Source: https://ailoot.ai/models/zh-hant-tw/qwen-qwen2-5-vl-72b-instruct/ Canonical: https://ailoot.ai/models/zh-hant-tw/qwen-qwen2-5-vl-72b-instruct/ Language: zh-hant-tw # Qwen: Qwen2.5 VL 72B Instruct [Markdown](https://ailoot.ai/models/zh-hant-tw/qwen-qwen2-5-vl-72b-instruct/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/qwen-qwen2-5-vl-72b-instruct/facts.json) ## [Qwen: Qwen2.5 VL 72B Instruct](https://ailoot.ai/models/zh-hant-tw/qwen-qwen2-5-vl-72b-instruct/) Qwen2.5-VL-72B-Instruct 是 Qwen 的視覺語言模型，適用於圖片、文件、圖表及影片。它回傳文字、結構化擷取資料及視覺座標，能定位長影片中的事件，或推理電腦及行動裝置畫面。 - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen2-5-vl-72b-instruct/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/qwen-qwen2-5-vl-72b-instruct/#method-1) 關於模型 此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。 Qwen2.5-VL-72B-Instruct 是經過指令微調的 Qwen2.5-VL 72B 版本，用於結合文字理解視覺資料。Qwen 描述物件、商品及地標辨識，以及圖片內文字、圖表、圖示、圖像及版面解讀。輸入結合書面問題與一張或多張圖片，或影片；輸出是文字，包含結構化描述及擷取資訊。與 Qwen2-VL 相比，開發商強調改善時間與圖片尺度感知，以及使用視窗注意力的改良動態解析度視覺編碼器。 視覺定位是與描述圖片不同的能力。模型可以回傳邊界框或點，以及 JSON 中的標籤及屬性。Qwen2.5-VL 使用圖片實際大小尺度的座標，而不是正規化座標系。請指出要定位的物件，提供 bbox\_2d 及 label 等要求欄位，以及座標解讀方式。若分析前縮放圖片，請將該大小資訊與回傳座標一起保留，以便對應相同圖片解讀。Qwen 的範例結合偵測、計數及物件描述。 開發商強調跨語言、方向及不同場景的文字辨識。範例擷取文字行、將文字連結至位置，並從收據或表單取出指定欄位。文件任務說明請提供清楚掃描，定義欄位，指出缺少或無法辨讀資訊的表示方式。示範結果可以是包含文件識別碼、日期及明細的結構化紀錄，讓不確定資訊與明確可見資訊保持分開。提供的圖片是擷取的證據。 Qwen 公告推出用於包含版面資訊之文件解析的 QwenVL HTML。它示範雜誌、研究論文、網頁及行動裝置螢幕截圖，結合標題、段落、圖片、公式及邊界框資訊。閱讀順序及頁面結構與文字同樣重要時，這會很有用。請明確要求表示方式，例如便於閱讀的純文字、選定欄位的 JSON，或開發商以版面為重點的 HTML 格式。掃描報告可以先整理為標題及段落，再透過另一個指令要求特定章節摘要。 影片方面，Qwen 記載理解超過一小時的資料、事件搜尋，以及精確至秒的時間定位。動態影格率訓練及絕對時間編碼，有助於表示事件節奏及位置。官方範例指出描述動作發生的區段，回傳一連串事件，包含開始時間、結束時間及描述。請指出要找的事件，指定以秒或某個時間戳記格式表示。實用任務說明可要求長示範中的相關片段，接著簡短描述各段發生什麼。 模型也被介紹為電腦及行動裝置使用的視覺代理，能從畫面推理並引導工具完成任務。定位及畫面理解可以找出相關控制項或下一個預期互動。應用程式提供畫面、可用動作及目標，執行要求動作並回傳新狀態。例如，可要求前往指定視圖所需的控制項，並以點或框識別它。模型的文字動作描述與應用程式執行的互動是分開的階段。 Qwen 處理器可控制圖片像素數。文件記載的預設範圍為每張圖片 4 至 16,384 個視覺 token；256 至 1,280 個 token 是示範設定，不是通用圖片限制。縮放可以保持長寬比，明確尺寸會取整為 28 的倍數。較高解析度需要更多運算，也可能保留小字或密集圖解細節。請依照問題準備，保持重要標籤清楚可讀，讓相關頁面或區域明確。影片範例使用影格序列，或帶有影格率資訊的影片；回答必須包含時間戳記時，這項資訊很重要。 模型卡目前設定為 32,768 個上下文 token。它描述 YaRN 擴充，但提醒這可能大幅影響時間及空間定位，因此不建議用於這些任務。它另外討論為長影片增加位置設定。小時尺度的理解是文件記載的能力，不是通用上傳時長或輸出長度上限。請選擇保留後續所需資訊的結果，例如紀錄的欄位、定位的座標、文件的版面，或附有時間標記的影片描述。 實用任務 ### 實用任務 英文技術範例 ``` Extract fields from a receipt transcription Extract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field. ``` #### 預期結果 ``` A field record with line-item details, preserved date text, source phrases and an explicit unknown currency. ``` #### 檢查結果 ``` Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen/qwen2.5-vl-72b-instruct` [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=chat) Alibaba /`qwen/qwen2.5-vl-72b-instruct` ### 入門 Qwen2.5-VL-72B-Instruct 是 Qwen 的視覺語言模型，適用於圖片、文件、圖表及影片。它回傳文字、結構化擷取資料及視覺座標，能定位長影片中的事件，或推理電腦及行動裝置畫面。 接受的輸入 文字 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` 輸入 `text` 輸出 `text` 輸出格式 json 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 qwen/qwen2.5-vl-72b-instruct | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 項目數下限: 1 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— | | 欄位`messages[].content` | 類型`string\|content_part[]\|null` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].tool_calls` | 類型`tool_call[]` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].tool_call_id` | 類型`string` | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— | | 欄位`messages[].name` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`messages[].reasoning_content` | 類型`string` | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— | | 欄位`messages[].reasoning_details` | 類型`object\|array` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`max_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— | | 欄位`max_completion_tokens` | 類型`integer` | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | | 欄位`stream_options.include_usage` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`temperature` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`top_p` | 類型`number` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`stop` | 類型`string\|string[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools` | 類型`function_tool[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`tools[].type` | 類型`string` | 要求選填 | 值與限制 function 依模型而定 | 預設值— | | 欄位`tools[].function.name` | 類型`string` | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— | | 欄位`tools[].function.description` | 類型`string` | 要求選填 | 值與限制 | 預設值— | | 欄位`tools[].function.parameters` | 類型`JSON_schema` | 要求選填 | 值與限制 | 預設值— | | 欄位`tool_choice` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`parallel_tool_calls` | 類型`boolean` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`response_format` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning_effort` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`reasoning` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`service_tier` | 類型`string` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`instructions` | 類型`string` | 要求選填 | 值與限制 相容性欄位 | 預設值— | | 欄位`functions` | 類型`function[]` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`function_call` | 類型`string\|object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`prompt_cache_options` | 類型`object` | 要求選填 | 值與限制 依模型而定 | 預設值— | | 欄位`modalities` | 類型`string[]` | 要求選填 | 值與限制 text | 預設值— | | 欄位`provider` | 類型`object` | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— | | 欄位`cache_control.ttl` | 類型`string` | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— | 輸入素材組合 **文字** · UTF8 文字 `messages[].content` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, messages | | 參數`material_types` | 規格text | | 參數`messages` | 規格具有 role/content 結構的訊息陣列 | | 參數`file_material` | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID | | 參數`optional_controls` | 規格stream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | 參數`control_scope` | 規格依模型而定；使用者函式工具與託管工具不同 | | 參數`output_modalities` | 規格text | | 參數`hosted_operations` | 規格false | | 參數`multimodal_input_binding` | 規格null | 生命週期： `synchronous_or_streamed` 將確切模型 ID 與 messages 一併送出。 上下文長度不是輸出上限。 文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。 ### 方案 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 標準費率 選取快速模式時 flex 模式 標準費率 選取 flex 模式時 最高推理強度 標準費率 最高推理強度採用 default 調整值時 #### Ailoot 費率 #### 各設定的價格 請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。 | 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 | | --- | --- | --- | --- | --- | | 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token **$0.0016** / 1K Token 輸出 · 輸出 Token **$0.002** / 1K Token 輸入 · 讀取快取 **$0.0008** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | | 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token **$0.0016** / 1K Token 輸出 · 輸出 Token **$0.002** / 1K Token 輸入 · 讀取快取 **$0.0008** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · OpenAI Chat curlPython SDKPython 串流 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "qwen/qwen2.5-vl-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='qwen/qwen2.5-vl-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='qwen/qwen2.5-vl-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### 接收並儲存結果 #### Ailoot Ultra · OpenAI Chat json 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`choices[].index` | 類型integer | | 欄位`choices[].message.content` | 類型string\|null | | 欄位`choices[].message.tool_calls` | 類型tool\_call\[\] | | 欄位`choices[].message.reasoning_content` | 類型string | | 欄位`choices[].message.reasoning_details` | 類型object\|array | | 欄位`choices[].finish_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=chat) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen/qwen2.5-vl-72b-instruct` [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=messages) Alibaba /`qwen/qwen2.5-vl-72b-instruct` ### 入門 Qwen2.5-VL-72B-Instruct 是 Qwen 的視覺語言模型，適用於圖片、文件、圖表及影片。它回傳文字、結構化擷取資料及視覺座標，能定位長影片中的事件，或推理電腦及行動裝置畫面。 接受的輸入 文字 結果 json · sse ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` 輸入 `text` 輸出 `json`, `sse` 輸出格式 JSON 或 SSE | 欄位 | 類型 | 要求 | 值與限制 | 預設值 | | --- | --- | --- | --- | --- | | 欄位`model` | 類型`string` | 要求必填 | 值與限制 qwen/qwen2.5-vl-72b-instruct | 預設值— | | 欄位`messages` | 類型`message[]` | 要求必填 | 值與限制 | 預設值— | | 欄位`messages[].role` | 類型`string` | 要求必填 | 值與限制 user, assistant | 預設值— | | 欄位`messages[].content` | 類型`string` | 要求必填 | 值與限制 | 預設值— | | 欄位`max_tokens` | 類型`integer` | 要求必填 | 值與限制 | 預設值— | | 欄位`stream` | 類型`boolean` | 要求選填 | 值與限制 | 預設值false | 輸入素材組合 **文字** · UTF-8 文字 `messages[].content 字串` 方法參數與生命週期 | 參數 | 規格 | | --- | --- | | 參數`content_type` | 規格application/json | | 參數`required` | 規格model, messages, max\_tokens | | 參數`optional_controls` | 規格stream | | 參數`material_types` | 規格text | | 參數`text_file_material` | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 | 生命週期： `synchronous_or_streamed` ### 方案 費率資訊不會增加請求選項。支援的參數列於所選方法中。 快速模式 標準費率 選取快速模式時 flex 模式 標準費率 選取 flex 模式時 最高推理強度 標準費率 最高推理強度採用 default 調整值時 #### Ailoot 費率 #### 各設定的價格 請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。 | 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 | | --- | --- | --- | --- | --- | | 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token **$0.0016** / 1K Token 輸出 · 輸出 Token **$0.002** / 1K Token 輸入 · 讀取快取 **$0.0008** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | | 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token **$0.0016** / 1K Token 輸出 · 輸出 Token **$0.002** / 1K Token 輸入 · 讀取快取 **$0.0008** / 1K Token 輸入 · 寫入快取 **$0** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · Anthropic Messages 完整的最小 JSON 請求主體curl · 使用您的 UTF-8 文件Python · 儲存完整結果 ```json { "model": "qwen/qwen2.5-vl-72b-instruct", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen/qwen2.5-vl-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen/qwen2.5-vl-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### 接收並儲存結果 #### Ailoot Ultra · Anthropic Messages JSON 或 SSE ##### 保留所有已完成的結果 請保留所有完整傳回的回應、檔案與內容區塊。 保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。 ##### 需要檢查原始回應時 保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。 回應欄位 | 欄位 | 類型 | | --- | --- | | 欄位`id` | 類型string | | 欄位`model` | 類型string | | 欄位`content[]` | 類型text\|thinking\|tool\_use\|other content block | | 欄位`stop_reason` | 類型string\|null | | 欄位`usage` | 類型object | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=messages) #### 方法路徑別名 請使用上方列出的 API 方法路徑。 #### 相關呼叫用 ID [`qwen/qwen2.5-vl-72b-instruct`](https://ailoot.ai/models/zh-hant-tw/#m=qwen%2Fqwen2.5-vl-72b-instruct&route=Ultra&caller=qwen%2Fqwen2.5-vl-72b-instruct&fmt=messages) FAQ · Qwen: Qwen2.5 VL 72B Instruct 可以使用哪些輸入與結果？ `POST /v1/chat/completions` · `qwen/qwen2.5-vl-72b-instruct`: `text` → `text` `POST /v1/messages` · `qwen/qwen2.5-vl-72b-instruct`: `text` → `json`, `sse` 請求使用哪些欄位？ `POST /v1/chat/completions` · `qwen/qwen2.5-vl-72b-instruct`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `qwen/qwen2.5-vl-72b-instruct`: `model`, `messages`, `max_tokens`, `stream` 適用哪些限制？ `POST /v1/chat/completions` · `qwen/qwen2.5-vl-72b-instruct`: `messages.min_items`: `1` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。