qwen3-vl-plus
通义千问VL是具有视觉(图像)理解能力的文本生成模型,不仅能进行OCR(图片文字识别),还能进一步总结和推理,例如从商品照片中提取属性,根据习题图进行解题等。 模型能力: 视觉理解 最大上下文:256K 输入:文本、图片、视频 输出:文本复制
价格信息
类型官方原价/折扣价格
<32K:
输入
输入(缓存命中)
输出
1.000.43 积分/M tokens
0.200.09 积分/M tokens
10.004.30 积分/M tokens
32K≤输入<128K:
输入
输入(缓存命中)
输出
1.500.65 积分/M tokens
0.300.13 积分/M tokens
15.006.45 积分/M tokens
≥128K:
输入
输入(缓存命中)
输出
3.001.29 积分/M tokens
0.600.26 积分/M tokens
30.0012.90 积分/M tokens
API文档
Request address and method(请求地址和方式)
POSThttps://api.suanjiayun.com/v1/chat/completions
Request Headers(请求头)
"Authorization" string必填
示例:"Bearer <令牌key>"。使用 Bearer Token 认证
"Content-Type" string必填
示例:"application/json"。使用 JSON 发送请求主体
Request Body(请求体)
application/json "model" string必填
示例:"qwen3-vl-plus"。 调用的模型 ID
"messages" array必填
对话消息列表
"role" string
示例:"user"。 聊天模型 API 中消息的角色标识。取值:"system" | "user" | "assistant"
"content" string必填
示例:"内容"。 对话内容
"stream" boolean
示例:false。 调用的模型 ID
"temperature" number
示例:1。 采样温度,控制输出的随机性和创造性,取值范围[0,2]
"top_p" number
示例:1。 核采样参数,控制词汇选择的多样性,取值范围[0,1]
"n" number
示例:1。 生成数量,取值范围[1,+∞]
"frequency_penalty" number
示例:0。 频率惩罚,减少重复词汇的出现[-2,2]
"presence_penalty" number
示例:0。 存在惩罚,鼓励讨论新话题[-2,2]
"reasoning_effort" string
示例:"medium"。 推理强度 (用于支持推理的模型),"low" | "medium" | "high"
请求示例
cURL
JavaScript
Java
Python
Go
响应示例
200
400
409