Qwen-VL-Max 是 Qwen 的視覺語言模型系列，適用於不能只靠辨識物件來回答的問題。開發商將 Max 定位於視覺推理與指令遵循：將可見證據與使用者的條件連結、解釋關係，並為較複雜的視覺任務產生文字結果。相較於 Plus 系列，這份描述更強調推理與詮釋。
開發商目前的模型卡將未標示版本的 qwen-vl-max 名稱對應至 qwen-vl-max-2025-08-13。隨更新變動的名稱會跟隨版本更新，帶有日期的名稱則識別特定固定版本。比較輸入與結果時，請保留精確名稱；其他具名版本可能有不同的文件規格。
模型能力
文件記載的輸入包括文字、圖片和影片，輸出則為文字。視覺資料可以是文件頁面、圖表、場景或一連串影格。文字問題決定模型應從資料中確認什麼。結果可以描述證據、解釋關係，或將發現整理成欄位；這個版本並非圖片或影片生成模型。
分析圖表時，請指定比較內容，而不只是要求一般描述。提供圖片，詢問圖中哪一個數列呈上升趨勢、標籤代表什麼，以及哪些觀察支持結論。要求將直接可見的資料與解釋分開呈現。分析流程圖時，請指出起始與結束條件，並要求說明各階段之間的連結，同時保留原始標籤。
分析螢幕截圖時，請說明使用者的目標，並詢問可見的控制項和下一個可能步驟。這會產生對介面的書面詮釋。實際點擊、檔案變更或外部操作，仍由使用模型的應用程式執行；視覺理解本身並不等於電腦控制工作流程。
開發商的模型卡記載了結構化輸出、回應前綴續寫，以及上下文快取。這些功能可協助依照固定的輸出設計，組織重複進行的視覺分析。批次提交方式會因開發商的不同設定而異，而這張模型卡未將函式呼叫、網頁搜尋和微調列為支援功能。因此，不應將結構化文字回答與已執行的工具呼叫或線上搜尋混為一談。
上下文限制
該具名版本的模型卡列出 131,072 個 token 的上下文視窗、129,024 個 token 的最大輸入，以及 8,192 個 token 的最大輸出。視覺輸入與文字任務共同消耗可用的輸入額度。回答另有獨立上限，因此大量視覺資料並不代表可以得到同等規模的輸出。
選擇能回答實際問題的圖片或影格。保留解讀裁切區域所需的圖例、欄位標題或圖中標籤。比較多份資料時，請標示其順序與角色：現有設計、修訂後設計，以及參考要求。有用的書面結果可以列出相符元素、差異，以及根據所提供證據仍無法解決的問題。
處理影片
影片輸入可用來詢問可見事件及其先後順序。可以詢問影格之間有哪些變化、哪些參與者彼此互動，或哪個可見條件先於另一個出現。請定義所需輸出，例如依序描述事件，並附上支持各點的觀察。模型卡列的是影片輸入與文字輸出，而非音訊輸入或語音輸出；若問題涉及說話內容，就需要另外提供該內容。
實務任務可以比較示範影片與書面程序：提供視覺資料和相關步驟，詢問哪些步驟在畫面中呈現，並要求簡短列出不一致之處。請指定各項觀察對應哪個程序步驟，並將不明確的步驟放在回答的獨立部分。
選擇版本時的重要限制
當任務仰賴關係詮釋與複雜視覺指令的遵循時，Max 對視覺推理的重視具有用途。文件記載的結果為文字。請保持輸入清楚可讀、說明需要的推論，並區分可見證據與任務要求模型得出的結論。這些準備能讓視覺問題轉化為可用的說明或比較，而不是缺乏方向的場景摘要。
", "aboutText": "Qwen-VL-Max 是 Qwen 的視覺語言模型系列，適用於不能只靠辨識物件來回答的問題。開發商將 Max 定位於視覺推理與指令遵循：將可見證據與使用者的條件連結、解釋關係，並為較複雜的視覺任務產生文字結果。相較於 Plus 系列，這份描述更強調推理與詮釋。\n\n開發商目前的模型卡將未標示版本的 qwen-vl-max 名稱對應至 qwen-vl-max-2025-08-13。隨更新變動的名稱會跟隨版本更新，帶有日期的名稱則識別特定固定版本。比較輸入與結果時，請保留精確名稱；其他具名版本可能有不同的文件規格。\n\n模型能力\n\n文件記載的輸入包括文字、圖片和影片，輸出則為文字。視覺資料可以是文件頁面、圖表、場景或一連串影格。文字問題決定模型應從資料中確認什麼。結果可以描述證據、解釋關係，或將發現整理成欄位；這個版本並非圖片或影片生成模型。\n\n分析圖表時，請指定比較內容，而不只是要求一般描述。提供圖片，詢問圖中哪一個數列呈上升趨勢、標籤代表什麼，以及哪些觀察支持結論。要求將直接可見的資料與解釋分開呈現。分析流程圖時，請指出起始與結束條件，並要求說明各階段之間的連結，同時保留原始標籤。\n\n分析螢幕截圖時，請說明使用者的目標，並詢問可見的控制項和下一個可能步驟。這會產生對介面的書面詮釋。實際點擊、檔案變更或外部操作，仍由使用模型的應用程式執行；視覺理解本身並不等於電腦控制工作流程。\n\n開發商的模型卡記載了結構化輸出、回應前綴續寫，以及上下文快取。這些功能可協助依照固定的輸出設計，組織重複進行的視覺分析。批次提交方式會因開發商的不同設定而異，而這張模型卡未將函式呼叫、網頁搜尋和微調列為支援功能。因此，不應將結構化文字回答與已執行的工具呼叫或線上搜尋混為一談。\n\n上下文限制\n\n該具名版本的模型卡列出 131,072 個 token 的上下文視窗、129,024 個 token 的最大輸入，以及 8,192 個 token 的最大輸出。視覺輸入與文字任務共同消耗可用的輸入額度。回答另有獨立上限，因此大量視覺資料並不代表可以得到同等規模的輸出。\n\n選擇能回答實際問題的圖片或影格。保留解讀裁切區域所需的圖例、欄位標題或圖中標籤。比較多份資料時，請標示其順序與角色：現有設計、修訂後設計，以及參考要求。有用的書面結果可以列出相符元素、差異，以及根據所提供證據仍無法解決的問題。\n\n處理影片\n\n影片輸入可用來詢問可見事件及其先後順序。可以詢問影格之間有哪些變化、哪些參與者彼此互動，或哪個可見條件先於另一個出現。請定義所需輸出，例如依序描述事件，並附上支持各點的觀察。模型卡列的是影片輸入與文字輸出，而非音訊輸入或語音輸出；若問題涉及說話內容，就需要另外提供該內容。\n\n實務任務可以比較示範影片與書面程序：提供視覺資料和相關步驟，詢問哪些步驟在畫面中呈現，並要求簡短列出不一致之處。請指定各項觀察對應哪個程序步驟，並將不明確的步驟放在回答的獨立部分。\n\n選擇版本時的重要限制\n\n當任務仰賴關係詮釋與複雜視覺指令的遵循時，Max 對視覺推理的重視具有用途。文件記載的結果為文字。請保持輸入清楚可讀、說明需要的推論，並區分可見證據與任務要求模型得出的結論。這些準備能讓視覺問題轉化為可用的說明或比較，而不是缺乏方向的場景摘要。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.qwen-vl-maxQwen-VL-Max 透過視覺推理與指令遵循，連結文字、圖片和影片。它回傳文字說明或結構化發現，定位於複雜的視覺問題、文件分析，以及場景內的關係理解。
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。
Qwen-VL-Max 是 Qwen 的視覺語言模型系列，適用於不能只靠辨識物件來回答的問題。開發商將 Max 定位於視覺推理與指令遵循：將可見證據與使用者的條件連結、解釋關係，並為較複雜的視覺任務產生文字結果。相較於 Plus 系列，這份描述更強調推理與詮釋。
開發商目前的模型卡將未標示版本的 qwen-vl-max 名稱對應至 qwen-vl-max-2025-08-13。隨更新變動的名稱會跟隨版本更新，帶有日期的名稱則識別特定固定版本。比較輸入與結果時，請保留精確名稱；其他具名版本可能有不同的文件規格。
模型能力
文件記載的輸入包括文字、圖片和影片，輸出則為文字。視覺資料可以是文件頁面、圖表、場景或一連串影格。文字問題決定模型應從資料中確認什麼。結果可以描述證據、解釋關係，或將發現整理成欄位；這個版本並非圖片或影片生成模型。
分析圖表時，請指定比較內容，而不只是要求一般描述。提供圖片，詢問圖中哪一個數列呈上升趨勢、標籤代表什麼，以及哪些觀察支持結論。要求將直接可見的資料與解釋分開呈現。分析流程圖時，請指出起始與結束條件，並要求說明各階段之間的連結，同時保留原始標籤。
分析螢幕截圖時，請說明使用者的目標，並詢問可見的控制項和下一個可能步驟。這會產生對介面的書面詮釋。實際點擊、檔案變更或外部操作，仍由使用模型的應用程式執行；視覺理解本身並不等於電腦控制工作流程。
開發商的模型卡記載了結構化輸出、回應前綴續寫，以及上下文快取。這些功能可協助依照固定的輸出設計，組織重複進行的視覺分析。批次提交方式會因開發商的不同設定而異，而這張模型卡未將函式呼叫、網頁搜尋和微調列為支援功能。因此，不應將結構化文字回答與已執行的工具呼叫或線上搜尋混為一談。
上下文限制
該具名版本的模型卡列出 131,072 個 token 的上下文視窗、129,024 個 token 的最大輸入，以及 8,192 個 token 的最大輸出。視覺輸入與文字任務共同消耗可用的輸入額度。回答另有獨立上限，因此大量視覺資料並不代表可以得到同等規模的輸出。
選擇能回答實際問題的圖片或影格。保留解讀裁切區域所需的圖例、欄位標題或圖中標籤。比較多份資料時，請標示其順序與角色：現有設計、修訂後設計，以及參考要求。有用的書面結果可以列出相符元素、差異，以及根據所提供證據仍無法解決的問題。
處理影片
影片輸入可用來詢問可見事件及其先後順序。可以詢問影格之間有哪些變化、哪些參與者彼此互動，或哪個可見條件先於另一個出現。請定義所需輸出，例如依序描述事件，並附上支持各點的觀察。模型卡列的是影片輸入與文字輸出，而非音訊輸入或語音輸出；若問題涉及說話內容，就需要另外提供該內容。
實務任務可以比較示範影片與書面程序：提供視覺資料和相關步驟，詢問哪些步驟在畫面中呈現，並要求簡短列出不一致之處。請指定各項觀察對應哪個程序步驟，並將不明確的步驟放在回答的獨立部分。
選擇版本時的重要限制
當任務仰賴關係詮釋與複雜視覺指令的遵循時，Max 對視覺推理的重視具有用途。文件記載的結果為文字。請保持輸入清楚可讀、說明需要的推論，並區分可見證據與任務要求模型得出的結論。這些準備能讓視覺問題轉化為可用的說明或比較，而不是缺乏方向的場景摘要。
POST /v1/chat/completionstexttext| 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-vl-max | 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— |
文字 · UTF8 文字
messages[].content
| 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。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00046 / 1K Token 輸出 · 輸出 Token $0.001144 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-vl-max", "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-max',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-max',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 或 SSE
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。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 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 |
| 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。 |
Ailoot Ultra qwen-vl-max
請使用上方列出的 API 方法路徑。
qwen-vl-maxQwen-VL-Max 透過視覺推理與指令遵循，連結文字、圖片和影片。它回傳文字說明或結構化發現，定位於複雜的視覺問題、文件分析，以及場景內的關係理解。
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。
Qwen-VL-Max 是 Qwen 的視覺語言模型系列，適用於不能只靠辨識物件來回答的問題。開發商將 Max 定位於視覺推理與指令遵循：將可見證據與使用者的條件連結、解釋關係，並為較複雜的視覺任務產生文字結果。相較於 Plus 系列，這份描述更強調推理與詮釋。
開發商目前的模型卡將未標示版本的 qwen-vl-max 名稱對應至 qwen-vl-max-2025-08-13。隨更新變動的名稱會跟隨版本更新，帶有日期的名稱則識別特定固定版本。比較輸入與結果時，請保留精確名稱；其他具名版本可能有不同的文件規格。
模型能力
文件記載的輸入包括文字、圖片和影片，輸出則為文字。視覺資料可以是文件頁面、圖表、場景或一連串影格。文字問題決定模型應從資料中確認什麼。結果可以描述證據、解釋關係，或將發現整理成欄位；這個版本並非圖片或影片生成模型。
分析圖表時，請指定比較內容，而不只是要求一般描述。提供圖片，詢問圖中哪一個數列呈上升趨勢、標籤代表什麼，以及哪些觀察支持結論。要求將直接可見的資料與解釋分開呈現。分析流程圖時，請指出起始與結束條件，並要求說明各階段之間的連結，同時保留原始標籤。
分析螢幕截圖時，請說明使用者的目標，並詢問可見的控制項和下一個可能步驟。這會產生對介面的書面詮釋。實際點擊、檔案變更或外部操作，仍由使用模型的應用程式執行；視覺理解本身並不等於電腦控制工作流程。
開發商的模型卡記載了結構化輸出、回應前綴續寫，以及上下文快取。這些功能可協助依照固定的輸出設計，組織重複進行的視覺分析。批次提交方式會因開發商的不同設定而異，而這張模型卡未將函式呼叫、網頁搜尋和微調列為支援功能。因此，不應將結構化文字回答與已執行的工具呼叫或線上搜尋混為一談。
上下文限制
該具名版本的模型卡列出 131,072 個 token 的上下文視窗、129,024 個 token 的最大輸入，以及 8,192 個 token 的最大輸出。視覺輸入與文字任務共同消耗可用的輸入額度。回答另有獨立上限，因此大量視覺資料並不代表可以得到同等規模的輸出。
選擇能回答實際問題的圖片或影格。保留解讀裁切區域所需的圖例、欄位標題或圖中標籤。比較多份資料時，請標示其順序與角色：現有設計、修訂後設計，以及參考要求。有用的書面結果可以列出相符元素、差異，以及根據所提供證據仍無法解決的問題。
處理影片
影片輸入可用來詢問可見事件及其先後順序。可以詢問影格之間有哪些變化、哪些參與者彼此互動，或哪個可見條件先於另一個出現。請定義所需輸出，例如依序描述事件，並附上支持各點的觀察。模型卡列的是影片輸入與文字輸出，而非音訊輸入或語音輸出；若問題涉及說話內容，就需要另外提供該內容。
實務任務可以比較示範影片與書面程序：提供視覺資料和相關步驟，詢問哪些步驟在畫面中呈現，並要求簡短列出不一致之處。請指定各項觀察對應哪個程序步驟，並將不明確的步驟放在回答的獨立部分。
選擇版本時的重要限制
當任務仰賴關係詮釋與複雜視覺指令的遵循時，Max 對視覺推理的重視具有用途。文件記載的結果為文字。請保持輸入清楚可讀、說明需要的推論，並區分可見證據與任務要求模型得出的結論。這些準備能讓視覺問題轉化為可用的說明或比較，而不是缺乏方向的場景摘要。
POST /v1/messagestextjson, 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-vl-max | 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 |
文字 · UTF-8 文字
messages[].content 字串
| 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
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00046 / 1K Token 輸出 · 輸出 Token $0.001144 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "qwen-vl-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-max', '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-max', '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 或 SSE
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。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 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 |
| 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。 |
Ailoot Ultra qwen-vl-max
請使用上方列出的 API 方法路徑。
英文技術範例
Trace a described process diagram\n\nInterpret this diagram transcribed as text: Request -> Validate -> [valid: Queue; invalid: Return error]; Queue -> Worker -> Result. Requirement: invalid requests must never reach the worker. Explain both paths, identify the gate enforcing the requirement and list two checks tied to those paths. Use only the supplied connections and labels.A two-path explanation, the validation gate and valid/invalid path checks.Check the invalid branch ends at Return error rather than passing through Queue.