QVQ 72B Preview är en experimentell modell för visuella resonemang, utvecklad av Qwen-teamet. Tillverkarens modellmetadata och exempel kombinerar en bild med en skriftlig fråga och genererar ett textsvar. Den namngivna profilen för den driftade modellen på detta kort anger en kontextlängd på 32 000 token.
Tillhandahåll bilden och den fråga den ska besvara i en fokuserad uppgift. Ange det diagram, de värden eller det område som är relevant för problemet. Be om slutsatsen tillsammans med de synliga observationer eller samband som behövs för att kontrollera den.
En diagramfråga kan ange det okända värdet och de etiketter som begränsar det. En fråga om ett diagram med data kan efterfråga den trend eller jämförelse som stöds av de visade uppgifterna. Behåll bildens etiketter och skilj synlig information från antaganden som anges i prompten.
Tillverkaren beskriver modellen som en modell med stöd för en enda dialogomgång. Ta med det relevanta underlaget och uppgiftens villkor i själva begäran. Definiera vad som räknas som ett svar som avgör frågan, så att resultatet kan granskas mot originalbilden.
Modellkortet nämner språkblandning, rekursiva resonemangsslingor och att fokus på bildinnehållet kan gå förlorat vid längre resonemang. Ange önskat svarsspråk och behåll en tydlig begäran om ett slutligt svar. Kontrollera slutsatsen och de extraherade detaljerna mot den synliga källan, i stället för att använda svarets längd som belägg för att uppgiften är slutförd.
Håll bilden, den skriftliga frågan och nödvändiga antaganden inom den angivna kontexten för denna profil för den driftade modellen och lämna plats för resultatet. Välj det källmaterial som är relevant för det aktuella problemet och behåll dess identifierare.
Tillverkarens exempel visar bild- och textindata med avkodad text som utdata. Genereringslängden och inställningarna för visuella token är val för bearbetning i exemplet, inte allmänna gränser för driftade modeller. Behåll Preview-versionens identifierare tillsammans med prompten och svaret när du jämför resultat med andra visuella Qwen-modeller.
", "aboutText": "QVQ 72B Preview är en experimentell modell för visuella resonemang, utvecklad av Qwen-teamet. Tillverkarens modellmetadata och exempel kombinerar en bild med en skriftlig fråga och genererar ett textsvar. Den namngivna profilen för den driftade modellen på detta kort anger en kontextlängd på 32 000 token.\n\n### Förbered en visuell uppgift med all nödvändig information\n\nTillhandahåll bilden och den fråga den ska besvara i en fokuserad uppgift. Ange det diagram, de värden eller det område som är relevant för problemet. Be om slutsatsen tillsammans med de synliga observationer eller samband som behövs för att kontrollera den.\n\nEn diagramfråga kan ange det okända värdet och de etiketter som begränsar det. En fråga om ett diagram med data kan efterfråga den trend eller jämförelse som stöds av de visade uppgifterna. Behåll bildens etiketter och skilj synlig information från antaganden som anges i prompten.\n\n### Håll svaret kopplat till bilden\n\nTillverkaren beskriver modellen som en modell med stöd för en enda dialogomgång. Ta med det relevanta underlaget och uppgiftens villkor i själva begäran. Definiera vad som räknas som ett svar som avgör frågan, så att resultatet kan granskas mot originalbilden.\n\nModellkortet nämner språkblandning, rekursiva resonemangsslingor och att fokus på bildinnehållet kan gå förlorat vid längre resonemang. Ange önskat svarsspråk och behåll en tydlig begäran om ett slutligt svar. Kontrollera slutsatsen och de extraherade detaljerna mot den synliga källan, i stället för att använda svarets längd som belägg för att uppgiften är slutförd.\n\n### Planera den visuella och textuella kontexten\n\nHåll bilden, den skriftliga frågan och nödvändiga antaganden inom den angivna kontexten för denna profil för den driftade modellen och lämna plats för resultatet. Välj det källmaterial som är relevant för det aktuella problemet och behåll dess identifierare.\n\nTillverkarens exempel visar bild- och textindata med avkodad text som utdata. Genereringslängden och inställningarna för visuella token är val för bearbetning i exemplet, inte allmänna gränser för driftade modeller. Behåll Preview-versionens identifierare tillsammans med prompten och svaret när du jämför resultat med andra visuella Qwen-modeller.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Solve a transcribed balance diagram\n\nUse this complete text transcription of a balance diagram: the left pan has two identical blocks and a 3-kilogram weight; the right pan has one identical block and an 8-kilogram weight; the scale is level. Find one block’s mass and verify it using both pan totals. Answer in English with a separate final result.An equation derived from the transcription, its solution and a balance check.Check that identical blocks use the same variable and that both pan totals match after substitution.Qwen/QVQ-72B-PreviewQVQ 72B Preview är Qwen-teamets experimentella modell för visuella resonemang. Ge den en bild och en fråga om det synliga underlaget som innehåller all nödvändig information, med ett tydligt villkor för det slutliga svaret; denna namngivna profil för den driftade modellen anger en kontext på 32 000 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
QVQ 72B Preview är en experimentell modell för visuella resonemang, utvecklad av Qwen-teamet. Tillverkarens modellmetadata och exempel kombinerar en bild med en skriftlig fråga och genererar ett textsvar. Den namngivna profilen för den driftade modellen på detta kort anger en kontextlängd på 32 000 token.
Tillhandahåll bilden och den fråga den ska besvara i en fokuserad uppgift. Ange det diagram, de värden eller det område som är relevant för problemet. Be om slutsatsen tillsammans med de synliga observationer eller samband som behövs för att kontrollera den.
En diagramfråga kan ange det okända värdet och de etiketter som begränsar det. En fråga om ett diagram med data kan efterfråga den trend eller jämförelse som stöds av de visade uppgifterna. Behåll bildens etiketter och skilj synlig information från antaganden som anges i prompten.
Tillverkaren beskriver modellen som en modell med stöd för en enda dialogomgång. Ta med det relevanta underlaget och uppgiftens villkor i själva begäran. Definiera vad som räknas som ett svar som avgör frågan, så att resultatet kan granskas mot originalbilden.
Modellkortet nämner språkblandning, rekursiva resonemangsslingor och att fokus på bildinnehållet kan gå förlorat vid längre resonemang. Ange önskat svarsspråk och behåll en tydlig begäran om ett slutligt svar. Kontrollera slutsatsen och de extraherade detaljerna mot den synliga källan, i stället för att använda svarets längd som belägg för att uppgiften är slutförd.
Håll bilden, den skriftliga frågan och nödvändiga antaganden inom den angivna kontexten för denna profil för den driftade modellen och lämna plats för resultatet. Välj det källmaterial som är relevant för det aktuella problemet och behåll dess identifierare.
Tillverkarens exempel visar bild- och textindata med avkodad text som utdata. Genereringslängden och inställningarna för visuella token är val för bearbetning i exemplet, inte allmänna gränser för driftade modeller. Behåll Preview-versionens identifierare tillsammans med prompten och svaret när du jämför resultat med andra visuella Qwen-modeller.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser Qwen/QVQ-72B-Preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00284 / 1K token Utdata · Utdatatoken $0.00284 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/QVQ-72B-Preview", "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/QVQ-72B-Preview',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/QVQ-72B-Preview',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra Qwen/QVQ-72B-Preview
Använd metodsökvägarna som visas ovan.
Qwen/QVQ-72B-PreviewQVQ 72B Preview är Qwen-teamets experimentella modell för visuella resonemang. Ge den en bild och en fråga om det synliga underlaget som innehåller all nödvändig information, med ett tydligt villkor för det slutliga svaret; denna namngivna profil för den driftade modellen anger en kontext på 32 000 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
QVQ 72B Preview är en experimentell modell för visuella resonemang, utvecklad av Qwen-teamet. Tillverkarens modellmetadata och exempel kombinerar en bild med en skriftlig fråga och genererar ett textsvar. Den namngivna profilen för den driftade modellen på detta kort anger en kontextlängd på 32 000 token.
Tillhandahåll bilden och den fråga den ska besvara i en fokuserad uppgift. Ange det diagram, de värden eller det område som är relevant för problemet. Be om slutsatsen tillsammans med de synliga observationer eller samband som behövs för att kontrollera den.
En diagramfråga kan ange det okända värdet och de etiketter som begränsar det. En fråga om ett diagram med data kan efterfråga den trend eller jämförelse som stöds av de visade uppgifterna. Behåll bildens etiketter och skilj synlig information från antaganden som anges i prompten.
Tillverkaren beskriver modellen som en modell med stöd för en enda dialogomgång. Ta med det relevanta underlaget och uppgiftens villkor i själva begäran. Definiera vad som räknas som ett svar som avgör frågan, så att resultatet kan granskas mot originalbilden.
Modellkortet nämner språkblandning, rekursiva resonemangsslingor och att fokus på bildinnehållet kan gå förlorat vid längre resonemang. Ange önskat svarsspråk och behåll en tydlig begäran om ett slutligt svar. Kontrollera slutsatsen och de extraherade detaljerna mot den synliga källan, i stället för att använda svarets längd som belägg för att uppgiften är slutförd.
Håll bilden, den skriftliga frågan och nödvändiga antaganden inom den angivna kontexten för denna profil för den driftade modellen och lämna plats för resultatet. Välj det källmaterial som är relevant för det aktuella problemet och behåll dess identifierare.
Tillverkarens exempel visar bild- och textindata med avkodad text som utdata. Genereringslängden och inställningarna för visuella token är val för bearbetning i exemplet, inte allmänna gränser för driftade modeller. Behåll Preview-versionens identifierare tillsammans med prompten och svaret när du jämför resultat med andra visuella Qwen-modeller.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser Qwen/QVQ-72B-Preview | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00284 / 1K token Utdata · Utdatatoken $0.00284 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "Qwen/QVQ-72B-Preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/QVQ-72B-Preview', '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/QVQ-72B-Preview', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra Qwen/QVQ-72B-Preview
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Solve a transcribed balance diagram\n\nUse this complete text transcription of a balance diagram: the left pan has two identical blocks and a 3-kilogram weight; the right pan has one identical block and an 8-kilogram weight; the scale is level. Find one block’s mass and verify it using both pan totals. Answer in English with a separate final result.An equation derived from the transcription, its solution and a balance check.Check that identical blocks use the same variable and that both pan totals match after substitution.