Qwen-VL-Plus 2025-07-10 是 Alibaba 用於理解圖片及影片、帶有日期標記的視覺語言模型。其代表性更新是更強的監控影片內容理解。模型接受視覺資料及文字指示，回傳事件描述、場景回答，或依照要求檢查的細節整理的文字報告。Alibaba 也將此固定版本命名為 qwen-vl-plus-0710。
開發商將此版本與 Qwen-VL-Plus 2025-05-07，以及同一頁面說明的 Qwen-VL-Plus latest 別名區分。任務特別涉及攝影機畫面時，這個區別很重要：著重監控的更新屬於 7 月具名固定版本。比較提示詞或再次檢查相同畫面時，請在任務紀錄中保留精確版本。
視覺問題可以涉及影格中出現什麼、物件的位置，以及可見動作如何隨序列發展。單張圖片可用於場景描述；多張標示過的圖片可提供不同視角或連續時刻。影片理解使用取樣影格。產生的說明針對可見證據；模型不生成替代影片，這個視覺流程也不分析影片音軌。
事件報告請準備相關片段或依序排列的影格，並指出重要區域或活動。任務說明範例是：「依序描述人物在入口附近的可見動作。每項觀察請提供涉及的物件、位置，以及可見的變化。將不確定細節放在最後的獨立句子中。」可以要求簡短敘述、觀察清單或具名報告章節。這些是文字回答的指示，不是另一種結構化輸出模式。
此固定版本公開的上下文視窗為 32,768 個 token，最大輸入為 30,720 個 token，最大輸出為 8,096 個 token。專用模型表也列出單張圖片最多 16,384 個 token。文字指示、對話上下文及視覺內容須共同符合輸入額度；輸出上限是獨立限制，不是容納更多來源資料的額外空間。檢查長錄影時，請選取目標片段，並保留足夠前後影格，讓順序可以理解。
選擇能辨識相關物件的來源影格，標示不同攝影機或視角，並精確指出要觀察的內容。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。若任務需要口頭說明，請另以文字提供其逐字稿。要求報告區分可見移動與推論目的：「朝門口走去」與具有離開意圖是不同敘述。實用的交付結果，是與畫面及指定觀察標準相連結、可供檢查的文字紀錄。
", "aboutText": "Qwen-VL-Plus 2025-07-10 是 Alibaba 用於理解圖片及影片、帶有日期標記的視覺語言模型。其代表性更新是更強的監控影片內容理解。模型接受視覺資料及文字指示，回傳事件描述、場景回答，或依照要求檢查的細節整理的文字報告。Alibaba 也將此固定版本命名為 qwen-vl-plus-0710。\n\n開發商將此版本與 Qwen-VL-Plus 2025-05-07，以及同一頁面說明的 Qwen-VL-Plus latest 別名區分。任務特別涉及攝影機畫面時，這個區別很重要：著重監控的更新屬於 7 月具名固定版本。比較提示詞或再次檢查相同畫面時，請在任務紀錄中保留精確版本。\n\n視覺問題可以涉及影格中出現什麼、物件的位置，以及可見動作如何隨序列發展。單張圖片可用於場景描述；多張標示過的圖片可提供不同視角或連續時刻。影片理解使用取樣影格。產生的說明針對可見證據；模型不生成替代影片，這個視覺流程也不分析影片音軌。\n\n事件報告請準備相關片段或依序排列的影格，並指出重要區域或活動。任務說明範例是：「依序描述人物在入口附近的可見動作。每項觀察請提供涉及的物件、位置，以及可見的變化。將不確定細節放在最後的獨立句子中。」可以要求簡短敘述、觀察清單或具名報告章節。這些是文字回答的指示，不是另一種結構化輸出模式。\n\n此固定版本公開的上下文視窗為 32,768 個 token，最大輸入為 30,720 個 token，最大輸出為 8,096 個 token。專用模型表也列出單張圖片最多 16,384 個 token。文字指示、對話上下文及視覺內容須共同符合輸入額度；輸出上限是獨立限制，不是容納更多來源資料的額外空間。檢查長錄影時，請選取目標片段，並保留足夠前後影格，讓順序可以理解。\n\n選擇能辨識相關物件的來源影格，標示不同攝影機或視角，並精確指出要觀察的內容。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。若任務需要口頭說明，請另以文字提供其逐字稿。要求報告區分可見移動與推論目的：「朝門口走去」與具有離開意圖是不同敘述。實用的交付結果，是與畫面及指定觀察標準相連結、可供檢查的文字紀錄。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
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 是著重監控影片理解的視覺語言固定版本。它將圖片或影片影格與書面問題結合，以描述可見事件、追蹤動作，並產生文字報告。
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 2025-07-10 是 Alibaba 用於理解圖片及影片、帶有日期標記的視覺語言模型。其代表性更新是更強的監控影片內容理解。模型接受視覺資料及文字指示，回傳事件描述、場景回答，或依照要求檢查的細節整理的文字報告。Alibaba 也將此固定版本命名為 qwen-vl-plus-0710。
開發商將此版本與 Qwen-VL-Plus 2025-05-07，以及同一頁面說明的 Qwen-VL-Plus latest 別名區分。任務特別涉及攝影機畫面時，這個區別很重要：著重監控的更新屬於 7 月具名固定版本。比較提示詞或再次檢查相同畫面時，請在任務紀錄中保留精確版本。
視覺問題可以涉及影格中出現什麼、物件的位置，以及可見動作如何隨序列發展。單張圖片可用於場景描述；多張標示過的圖片可提供不同視角或連續時刻。影片理解使用取樣影格。產生的說明針對可見證據；模型不生成替代影片，這個視覺流程也不分析影片音軌。
事件報告請準備相關片段或依序排列的影格，並指出重要區域或活動。任務說明範例是：「依序描述人物在入口附近的可見動作。每項觀察請提供涉及的物件、位置，以及可見的變化。將不確定細節放在最後的獨立句子中。」可以要求簡短敘述、觀察清單或具名報告章節。這些是文字回答的指示，不是另一種結構化輸出模式。
此固定版本公開的上下文視窗為 32,768 個 token，最大輸入為 30,720 個 token，最大輸出為 8,096 個 token。專用模型表也列出單張圖片最多 16,384 個 token。文字指示、對話上下文及視覺內容須共同符合輸入額度；輸出上限是獨立限制，不是容納更多來源資料的額外空間。檢查長錄影時，請選取目標片段，並保留足夠前後影格，讓順序可以理解。
選擇能辨識相關物件的來源影格，標示不同攝影機或視角，並精確指出要觀察的內容。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。若任務需要口頭說明，請另以文字提供其逐字稿。要求報告區分可見移動與推論目的：「朝門口走去」與具有離開意圖是不同敘述。實用的交付結果，是與畫面及指定觀察標準相連結、可供檢查的文字紀錄。
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-2025-07-10 | 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 $0.000044 / 1K Token 輸出 · 輸出 Token $0.00044 / 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-2025-07-10", "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 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-2025-07-10
請使用上方列出的 API 方法路徑。
qwen-vl-plus-2025-07-10Qwen-VL-Plus 2025-07-10 是著重監控影片理解的視覺語言固定版本。它將圖片或影片影格與書面問題結合，以描述可見事件、追蹤動作，並產生文字報告。
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 2025-07-10 是 Alibaba 用於理解圖片及影片、帶有日期標記的視覺語言模型。其代表性更新是更強的監控影片內容理解。模型接受視覺資料及文字指示，回傳事件描述、場景回答，或依照要求檢查的細節整理的文字報告。Alibaba 也將此固定版本命名為 qwen-vl-plus-0710。
開發商將此版本與 Qwen-VL-Plus 2025-05-07，以及同一頁面說明的 Qwen-VL-Plus latest 別名區分。任務特別涉及攝影機畫面時，這個區別很重要：著重監控的更新屬於 7 月具名固定版本。比較提示詞或再次檢查相同畫面時，請在任務紀錄中保留精確版本。
視覺問題可以涉及影格中出現什麼、物件的位置，以及可見動作如何隨序列發展。單張圖片可用於場景描述；多張標示過的圖片可提供不同視角或連續時刻。影片理解使用取樣影格。產生的說明針對可見證據；模型不生成替代影片，這個視覺流程也不分析影片音軌。
事件報告請準備相關片段或依序排列的影格，並指出重要區域或活動。任務說明範例是：「依序描述人物在入口附近的可見動作。每項觀察請提供涉及的物件、位置，以及可見的變化。將不確定細節放在最後的獨立句子中。」可以要求簡短敘述、觀察清單或具名報告章節。這些是文字回答的指示，不是另一種結構化輸出模式。
此固定版本公開的上下文視窗為 32,768 個 token，最大輸入為 30,720 個 token，最大輸出為 8,096 個 token。專用模型表也列出單張圖片最多 16,384 個 token。文字指示、對話上下文及視覺內容須共同符合輸入額度；輸出上限是獨立限制，不是容納更多來源資料的額外空間。檢查長錄影時，請選取目標片段，並保留足夠前後影格，讓順序可以理解。
選擇能辨識相關物件的來源影格，標示不同攝影機或視角，並精確指出要觀察的內容。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。若任務需要口頭說明，請另以文字提供其逐字稿。要求報告區分可見移動與推論目的：「朝門口走去」與具有離開意圖是不同敘述。實用的交付結果，是與畫面及指定觀察標準相連結、可供檢查的文字紀錄。
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-2025-07-10 | 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 $0.000044 / 1K Token 輸出 · 輸出 Token $0.00044 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "qwen-vl-plus-2025-07-10",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-2025-07-10
請使用上方列出的 API 方法路徑。
英文技術範例
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.