
qwen-vl-plusQwen-VL-Plus читает текст и детали на изображениях и связывает их с письменным вопросом. Производитель описывает ввод изображений и видео, текстовый вывод, изображения высокого разрешения и разные соотношения сторон для извлечения данных из документов, визуального сравнения и объяснения сцены.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Qwen-VL-Plus — визуально-языковая линейка Qwen, уделяющая особое внимание распознаванию деталей и текста внутри изображений. Производитель описывает поддержку изображений размером более миллиона пикселей и разных соотношений сторон. Модель подходит для задач, где ответ зависит от мелкой надписи, поля на странице или связи между текстовыми и визуальными элементами, а не только от объекта на фотографии.
В текущей карточке производителя имя без версии qwen-vl-plus описывается как функционально эквивалентное qwen-vl-plus-2025-08-15. В воспроизводимой задаче сохраняйте точное имя версии. Обозначение Plus, псевдоним Latest и другая датированная версия — отдельные варианты; совпадение названия семейства не делает их спецификации взаимозаменяемыми.
Возможности модели
Производитель указывает текст, изображения и видео как входные данные, а текст — как выходные. Текстовая инструкция может направить модель на чтение раздела документа, описание объектов, объяснение компоновки или ответ на вопрос о сцене. Распознавание и объяснение — связанные задачи, но требования к их результату различаются: транскрипция должна сохранять видимые формулировки, а объяснение — показывать, как видимые детали связаны с вопросом.
Для извлечения данных из документа предоставьте читаемую страницу и укажите поля, которые нужно вернуть. Для формы можно запросить названия полей и значения; для таблицы — нужную строку вместе с заголовками её столбцов. Если значение не видно, задайте явное представление отсутствующего значения. Такой пример организации вывода помогает приложению отличать извлечённый текст от предположительного заполнения.
При проверке компоновки спрашивайте о значимых элементах: где находится надпись, к какому объекту она относится и чем различаются две версии. Задайте роль каждому изображению и сохраняйте одинаковые критерии сравнения. Для объяснения по скриншоту укажите цель пользователя и запросите короткую инструкцию на основе видимых элементов управления. Ответ представляет собой текст об интерфейсе, а не выполненное действие.
В таблицах производителя указаны продолжение ответа с префикса и кеширование контекста. Структурированный вывод, пакетная отправка и дообучение представлены по-разному в конфигурациях производителя; их следует рассматривать как возможности интерфейса, а не безусловное следствие выбора имени Plus. Вызов функций и поиск в интернете в этой карточке не указаны как поддерживаемые. Просьба оформить извлечённые поля отличается от просьбы выполнить функцию или получить новую информацию из интернета.
Ограничения контекста
Опубликованная карточка указывает окно контекста 131 072 токена, максимум 129 024 токена на входе и максимум 8 192 токена на выходе. Представление изображения или видео использует входную ёмкость вместе с вопросом и вспомогательным текстом. Планируйте визуальные материалы и ответ отдельно: длинный или подробный ввод может требовать лишь короткого списка полей или наблюдений.
Подготовка входных данных
Акцент производителя на деталях и разных пропорциях не отменяет необходимости в читаемом материале. Область с нужным текстом должна оставаться чёткой. Обрезая таблицу, сохраняйте заголовки и единицы измерения, необходимые для понимания значений; при работе с несколькими страницами указывайте их порядок и раздел для изучения. Уточните, нужны ли исходные формулировки, краткое изложение или интерпретация, чтобы эти результаты не смешивались.
Для видео определите событие или видимую деталь, которую нужно описать, и желаемую структуру ответа. Практическая задача может запрашивать последовательность действий в демонстрации и объекты, участвующие в каждом шаге. Документированный результат — текст; карточка не указывает аудио как входные данные или речь как выходные. Поэтому этот визуальный способ работы не следует считать свидетельством понимания расшифровки устной речи.
Полезный воспроизводимый процесс — запрашивать одинаковые поля у нескольких изображений документов, сохранять идентификаторы изображений рядом с результатами, а затем сравнивать полученные записи в приложении. Другой вариант — объединить скриншот с письменным требованием и запросить видимые совпадения, различия и неясные детали. В обоих случаях сохраняйте исходное изображение в связи с каждым возвращённым значением, чтобы результат можно было проверить.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения qwen-vl-plus | 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 $0.00024 / 1K токенов Выход · Выходные токены $0.000572 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-vl-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-vl-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-plus
Используйте пути методов, указанные выше.
Технический пример на английском
Compare transcribed package labels\n\nCompare these package-label transcriptions using the same fields. Label A: Oat drink; 1 L; ingredients: water, oats, salt. Label B: Oat drink; 750 mL; ingredients: water, oats, sunflower oil, salt. Return product name, volume and ingredient differences. Preserve original units and do not infer nutrition values or visual layout.A label comparison table plus a short list of explicit wording and quantity differences.Check that sunflower oil is attributed only to Label B and the original L/mL units are retained.