Qwen-VL-Plus je vizualno-jezikovna serija Qwen s posebnim poudarkom na prepoznavanju podrobnosti in besedila v slikah. Proizvajalec opisuje podporo slikam z več kot milijonom slikovnih pik in različnim razmerjem stranic. Model je zato primeren za naloge, pri katerih je odgovor odvisen od majhne oznake, polja na strani ali povezave med besedilnimi in vizualnimi elementi, ne le od motiva fotografije.
Trenutna kartica proizvajalca opisuje ime qwen-vl-plus brez oznake različice kot funkcionalno enakovredno qwen-vl-plus-2025-08-15. Pri ponovljivi nalogi ohranite natančno ime izdaje. Oznaka Plus, vzdevek Latest in druga datirana različica so ločene izbire; ujemanje imena družine ne pomeni, da so njihove specifikacije medsebojno zamenljive.
Zmogljivosti modela
Proizvajalec navaja besedilo, slike in video kot vhod ter besedilo kot izhod. Besedilno navodilo lahko model usmeri v branje razdelka dokumenta, opis predmetov, pojasnitev postavitve ali odgovor na vprašanje o prizoru. Prepoznavanje in pojasnjevanje sta povezani nalogi, vendar potrebujeta različne zahteve za izhod: prepis mora ohraniti vidno besedilo, pojasnilo pa mora povedati, kako se vidne podrobnosti navezujejo na vprašanje.
Za izluščenje vsebine dokumentov predložite čitljivo stran in določite polja, ki jih mora model vrniti. Pri obrazcu lahko zahtevate oznake polj in njihove vrednosti; pri tabeli zahtevano vrstico skupaj z naslovi njenih stolpcev. Če vrednost ni vidna, izrecno določite, kako naj bo predstavljena manjkajoča vrednost. Takšna ponazoritvena zasnova izhoda pomaga aplikaciji razlikovati izluščeno besedilo od ugibanega dopolnjevanja.
Pri pregledu postavitve vprašajte o pomembnih elementih: kje je oznaka, kateremu predmetu pripada in kako se različici razlikujeta. Vsaki sliki določite vlogo in uporabite ista merila primerjave. Pri pojasnilu na podlagi posnetka zaslona navedite uporabnikov cilj in zahtevajte kratko navodilo na podlagi vidnih kontrolnikov. Odgovor je besedilo o vmesniku, ne izvedeno dejanje.
Tabele proizvajalca vključujejo nadaljevanje na podlagi predpone odgovora in predpomnjenje konteksta. Strukturirani izhod, paketno oddajanje in fino prilagajanje niso enako dostopni v vseh konfiguracijah proizvajalca; obravnavati jih je treba kot možnosti vmesnika, ne kot brezpogojno posledico izbire imena Plus. Klicanje funkcij in spletno iskanje na tej kartici nista navedena kot podprta. Zahteva za oblikovanje izluščenih polj se razlikuje od zahteve za izvedbo funkcije ali pridobitev novih informacij s spleta.
Omejitve konteksta
Objavljena kartica navaja kontekstno okno 131.072 žetonov, največji vhod 129.024 žetonov in največji izhod 8.192 žetonov. Predstavitev slike ali videa porablja vhodno kapaciteto skupaj z vprašanjem in podpornim besedilom. Vizualno gradivo in odgovor načrtujte ločeno: dolg ali podroben vhod lahko še vedno zahteva le kratek seznam polj ali opažanj.
Priprava vhoda
Proizvajalčev poudarek na podrobnostih in različnih razmerjih ne odpravlja potrebe po čitljivem gradivu. Območje z zahtevanim besedilom naj bo jasno. Pri izrezu tabele ohranite naslove in enote, potrebne za razumevanje vrednosti; pri več straneh navedite njihov vrstni red in razdelek za pregled. Povejte, ali želite izvirno besedilo, povzetek ali interpretacijo, da se ti rezultati ne pomešajo.
Pri videu določite dogodek ali vidno podrobnost za opis ter želeno strukturo odgovora. Praktična naloga lahko zahteva zaporedje dejanj v predstavitvi in predmete, vključene v vsak korak. Dokumentirani izhod je besedilo; kartica ne navaja zvoka kot vhoda ali govora kot izhoda. Te vizualne poti zato ne uporabljajte kot dokaz, da je bil razumljen prepis govora.
Uporaben ponovljiv potek dela je, da iste zahteve za izluščenje polj podate več slikam dokumentov, ob rezultatih ohranite identifikatorje slik in nato nastale zapise primerjate v aplikaciji. Drug potek je povezava posnetka zaslona s pisno zahtevo in vprašanje o vidnih ujemanjih, razlikah ter nerešenih podrobnostih. V obeh primerih povežite izvorno sliko z vsako vrnjeno vrednostjo, da bo rezultat mogoče pregledati.
", "aboutText": "Qwen-VL-Plus je vizualno-jezikovna serija Qwen s posebnim poudarkom na prepoznavanju podrobnosti in besedila v slikah. Proizvajalec opisuje podporo slikam z več kot milijonom slikovnih pik in različnim razmerjem stranic. Model je zato primeren za naloge, pri katerih je odgovor odvisen od majhne oznake, polja na strani ali povezave med besedilnimi in vizualnimi elementi, ne le od motiva fotografije.\n\nTrenutna kartica proizvajalca opisuje ime qwen-vl-plus brez oznake različice kot funkcionalno enakovredno qwen-vl-plus-2025-08-15. Pri ponovljivi nalogi ohranite natančno ime izdaje. Oznaka Plus, vzdevek Latest in druga datirana različica so ločene izbire; ujemanje imena družine ne pomeni, da so njihove specifikacije medsebojno zamenljive.\n\nZmogljivosti modela\n\nProizvajalec navaja besedilo, slike in video kot vhod ter besedilo kot izhod. Besedilno navodilo lahko model usmeri v branje razdelka dokumenta, opis predmetov, pojasnitev postavitve ali odgovor na vprašanje o prizoru. Prepoznavanje in pojasnjevanje sta povezani nalogi, vendar potrebujeta različne zahteve za izhod: prepis mora ohraniti vidno besedilo, pojasnilo pa mora povedati, kako se vidne podrobnosti navezujejo na vprašanje.\n\nZa izluščenje vsebine dokumentov predložite čitljivo stran in določite polja, ki jih mora model vrniti. Pri obrazcu lahko zahtevate oznake polj in njihove vrednosti; pri tabeli zahtevano vrstico skupaj z naslovi njenih stolpcev. Če vrednost ni vidna, izrecno določite, kako naj bo predstavljena manjkajoča vrednost. Takšna ponazoritvena zasnova izhoda pomaga aplikaciji razlikovati izluščeno besedilo od ugibanega dopolnjevanja.\n\nPri pregledu postavitve vprašajte o pomembnih elementih: kje je oznaka, kateremu predmetu pripada in kako se različici razlikujeta. Vsaki sliki določite vlogo in uporabite ista merila primerjave. Pri pojasnilu na podlagi posnetka zaslona navedite uporabnikov cilj in zahtevajte kratko navodilo na podlagi vidnih kontrolnikov. Odgovor je besedilo o vmesniku, ne izvedeno dejanje.\n\nTabele proizvajalca vključujejo nadaljevanje na podlagi predpone odgovora in predpomnjenje konteksta. Strukturirani izhod, paketno oddajanje in fino prilagajanje niso enako dostopni v vseh konfiguracijah proizvajalca; obravnavati jih je treba kot možnosti vmesnika, ne kot brezpogojno posledico izbire imena Plus. Klicanje funkcij in spletno iskanje na tej kartici nista navedena kot podprta. Zahteva za oblikovanje izluščenih polj se razlikuje od zahteve za izvedbo funkcije ali pridobitev novih informacij s spleta.\n\nOmejitve konteksta\n\nObjavljena kartica navaja kontekstno okno 131.072 žetonov, največji vhod 129.024 žetonov in največji izhod 8.192 žetonov. Predstavitev slike ali videa porablja vhodno kapaciteto skupaj z vprašanjem in podpornim besedilom. Vizualno gradivo in odgovor načrtujte ločeno: dolg ali podroben vhod lahko še vedno zahteva le kratek seznam polj ali opažanj.\n\nPriprava vhoda\n\nProizvajalčev poudarek na podrobnostih in različnih razmerjih ne odpravlja potrebe po čitljivem gradivu. Območje z zahtevanim besedilom naj bo jasno. Pri izrezu tabele ohranite naslove in enote, potrebne za razumevanje vrednosti; pri več straneh navedite njihov vrstni red in razdelek za pregled. Povejte, ali želite izvirno besedilo, povzetek ali interpretacijo, da se ti rezultati ne pomešajo.\n\nPri videu določite dogodek ali vidno podrobnost za opis ter želeno strukturo odgovora. Praktična naloga lahko zahteva zaporedje dejanj v predstavitvi in predmete, vključene v vsak korak. Dokumentirani izhod je besedilo; kartica ne navaja zvoka kot vhoda ali govora kot izhoda. Te vizualne poti zato ne uporabljajte kot dokaz, da je bil razumljen prepis govora.\n\nUporaben ponovljiv potek dela je, da iste zahteve za izluščenje polj podate več slikam dokumentov, ob rezultatih ohranite identifikatorje slik in nato nastale zapise primerjate v aplikaciji. Drug potek je povezava posnetka zaslona s pisno zahtevo in vprašanje o vidnih ujemanjih, razlikah ter nerešenih podrobnostih. V obeh primerih povežite izvorno sliko z vsako vrnjeno vrednostjo, da bo rezultat mogoče pregledati.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
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 bere besedilo in podrobnosti na slikah ter jih povezuje s pisnim vprašanjem. Dokumentacija proizvajalca navaja slike in video kot vhod, besedilo kot izhod ter podporo visokoločljivim slikam in različnim razmerjem stranic za izluščenje vsebine dokumentov, vizualno primerjavo in pojasnjevanje prizorov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen-VL-Plus je vizualno-jezikovna serija Qwen s posebnim poudarkom na prepoznavanju podrobnosti in besedila v slikah. Proizvajalec opisuje podporo slikam z več kot milijonom slikovnih pik in različnim razmerjem stranic. Model je zato primeren za naloge, pri katerih je odgovor odvisen od majhne oznake, polja na strani ali povezave med besedilnimi in vizualnimi elementi, ne le od motiva fotografije.
Trenutna kartica proizvajalca opisuje ime qwen-vl-plus brez oznake različice kot funkcionalno enakovredno qwen-vl-plus-2025-08-15. Pri ponovljivi nalogi ohranite natančno ime izdaje. Oznaka Plus, vzdevek Latest in druga datirana različica so ločene izbire; ujemanje imena družine ne pomeni, da so njihove specifikacije medsebojno zamenljive.
Zmogljivosti modela
Proizvajalec navaja besedilo, slike in video kot vhod ter besedilo kot izhod. Besedilno navodilo lahko model usmeri v branje razdelka dokumenta, opis predmetov, pojasnitev postavitve ali odgovor na vprašanje o prizoru. Prepoznavanje in pojasnjevanje sta povezani nalogi, vendar potrebujeta različne zahteve za izhod: prepis mora ohraniti vidno besedilo, pojasnilo pa mora povedati, kako se vidne podrobnosti navezujejo na vprašanje.
Za izluščenje vsebine dokumentov predložite čitljivo stran in določite polja, ki jih mora model vrniti. Pri obrazcu lahko zahtevate oznake polj in njihove vrednosti; pri tabeli zahtevano vrstico skupaj z naslovi njenih stolpcev. Če vrednost ni vidna, izrecno določite, kako naj bo predstavljena manjkajoča vrednost. Takšna ponazoritvena zasnova izhoda pomaga aplikaciji razlikovati izluščeno besedilo od ugibanega dopolnjevanja.
Pri pregledu postavitve vprašajte o pomembnih elementih: kje je oznaka, kateremu predmetu pripada in kako se različici razlikujeta. Vsaki sliki določite vlogo in uporabite ista merila primerjave. Pri pojasnilu na podlagi posnetka zaslona navedite uporabnikov cilj in zahtevajte kratko navodilo na podlagi vidnih kontrolnikov. Odgovor je besedilo o vmesniku, ne izvedeno dejanje.
Tabele proizvajalca vključujejo nadaljevanje na podlagi predpone odgovora in predpomnjenje konteksta. Strukturirani izhod, paketno oddajanje in fino prilagajanje niso enako dostopni v vseh konfiguracijah proizvajalca; obravnavati jih je treba kot možnosti vmesnika, ne kot brezpogojno posledico izbire imena Plus. Klicanje funkcij in spletno iskanje na tej kartici nista navedena kot podprta. Zahteva za oblikovanje izluščenih polj se razlikuje od zahteve za izvedbo funkcije ali pridobitev novih informacij s spleta.
Omejitve konteksta
Objavljena kartica navaja kontekstno okno 131.072 žetonov, največji vhod 129.024 žetonov in največji izhod 8.192 žetonov. Predstavitev slike ali videa porablja vhodno kapaciteto skupaj z vprašanjem in podpornim besedilom. Vizualno gradivo in odgovor načrtujte ločeno: dolg ali podroben vhod lahko še vedno zahteva le kratek seznam polj ali opažanj.
Priprava vhoda
Proizvajalčev poudarek na podrobnostih in različnih razmerjih ne odpravlja potrebe po čitljivem gradivu. Območje z zahtevanim besedilom naj bo jasno. Pri izrezu tabele ohranite naslove in enote, potrebne za razumevanje vrednosti; pri več straneh navedite njihov vrstni red in razdelek za pregled. Povejte, ali želite izvirno besedilo, povzetek ali interpretacijo, da se ti rezultati ne pomešajo.
Pri videu določite dogodek ali vidno podrobnost za opis ter želeno strukturo odgovora. Praktična naloga lahko zahteva zaporedje dejanj v predstavitvi in predmete, vključene v vsak korak. Dokumentirani izhod je besedilo; kartica ne navaja zvoka kot vhoda ali govora kot izhoda. Te vizualne poti zato ne uporabljajte kot dokaz, da je bil razumljen prepis govora.
Uporaben ponovljiv potek dela je, da iste zahteve za izluščenje polj podate več slikam dokumentov, ob rezultatih ohranite identifikatorje slik in nato nastale zapise primerjate v aplikaciji. Drug potek je povezava posnetka zaslona s pisno zahtevo in vprašanje o vidnih ujemanjih, razlikah ter nerešenih podrobnostih. V obeh primerih povežite izvorno sliko z vsako vrnjeno vrednostjo, da bo rezultat mogoče pregledati.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen-vl-plus | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.00024 / 1K žetonov Izhod · Izhodni žetoni $0.000572 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen-vl-plus
Uporabite zgoraj navedene poti metod.
qwen-vl-plusQwen-VL-Plus bere besedilo in podrobnosti na slikah ter jih povezuje s pisnim vprašanjem. Dokumentacija proizvajalca navaja slike in video kot vhod, besedilo kot izhod ter podporo visokoločljivim slikam in različnim razmerjem stranic za izluščenje vsebine dokumentov, vizualno primerjavo in pojasnjevanje prizorov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen-VL-Plus je vizualno-jezikovna serija Qwen s posebnim poudarkom na prepoznavanju podrobnosti in besedila v slikah. Proizvajalec opisuje podporo slikam z več kot milijonom slikovnih pik in različnim razmerjem stranic. Model je zato primeren za naloge, pri katerih je odgovor odvisen od majhne oznake, polja na strani ali povezave med besedilnimi in vizualnimi elementi, ne le od motiva fotografije.
Trenutna kartica proizvajalca opisuje ime qwen-vl-plus brez oznake različice kot funkcionalno enakovredno qwen-vl-plus-2025-08-15. Pri ponovljivi nalogi ohranite natančno ime izdaje. Oznaka Plus, vzdevek Latest in druga datirana različica so ločene izbire; ujemanje imena družine ne pomeni, da so njihove specifikacije medsebojno zamenljive.
Zmogljivosti modela
Proizvajalec navaja besedilo, slike in video kot vhod ter besedilo kot izhod. Besedilno navodilo lahko model usmeri v branje razdelka dokumenta, opis predmetov, pojasnitev postavitve ali odgovor na vprašanje o prizoru. Prepoznavanje in pojasnjevanje sta povezani nalogi, vendar potrebujeta različne zahteve za izhod: prepis mora ohraniti vidno besedilo, pojasnilo pa mora povedati, kako se vidne podrobnosti navezujejo na vprašanje.
Za izluščenje vsebine dokumentov predložite čitljivo stran in določite polja, ki jih mora model vrniti. Pri obrazcu lahko zahtevate oznake polj in njihove vrednosti; pri tabeli zahtevano vrstico skupaj z naslovi njenih stolpcev. Če vrednost ni vidna, izrecno določite, kako naj bo predstavljena manjkajoča vrednost. Takšna ponazoritvena zasnova izhoda pomaga aplikaciji razlikovati izluščeno besedilo od ugibanega dopolnjevanja.
Pri pregledu postavitve vprašajte o pomembnih elementih: kje je oznaka, kateremu predmetu pripada in kako se različici razlikujeta. Vsaki sliki določite vlogo in uporabite ista merila primerjave. Pri pojasnilu na podlagi posnetka zaslona navedite uporabnikov cilj in zahtevajte kratko navodilo na podlagi vidnih kontrolnikov. Odgovor je besedilo o vmesniku, ne izvedeno dejanje.
Tabele proizvajalca vključujejo nadaljevanje na podlagi predpone odgovora in predpomnjenje konteksta. Strukturirani izhod, paketno oddajanje in fino prilagajanje niso enako dostopni v vseh konfiguracijah proizvajalca; obravnavati jih je treba kot možnosti vmesnika, ne kot brezpogojno posledico izbire imena Plus. Klicanje funkcij in spletno iskanje na tej kartici nista navedena kot podprta. Zahteva za oblikovanje izluščenih polj se razlikuje od zahteve za izvedbo funkcije ali pridobitev novih informacij s spleta.
Omejitve konteksta
Objavljena kartica navaja kontekstno okno 131.072 žetonov, največji vhod 129.024 žetonov in največji izhod 8.192 žetonov. Predstavitev slike ali videa porablja vhodno kapaciteto skupaj z vprašanjem in podpornim besedilom. Vizualno gradivo in odgovor načrtujte ločeno: dolg ali podroben vhod lahko še vedno zahteva le kratek seznam polj ali opažanj.
Priprava vhoda
Proizvajalčev poudarek na podrobnostih in različnih razmerjih ne odpravlja potrebe po čitljivem gradivu. Območje z zahtevanim besedilom naj bo jasno. Pri izrezu tabele ohranite naslove in enote, potrebne za razumevanje vrednosti; pri več straneh navedite njihov vrstni red in razdelek za pregled. Povejte, ali želite izvirno besedilo, povzetek ali interpretacijo, da se ti rezultati ne pomešajo.
Pri videu določite dogodek ali vidno podrobnost za opis ter želeno strukturo odgovora. Praktična naloga lahko zahteva zaporedje dejanj v predstavitvi in predmete, vključene v vsak korak. Dokumentirani izhod je besedilo; kartica ne navaja zvoka kot vhoda ali govora kot izhoda. Te vizualne poti zato ne uporabljajte kot dokaz, da je bil razumljen prepis govora.
Uporaben ponovljiv potek dela je, da iste zahteve za izluščenje polj podate več slikam dokumentov, ob rezultatih ohranite identifikatorje slik in nato nastale zapise primerjate v aplikaciji. Drug potek je povezava posnetka zaslona s pisno zahtevo in vprašanje o vidnih ujemanjih, razlikah ter nerešenih podrobnostih. V obeh primerih povežite izvorno sliko z vsako vrnjeno vrednostjo, da bo rezultat mogoče pregledati.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen-vl-plus | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.00024 / 1K žetonov Izhod · Izhodni žetoni $0.000572 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen-vl-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen-vl-plus
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
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.