Qwen-VL-Plus je vizuálno-jazyková línia Qwen so zvláštnym zameraním na rozpoznávanie detailov a textu v obrázkoch. Tvorca opisuje podporu obrázkov s viac než miliónom pixelov a rôznymi pomermi strán. Model je preto vhodný, keď odpoveď závisí od malého označenia, poľa na strane alebo vzťahu medzi textovými a vizuálnymi prvkami, a nie iba od hlavného predmetu fotografie.
Aktuálna karta tvorcu opisuje názov qwen-vl-plus bez verzie ako funkčne rovnocenný s qwen-vl-plus-2025-08-15. Pri opakovateľnej úlohe zachovajte presný názov vydania. Označenie Plus, alias Latest a iná pevná snímka verzie s dátumom sú samostatné možnosti; zhodný názov rodiny neznamená, že ich špecifikácie sú zameniteľné.
Schopnosti modelu
Tvorca uvádza text, obrázky a video ako vstup a text ako výstup. Textový pokyn môže model viesť k prečítaniu časti dokumentu, opisu objektov, vysvetleniu rozloženia alebo odpovedi na otázku o scéne. Rozpoznávanie a vysvetľovanie sú súvisiace úlohy, ale potrebujú odlišné požiadavky na výstup: prepis má zachovať viditeľné znenie, zatiaľ čo vysvetlenie má uviesť, ako viditeľné detaily súvisia s otázkou.
Na extrakciu údajov z dokumentu poskytnite čitateľnú stranu a určte polia, ktoré má model vrátiť. Formulár môže vyžadovať označenia polí a ich hodnoty; tabuľka môže vyžadovať požadovaný riadok spolu s názvami stĺpcov. Ak hodnota nie je viditeľná, výslovne definujte spôsob zápisu chýbajúcej hodnoty. Táto ilustračná podoba výstupu pomáha aplikácii odlíšiť extrahovaný text od doplnenia na základe odhadu.
Pri kontrole rozloženia sa pýtajte na dôležité prvky: kde sa označenie nachádza, ku ktorému objektu patrí a ako sa líšia dve verzie. Každému obrázku priraďte úlohu a zachovajte rovnaké kritériá porovnania. Pri vysvetlení podľa snímky obrazovky uveďte cieľ používateľa a požiadajte o krátky pokyn vychádzajúci z viditeľných ovládacích prvkov. Odpoveď je text o rozhraní, nie vykonaná činnosť.
Tabuľky tvorcu zahŕňajú pokračovanie odpovede od zadaného začiatku a ukladanie kontextu do vyrovnávacej pamäte. Štruktúrovaný výstup, dávkové odosielanie a dodatočné dolaďovanie modelu nie sú sprístupnené rovnako vo všetkých konfiguráciách tvorcu; treba ich chápať ako možnosti rozhrania, nie ako bezpodmienečný dôsledok výberu názvu Plus. Volanie funkcií a vyhľadávanie na webe nie sú na tejto karte uvedené ako podporované. Požiadavka na formátovanie extrahovaných polí sa líši od požiadavky vykonať funkciu alebo získať nové informácie z webu.
Limity kontextu
Zverejnená karta uvádza kontextové okno 131 072 tokenov, maximálny vstup 129 024 tokenov a maximálny výstup 8 192 tokenov. Reprezentácia obrázka alebo videa využíva vstupnú kapacitu spolu s otázkou a podporným textom. Vizuálne podklady a odpoveď plánujte samostatne: dlhý alebo podrobný vstup môže stále vyžadovať iba krátky zoznam polí alebo pozorovaní.
Príprava vstupu
Dôraz tvorcu na detaily a rôzne proporcie neodstraňuje potrebu čitateľných podkladov. Oblasť s požadovaným textom ponechajte jasnú. Pri orezávaní tabuľky zachovajte názvy a jednotky potrebné na interpretáciu hodnôt; pri použití viacerých strán uveďte ich poradie a časť, ktorú treba preskúmať. Určte, či chcete pôvodné znenie, zhrnutie alebo interpretáciu, aby sa tieto výsledky nemiešali.
Pri videu definujte udalosť alebo viditeľný detail, ktorý treba opísať, a požadovanú štruktúru odpovede. Praktická úloha môže žiadať postupnosť činností v ukážke a objekty zapojené do každého kroku. Zdokumentovaný výstup je text; karta neuvádza zvuk ako vstup ani hovorenú reč ako výstup. Táto vizuálna cesta sa preto nemá používať ako dôkaz, že bol pochopený prepis hovoreného obsahu.
Užitočný opakovateľný postup je zadať rovnaké extrakčné polia viacerým obrázkom dokumentov, ponechať identifikátory obrázkov pri výsledkoch a následne porovnať získané záznamy v aplikácii. Ďalšou možnosťou je spojiť snímku obrazovky s písomnou požiadavkou a vyžiadať si viditeľné zhody, rozdiely a nevyriešené detaily. V oboch prípadoch zachovajte spojenie zdrojového obrázka s každou vrátenou hodnotou, aby sa výsledok dal skontrolovať.
", "aboutText": "Qwen-VL-Plus je vizuálno-jazyková línia Qwen so zvláštnym zameraním na rozpoznávanie detailov a textu v obrázkoch. Tvorca opisuje podporu obrázkov s viac než miliónom pixelov a rôznymi pomermi strán. Model je preto vhodný, keď odpoveď závisí od malého označenia, poľa na strane alebo vzťahu medzi textovými a vizuálnymi prvkami, a nie iba od hlavného predmetu fotografie.\n\nAktuálna karta tvorcu opisuje názov qwen-vl-plus bez verzie ako funkčne rovnocenný s qwen-vl-plus-2025-08-15. Pri opakovateľnej úlohe zachovajte presný názov vydania. Označenie Plus, alias Latest a iná pevná snímka verzie s dátumom sú samostatné možnosti; zhodný názov rodiny neznamená, že ich špecifikácie sú zameniteľné.\n\nSchopnosti modelu\n\nTvorca uvádza text, obrázky a video ako vstup a text ako výstup. Textový pokyn môže model viesť k prečítaniu časti dokumentu, opisu objektov, vysvetleniu rozloženia alebo odpovedi na otázku o scéne. Rozpoznávanie a vysvetľovanie sú súvisiace úlohy, ale potrebujú odlišné požiadavky na výstup: prepis má zachovať viditeľné znenie, zatiaľ čo vysvetlenie má uviesť, ako viditeľné detaily súvisia s otázkou.\n\nNa extrakciu údajov z dokumentu poskytnite čitateľnú stranu a určte polia, ktoré má model vrátiť. Formulár môže vyžadovať označenia polí a ich hodnoty; tabuľka môže vyžadovať požadovaný riadok spolu s názvami stĺpcov. Ak hodnota nie je viditeľná, výslovne definujte spôsob zápisu chýbajúcej hodnoty. Táto ilustračná podoba výstupu pomáha aplikácii odlíšiť extrahovaný text od doplnenia na základe odhadu.\n\nPri kontrole rozloženia sa pýtajte na dôležité prvky: kde sa označenie nachádza, ku ktorému objektu patrí a ako sa líšia dve verzie. Každému obrázku priraďte úlohu a zachovajte rovnaké kritériá porovnania. Pri vysvetlení podľa snímky obrazovky uveďte cieľ používateľa a požiadajte o krátky pokyn vychádzajúci z viditeľných ovládacích prvkov. Odpoveď je text o rozhraní, nie vykonaná činnosť.\n\nTabuľky tvorcu zahŕňajú pokračovanie odpovede od zadaného začiatku a ukladanie kontextu do vyrovnávacej pamäte. Štruktúrovaný výstup, dávkové odosielanie a dodatočné dolaďovanie modelu nie sú sprístupnené rovnako vo všetkých konfiguráciách tvorcu; treba ich chápať ako možnosti rozhrania, nie ako bezpodmienečný dôsledok výberu názvu Plus. Volanie funkcií a vyhľadávanie na webe nie sú na tejto karte uvedené ako podporované. Požiadavka na formátovanie extrahovaných polí sa líši od požiadavky vykonať funkciu alebo získať nové informácie z webu.\n\nLimity kontextu\n\nZverejnená karta uvádza kontextové okno 131 072 tokenov, maximálny vstup 129 024 tokenov a maximálny výstup 8 192 tokenov. Reprezentácia obrázka alebo videa využíva vstupnú kapacitu spolu s otázkou a podporným textom. Vizuálne podklady a odpoveď plánujte samostatne: dlhý alebo podrobný vstup môže stále vyžadovať iba krátky zoznam polí alebo pozorovaní.\n\nPríprava vstupu\n\nDôraz tvorcu na detaily a rôzne proporcie neodstraňuje potrebu čitateľných podkladov. Oblasť s požadovaným textom ponechajte jasnú. Pri orezávaní tabuľky zachovajte názvy a jednotky potrebné na interpretáciu hodnôt; pri použití viacerých strán uveďte ich poradie a časť, ktorú treba preskúmať. Určte, či chcete pôvodné znenie, zhrnutie alebo interpretáciu, aby sa tieto výsledky nemiešali.\n\nPri videu definujte udalosť alebo viditeľný detail, ktorý treba opísať, a požadovanú štruktúru odpovede. Praktická úloha môže žiadať postupnosť činností v ukážke a objekty zapojené do každého kroku. Zdokumentovaný výstup je text; karta neuvádza zvuk ako vstup ani hovorenú reč ako výstup. Táto vizuálna cesta sa preto nemá používať ako dôkaz, že bol pochopený prepis hovoreného obsahu.\n\nUžitočný opakovateľný postup je zadať rovnaké extrakčné polia viacerým obrázkom dokumentov, ponechať identifikátory obrázkov pri výsledkoch a následne porovnať získané záznamy v aplikácii. Ďalšou možnosťou je spojiť snímku obrazovky s písomnou požiadavkou a vyžiadať si viditeľné zhody, rozdiely a nevyriešené detaily. V oboch prípadoch zachovajte spojenie zdrojového obrázka s každou vrátenou hodnotou, aby sa výsledok dal skontrolovať.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
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 číta text a detaily v obrázkoch a spája ich s písomnou otázkou. Tvorca dokumentuje vstup obrázkov a videa, textový výstup, obrázky vo vysokom rozlíšení a rôzne pomery strán na extrakciu údajov z dokumentov, vizuálne porovnávanie a vysvetľovanie scén.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen-VL-Plus je vizuálno-jazyková línia Qwen so zvláštnym zameraním na rozpoznávanie detailov a textu v obrázkoch. Tvorca opisuje podporu obrázkov s viac než miliónom pixelov a rôznymi pomermi strán. Model je preto vhodný, keď odpoveď závisí od malého označenia, poľa na strane alebo vzťahu medzi textovými a vizuálnymi prvkami, a nie iba od hlavného predmetu fotografie.
Aktuálna karta tvorcu opisuje názov qwen-vl-plus bez verzie ako funkčne rovnocenný s qwen-vl-plus-2025-08-15. Pri opakovateľnej úlohe zachovajte presný názov vydania. Označenie Plus, alias Latest a iná pevná snímka verzie s dátumom sú samostatné možnosti; zhodný názov rodiny neznamená, že ich špecifikácie sú zameniteľné.
Schopnosti modelu
Tvorca uvádza text, obrázky a video ako vstup a text ako výstup. Textový pokyn môže model viesť k prečítaniu časti dokumentu, opisu objektov, vysvetleniu rozloženia alebo odpovedi na otázku o scéne. Rozpoznávanie a vysvetľovanie sú súvisiace úlohy, ale potrebujú odlišné požiadavky na výstup: prepis má zachovať viditeľné znenie, zatiaľ čo vysvetlenie má uviesť, ako viditeľné detaily súvisia s otázkou.
Na extrakciu údajov z dokumentu poskytnite čitateľnú stranu a určte polia, ktoré má model vrátiť. Formulár môže vyžadovať označenia polí a ich hodnoty; tabuľka môže vyžadovať požadovaný riadok spolu s názvami stĺpcov. Ak hodnota nie je viditeľná, výslovne definujte spôsob zápisu chýbajúcej hodnoty. Táto ilustračná podoba výstupu pomáha aplikácii odlíšiť extrahovaný text od doplnenia na základe odhadu.
Pri kontrole rozloženia sa pýtajte na dôležité prvky: kde sa označenie nachádza, ku ktorému objektu patrí a ako sa líšia dve verzie. Každému obrázku priraďte úlohu a zachovajte rovnaké kritériá porovnania. Pri vysvetlení podľa snímky obrazovky uveďte cieľ používateľa a požiadajte o krátky pokyn vychádzajúci z viditeľných ovládacích prvkov. Odpoveď je text o rozhraní, nie vykonaná činnosť.
Tabuľky tvorcu zahŕňajú pokračovanie odpovede od zadaného začiatku a ukladanie kontextu do vyrovnávacej pamäte. Štruktúrovaný výstup, dávkové odosielanie a dodatočné dolaďovanie modelu nie sú sprístupnené rovnako vo všetkých konfiguráciách tvorcu; treba ich chápať ako možnosti rozhrania, nie ako bezpodmienečný dôsledok výberu názvu Plus. Volanie funkcií a vyhľadávanie na webe nie sú na tejto karte uvedené ako podporované. Požiadavka na formátovanie extrahovaných polí sa líši od požiadavky vykonať funkciu alebo získať nové informácie z webu.
Limity kontextu
Zverejnená karta uvádza kontextové okno 131 072 tokenov, maximálny vstup 129 024 tokenov a maximálny výstup 8 192 tokenov. Reprezentácia obrázka alebo videa využíva vstupnú kapacitu spolu s otázkou a podporným textom. Vizuálne podklady a odpoveď plánujte samostatne: dlhý alebo podrobný vstup môže stále vyžadovať iba krátky zoznam polí alebo pozorovaní.
Príprava vstupu
Dôraz tvorcu na detaily a rôzne proporcie neodstraňuje potrebu čitateľných podkladov. Oblasť s požadovaným textom ponechajte jasnú. Pri orezávaní tabuľky zachovajte názvy a jednotky potrebné na interpretáciu hodnôt; pri použití viacerých strán uveďte ich poradie a časť, ktorú treba preskúmať. Určte, či chcete pôvodné znenie, zhrnutie alebo interpretáciu, aby sa tieto výsledky nemiešali.
Pri videu definujte udalosť alebo viditeľný detail, ktorý treba opísať, a požadovanú štruktúru odpovede. Praktická úloha môže žiadať postupnosť činností v ukážke a objekty zapojené do každého kroku. Zdokumentovaný výstup je text; karta neuvádza zvuk ako vstup ani hovorenú reč ako výstup. Táto vizuálna cesta sa preto nemá používať ako dôkaz, že bol pochopený prepis hovoreného obsahu.
Užitočný opakovateľný postup je zadať rovnaké extrakčné polia viacerým obrázkom dokumentov, ponechať identifikátory obrázkov pri výsledkoch a následne porovnať získané záznamy v aplikácii. Ďalšou možnosťou je spojiť snímku obrazovky s písomnou požiadavkou a vyžiadať si viditeľné zhody, rozdiely a nevyriešené detaily. V oboch prípadoch zachovajte spojenie zdrojového obrázka s každou vrátenou hodnotou, aby sa výsledok dal skontrolovať.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-vl-plus | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.00024 / 1K tokenov Výstup · Výstupné tokeny $0.000572 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen-vl-plus
Použite cesty metód uvedené vyššie.
qwen-vl-plusQwen-VL-Plus číta text a detaily v obrázkoch a spája ich s písomnou otázkou. Tvorca dokumentuje vstup obrázkov a videa, textový výstup, obrázky vo vysokom rozlíšení a rôzne pomery strán na extrakciu údajov z dokumentov, vizuálne porovnávanie a vysvetľovanie scén.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen-VL-Plus je vizuálno-jazyková línia Qwen so zvláštnym zameraním na rozpoznávanie detailov a textu v obrázkoch. Tvorca opisuje podporu obrázkov s viac než miliónom pixelov a rôznymi pomermi strán. Model je preto vhodný, keď odpoveď závisí od malého označenia, poľa na strane alebo vzťahu medzi textovými a vizuálnymi prvkami, a nie iba od hlavného predmetu fotografie.
Aktuálna karta tvorcu opisuje názov qwen-vl-plus bez verzie ako funkčne rovnocenný s qwen-vl-plus-2025-08-15. Pri opakovateľnej úlohe zachovajte presný názov vydania. Označenie Plus, alias Latest a iná pevná snímka verzie s dátumom sú samostatné možnosti; zhodný názov rodiny neznamená, že ich špecifikácie sú zameniteľné.
Schopnosti modelu
Tvorca uvádza text, obrázky a video ako vstup a text ako výstup. Textový pokyn môže model viesť k prečítaniu časti dokumentu, opisu objektov, vysvetleniu rozloženia alebo odpovedi na otázku o scéne. Rozpoznávanie a vysvetľovanie sú súvisiace úlohy, ale potrebujú odlišné požiadavky na výstup: prepis má zachovať viditeľné znenie, zatiaľ čo vysvetlenie má uviesť, ako viditeľné detaily súvisia s otázkou.
Na extrakciu údajov z dokumentu poskytnite čitateľnú stranu a určte polia, ktoré má model vrátiť. Formulár môže vyžadovať označenia polí a ich hodnoty; tabuľka môže vyžadovať požadovaný riadok spolu s názvami stĺpcov. Ak hodnota nie je viditeľná, výslovne definujte spôsob zápisu chýbajúcej hodnoty. Táto ilustračná podoba výstupu pomáha aplikácii odlíšiť extrahovaný text od doplnenia na základe odhadu.
Pri kontrole rozloženia sa pýtajte na dôležité prvky: kde sa označenie nachádza, ku ktorému objektu patrí a ako sa líšia dve verzie. Každému obrázku priraďte úlohu a zachovajte rovnaké kritériá porovnania. Pri vysvetlení podľa snímky obrazovky uveďte cieľ používateľa a požiadajte o krátky pokyn vychádzajúci z viditeľných ovládacích prvkov. Odpoveď je text o rozhraní, nie vykonaná činnosť.
Tabuľky tvorcu zahŕňajú pokračovanie odpovede od zadaného začiatku a ukladanie kontextu do vyrovnávacej pamäte. Štruktúrovaný výstup, dávkové odosielanie a dodatočné dolaďovanie modelu nie sú sprístupnené rovnako vo všetkých konfiguráciách tvorcu; treba ich chápať ako možnosti rozhrania, nie ako bezpodmienečný dôsledok výberu názvu Plus. Volanie funkcií a vyhľadávanie na webe nie sú na tejto karte uvedené ako podporované. Požiadavka na formátovanie extrahovaných polí sa líši od požiadavky vykonať funkciu alebo získať nové informácie z webu.
Limity kontextu
Zverejnená karta uvádza kontextové okno 131 072 tokenov, maximálny vstup 129 024 tokenov a maximálny výstup 8 192 tokenov. Reprezentácia obrázka alebo videa využíva vstupnú kapacitu spolu s otázkou a podporným textom. Vizuálne podklady a odpoveď plánujte samostatne: dlhý alebo podrobný vstup môže stále vyžadovať iba krátky zoznam polí alebo pozorovaní.
Príprava vstupu
Dôraz tvorcu na detaily a rôzne proporcie neodstraňuje potrebu čitateľných podkladov. Oblasť s požadovaným textom ponechajte jasnú. Pri orezávaní tabuľky zachovajte názvy a jednotky potrebné na interpretáciu hodnôt; pri použití viacerých strán uveďte ich poradie a časť, ktorú treba preskúmať. Určte, či chcete pôvodné znenie, zhrnutie alebo interpretáciu, aby sa tieto výsledky nemiešali.
Pri videu definujte udalosť alebo viditeľný detail, ktorý treba opísať, a požadovanú štruktúru odpovede. Praktická úloha môže žiadať postupnosť činností v ukážke a objekty zapojené do každého kroku. Zdokumentovaný výstup je text; karta neuvádza zvuk ako vstup ani hovorenú reč ako výstup. Táto vizuálna cesta sa preto nemá používať ako dôkaz, že bol pochopený prepis hovoreného obsahu.
Užitočný opakovateľný postup je zadať rovnaké extrakčné polia viacerým obrázkom dokumentov, ponechať identifikátory obrázkov pri výsledkoch a následne porovnať získané záznamy v aplikácii. Ďalšou možnosťou je spojiť snímku obrazovky s písomnou požiadavkou a vyžiadať si viditeľné zhody, rozdiely a nevyriešené detaily. V oboch prípadoch zachovajte spojenie zdrojového obrázka s každou vrátenou hodnotou, aby sa výsledok dal skontrolovať.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-vl-plus | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.00024 / 1K tokenov Výstup · Výstupné tokeny $0.000572 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra qwen-vl-plus
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
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.