Skip to main content

PDF Understanding

Analysez le texte et les images des documents PDF avec Chat Completions, Responses API, DashScope ou l’API compatible Anthropic.

Modèles pris en charge

qwen4-max , qwen3.8-max, qwen3.8-max-0902, qwen3.8-flash, qwen3.8-27b La compréhension des PDF avec qwen3.8-27b est disponible uniquement via Chat Completions ou DashScope à Pékin.

Démarrage rapide

Les exemples suivants montrent comment envoyer un fichier PDF au modèle.
Vous devez avoir Obtenu une clé API et terminé l'étape Configurer la clé API comme variable d'environnement .
  • OpenAI Compatible
  • DashScope
  • Responses API
  • Anthropic
  • Python
  • Node.js
  • HTTP

Exemple de code

from openai import OpenAI
import os

client = OpenAI(
    # If the environment variable is not configured, replace with: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # The following is the URL for the Chine (Pékin) region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen4-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}
)

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)

Utilisation de l'entrée Base64

Si aucune URL n'est disponible, transmettez le fichier PDF sous forme de chaîne encodée en Base64. Le champ filename est obligatoire lors de l'utilisation de file_data.
  • Chat Completions / DashScope
  • Anthropic
import base64
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # The following is the URL for the Singapore region. Replace {WorkspaceId} with your actual workspace ID when calling the API. URLs differ by region.
    base_url="https://{WorkspaceId}.ap-southeast-1.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="qwen4-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)

Paramètres de requête

Le tableau suivant concerne Chat Completions. Responses API utilise type: "input_file" et file_url. L’API compatible Anthropic utilise type: "document" avec source.type: "base64", source.media_type: "application/pdf" et source.data (chaîne Base64 sans préfixe Data URI). DashScope accepte les fichiers sous forme d’éléments du tableau content contenant file_url ou file_data. Pour une entrée par URL, type est obligatoire et fixé à document ; source est un objet obligatoire. Dans source, type est une chaîne obligatoire définie sur url, et url est une chaîne obligatoire contenant l’URL du fichier PDF.
Le champ URL accepte uniquement une chaîne de caractères. Les listes (tableaux) d'URL ne sont pas prises en charge.
Format compatible OpenAI :

Paramètre

Type

Obligatoire

Description

file_urlstringConditionnelURL du fichier PDF à télécharger. Mutuellement exclusif avec file_data.
file_datastringConditionnelDonnées PDF encodées en Base64 au format data:application/pdf;base64,.... Mutuellement exclusif avec file_url.
filenamestringConditionnelNom du fichier. Obligatoire lors de l'utilisation de file_data.
file_formatstringNonFormat du fichier. Seul pdf est actuellement pris en charge. La valeur par défaut est pdf.

Limites

Élément

Limite

Taille maximale du fichier150 Mo
Nombre maximal de pages256 pages
L'analyse des PDF peut prendre plus de temps que les requêtes textuelles classiques. Le délai d'attente du premier token peut atteindre 300 secondes. Nous recommandons d'utiliser la sortie en streaming pour éviter des attentes prolongées.

Facturation

La facturation comprend les éléments suivants :
  • Tokens d'entrée du modèle : Le texte extrait du PDF et les images analysées depuis les pages sont comptabilisés comme tokens d'entrée et facturés au tarif standard d'entrée du modèle.
  • Frais d'analyse de document : Facturés par page du document PDF analysé, correspondant à l'unité de mesure document_parsing (pdf). Les prix unitaires varient selon la région : Chine (Pékin) : 0,003 $ par page, Singapour : 0,0033 $ par page. Mode de déploiement global : USD 0,003 par page.

Afficher le nombre de pages PDF analysées

Pour Responses avec qwen4-max, utilisez tool_usage au niveau supérieur de la réponse. Le champ num_requests de chaque outil indique le nombre de requêtes facturées ; pdf_page_parser.num_requests indique le nombre de pages analysées. Les exemples Responses de Qwen3.8 utilisent usage.x_tools. Pour Chat Completions et Responses API (Qwen3.8), transmettez include_tool_usage: true au niveau supérieur du corps de la requête et lisez usage.x_tools.pdf_page_parser.count. Pour DashScope, lisez usage.plugins.pdf_page_parser.count. L’API compatible Anthropic renvoie le nombre de pages dans le champ de réponse de niveau supérieur x_tools.pdf_page_parser.count. L’absence du compteur ne signifie pas qu’aucuns frais d’analyse n’ont été facturés.
Anthropic
{
    "x_tools": {
        "pdf_page_parser": {
            "count": 10,
            "strategy": "normal"
        }
    }
}