Comprensión de PDF

La comprensión de PDF está disponible actualmente en China (Beijing) y Singapur (qwen3.8-27b no admite la comprensión de PDF en Singapur). Las llamadas a través de la Responses API no son compatibles en este momento; si pasa un PDF mediante la Responses API, la llamada aún devuelve HTTP 200, pero el archivo no se entrega al modelo.

Modelos compatibles

qwen4-max-preview (solo Token Plan), qwen3.8-max, qwen3.8-max-0902, qwen3.8-flash, qwen3.8-27b

Inicio rápido

Los siguientes ejemplos demuestran cómo enviar un archivo PDF al modelo.

Debe haber Obtenido una clave API y completado Configurar la clave API como variable de entorno.

Compatible con OpenAI
DashScope

Python
Node.js
HTTP

Código de ejemplo

from openai import OpenAI
import os

client = OpenAI(
    # If the environment variable is not configured, replace it with your Model Studio API key: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # The following is the URL for the Beijing (China) region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "file",
                    "file": {
                        "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
                    }
                },
                {
                    "type": "text",
                    "text": "Summarize this PDF document"
                }
            ]
        }
    ],
    stream=True,
    stream_options={"include_usage": True},
    # Required to return usage.x_tools.pdf_page_parser.count (PDF parsed page count)
    extra_body={"include_tool_usage": True}
)

for chunk in completion:
    if not chunk.choices:
        print(f"\nUsage: {chunk.usage}")
        continue
    delta = chunk.choices[0].delta
    if hasattr(delta, "content") and delta.content:
        print(delta.content, end="", flush=True)

Código de ejemplo

import OpenAI from "openai";
import process from 'process';

const openai = new OpenAI({
    // If the environment variable is not configured, replace it with your Model Studio API key: apiKey: "sk-xxx"
    apiKey: process.env.DASHSCOPE_API_KEY,
    // The following is the URL for the Beijing (China) region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
    baseURL: 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1'
});

async function main() {
    const stream = await openai.chat.completions.create({
        model: 'qwen3.8-max',
        messages: [
            {
                role: 'user',
                content: [
                    {
                        type: 'file',
                        file: {
                            file_url: 'https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf'
                        }
                    },
                    {
                        type: 'text',
                        text: 'Summarize this PDF document'
                    }
                ]
            }
        ],
        stream: true,
        stream_options: { include_usage: true },
        // Required to return usage.x_tools.pdf_page_parser.count (PDF parsed page count)
        include_tool_usage: true
    });

    for await (const chunk of stream) {
        if (!chunk.choices?.length) {
            console.log('\nUsage:', chunk.usage);
            continue;
        }
        const delta = chunk.choices[0].delta;
        if (delta.content) {
            process.stdout.write(delta.content);
        }
    }
}

main();

Código de ejemplo

# The following is the URL for the Beijing (China) region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.8-max",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "file",
                    "file": {
                        "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
                    }
                },
                {
                    "type": "text",
                    "text": "Summarize this PDF document"
                }
            ]
        }
    ],
    "stream": true,
    "stream_options": {
        "include_usage": true
    },
    "include_tool_usage": true
}'

Python
HTTP

Código de ejemplo

import os
from dashscope import MultiModalConversation
import dashscope

# The following is the URL for the Beijing (China) region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"

messages = [
    {
        "role": "user",
        "content": [
            {
                "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
            },
            {
                "text": "Summarize this PDF document"
            }
        ]
    }
]

completion = MultiModalConversation.call(
    # If the environment variable is not configured, replace it with your Alibaba Cloud Model Studio API key: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3.8-max",
    messages=messages,
    stream=True,
    incremental_output=True
)

for chunk in completion:
    message = chunk.output.choices[0].message
    if message.content:
        print(message.content[0]["text"], end="", flush=True)

Código de ejemplo

# The following is the URL for the Beijing (China) region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
curl -X POST "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
    "model": "qwen3.8-max",
    "input": {
        "messages": [
            {
                "role": "user",
                "content": [
                    {
                        "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
                    },
                    {
                        "text": "Summarize this PDF document"
                    }
                ]
            }
        ]
    },
    "parameters": {
        "incremental_output": true,
        "result_format": "message"
    }
}'

Uso de entrada Base64

Si no puede proporcionar una URL, puede pasar el archivo PDF como una cadena codificada en Base64. El campo filename es obligatorio cuando se utiliza file_data.

La codificación Base64 aumenta el tamaño de los datos en aproximadamente un tercio. Por ejemplo, un archivo de 150 MB se convierte en unos 200 MB después de la codificación, lo que excede el límite de tamaño del cuerpo de la solicitud. Para archivos grandes, utilice el método de URL en su lugar.

import base64
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # The following is the URL for the Beijing (China) region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
    base_url="https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1",
)

# Read and encode the PDF file
with open("report.pdf", "rb") as f:
    pdf_base64 = base64.b64encode(f.read()).decode("utf-8")

completion = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "file",
                    "file": {
                        "file_data": f"data:application/pdf;base64,{pdf_base64}",
                        "filename": "report.pdf"
                    }
                },
                {
                    "type": "text",
                    "text": "What are the key findings in this report?"
                }
            ]
        }
    ]
)

print(completion.choices[0].message.content)

Parámetros de solicitud

La entrada de archivo se especifica como un elemento de contenido con type: "file" (compatible con OpenAI) o como un elemento de contenido que contiene file_url/file_data (DashScope).

El campo URL solo acepta una cadena. No se admite una lista (arreglo) de URLs.

Formato compatible con OpenAI:

Parámetro	Tipo	Obligatorio	Descripción
file_url	string	Condicional	URL del archivo PDF a descargar. Mutuamente excluyente con `file_data`.
file_data	string	Condicional	Datos PDF codificados en Base64 con el formato `data:application/pdf;base64,...`. Mutuamente excluyente con `file_url`.
filename	string	Condicional	El nombre del archivo. Obligatorio cuando se utiliza `file_data`.
file_format	string	No	El formato de archivo. Actualmente solo se admite `pdf`. El valor predeterminado es `pdf`.

Límites

Elemento	Límite
Tamaño máximo de archivo	150 MB
Número máximo de páginas	256 páginas

El análisis de PDF puede tardar más que las solicitudes de texto regulares. El tiempo de espera del primer token es de hasta 300 segundos. Se recomienda utilizar la salida por streaming para evitar largas esperas.

Facturación

La facturación incluye lo siguiente:

Tokens de entrada del modelo: El texto extraído del PDF y las imágenes analizadas de las páginas se cuentan como tokens de entrada, facturados a la tarifa estándar de tokens de entrada del modelo.
Tarifa de análisis de documentos: Se cobra por página del documento PDF analizado, correspondiente al elemento de medición document_parsing (pdf). Los precios unitarios varían según la región: China (Beijing) $0.003 por página, Singapur $0.0033 por página.

Para conocer los precios de tokens de entrada y salida por modelo, consulte Precios de inferencia de modelos.

Ver recuento de páginas PDF analizadas

Puede leer el recuento de páginas del PDF analizado desde el campo pdf_page_parser.count bajo usage en la respuesta. El comportamiento difiere ligeramente entre los dos protocolos:

// You must pass "include_tool_usage": true at the top level of the request body.
// With the OpenAI Python SDK, pass it via extra_body={"include_tool_usage": True}.
// With raw HTTP/curl, put it at the top level; do NOT nest it inside extra_body or stream_options.
{
    "usage": {
        "x_tools": {
            "pdf_page_parser": {
                "count": 10,
                "strategy": "normal"
            }
        }
    }
}

​Modelos compatibles

​Inicio rápido

Código de ejemplo

​Uso de entrada Base64

​Parámetros de solicitud

​Límites

​Facturación

​Ver recuento de páginas PDF analizadas

Modelos compatibles

Inicio rápido

Uso de entrada Base64

Parámetros de solicitud

Límites

Facturación

Ver recuento de páginas PDF analizadas