Qwen-VL-Max
复制成功！
立即体验加入对比
视觉理解
概述
视觉理解
千问VL-Max（qwen-vl-max），即千问超大规模视觉语言模型。相比增强版，再次提升视觉推理能力和指令遵循能力，提供更高的视觉感知和认知水平。在更多复杂任务上提供最佳的性能。
输入
文本图像视频
输出
文本
功能
定价
- 输入¥1.6/M tokens
- 输出¥4/M tokens
- 输入（缓存命中）¥0.32/M tokens
- 输入（Batch File）¥0.8/M tokens
- 输出（Batch File）¥2/M tokens
- 调优¥150/M tokens
速率限制与上下文
- 最大输入129.02K
- 最大输出8.19K
- RPM每分钟请求数1.20K
- TPM每分钟 Token 数1M
- 上下文131.07K
API 参考
获取 API Key复制成功！
1234567891011121314151617
import os
import dashscope
dashscope.base_http_api_url = 'https://dashscope.aliyuncs.com/api/v1'
messages = [
{
"role": "user",
"content": [
{"image": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/ctdzex/biaozhun.jpg"},
{"text": "请仅输出图像中的文本内容。"}]
}]
response = dashscope.MultiModalConversation.call(
#若没有配置环境变量， 请用百炼API Key将下行替换为： api_key ="sk-xxx"
api_key = os.getenv('DASHSCOPE_API_KEY'),
model = 'qwen-vl-max',
messages = messages
)
print(response.output.choices[0].message.content[0]["text"])