Qwen-VL-Plus 2025-05-07 是 Alibaba 的具名視覺語言固定版本。Qwen-VL-Plus 著重細緻的視覺理解及讀取圖片內文字，將提供的視覺證據與書面問題轉成文字回答。實用的起點是具體來源，例如希望了解內容的照片、螢幕截圖、文件頁面影像或影片影格。
開發商將 5 月版本與 Qwen-VL-Plus 2025-07-10 分別列出。7 月針對監控影片的特定強化，屬於那個較新的固定版本。使用 5 月模型時，請依照文件記載的視覺語言用途安排任務：檢查細節、讀取可見文字、描述場景，並將結果與問題連結。比較同一項作業的回答方式時，請將模型名稱與來源資料一併保留。
影像理解可以使用一張圖片，或以同一個問題處理多張圖片。文件工作請指定需要的欄位或區域，例如：「讀取標示區域內的標籤，保留原始拼字，並讓每個標籤各占一行。」對拍攝的操作說明頁面，請先要求轉錄文字，再另行說明。這樣可先將輸出與原始資料核對，再用於說明文章或使用者訊息。
螢幕截圖請補充使用者目標，並指出任何需要特別注意的元素。任務說明範例是：「說明使用者要變更這項設定時，畫面中可見的操作步驟。使用螢幕上顯示的按鈕名稱，並列出任何小到無法讀取的文字。」比較圖片時，請標示 A 和 B，並提供共同標準，例如變更的標籤或可見物件的位置。回應是對圖片提出的文字詮釋。
影片理解透過影格檢查視覺內容，並回傳文字描述或回答。請選取與問題相關的片段並保留順序；若分析需要說話內容，請另以文字提供逐字稿，因為這個視覺流程不理解影片的音軌。實用的輸出可以包含觀察到的順序、相關場景細節，以及提供的影格仍無法解決的問題。
在這個視覺輸入流程中，請將文件頁面準備成清楚可讀的影像；PDF 或 Word 檔案本身不是影像輸入。依照已記載的 Alibaba 檔案流程，透過 URL 提供的圖片不得超過 10 MB；以公開 URL 提供的影片檔案長度須為 2–40 秒且不得超過 150 MB，或改用依序排列的 4–80 個影格。視覺與文字 token 的總量仍須符合模型輸入額度。整頁使標籤過小時，請裁切關注區域，同時保留解讀表格或圖解需要的上下文。指出需要逐字轉錄、說明，還是簡短摘要。這項選擇可讓交付結果更易於重複使用，也不會混淆來源中可見的文字與模型額外的詮釋。
", "aboutText": "Qwen-VL-Plus 2025-05-07 是 Alibaba 的具名視覺語言固定版本。Qwen-VL-Plus 著重細緻的視覺理解及讀取圖片內文字，將提供的視覺證據與書面問題轉成文字回答。實用的起點是具體來源，例如希望了解內容的照片、螢幕截圖、文件頁面影像或影片影格。\n\n開發商將 5 月版本與 Qwen-VL-Plus 2025-07-10 分別列出。7 月針對監控影片的特定強化，屬於那個較新的固定版本。使用 5 月模型時，請依照文件記載的視覺語言用途安排任務：檢查細節、讀取可見文字、描述場景，並將結果與問題連結。比較同一項作業的回答方式時，請將模型名稱與來源資料一併保留。\n\n影像理解可以使用一張圖片，或以同一個問題處理多張圖片。文件工作請指定需要的欄位或區域，例如：「讀取標示區域內的標籤，保留原始拼字，並讓每個標籤各占一行。」對拍攝的操作說明頁面，請先要求轉錄文字，再另行說明。這樣可先將輸出與原始資料核對，再用於說明文章或使用者訊息。\n\n螢幕截圖請補充使用者目標，並指出任何需要特別注意的元素。任務說明範例是：「說明使用者要變更這項設定時，畫面中可見的操作步驟。使用螢幕上顯示的按鈕名稱，並列出任何小到無法讀取的文字。」比較圖片時，請標示 A 和 B，並提供共同標準，例如變更的標籤或可見物件的位置。回應是對圖片提出的文字詮釋。\n\n影片理解透過影格檢查視覺內容，並回傳文字描述或回答。請選取與問題相關的片段並保留順序；若分析需要說話內容，請另以文字提供逐字稿，因為這個視覺流程不理解影片的音軌。實用的輸出可以包含觀察到的順序、相關場景細節，以及提供的影格仍無法解決的問題。\n\n在這個視覺輸入流程中，請將文件頁面準備成清楚可讀的影像；PDF 或 Word 檔案本身不是影像輸入。依照已記載的 Alibaba 檔案流程，透過 URL 提供的圖片不得超過 10 MB；以公開 URL 提供的影片檔案長度須為 2–40 秒且不得超過 150 MB，或改用依序排列的 4–80 個影格。視覺與文字 token 的總量仍須符合模型輸入額度。整頁使標籤過小時，請裁切關注區域，同時保留解讀表格或圖解需要的上下文。指出需要逐字轉錄、說明，還是簡短摘要。這項選擇可讓交付結果更易於重複使用，也不會混淆來源中可見的文字與模型額外的詮釋。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Turn transcribed controls into instructions\n\nUse this written transcription of a settings screen: heading 'Notifications'; checkbox 'Weekly summary' checked; checkbox 'Order alerts' checked; button 'Save changes'. A user wants to stop only weekly summaries. Write three numbered steps using the exact visible control names, and add one sentence stating which alert setting should stay enabled.Three concise steps plus a preservation note for Order alerts, based solely on the transcription.Only Weekly summary is unchecked, Save changes is included, and Order alerts remains enabled.qwen-vl-plus-2025-05-07Qwen-VL-Plus 2025-05-07 結合文字、圖片及影片，產生視覺說明。這個具名固定版本可用於場景描述、可見文字擷取，以及文件、螢幕截圖或連續影格細節的問題。
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-Plus 2025-05-07 是 Alibaba 的具名視覺語言固定版本。Qwen-VL-Plus 著重細緻的視覺理解及讀取圖片內文字，將提供的視覺證據與書面問題轉成文字回答。實用的起點是具體來源，例如希望了解內容的照片、螢幕截圖、文件頁面影像或影片影格。
開發商將 5 月版本與 Qwen-VL-Plus 2025-07-10 分別列出。7 月針對監控影片的特定強化，屬於那個較新的固定版本。使用 5 月模型時，請依照文件記載的視覺語言用途安排任務：檢查細節、讀取可見文字、描述場景，並將結果與問題連結。比較同一項作業的回答方式時，請將模型名稱與來源資料一併保留。
影像理解可以使用一張圖片，或以同一個問題處理多張圖片。文件工作請指定需要的欄位或區域，例如：「讀取標示區域內的標籤，保留原始拼字，並讓每個標籤各占一行。」對拍攝的操作說明頁面，請先要求轉錄文字，再另行說明。這樣可先將輸出與原始資料核對，再用於說明文章或使用者訊息。
螢幕截圖請補充使用者目標，並指出任何需要特別注意的元素。任務說明範例是：「說明使用者要變更這項設定時，畫面中可見的操作步驟。使用螢幕上顯示的按鈕名稱，並列出任何小到無法讀取的文字。」比較圖片時，請標示 A 和 B，並提供共同標準，例如變更的標籤或可見物件的位置。回應是對圖片提出的文字詮釋。
影片理解透過影格檢查視覺內容，並回傳文字描述或回答。請選取與問題相關的片段並保留順序；若分析需要說話內容，請另以文字提供逐字稿，因為這個視覺流程不理解影片的音軌。實用的輸出可以包含觀察到的順序、相關場景細節，以及提供的影格仍無法解決的問題。
在這個視覺輸入流程中，請將文件頁面準備成清楚可讀的影像；PDF 或 Word 檔案本身不是影像輸入。依照已記載的 Alibaba 檔案流程，透過 URL 提供的圖片不得超過 10 MB；以公開 URL 提供的影片檔案長度須為 2–40 秒且不得超過 150 MB，或改用依序排列的 4–80 個影格。視覺與文字 token 的總量仍須符合模型輸入額度。整頁使標籤過小時，請裁切關注區域，同時保留解讀表格或圖解需要的上下文。指出需要逐字轉錄、說明，還是簡短摘要。這項選擇可讓交付結果更易於重複使用，也不會混淆來源中可見的文字與模型額外的詮釋。
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-plus-2025-05-07 | 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 $0.00044 / 1K Token 輸出 · 輸出 Token $0.0013 / 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-plus-2025-05-07", "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-2025-05-07',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-2025-05-07',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-plus-2025-05-07
請使用上方列出的 API 方法路徑。
qwen-vl-plus-2025-05-07Qwen-VL-Plus 2025-05-07 結合文字、圖片及影片，產生視覺說明。這個具名固定版本可用於場景描述、可見文字擷取，以及文件、螢幕截圖或連續影格細節的問題。
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-Plus 2025-05-07 是 Alibaba 的具名視覺語言固定版本。Qwen-VL-Plus 著重細緻的視覺理解及讀取圖片內文字，將提供的視覺證據與書面問題轉成文字回答。實用的起點是具體來源，例如希望了解內容的照片、螢幕截圖、文件頁面影像或影片影格。
開發商將 5 月版本與 Qwen-VL-Plus 2025-07-10 分別列出。7 月針對監控影片的特定強化，屬於那個較新的固定版本。使用 5 月模型時，請依照文件記載的視覺語言用途安排任務：檢查細節、讀取可見文字、描述場景，並將結果與問題連結。比較同一項作業的回答方式時，請將模型名稱與來源資料一併保留。
影像理解可以使用一張圖片，或以同一個問題處理多張圖片。文件工作請指定需要的欄位或區域，例如：「讀取標示區域內的標籤，保留原始拼字，並讓每個標籤各占一行。」對拍攝的操作說明頁面，請先要求轉錄文字，再另行說明。這樣可先將輸出與原始資料核對，再用於說明文章或使用者訊息。
螢幕截圖請補充使用者目標，並指出任何需要特別注意的元素。任務說明範例是：「說明使用者要變更這項設定時，畫面中可見的操作步驟。使用螢幕上顯示的按鈕名稱，並列出任何小到無法讀取的文字。」比較圖片時，請標示 A 和 B，並提供共同標準，例如變更的標籤或可見物件的位置。回應是對圖片提出的文字詮釋。
影片理解透過影格檢查視覺內容，並回傳文字描述或回答。請選取與問題相關的片段並保留順序；若分析需要說話內容，請另以文字提供逐字稿，因為這個視覺流程不理解影片的音軌。實用的輸出可以包含觀察到的順序、相關場景細節，以及提供的影格仍無法解決的問題。
在這個視覺輸入流程中，請將文件頁面準備成清楚可讀的影像；PDF 或 Word 檔案本身不是影像輸入。依照已記載的 Alibaba 檔案流程，透過 URL 提供的圖片不得超過 10 MB；以公開 URL 提供的影片檔案長度須為 2–40 秒且不得超過 150 MB，或改用依序排列的 4–80 個影格。視覺與文字 token 的總量仍須符合模型輸入額度。整頁使標籤過小時，請裁切關注區域，同時保留解讀表格或圖解需要的上下文。指出需要逐字轉錄、說明，還是簡短摘要。這項選擇可讓交付結果更易於重複使用，也不會混淆來源中可見的文字與模型額外的詮釋。
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-plus-2025-05-07 | 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 $0.00044 / 1K Token 輸出 · 輸出 Token $0.0013 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "qwen-vl-plus-2025-05-07",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-05-07', '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-2025-05-07', '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-plus-2025-05-07
請使用上方列出的 API 方法路徑。
英文技術範例
Turn transcribed controls into instructions\n\nUse this written transcription of a settings screen: heading 'Notifications'; checkbox 'Weekly summary' checked; checkbox 'Order alerts' checked; button 'Save changes'. A user wants to stop only weekly summaries. Write three numbered steps using the exact visible control names, and add one sentence stating which alert setting should stay enabled.Three concise steps plus a preservation note for Order alerts, based solely on the transcription.Only Weekly summary is unchecked, Save changes is included, and Order alerts remains enabled.