Qwen-VL-Plus 2025-07-10 är Alibabas daterade modell för bild och språk för förståelse av bilder och video. Dess utmärkande uppdatering är bättre förståelse av innehåll i övervakningsvideo. Modellen tar emot visuellt material tillsammans med textinstruktioner och returnerar text: en händelsebeskrivning, ett svar om scenen eller en rapport ordnad efter de detaljer du ber den undersöka. Alibaba kallar också denna version qwen-vl-plus-0710.
Tillverkaren skiljer denna version från Qwen-VL-Plus 2025-05-07 och det Qwen-VL-Plus latest-alias som beskrivs på samma sida. Skillnaden är viktig när uppgiften uttryckligen gäller kamerabilder: uppdateringen med fokus på övervakning hör till den namngivna juliversionen. Behåll den exakta versionen i uppgiftsunderlaget när du jämför promptar eller granskar samma inspelning igen.
Visuella frågor kan gälla vad som syns i en bildruta, var objekt finns och hur synliga handlingar utvecklas genom en följd av bildrutor. En enda bild kan stödja en scenbeskrivning; flera märkta bilder kan ge olika vyer eller på varandra följande ögonblick. Videoförståelse använder utvalda bildrutor. Förklaringen gäller det synliga underlaget; modellen genererar inte en ersättningsvideo, och detta visuella arbetssätt analyserar inte videons ljudspår.
För en händelserapport ska du förbereda ett relevant klipp eller en ordnad följd av bildrutor och ange det område eller den aktivitet som är viktig. Ett exempel på uppgiftsbeskrivning är: ”Beskriv personens synliga handlingar nära ingången, i ordning. Ange för varje observation vilket objekt som ingår, dess position och den förändring du kan se. Lägg osäkra detaljer i en separat avslutande mening.” Du kan begära en kort beskrivning, en lista med observationer eller namngivna rapportavsnitt. Det är instruktioner för textsvaret, inte ett separat läge för strukturerade utdata.
Versionens publicerade kontextfönster är 32 768 token, med högst 30 720 token som indata och högst 8 096 token som utdata. Den särskilda modelltabellen anger också högst 16 384 token för en bild. Textinstruktioner, samtalskontext och visuellt innehåll måste tillsammans rymmas inom indatabudgeten; utdatataket är en separat gräns, inte extra utrymme för ytterligare källmaterial. Vid granskning av en lång inspelning ska du avgränsa den relevanta delen och behålla tillräckligt många omgivande bildrutor för att göra följden begriplig.
Välj källbildrutor där de relevanta objekten går att urskilja, märk olika kameror eller vyer och formulera den önskade observationen precist. I Alibabas dokumenterade filhantering ska bilder via URL vara högst 10 MB; en videofil som tillhandahålls via en offentlig URL ska vara 2–40 sekunder lång och högst 150 MB, eller så kan du använda en ordnad lista med 4–80 bildrutor. De sammanlagda visuella token och texttoken måste fortfarande rymmas inom modellens indatabudget. Om uppgiften beror på en talad förklaring ska du tillhandahålla dess transkription separat som text. Be rapporten skilja en synlig rörelse från en slutsats om avsikt: ”gick mot dörren” är ett annat påstående än en avsikt att gå därifrån. Det användbara resultatet är en granskbar textpost kopplad till inspelningen och de angivna observationskriterierna.
", "aboutText": "Qwen-VL-Plus 2025-07-10 är Alibabas daterade modell för bild och språk för förståelse av bilder och video. Dess utmärkande uppdatering är bättre förståelse av innehåll i övervakningsvideo. Modellen tar emot visuellt material tillsammans med textinstruktioner och returnerar text: en händelsebeskrivning, ett svar om scenen eller en rapport ordnad efter de detaljer du ber den undersöka. Alibaba kallar också denna version qwen-vl-plus-0710.\n\nTillverkaren skiljer denna version från Qwen-VL-Plus 2025-05-07 och det Qwen-VL-Plus latest-alias som beskrivs på samma sida. Skillnaden är viktig när uppgiften uttryckligen gäller kamerabilder: uppdateringen med fokus på övervakning hör till den namngivna juliversionen. Behåll den exakta versionen i uppgiftsunderlaget när du jämför promptar eller granskar samma inspelning igen.\n\nVisuella frågor kan gälla vad som syns i en bildruta, var objekt finns och hur synliga handlingar utvecklas genom en följd av bildrutor. En enda bild kan stödja en scenbeskrivning; flera märkta bilder kan ge olika vyer eller på varandra följande ögonblick. Videoförståelse använder utvalda bildrutor. Förklaringen gäller det synliga underlaget; modellen genererar inte en ersättningsvideo, och detta visuella arbetssätt analyserar inte videons ljudspår.\n\nFör en händelserapport ska du förbereda ett relevant klipp eller en ordnad följd av bildrutor och ange det område eller den aktivitet som är viktig. Ett exempel på uppgiftsbeskrivning är: ”Beskriv personens synliga handlingar nära ingången, i ordning. Ange för varje observation vilket objekt som ingår, dess position och den förändring du kan se. Lägg osäkra detaljer i en separat avslutande mening.” Du kan begära en kort beskrivning, en lista med observationer eller namngivna rapportavsnitt. Det är instruktioner för textsvaret, inte ett separat läge för strukturerade utdata.\n\nVersionens publicerade kontextfönster är 32 768 token, med högst 30 720 token som indata och högst 8 096 token som utdata. Den särskilda modelltabellen anger också högst 16 384 token för en bild. Textinstruktioner, samtalskontext och visuellt innehåll måste tillsammans rymmas inom indatabudgeten; utdatataket är en separat gräns, inte extra utrymme för ytterligare källmaterial. Vid granskning av en lång inspelning ska du avgränsa den relevanta delen och behålla tillräckligt många omgivande bildrutor för att göra följden begriplig.\n\nVälj källbildrutor där de relevanta objekten går att urskilja, märk olika kameror eller vyer och formulera den önskade observationen precist. I Alibabas dokumenterade filhantering ska bilder via URL vara högst 10 MB; en videofil som tillhandahålls via en offentlig URL ska vara 2–40 sekunder lång och högst 150 MB, eller så kan du använda en ordnad lista med 4–80 bildrutor. De sammanlagda visuella token och texttoken måste fortfarande rymmas inom modellens indatabudget. Om uppgiften beror på en talad förklaring ska du tillhandahålla dess transkription separat som text. Be rapporten skilja en synlig rörelse från en slutsats om avsikt: ”gick mot dörren” är ett annat påstående än en avsikt att gå därifrån. Det användbara resultatet är en granskbar textpost kopplad till inspelningen och de angivna observationskriterierna.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
A surveillance-event report from frame notes\n\nUse these text frame notes only: 10:01 person stands beside entrance holding a box; 10:02 person places box beside entrance; 10:03 person walks out of frame without the box. Write an ordered event report with timestamps. Separate visible actions reported in the notes from unknown identity, intent and later events. No footage or audio is attached.A timestamped sequence of observations and a separate sentence identifying unsupported identity, intent and later outcome.The report does not label the act theft, infer spoken words or claim the person left the building.qwen-vl-plus-2025-07-10Qwen-VL-Plus 2025-07-10 är en version för bild och språk med fokus på förståelse av övervakningsvideo. Den kombinerar bilder eller videobildrutor med en skriftlig fråga för att beskriva synliga händelser, följa handlingar och skapa en textrapport.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-VL-Plus 2025-07-10 är Alibabas daterade modell för bild och språk för förståelse av bilder och video. Dess utmärkande uppdatering är bättre förståelse av innehåll i övervakningsvideo. Modellen tar emot visuellt material tillsammans med textinstruktioner och returnerar text: en händelsebeskrivning, ett svar om scenen eller en rapport ordnad efter de detaljer du ber den undersöka. Alibaba kallar också denna version qwen-vl-plus-0710.
Tillverkaren skiljer denna version från Qwen-VL-Plus 2025-05-07 och det Qwen-VL-Plus latest-alias som beskrivs på samma sida. Skillnaden är viktig när uppgiften uttryckligen gäller kamerabilder: uppdateringen med fokus på övervakning hör till den namngivna juliversionen. Behåll den exakta versionen i uppgiftsunderlaget när du jämför promptar eller granskar samma inspelning igen.
Visuella frågor kan gälla vad som syns i en bildruta, var objekt finns och hur synliga handlingar utvecklas genom en följd av bildrutor. En enda bild kan stödja en scenbeskrivning; flera märkta bilder kan ge olika vyer eller på varandra följande ögonblick. Videoförståelse använder utvalda bildrutor. Förklaringen gäller det synliga underlaget; modellen genererar inte en ersättningsvideo, och detta visuella arbetssätt analyserar inte videons ljudspår.
För en händelserapport ska du förbereda ett relevant klipp eller en ordnad följd av bildrutor och ange det område eller den aktivitet som är viktig. Ett exempel på uppgiftsbeskrivning är: ”Beskriv personens synliga handlingar nära ingången, i ordning. Ange för varje observation vilket objekt som ingår, dess position och den förändring du kan se. Lägg osäkra detaljer i en separat avslutande mening.” Du kan begära en kort beskrivning, en lista med observationer eller namngivna rapportavsnitt. Det är instruktioner för textsvaret, inte ett separat läge för strukturerade utdata.
Versionens publicerade kontextfönster är 32 768 token, med högst 30 720 token som indata och högst 8 096 token som utdata. Den särskilda modelltabellen anger också högst 16 384 token för en bild. Textinstruktioner, samtalskontext och visuellt innehåll måste tillsammans rymmas inom indatabudgeten; utdatataket är en separat gräns, inte extra utrymme för ytterligare källmaterial. Vid granskning av en lång inspelning ska du avgränsa den relevanta delen och behålla tillräckligt många omgivande bildrutor för att göra följden begriplig.
Välj källbildrutor där de relevanta objekten går att urskilja, märk olika kameror eller vyer och formulera den önskade observationen precist. I Alibabas dokumenterade filhantering ska bilder via URL vara högst 10 MB; en videofil som tillhandahålls via en offentlig URL ska vara 2–40 sekunder lång och högst 150 MB, eller så kan du använda en ordnad lista med 4–80 bildrutor. De sammanlagda visuella token och texttoken måste fortfarande rymmas inom modellens indatabudget. Om uppgiften beror på en talad förklaring ska du tillhandahålla dess transkription separat som text. Be rapporten skilja en synlig rörelse från en slutsats om avsikt: ”gick mot dörren” är ett annat påstående än en avsikt att gå därifrån. Det användbara resultatet är en granskbar textpost kopplad till inspelningen och de angivna observationskriterierna.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-vl-plus-2025-07-10 | 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 $0.000044 / 1K token Utdata · Utdatatoken $0.00044 / 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-vl-plus-2025-07-10", "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-2025-07-10',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-2025-07-10',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-vl-plus-2025-07-10
Använd metodsökvägarna som visas ovan.
qwen-vl-plus-2025-07-10Qwen-VL-Plus 2025-07-10 är en version för bild och språk med fokus på förståelse av övervakningsvideo. Den kombinerar bilder eller videobildrutor med en skriftlig fråga för att beskriva synliga händelser, följa handlingar och skapa en textrapport.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-VL-Plus 2025-07-10 är Alibabas daterade modell för bild och språk för förståelse av bilder och video. Dess utmärkande uppdatering är bättre förståelse av innehåll i övervakningsvideo. Modellen tar emot visuellt material tillsammans med textinstruktioner och returnerar text: en händelsebeskrivning, ett svar om scenen eller en rapport ordnad efter de detaljer du ber den undersöka. Alibaba kallar också denna version qwen-vl-plus-0710.
Tillverkaren skiljer denna version från Qwen-VL-Plus 2025-05-07 och det Qwen-VL-Plus latest-alias som beskrivs på samma sida. Skillnaden är viktig när uppgiften uttryckligen gäller kamerabilder: uppdateringen med fokus på övervakning hör till den namngivna juliversionen. Behåll den exakta versionen i uppgiftsunderlaget när du jämför promptar eller granskar samma inspelning igen.
Visuella frågor kan gälla vad som syns i en bildruta, var objekt finns och hur synliga handlingar utvecklas genom en följd av bildrutor. En enda bild kan stödja en scenbeskrivning; flera märkta bilder kan ge olika vyer eller på varandra följande ögonblick. Videoförståelse använder utvalda bildrutor. Förklaringen gäller det synliga underlaget; modellen genererar inte en ersättningsvideo, och detta visuella arbetssätt analyserar inte videons ljudspår.
För en händelserapport ska du förbereda ett relevant klipp eller en ordnad följd av bildrutor och ange det område eller den aktivitet som är viktig. Ett exempel på uppgiftsbeskrivning är: ”Beskriv personens synliga handlingar nära ingången, i ordning. Ange för varje observation vilket objekt som ingår, dess position och den förändring du kan se. Lägg osäkra detaljer i en separat avslutande mening.” Du kan begära en kort beskrivning, en lista med observationer eller namngivna rapportavsnitt. Det är instruktioner för textsvaret, inte ett separat läge för strukturerade utdata.
Versionens publicerade kontextfönster är 32 768 token, med högst 30 720 token som indata och högst 8 096 token som utdata. Den särskilda modelltabellen anger också högst 16 384 token för en bild. Textinstruktioner, samtalskontext och visuellt innehåll måste tillsammans rymmas inom indatabudgeten; utdatataket är en separat gräns, inte extra utrymme för ytterligare källmaterial. Vid granskning av en lång inspelning ska du avgränsa den relevanta delen och behålla tillräckligt många omgivande bildrutor för att göra följden begriplig.
Välj källbildrutor där de relevanta objekten går att urskilja, märk olika kameror eller vyer och formulera den önskade observationen precist. I Alibabas dokumenterade filhantering ska bilder via URL vara högst 10 MB; en videofil som tillhandahålls via en offentlig URL ska vara 2–40 sekunder lång och högst 150 MB, eller så kan du använda en ordnad lista med 4–80 bildrutor. De sammanlagda visuella token och texttoken måste fortfarande rymmas inom modellens indatabudget. Om uppgiften beror på en talad förklaring ska du tillhandahålla dess transkription separat som text. Be rapporten skilja en synlig rörelse från en slutsats om avsikt: ”gick mot dörren” är ett annat påstående än en avsikt att gå därifrån. Det användbara resultatet är en granskbar textpost kopplad till inspelningen och de angivna observationskriterierna.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-vl-plus-2025-07-10 | 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 $0.000044 / 1K token Utdata · Utdatatoken $0.00044 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen-vl-plus-2025-07-10",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-07-10', '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-2025-07-10', '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-vl-plus-2025-07-10
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
A surveillance-event report from frame notes\n\nUse these text frame notes only: 10:01 person stands beside entrance holding a box; 10:02 person places box beside entrance; 10:03 person walks out of frame without the box. Write an ordered event report with timestamps. Separate visible actions reported in the notes from unknown identity, intent and later events. No footage or audio is attached.A timestamped sequence of observations and a separate sentence identifying unsupported identity, intent and later outcome.The report does not label the act theft, infer spoken words or claim the person left the building.