リクエストボディ model string(必須) モデル名。 サポートされているモデル：Qwen 大規模言語モデル (商用およびオープンソース版)、Qwen-VL、Qwen-Coder、Qwen-Omni、Qwen-Math、DeepSeek、Kimi、GLM、MiniMax。 特定のモデル名と課金詳細については、Model Studio コンソール をご参照ください。 messages array(必須) 大規模言語モデルに渡されるコンテキストで、会話の順序で配置されます。
システムメッセージobject(任意) 大規模言語モデルのロール、トーン、タスク、または制約を定義するシステムメッセージです。通常、messages 配列の最初の要素です。
QwQ モデルにはシステムメッセージを設定しないでください。システムメッセージは QVQ モデルには影響しません。
content string(必須) システム命令です。モデルのロール、動作、応答スタイル、タスクの制約を指定します。 role string(必須) システムメッセージのロールです。値は system に固定されています。
ユーザーメッセージobject(必須) ユーザーメッセージです。質問、指示、またはコンテキストをモデルに渡します。
content string or array(必須) メッセージ内容です。入力がテキストのみの場合は string 型、画像などのマルチモーダルデータを含む場合や明示的なキャッシュが有効な場合は array 型になります。
マルチモーダルモデルまたは明示的なキャッシュが有効な場合のプロパティ
type string(必須) 有効値：
textテキスト入力の場合は text に設定します。
image_url画像入力の場合は image_url に設定します。
input_audio音声入力の場合は input_audio に設定します。
video画像のリストとしてビデオ入力する場合は video に設定します。
video_url動画ファイルの入力には video_url に設定します。
一部の Qwen-VL モデルのみがビデオファイルの入力をサポートしています。詳細については、「ビデオ理解 (Qwen-VL) 」をご参照ください。QVQ および Qwen-Omni モデルは、ビデオファイルの直接入力に対応しています。
text string入力テキストです。このパラメーターは、type が text の場合に必須です。 image_url object入力画像情報です。このパラメーターは、type が image_url の場合に必須です。
url string(必須) 画像の URL または Base64 エンコードされたデータ URL です。ローカルファイルを渡すには、「画像とビデオの理解 」をご参照ください。 input_audio object入力音声情報です。このパラメーターは、type が input_audio の場合に必須です。
data string(必須) 音声の URL または Base64 エンコードされたデータ URL です。ローカルファイルを渡すには、「Base64 エンコードされたローカルファイルの入力 」をご参照ください。 format string(必須) 入力音声のフォーマットです。例：mp3 または wav。 video array画像のリストとして提供される入力ビデオ情報です。このパラメーターは、type が video の場合に必須です。使用方法の詳細については、「ビデオ理解 (Qwen-VL、QVQ) 」、または「ビデオ理解 (Qwen-Omni) 」をご参照ください。 値の例： [ "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/xzsgiz/football1.jpg" , "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/tdescd/football2.jpg" , "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/zefdja/football3.jpg" , "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/aedbqh/football4.jpg" ]
video_url object入力ビデオファイル情報です。このパラメーターは、type が video_url の場合に必須です。 Qwen-VL はビデオファイルの視覚情報のみを理解できますが、Qwen-Omni は視覚情報と音声情報の両方を理解できます。
fps float(任意)1 秒あたりに抽出するフレーム数です。有効値：[0.1, 10]。デフォルト値：2.0。
MiniMax/MiniMax-M3 の有効範囲は [0.2, 5] で、デフォルト値は 1 です。
fps パラメーターには 2 つの機能があります：
ビデオファイルを入力すると、フレーム抽出の周波数を制御します。f p s 1 秒ごとに 1 フレームが抽出されます。
これは Qwen-VL 、QVQ モデルに適用されます。
隣接するフレーム間の時間間隔をモデルに通知し、ビデオの時間の経過に伴う進行をよりよく理解するのに役立ちます。これは、ビデオファイルと画像リストの両方の入力に適用されます。この機能は、イベント時間のローカライズやセグメント化されたコンテンツの要約などのシナリオに適しています。
Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL、Qwen2.5-VL、Qwen3.5-Omni、および QVQ モデルでサポートされています。
fps の値が大きいほど、スポーツイベントやアクション映画などの高速な動きのシナリオに適しています。fps の値が小さいほど、長いビデオや静的なコンテンツのシーンに適しています。
画像リストの入力： {"video":["https://xx1.jpg",...,"https://xxn.jpg"],"fps":2}
ビデオファイルの入力： {"video": "https://xx1.mp4", "fps":2}
min_pixels integer(任意)入力画像またはビデオフレームの最小ピクセルしきい値を設定します。入力のピクセル数が min_pixels 未満の場合、総ピクセル数が min_pixels を超えるまで拡大されます。このパラメーターは Qwen-VL および QVQ モデルに適用されます。
画像入力：
Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL：デフォルト値と最小値：65536
Qwen3.5-Omni：デフォルト値と最小値：24576
Qwen2.5-VL オープンソースシリーズ、および QVQ シリーズモデル：デフォルト値と最小値：3136
ビデオファイルまたは画像リストの入力：
Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3.5-Omni、Qwen3-VL (商用およびオープンソース版を含む)：デフォルト値：65536。最小値：4096
Qwen2.5-VL オープンソースシリーズ、および QVQ シリーズモデル：デフォルト値：50176。最小値：3136
画像入力： {"type": "image_url","image_url": {"url":"https://xxxx.jpg"},"min_pixels": 65536}
ビデオファイル入力： {"type": "video_url","video_url": {"url":"https://xxxx.mp4"},"min_pixels": 65536}
画像リスト入力： {"type": "video","video": ["https://xx1.jpg",...,"https://xxn.jpg"],"min_pixels": 65536}
max_pixels integer(任意)入力画像またはビデオフレームの最大ピクセルしきい値を指定します。入力画像またはビデオのピクセル数が [min_pixels, max_pixels] の範囲内にある場合、モデルは元の画像を処理します。ピクセル数が max_pixels を超える場合、ピクセル数が max_pixels 以下になるまで画像は縮小されます。このパラメーターは Qwen-VL および QVQ モデルに適用されます。
画像入力：
max_pixels の値は、vl_high_resolution_images パラメーターが有効になっているかどうかによって異なります。
vl_high_resolution_images が False の場合：
Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL：デフォルト値：2621440。最大値：16777216
Qwen3.5-Omni：デフォルト値：1310720。最大値：16777216Qwen2.5-VL オープンソースシリーズ、および QVQ シリーズモデル：デフォルト値：1003520。最大値：12845056
vl_high_resolution_images が True の場合：
Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5-Omni、Qwen3.5、Qwen3-VL：max_pixels は無効です。入力画像の最大ピクセル数は 16777216 に固定されます。
Qwen2.5-VL オープンソースシリーズ、および QVQ シリーズモデル：max_pixels は無効です。入力画像の最大ピクセル数は 12845056 に固定されます。
ビデオファイルまたは画像リストの入力：
Qwen3.8 シリーズ、Qwen3.7 シリーズ、Qwen3.6 シリーズ、Qwen3.5 シリーズ、Qwen3.5-Omni、Qwen3-VL クローズドソースシリーズ：デフォルト値：655360。最大値：2048000
その他の Qwen3-VL オープンソースモデル：デフォルト値：655360。最大値：786432
Qwen2.5-VL オープンソースシリーズ、および QVQ シリーズモデル：デフォルト値：501760。最大値：602112
画像入力： {"type": "image_url","image_url": {"url":"https://xxxx.jpg"},"max_pixels": 8388608}
ビデオファイル入力： {"type": "video_url","video_url": {"url":"https://xxxx.mp4"},"max_pixels": 655360}
画像リスト入力： {"type": "video","video": ["https://xx1.jpg",...,"https://xxn.jpg"],"max_pixels": 655360}
total_pixels integer(任意)ビデオから抽出されたすべてのフレームの総ピクセル数を制限します。これは (フレームあたりのピクセル数 × 総フレーム数) として計算されます。ビデオの総ピクセル数がこの制限を超えると、システムはビデオフレームを縮小します。システムは、単一フレームのピクセル数が [min_pixels, max_pixels] の範囲内に収まるようにします。このパラメーターは Qwen-VL および QVQ モデルに適用されます。 抽出されたフレームが多い長いビデオの場合、この値を小さくするとトークンの消費量と処理時間を削減できますが、画像の詳細が失われる可能性があります。
Qwen3.8 シリーズ、Qwen3.7 シリーズ、Qwen3.6 シリーズ、Qwen3.5 シリーズ：デフォルト値と最大値：819200000。これは 800000 画像トークンに相当します (1 画像トークンあたり 32×32 ピクセル)。Qwen3-VL クローズドソースシリーズ：デフォルト値と最大値：134217728。これは 131072 画像トークンに相当します (1 画像トークンあたり 32×32 ピクセル)。Qwen3.5-Omni：デフォルト値と最小値：184549376。これは 180224 画像トークンに相当します (1 画像トークンあたり 32×32 ピクセル)。その他の Qwen3-VL オープンソースモデル：デフォルト値と最小値：67108864。これは 65536 画像トークンに相当します (1 画像トークンあたり 32×32 ピクセル)。
Qwen2.5-VL オープンソースシリーズ、および QVQ シリーズモデル：デフォルト値と最小値：51380224。これは 65536 画像トークンに相当します (1 画像トークンあたり 28×28 ピクセル)。
ビデオファイル入力： {"type": "video_url","video_url": {"url":"https://xxxx.mp4"},"total_pixels": 134217728}
画像リスト入力： {"type": "video","video": ["https://xx1.jpg",...,"https://xxn.jpg"],"total_pixels": 134217728}
cache_control object(任意)明示的なキャッシュを有効にします。詳細については、「明示的なキャッシュ 」をご参照ください。
type string(必須) ephemeral のみがサポートされています。
role string(必須) ユーザーメッセージのロールです。値は user に固定されています。 アシスタントメッセージ object(任意) モデルの応答です。通常、マルチターン対話でコンテキストとしてモデルに返されます。
content string(任意)モデルの応答のテキスト内容です。tool_calls が含まれる場合、content は空にすることができます。それ以外の場合、content は必須です。 role string(必須) アシスタントメッセージのロールです。値は assistant に固定されています。 partial boolean(任意) デフォルト値：false部分モードを有効にするかどうかを指定します。 有効値： サポートされているモデルのリストについては、「部分モード 」をご参照ください。 tool_calls array(任意)モデルが呼び出すことを決定したツールとその入力パラメーターに関する情報です。1 つ以上のオブジェクトを含み、前のモデル応答の tool_calls フィールドから取得されます。
id string(必須) ツール呼び出しの ID です。 type string(必須) ツールタイプです。現在、function のみがサポートされています。 function object(必須) ツールと入力パラメーター
name string(必須) ツール名です。 arguments string(必須) JSON 形式の文字列としての入力パラメーター情報です。
index integer(必須) tool_calls 配列内のこのツール呼び出しのインデックスです。ツールメッセージ object(任意) ツール呼び出しの結果です。
content string(必須) ツール関数の出力内容です。文字列である必要があります。ツールが JSON などの構造化データを返す場合、文字列にシリアル化する必要があります。 role string(必須) 値は tool に固定されています。 tool_call_id string(必須) このメッセージが応答するツール呼び出しの ID です。completion.choices[0].message.tool_calls[$index].id から取得できます。この ID は、ツールメッセージを対応するツール呼び出しに関連付けるために使用されます。
stream boolean(任意) デフォルト値：falseストリーミング出力モードで応答するかどうかを指定します。詳細については、「ストリーミング出力 」をご参照ください。 有効値：
false：モデルは生成が完了した後に完全なコンテンツを返します。true：モデルは生成されると同時にコンテンツを出力します。コンテンツの一部が生成されるたびにデータチャンクが返されます。完全な応答を組み立てるには、これらのチャンクを読み取る必要があります。 ユーザーエクスペリエンスを向上させ、タイムアウトのリスクを減らすために、これを true に設定することを推奨します。 非ストリーミング呼び出しの場合、最大タイムアウトは少なくとも 300 秒で、リージョンとモデルによって異なります。時間内に完了しない場合、サービスはリクエストを中断し、エラーではなく生成されたコンテンツを返します。長い出力が必要なシナリオでは、ストリーミング呼び出しを使用することを推奨します。詳細については、「テキスト生成モデルの概要 」のタイムアウトの説明をご参照ください。 stream_options object(任意)ストリーミング出力の設定項目です。このパラメーターは、stream が true に設定されている場合にのみ有効です。
include_usage boolean(任意) デフォルト値：false応答の最後のデータチャンク にトークン消費情報を含めるかどうかを指定します。 有効値：
ストリーミング出力の場合、トークン消費情報は応答の最後のデータチャンクにのみ表示されます。
modalities array(任意) デフォルト値：["text"]出力データのモダリティです。このパラメーターは Qwen-Omni モデルにのみ適用されます。詳細については、「非リアルタイム (Qwen-Omni) 」をご参照ください。 有効値：
["text","audio"]：テキストと音声を両方出力します。["text"]：テキストのみを出力します。 audio object(任意)出力音声の声とフォーマットです。このパラメーターは Qwen-Omni モデルにのみ適用され、modalities パラメーターを ["text","audio"] に設定する必要があります。詳細については、「非リアルタイム (Qwen-Omni) 」をご参照ください。
voice string (必須) 出力音声の声です。詳細については、「非リアルタイム (Qwen-Omni) 」をご参照ください。 format string (必須) 出力音声のフォーマットです。wav のみがサポートされています。 temperature float(任意)サンプリング温度で、モデルが生成するテキストの多様性を制御します。 温度が高いほど多様なテキストが生成され、低いほど決定論的なテキストが生成されます。 値の範囲：[0, 2) temperature と top_p の両方で、生成されるテキストの多様性を制御できます。どちらか一方のみを設定することを推奨します。詳細については、「概要 」をご参照ください。
QVQ モデルのデフォルトの temperature 値は変更しないでください。
top_p float(任意)核サンプリングの確率しきい値で、モデルが生成するテキストの多様性を制御します。 top_p が高いほど多様なテキストが生成されます。top_p が低いほど決定論的なテキストが生成されます。 値の範囲：(0, 1.0] temperature と top_p の両方で、生成されるテキストの多様性を制御できます。どちらか一方のみを設定することを推奨します。詳細については、「概要 」をご参照ください。
QVQ モデルのデフォルトの top_p 値は変更しないでください。
top_k integer(任意)生成中にサンプリングする候補トークンの数を指定します。値が大きいほどランダムな出力になり、小さいほど決定論的な出力になります。null または 100 より大きい値に設定すると、top_k 戦略は無効になり、top_p 戦略のみが有効になります。値は 0 以上の整数である必要があります。
QVQ シリーズ：10 QwQ シリーズ：40 Qwen3-Omni-Flash シリーズ：50 その他すべてのモデル：20 GLM シリーズ (Alibaba Cloud 提供)：20 DeepSeek、Kimi、MiniMax シリーズは top_k パラメーターをサポートしていません。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"top_k":xxx}。
QVQ モデルのデフォルトの top_k 値は変更しないでください。
repetition_penalty float(任意)モデル生成中の連続シーケンスに対する繰り返しペナルティです。repetition_penalty を増やすと、モデルの出力の繰り返しを減らすことができます。値 1.0 はペナルティなしを意味します。0 より大きい限り、厳密な値の範囲はありません。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"repetition_penalty":xxx}。
QVQ モデルのデフォルトの repetition_penalty 値は変更しないでください。
presence_penalty float(任意)モデルがテキストを生成する際のコンテンツの繰り返しを制御します。 値の範囲：[-2.0, 2.0]。正の値は繰り返しを減らし、負の値は繰り返しを増やします。 クリエイティブライティングやブレインストーミングなど、多様性、楽しさ、創造性が求められるシナリオでは、この値を増やすことができます。技術文書やフォーマルなテキストなど、一貫性と用語の正確性が重視されるシナリオでは、この値を減らすことができます。
デフォルトの presence_penalty 値
Qwen3.8 (非思考モード)、Qwen3.7 (非思考モード)、Qwen3.6 (非思考モード)、Qwen3.5-Omni、Qwen3.5 (非思考モード)、Qwen3 (非思考モード)、Qwen3-Instruct シリーズ/1.7b/4b (思考モード)、QVQ シリーズ、qwen-max、qwen2.5-vl シリーズ、Qwen3-VL (非思考)：1.5 qwen-plus/qwen-plus-latest/2025-04-28 (思考モード)、qwen-turbo-2025-04-28 (思考モード)：0.5 その他すべては 0.0 です。 DeepSeek シリーズ (Alibaba Cloud 提供)：deepseek-r1-distill-qwen 蒸留版：1 Kimi シリーズ (Alibaba Cloud 提供)：kimi-k2.7-code、kimi-k2.6、kimi-k2.5：0.0 Kimi シリーズ (Moonshot AI 提供)：0.0 MiniMax シリーズ (Alibaba Cloud 提供)：MiniMax-M2.5：0.0 その他の DeepSeek、Kimi、GLM、MiniMax モデルにはデフォルト値がありません。
パラメーター値が正の場合、モデルはテキストに既に存在するトークンにペナルティを適用します。ペナルティはトークンの出現回数とは関係ありません。これにより、これらのトークンが再出現する可能性が低くなり、コンテンツの繰り返しが減少し、単語の多様性が向上します。
プロンプト：この文を中国語に翻訳してください：「この映画は良いです。プロットも良いし、演技も良いし、音楽も良いし、全体的に、この映画はただ良いです。実際、本当に良いです。プロットもとても良いし、演技もとても良いし、音楽もとても良いです。」 パラメーター値 2.0：この映画は素晴らしいです。プロットは幻想的で、演技は素晴らしく、音楽も非常に美しいです。全体的に、この映画全体が信じられないほどです。実際、本当に傑出しています。ストーリーラインは非常にエキサイティングで、パフォーマンスは素晴らしく、サウンドトラックはとても感動的です。 パラメーター値 0.0：この映画は良いです。プロットも良いし、演技も良いし、音楽も良いです。全体的に、この映画全体が非常に良いです。実際、本当に素晴らしいです。プロットも非常に良いし、演技も非常に優れており、音楽も同様に傑出しています。 パラメーター値 -2.0：この映画は良いです。プロットも良いし、演技も良いし、音楽も良いです。全体的に、この映画全体が良いです。実際、本当に良いです。プロットも非常に良いし、演技も非常に良いし、音楽も非常に良いです。
QVQ モデルのデフォルトの presence_penalty 値は変更しないでください。
response_format object (任意) デフォルト値：{"type": "text"}応答のフォーマットです。有効値：
{"type": "text"}：テキスト応答を出力します。{"type": "json_object"}：標準の JSON 形式の文字列を出力します。{"type": "json_schema", "json_schema": {...}}：指定した JSON Schema に厳密に準拠した JSON 文字列を出力します。出力の構造とフィールドの型を正確に制御できます。
詳細については、「構造化出力 」をご参照ください。json_object と json_schema でサポートされるモデルは異なります。詳細については、「サポートされているモデル 」をご参照ください。
{"type": "json_object"} を指定する場合、プロンプトでモデルに JSON を出力するように明示的に指示する必要があります (例：「JSON 形式で出力してください」)。そうしないと、エラーが発生します。{"type": "json_schema", ...} を指定する場合、プロンプトに JSON キーワードを含める必要はありません。
type string(必須) 返されるコンテンツのフォーマットです。有効値：
text：テキスト応答を出力します。json_object：標準の JSON 形式の文字列を出力します。json_schema：json_schema フィールドで定義された構造に厳密に準拠した JSON 文字列を出力します。 json_schema object(任意)type が json_schema の場合は必須です。モデルの出力が従う必要のある JSON 構造を定義します。詳細については、「構造化出力の取得 」をご参照ください。
OpenAI SDK の parse メソッドを使用する場合は、Python の Pydantic クラスまたは Node.js の Zod オブジェクトを直接渡せます。SDK が自動的に JSON Schema へ変換するため、手動で構築する必要はありません。
name string(必須) スキーマの名前です。 schema object(必須) 出力構造を記述する JSON Schema オブジェクトです。properties でフィールド構造を定義し、required で必須フィールドのリストを指定し、additionalProperties でスキーマに定義されていないフィールドの出力を許可するかどうかを制御します (false に設定し、定義済みのフィールドのみを出力することを推奨します)。サポートされるデータ型：string、number、integer、boolean、object、array、enum。詳細については、「設定ガイド 」をご参照ください。 strict boolean(任意)schema で定義された構造に厳密に従うかどうかを指定します。true に設定することを推奨します。max_tokens integer(任意、非推奨予定 )
このパラメーターは非推奨になります。新しい統合では、max_completion_tokens を使用してください。
このパラメーターの意味はモデルによって異なります：
deepseek-v4-pro、deepseek-v4-pro-0813、deepseek-v4-flash-0731：モデルの回答と Chain-of-Thought コンテンツの合計の最大トークン数。モデルの出力がこの値を超えると、生成は早期に停止し、返される finish_reason は length になります。
glm-5.3：max_tokens はモデルの回答と Chain-of-Thought コンテンツの合計の最大トークン数です。モデルの出力がこの値を超えると、生成は早期に停止し、返される finish_reason は length になります。glm-5.3 は thinking_budget パラメーターを無視します。
glm-5.2：thinking_budget パラメーターが渡されない場合、max_tokens はモデルの回答と Chain-of-Thought コンテンツの合計の最大トークン数であり、モデルの出力がこの値を超えると、生成は早期に停止し、返される finish_reason は length になります。thinking_budget パラメーターが渡されると、max_tokens はモデルの回答のみの最大トークン数であり、Chain-of-Thought 部分のトークン数は thinking_budget によって個別に制御されます。
その他のモデル：モデルの回答の最大トークン数。生成されたコンテンツがこの値を超えると、生成は早期に停止し、返される finish_reason は length になります。
GLM モデルのデフォルト値と最大値は次の表のとおりです。その他のモデルでは、デフォルト値と最大値はどちらもモデルの最大出力長です。 提供元 モデル デフォルト値 最大値 Alibaba Cloud glm-5.3、glm-5.2、glm-5.2-fast-preview、glm-5.1、glm-5 65536 131072 ZHIPU AI ZHIPU/GLM-5.3、ZHIPU/GLM-5.2 65536 131072
max_completion_tokens integer(任意)モデルの出力の最大長で、Chain-of-Thought とモデルの回答を含みます。モデルの出力がこの値を超えると、生成は早期に停止し、返される finish_reason は length になります。 GLM モデルのデフォルト値と最大値は、max_tokens パラメーターの表をご参照ください。その他のモデルでは、デフォルト値と最大値はどちらもモデルの最大出力長です。 max_tokens との違い：max_completion_tokens は常にモデルの完全な出力（Chain-of-Thought + 回答）を制限します。max_tokens の制限範囲はモデルおよび thinking_budget の設定によって異なります。詳細は前述の説明をご参照ください。思考モデルでは、max_completion_tokens の使用を推奨します。以下のモデルがサポートされています：
Qwen Max：Qwen3.7-Max 以降のモデル
Qwen Plus：Qwen3.5-Plus 以降のモデル
Qwen Flash：Qwen3.5-Flash 以降のモデル
Kimi：kimi-k2.5 以降のモデル
GLM：上記の表に記載されている Alibaba Cloud および ZHIPU AI 提供モデル
MiniMax：MiniMax-M2.5 以降のモデル
DeepSeek：deepseek-v4-pro およびそれ以降のモデル
上記の表に記載されている ZHIPU AI 提供の GLM モデルを除き、上記のモデルにはその他のサードパーティから直接提供されるモデルは含まれていません。
実際の出力トークン数と指定された max_completion_tokens 値との間に最大 10 トークンの差がある場合があります。
vl_high_resolution_images boolean(任意) デフォルト値：false入力画像のピクセル制限を 16384 トークンに対応するピクセル数に増やすかどうかを指定します。詳細については、「高解像度画像の処理 」をご参照ください。
vl_high_resolution_images: true は固定解像度戦略を使用し、max_pixels 設定を無視します。解像度を超えた場合、画像の総ピクセル数はこの制限内に収まるように縮小されます。
vl_high_resolution_images が True の場合、ピクセル制限はモデルによって異なります：
Qwen3.8 シリーズ、Qwen3.7 シリーズ、Qwen3.6 シリーズ、Qwen3.5 シリーズ、Qwen3-VL シリーズ モデルの場合、値は 16777216 です。(各 Token は 32*32 ピクセルに対応します。合計値は 16384*32*32 として計算されます。)
QVQ シリーズ、その他の Qwen2.5-VL シリーズ モデル：12845056 (1 token は 28*28 ピクセルに対応し、これは 16384*28*28 です)
vl_high_resolution_images が false の場合、ピクセル制限は max_pixels によって決定されます。入力画像のピクセル数が max_pixels を超える場合、画像は max_pixels 制限内に縮小されます。各モデルのデフォルトのピクセル制限は、max_pixels のデフォルト値です。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"vl_high_resolution_images":xxx}。
n integer(任意) デフォルト値：1生成する応答の数です。値の範囲は 1-4 です。これは、クリエイティブライティングや広告コピーなど、複数の候補応答が必要なシナリオに適しています。
Qwen3 (非思考モード) モデルでのみサポートされています。
tools パラメーターが渡された場合、n を 1 に設定してください。
n を増やすと出力トークンの消費量が増加しますが、入力トークンの消費量は増加しません。
enable_thinking boolean (任意)kimi-k3.1-pro (Alibaba Cloud Model Studio にデプロイ) のデフォルトは true です。false に設定して思考を無効にできますが、出力品質が大幅に低下するため、有効のままにすることを強く推奨します。 思考モードと非思考モードの両方をサポートする混合思考モデルを使用する場合、このパラメーターは思考モードを有効にするかどうかを指定します。これは Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3、Qwen3.8-Omni-Flash、Qwen3-Omni-Flash、Qwen3-VL モデル、および DeepSeek-V4-Pro/V4-Flash シリーズ、Kimi-K2.7-code (思考モデルのみ)、Kimi-K2.6/K2.5 シリーズ、および GLM シリーズに適用されます。DeepSeek-V4 シリーズはデフォルトで思考を有効にします。reasoning_effort パラメーターで推論の強度を調整できます。 有効値：
true：有効化
有効にすると、思考内容は reasoning_content フィールドで返されます。
false：無効化
モデルごとのデフォルト値：サポートされているモデル
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"enable_thinking": xxx}。
OpenAI SDK ではなく HTTP を直接呼び出す場合 (例：curl)、extra_body を使用しないでください。単に enable_thinking をリクエストボディ (body) のトップレベルに、model や messages などのパラメーターと並べて配置してください (例："enable_thinking": true)。
Xiyu Technology の MiniMax および MiniMax-M3 モデルは、このパラメーターを使用しません。代わりに、thinking パラメーターを使用してください。
thinking object (任意) デフォルト値：{"type":"adaptive"}MiniMax 提供の MiniMax/MiniMax-M3 の思考モードを制御します。 thinking.type の有効値：
adaptive：自動 (デフォルト)。モデルが思考するかどうかを決定します。disabled：思考を無効にし、直接応答します。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"thinking": {"type": "adaptive"}}。
preserve_thinking boolean (任意) デフォルト値：false (qwen3.8-max、qwen3.8-flash のデフォルト値： true)会話履歴のアシスタントメッセージからの reasoning_content をモデル入力に追加するかどうかを指定します。これは、モデルが過去の思考プロセスを参照する必要があるシナリオに適しています。 kimi-k3.1-pro と kimi-k3 (Alibaba Cloud Model Studio にデプロイ) は、クライアントから渡された過去の reasoning_content をデフォルトで保持します。messages には、過去の assistant メッセージとその完全な reasoning_content を渡すことを推奨します。 現在、qwen3.7-max、qwen3.7-max-2026-05-20 およびそれ以降のスナップショット、qwen3.7-plus、qwen3.7-plus-2026-05-26、qwen3.6-plus、qwen3.6-plus-2026-04-02、qwen3.7-flash、qwen3.7-flash-2026-07-15、qwen3.6-flash、qwen3.6-flash-2026-04-16、qwen3.8-max (デフォルトで有効)、qwen3.8-flash (デフォルトで有効)、kimi-k2.6 (Alibaba Cloud Model Studio にデプロイ)、kimi-k2.7-code (Alibaba Cloud Model Studio にデプロイ、デフォルトで有効)、kimi/kimi-k2.7-code-highspeed (Moonshot AI 提供、デフォルトで有効)、および kimi/kimi-k2.7-code (Moonshot AI 提供、デフォルトで有効) でサポートされています。
重要 (qwen3.8-max、qwen3.8-flash)： qwen3.8-max または qwen3.8-flash を使用する場合、preserve_thinking はデフォルトで true になります。reasoning_content フィールドにすべての過去の reasoning_content を返信する必要があります。reasoning_content を content フィールドに連結しないでください。 そうすると、モデルのパフォーマンスが低下する可能性があります。
過去のメッセージに reasoning_content が含まれていない場合、このパラメーターを有効にしてもエラーは発生しません。
有効にすると、過去の会話からの reasoning_content が入力トークン数に含まれ、課金対象となります。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"preserve_thinking": True}。
thinking_budget integer (任意)思考プロセスの最大トークン数です。これは Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL、Qwen3、GLM および Kimi モデルに適用されますが、kimi-k3.1-pro と kimi-k3 はこのパラメーターをサポートしていません。詳細については、「思考長の制限 」をご参照ください。 デフォルト値は、モデルの最大 Chain-of-Thought 長です。詳細については、モデルリストをご参照ください。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"thinking_budget": xxx}。
reasoning_effort string (任意)モデルの推論強度を制御します。有効値とデフォルト値はモデルによって異なります。 kimi-k3.1-pro (Alibaba Cloud Model Studio にデプロイ) (デフォルト：max)
max (デフォルト)：深い推論high：強化された推論medium：中程度の推論low：軽い推論 DeepSeek-V4 および GLM シリーズ (デフォルト値：high)有効値： low と medium は high にマッピングされ、xhigh は max にマッピングされます。 これは glm-5.2、glm-5.1、glm-5、および deepseek-v4-pro に適用されます。 ZHIPU/GLM-5.3、kimi-k3model (Alibaba Cloud 提供)：デフォルト値： max有効値：
max (デフォルト)：深い推論high：強化された推論low：軽い推論 このモデルは常に思考を実行します。enable_thinking は true のみをサポートします。false を渡すと API リクエストが失敗します。 deepseek-v4-flash-0731 & deepseek-v4-pro-0813：デフォルト値： high有効値：
max (デフォルト)：最大強度推論high：標準推論low：低強度推論 OpenAI 標準値のマッピング：medium は high にマッピングされ、xhigh は high にマッピングされます。 kimi/kimi-k3 (デフォルト値：max、max のみサポート)有効値： qwen3.8-max、qwen3.8-flash：デフォルト値： xhigh有効値：
xhigh (デフォルト)：最大強度推論medium：標準推論low：低強度推論 OpenAI 標準値のマッピング：max は xhigh にマッピングされ、high は xhigh にマッピングされ、minimal は low にマッピングされ、none は enable_thinking=False にマッピングされます。
上記の有効値およびマッピングされた値以外の値を設定すると、エラーが発生します。
qwen3.8 シリーズの場合、reasoning_effort と thinking_budget を同時に設定することはできません。両方を設定するとエラーが発生します。ただし、相互変換はサポートしています：
thinking_budget が設定されていない場合、reasoning_effort レベルは自動的に thinking_budget にマッピングされます：low は 4096、medium は 16384、xhigh は 262144 に対応します。
reasoning_effort が設定されていない場合、thinking_budget は自動的に reasoning_effort にマッピングされます：0–4096 は low、4097–16384 は medium、16385–262144 は xhigh に対応します。
どちらも設定されていない場合、デフォルトの thinking_budget (131072) とデフォルトの reasoning_effort (xhigh) が使用されます。
tool_stream boolean (任意) デフォルト値：falsestream=true の場合にのみ有効です。このパラメーターは現在、Qwen および GLM シリーズでのみサポートされています。Qwen シリーズのサポートリスト：
qwen-max シリーズ：qwen3.8-max および qwen3.7-max シリーズのテキストモダリティ
qwen-plus シリーズ：qwen3.7-plus および qwen3.6-plus シリーズのテキストモダリティ、および qwen3.5-plus シリーズのオムニモダリティ
qwen-flash シリーズ：qwen3.8-flash、qwen3.7-flash、qwen3.6-flash、および qwen3.5-flash シリーズのオムニモダリティ
Qwen シリーズの使用リファレンス： tool_stream は複雑なツールパラメーターにのみ影響します。通常のツールパラメーターの場合、stream=true である限り、ストリーミング出力が有効になります。複雑なツールとは、ツール定義の一部のパラメータータイプが array または object であるツールです。
tool_stream=false：複雑なツールパラメーターは一度に出力されます。これはデフォルトの動作であり、複雑なフォーマットはより正確です。tool_stream=true：複雑なツールパラメーターはストリームで出力され、複雑なフォーマットのタイムアウトリスクを回避します。 GLM シリーズのサポートリスト： glm-5 および glm-5.1。GLM シリーズの使用リファレンス：
tool_stream=false：ツールパラメーターは一度に出力されます。これはデフォルトの動作であり、複雑なフォーマットはより正確です。tool_stream=true：ツールパラメーターはストリームで出力され、複雑なフォーマットのタイムアウトリスクを回避します。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"tool_stream": true}。
enable_code_interpreter boolean (任意) デフォルト値：falseコードインタープリター機能を有効にするかどうかを指定します。詳細については、「コードインタープリター 」をご参照ください。 有効値：
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"enable_code_interpreter": xxx}。
seed integer(任意)乱数シードです。このパラメーターは、同じ入力とパラメーターで再現可能な結果を保証するために使用されます。呼び出しで同じ seed 値を渡し、他のパラメーターが変更されない場合、モデルは可能な限り同じ結果を返します。 値の範囲：[0,2<sup>31</sup>−1]。 logprobs boolean (任意) デフォルト値：false出力トークンの対数確率を返すかどうかを指定します。有効値：
思考フェーズ (reasoning_content) 中に生成されたコンテンツは、対数確率を返しません。
qwen-plus シリーズのスナップショットモデル (安定版モデルを除く)
qwen3-vl-plus シリーズモデル (安定版モデルを含む)
Qwen3 オープンソースモデル
top_logprobs integer (任意) デフォルト値：0各生成ステップで返す最も可能性の高い候補トークンの数を指定します。 値の範囲：[0, 5] このパラメーターは、logprobs が true の場合にのみ有効です。 stop string or array(任意)ストップワードを指定するために使用されます。stop で指定された文字列または token_id が生成されたテキストに現れると、生成は直ちに停止します。 禁止用語を渡して、モデルの出力を制御できます。
stop が配列の場合、token_id と文字列の両方を要素として入力することはできません。たとえば、["Hello",104307] を指定することはできません。
tools array(任意)関数呼び出しでモデルが呼び出すための 1 つ以上のツールオブジェクトを含む配列です。詳細については、「関数呼び出し 」をご参照ください。 tools が設定され、モデルがツールを呼び出す必要があると判断した場合、応答は tool_calls にツール情報を返します。
type string(必須) ツールタイプです。現在、function のみがサポートされています。 function object(必須)
name string(必須) ツール名です。英字、数字、アンダースコア (_)、ハイフン (-) のみが使用できます。最大長は 64 トークンです。 description string(必須) ツールの説明で、モデルがいつ、どのようにツールを呼び出すかを判断するのに役立ちます。 parameters object(任意) デフォルト値：{}ツールのパラメーターの説明で、有効な JSON スキーマである必要があります。JSON スキーマの説明については、リンク をご参照ください。parameters パラメーターが空の場合、ツールには時間クエリツールなどの入力パラメーターがありません。
ツール呼び出しの精度を向上させるために、parameters を渡すことを推奨します。
tool_choice string or object(任意) デフォルト値：autoツール選択戦略です。特定の種類の問題に対して特定のツール呼び出し方法を強制する場合 (常に特定のツールを使用するか、すべてのツールを無効にするなど)、このパラメーターを設定できます。 deepseek-v4.1-flash-1017 の tool_choice に auto、none、required、または名前を指定した関数を設定できます。有効値：
auto大規模言語モデルがツール戦略を選択します。
noneツールを呼び出したくない場合は、tool_choice パラメーターを none に設定できます。
{"type": "function", "function": {"name": "the_function_to_call"}}特定のツールを強制的に呼び出したい場合は、tool_choice パラメーターを {"type": "function", "function": {"name": "the_function_to_call"}} に設定できます。ここで、the_function_to_call は指定されたツール関数の名前です。
思考モードモデルは、特定のツールを強制的に呼び出すことをサポートしていません。
parallel_tool_calls boolean (任意) デフォルト値：true並列ツール呼び出しを有効にするかどうかを指定します。詳細については、「並列ツール呼び出し 」をご参照ください。
kimi-k3 は、このパラメーターによるツール呼び出しの並列性の制御をサポートしていません。false に設定しても逐次呼び出しは保証されず、モデルが 1 回のターンで複数の tool_calls を返す場合があります。実際に返された結果に従って処理してください。
有効値： enable_search boolean(任意) デフォルト値：falseWeb 検索を有効にするかどうかを指定します。kimi-k3.1-pro (Alibaba Cloud Model Studio にデプロイ) は、北京、シンガポール、米国 (バージニア)、ドイツ (フランクフルト)、日本 (東京)、中国 (香港) でこのパラメーターをサポートします。詳細については、「Web 検索 」をご参照ください。 有効値：
true：有効化。
有効にした後、Web 検索が実行されない場合は、プロンプトを最適化するか、search_options の forced_search パラメーターを設定して強制検索を有効にできます。
false：無効化。
Web 検索機能を有効にすると、トークンの消費量が増加する可能性があります。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"enable_search": True}。
search_options object(任意)Web 検索の戦略です。詳細については、「Web 検索 」をご参照ください。
forced_search boolean(任意) デフォルト値：falseWeb 検索を強制するかどうかを指定します。このパラメーターは、enable_search が true に設定されている場合にのみ有効です。 有効値：
true：強制的に有効化。
false：強制的に有効化しない。モデルが Web 検索を実行するかどうかを決定します。
search_strategy string(任意) デフォルト値：turbo検索戦略です。このパラメーターは、enable_search が true に設定されている場合にのみ有効です。 有効値：
turbo (デフォルト)：応答速度と検索効果のバランスを取ります。この戦略はほとんどのシナリオに適しています。
max：より包括的な検索戦略を採用します。この戦略は、複数のソースの検索エンジンを呼び出して、より詳細な検索結果を取得できますが、応答時間が長くなる可能性があります。
agent：Web 検索ツールと大規模言語モデルを複数回呼び出して、マルチターンの情報検索とコンテンツ統合を実現できます。
この戦略は、qwen3.5-plus、qwen3.5-plus-2026-02-15、qwen3.5-flash、qwen3.5-flash-2026-02-23、qwen3.5-omni-plus、qwen3.5-omni-plus-2026-03-15、qwen3.5-omni-flash、および qwen3.5-omni-flash-2026-03-15 にのみ適用されます。
enable_search_extension boolean(任意) デフォルト値：false
垂直検索を有効にするかどうかを指定します。このパラメーターは、enable_search が true に設定されている場合にのみ有効です。 有効値：
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"search_options": xxx}。
clear_thinking boolean(任意) デフォルト値：falseマルチターン対話における前のターンの reasoning_content (思考プロセス) をモデルのコンテキスト入力として使用するかどうかを制御します。このパラメーターは、GLM シリーズモデル glm-5.2、glm-5.1、および glm-5 でのみサポートされています。
このパラメーターは標準の OpenAI パラメーターではありません。Python SDK を使用して呼び出す場合は、extra_body オブジェクトに配置してください。設定：extra_body={"skill": [...]}。
true：前のターンの reasoning_content を無視し、表示されているテキスト、ツール呼び出し、結果、およびその他の非推論コンテンツのみをコンテキスト入力として使用します。これにより、コンテキストの長さとコストを削減できます。false (デフォルト)：前のターンの reasoning_content を保持し、コンテキストとともにモデルに提供します。Preserved Thinking を有効にする場合は、過去の reasoning_content を完全、無修正、元の順序でメッセージ内に渡す必要があります。欠落、トリミング、書き換え、または順序変更は、パフォーマンスを低下させるか、失敗の原因となります。 import os from openai import OpenAI client = OpenAI( # 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：api_key="sk-xxx" # API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key api_key = os.getenv( "DASHSCOPE_API_KEY" ), # {WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。 base_url = "https:// {WorkspaceId} .ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" , ) completion = client.chat.completions.create( # この例では qwen-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/getting-started/models model = "qwen3.8-max" , messages = [ { "role" : "system" , "content" : "You are a helpful assistant." }, { "role" : "user" , "content" : "Who are you?" }, ], # extra_body={"enable_thinking": False}, ) print (completion.model_dump_json())
// このコードは OpenAI SDK バージョン 2.6.0 を使用しています import com.openai.client.OpenAIClient; import com.openai.client.okhttp.OpenAIOkHttpClient; import com.openai.models.chat.completions.ChatCompletion; import com.openai.models.chat.completions.ChatCompletionCreateParams; public class Main { public static void main ( String [] args ) { OpenAIClient client = OpenAIOkHttpClient . builder () // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key . apiKey ( System . getenv ( "DASHSCOPE_API_KEY" )) // {WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。 . baseUrl ( "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" ) . build (); ChatCompletionCreateParams params = ChatCompletionCreateParams . builder () . addUserMessage ( "Who are you?" ) . model ( "qwen3.8-max" ) . build (); try { ChatCompletion chatCompletion = client . chat (). completions (). create (params); System . out . println (chatCompletion); } catch ( Exception e ) { System . err . println ( "Error occurred: " + e . getMessage ()); e . printStackTrace (); } } } import OpenAI from "openai" ; const openai = new OpenAI ( { // 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：apiKey: "sk-xxx", // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key apiKey: process . env . DASHSCOPE_API_KEY , // {WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。 baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" } ); async function main () { const completion = await openai . chat . completions . create ({ model: "qwen3.8-max" , // この例では qwen-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/getting-started/models messages: [ { role: "system" , content: "You are a helpful assistant." }, { role: "user" , content: "Who are you?" } ], }); console . log ( JSON . stringify ( completion )) } main ();
package main import ( " context " " os " " github.com/openai/openai-go " " github.com/openai/openai-go/option " ) func main () { client := openai . NewClient ( // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key option . WithAPIKey ( os . Getenv ( "DASHSCOPE_API_KEY" )), // デフォルトは os.LookupEnv("OPENAI_API_KEY") // {WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。 option . WithBaseURL ( "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/" ), ) chatCompletion , err := client . Chat . Completions . New ( context . TODO (), openai . ChatCompletionNewParams { Messages : openai . F ( [] openai . ChatCompletionMessageParamUnion { openai . UserMessage ( "Who are you?" ), }, ), Model : openai . F ( "qwen-plus" ), }, ) if err != nil { panic ( err . Error ()) } println ( chatCompletion . Choices [ 0 ]. Message . Content ) } using System . Net . Http . Headers ; using System . Text ; class Program { private static readonly HttpClient httpClient = new HttpClient (); static async Task Main ( string [] args ) { // 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：string? apiKey = "sk-xxx"; // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key string ? apiKey = Environment . GetEnvironmentVariable ( "DASHSCOPE_API_KEY" ); if ( string . IsNullOrEmpty ( apiKey )) { Console . WriteLine ( "API Key not set. Make sure the 'DASHSCOPE_API_KEY' environment variable is set." ); return ; } // リクエスト URL とコンテンツを設定します // {WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。 string url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions" ; // この例では qwen-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/getting-started/models string jsonContent = @"{ "" model "" : "" qwen-plus "" , "" messages "" : [ { "" role "" : "" system "" , "" content "" : "" You are a helpful assistant. "" }, { "" role "" : "" user "" , "" content "" : "" Who are you? "" } ] }" ; // リクエストを送信し、応答を取得します string result = await SendPostRequestAsync ( url , jsonContent , apiKey ); // 結果を出力します Console . WriteLine ( result ); } private static async Task < string > SendPostRequestAsync ( string url , string jsonContent , string apiKey ) { using ( var content = new StringContent ( jsonContent , Encoding . UTF8 , "application/json" )) { // リクエストヘッダーを設定します httpClient . DefaultRequestHeaders . Authorization = new AuthenticationHeaderValue ( "Bearer" , apiKey ); httpClient . DefaultRequestHeaders . Accept . Add ( new MediaTypeWithQualityHeaderValue ( "application/json" )); // リクエストを送信し、応答を取得します HttpResponseMessage response = await httpClient . PostAsync ( url , content ); // 応答を処理します if ( response . IsSuccessStatusCode ) { return await response . Content . ReadAsStringAsync (); } else { return $"Request failed: { response . StatusCode } " ; } } } } <? php // リクエスト URL を設定します // {WorkspaceId} を実際のワークスペース ID に置き換えてください。URL はリージョンによって異なります。 $url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions' ; // 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：$apiKey = "sk-xxx"; // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key $apiKey = getenv ( 'DASHSCOPE_API_KEY' ); // リクエストヘッダーを設定します $headers = [ 'Authorization: Bearer ' . $apiKey , 'Content-Type: application/json' ]; // リクエストボディを設定します $data = [ // この例では qwen-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/getting-started/models "model" => "qwen-plus" , "messages" => [ [ "role" => "system" , "content" => "You are a helpful assistant." ], [ "role" => "user" , "content" => "Who are you?" ] ] ]; // cURL セッションを初期化します $ch = curl_init (); // cURL オプションを設定します curl_setopt ( $ch , CURLOPT_URL , $url ); curl_setopt ( $ch , CURLOPT_POST , true ); curl_setopt ( $ch , CURLOPT_POSTFIELDS , json_encode ( $data )); curl_setopt ( $ch , CURLOPT_RETURNTRANSFER , true ); curl_setopt ( $ch , CURLOPT_HTTPHEADER , $headers ); // cURL セッションを実行します $response = curl_exec ( $ch ); // エラーをチェックします if ( curl_errno ( $ch )) { echo 'Curl error: ' . curl_error ( $ch ); } // cURL リソースを閉じます curl_close ( $ch ); // 応答を出力します echo $response ; ?>
{WorkspaceId} をワークスペース ID に置き換えてください。URL はリージョンによって異なります。API キーは https://www.alibabacloud.com/help/model-studio/get-api-key で取得できます。
curl -X POST https://{WorkspaceId}.ap-southeast-1.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": "system", "content": "You are a helpful assistant." }, { "role": "user", "content": "Who are you?" } ] }'
使用方法の詳細については、「ストリーミング出力 」をご参照ください。
import os from openai import OpenAI client = OpenAI( # 環境変数が設定されていない場合は、次の行をお使いの Model Studio API キーに置き換えます: api_key="sk-xxx" # API キーはリージョンによって異なります。 API キーの取得: https://www.alibabacloud.com/help/en/model-studio/get-api-key api_key = os.getenv( "DASHSCOPE_API_KEY" ), base_url = "https:// {WorkspaceId} .ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" , ) completion = client.chat.completions.create( model = "qwen3.8-max" , # この例では qwen-plus を使用します。 必要に応じて、別のモデル名に置き換えることができます。 モデルリスト: https://www.alibabacloud.com/help/en/model-studio/getting-started/models messages = [{ 'role' : 'system' , 'content' : 'You are a helpful assistant.' }, { 'role' : 'user' , 'content' : 'Who are you?' }], stream = True , stream_options = { "include_usage" : True } ) for chunk in completion: print (chunk.model_dump_json())
import OpenAI from "openai" ; const openai = new OpenAI ( { // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key apiKey: process . env . DASHSCOPE_API_KEY , baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" } ); async function main () { const completion = await openai . chat . completions . create ({ model: "qwen3.8-max" , // この例では qwen-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/getting-started/models messages: [ { "role" : "system" , "content" : "You are a helpful assistant." }, { "role" : "user" , "content" : "Who are you?" } ], stream: true , }); for await ( const chunk of completion ) { console . log ( JSON . stringify ( chunk )); } } main ();
{WorkspaceId} をワークスペース ID に置き換えてください。URL はリージョンによって異なります。API キーは https://www.alibabacloud.com/help/model-studio/get-api-key で取得できます。
curl --location "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions" \ --header "Authorization: Bearer $DASHSCOPE_API_KEY " \ --header "Content-Type: application/json" \ --data '{ "model": "qwen3.8-max", "messages": [ { "role": "system", "content": "You are a helpful assistant." }, { "role": "user", "content": "Who are you?" } ], "stream":true }'
大規模言語モデルが画像を分析する方法の詳細については、「画像とビデオの理解 」をご参照ください。
import os from openai import OpenAI client = OpenAI( # 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：api_key="sk-xxx" # API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key api_key = os.getenv( "DASHSCOPE_API_KEY" ), base_url = "https:// {WorkspaceId} .ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" , ) completion = client.chat.completions.create( model = "qwen3-vl-plus" , // この例では qwen3 - vl - plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https: // www.alibabacloud.com / help / model - studio / models messages = [{ "role" : "user" , "content" : [ { "type" : "image_url" , "image_url" : { "url" : "https://dashscope.oss-cn-beijing.aliyuncs.com/images/dog_and_girl.jpeg" }}, { "type" : "text" , "text" : "What is this?" }, ]}] ) print (completion.model_dump_json())
import OpenAI from "openai" ; const openai = new OpenAI ( { // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key apiKey: process . env . DASHSCOPE_API_KEY , baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" } ); async function main () { const response = await openai . chat . completions . create ({ model: "qwen3-vl-plus" , // この例では qwen3-vl-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/models messages: [{ role: "user" , content: [ { type: "image_url" , image_url: { "url" : "https://dashscope.oss-cn-beijing.aliyuncs.com/images/dog_and_girl.jpeg" }}, { type: "text" , text: "What is this?" }, ]}] }); console . log ( JSON . stringify ( response )); } main ();
{WorkspaceId} をワークスペース ID に置き換えてください。URL はリージョンによって異なります。API キーは https://www.alibabacloud.com/help/model-studio/get-api-key で取得できます。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \ -H "Authorization: Bearer $DASHSCOPE_API_KEY " \ -H 'Content-Type: application/json' \ -d '{ "model": "qwen3-vl-plus", "messages": [{ "role": "user", "content": [ {"type": "image_url","image_url": {"url": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/dog_and_girl.jpeg"}}, {"type": "text","text": "What is this?"} ]}] }'
次の例は、画像のリストを渡す方法を示しています。ビデオファイルの受け渡しなど、使用方法の詳細については、「視覚理解 」をご参照ください。
import os from openai import OpenAI client = OpenAI( # 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：api_key="sk-xxx" # API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key api_key = os.getenv( "DASHSCOPE_API_KEY" ), base_url = "https:// {WorkspaceId} .ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" , ) completion = client.chat.completions.create( # この例では qwen3-vl-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/models model = "qwen3-vl-plus" , messages = [{ "role" : "user" , "content" : [ { "type" : "video" , "video" : [ "https://img.alicdn.com/imgextra/i3/O1CN01K3SgGo1eqmlUgeE9b_!!6000000003923-0-tps-3840-2160.jpg" , "https://img.alicdn.com/imgextra/i4/O1CN01BjZvwg1Y23CF5qIRB_!!6000000003000-0-tps-3840-2160.jpg" , "https://img.alicdn.com/imgextra/i4/O1CN01Ib0clU27vTgBdbVLQ_!!6000000007859-0-tps-3840-2160.jpg" , "https://img.alicdn.com/imgextra/i1/O1CN01aygPLW1s3EXCdSN4X_!!6000000005710-0-tps-3840-2160.jpg" ] }, { "type" : "text" , "text" : "Describe the specific process in this video" }]}] ) print (completion.model_dump_json()) // package.json で "type": "module" を指定していることを確認してください import OpenAI from "openai" ; const openai = new OpenAI ({ // 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：apiKey: "sk-xxx", // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key apiKey: process . env . DASHSCOPE_API_KEY , baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" }); async function main () { const response = await openai . chat . completions . create ({ // この例では qwen3-vl-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/models model: "qwen3-vl-plus" , messages: [{ role: "user" , content: [ { type: "video" , video: [ "https://img.alicdn.com/imgextra/i3/O1CN01K3SgGo1eqmlUgeE9b_!!6000000003923-0-tps-3840-2160.jpg" , "https://img.alicdn.com/imgextra/i4/O1CN01BjZvwg1Y23CF5qIRB_!!6000000003000-0-tps-3840-2160.jpg" , "https://img.alicdn.com/imgextra/i4/O1CN01Ib0clU27vTgBdbVLQ_!!6000000007859-0-tps-3840-2160.jpg" , "https://img.alicdn.com/imgextra/i1/O1CN01aygPLW1s3EXCdSN4X_!!6000000005710-0-tps-3840-2160.jpg" ] }, { type: "text" , text: "Describe the specific process in this video" } ]}] }); console . log ( JSON . stringify ( response )); } main ();
{WorkspaceId} をワークスペース ID に置き換えてください。URL はリージョンによって異なります。詳細については、「API キーの取得 」をご参照ください。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \ -H "Authorization: Bearer $DASHSCOPE_API_KEY " \ -H 'Content-Type: application/json' \ -d '{ "model": "qwen3-vl-plus", "messages": [ { "role": "user", "content": [ { "type": "video", "video": [ "https://img.alicdn.com/imgextra/i3/O1CN01K3SgGo1eqmlUgeE9b_!!6000000003923-0-tps-3840-2160.jpg", "https://img.alicdn.com/imgextra/i4/O1CN01BjZvwg1Y23CF5qIRB_!!6000000003000-0-tps-3840-2160.jpg", "https://img.alicdn.com/imgextra/i4/O1CN01Ib0clU27vTgBdbVLQ_!!6000000007859-0-tps-3840-2160.jpg", "https://img.alicdn.com/imgextra/i1/O1CN01aygPLW1s3EXCdSN4X_!!6000000005710-0-tps-3840-2160.jpg" ] }, { "type": "text", "text": "Describe the specific process in this video" } ] } ] }'
完全な関数呼び出しプロセスのコードについては、「関数呼び出し 」をご参照ください。
モデルの知識カットオフ 大規模言語モデルは、知識カットオフのあるトレーニングデータに基づいて応答を生成します。モデルは、実際の現在の日付を単独で認識することはできません。現在の日付を尋ねると、モデルはトレーニングカットオフ前の古い日付を返します。これはパラメーターの誤設定ではありません。 正確な現在時刻を取得する方法：
関数呼び出し ：モデルが関数呼び出しを通じてリアルタイムを取得できるように、get_current_time ツールを定義します。以下のツール呼び出しの例をご参照ください。システムプロンプトインジェクション ：現在の日付をシステムメッセージに注入します。呼び出しごとに日付を動的に渡す必要があります。Web 検索 ：enable_search はリアルタイム情報を取得しますが、現在時刻を直接取得することはできません。 import os from openai import OpenAI client = OpenAI( # 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：api_key="sk-xxx" # API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key api_key = os.getenv( "DASHSCOPE_API_KEY" ), base_url = "https:// {WorkspaceId} .ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" , ) tools = [ # ツール 1：現在時刻を取得 { "type" : "function" , "function" : { "name" : "get_current_time" , "description" : "現在時刻を知りたいときに便利です。" , "parameters" : {} // 現在時刻の取得には入力パラメーターが不要なため、parameters は空の辞書です } }, # ツール 2：指定された都市の天気を取得 { "type" : "function" , "function" : { "name" : "get_current_weather" , "description" : "指定された都市の天気を照会したいときに便利です。" , "parameters" : { "type" : "object" , "properties" : { // 天気を照会するには場所を指定する必要があるため、パラメーターは location に設定されます "location" : { "type" : "string" , "description" : "北京、杭州、余杭区などの都市または地区。" } }, "required" : [ "location" ] } } } ] messages = [{ "role" : "user" , "content" : "What's the weather like in Hangzhou?" }] completion = client.chat.completions.create( model = "qwen3.8-max" , // この例では qwen - plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https: // www.alibabacloud.com / help / model - studio / getting - started / models messages = messages, tools = tools ) print (completion.model_dump_json()) import OpenAI from "openai" ; const openai = new OpenAI ( { // 環境変数が設定されていない場合は、次の行を Model Studio API キーに置き換えてください：apiKey: "sk-xxx", // API キーはリージョンによって異なります。API キーの取得：https://www.alibabacloud.com/help/model-studio/get-api-key apiKey: process . env . DASHSCOPE_API_KEY , baseURL: "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" } ); const messages = [{ "role" : "user" , "content" : "What's the weather like in Hangzhou?" }]; const tools = [ // ツール 1：現在時刻を取得 { "type" : "function" , "function" : { "name" : "get_current_time" , "description" : "現在時刻を知りたいときに便利です。" , // 現在時刻の取得には入力パラメーターが不要なため、parameters は空です "parameters" : {} } }, // ツール 2：指定された都市の天気を取得 { "type" : "function" , "function" : { "name" : "get_current_weather" , "description" : "指定された都市の天気を照会したいときに便利です。" , "parameters" : { "type" : "object" , "properties" : { // 天気を照会するには場所を指定する必要があるため、パラメーターは location に設定されます "location" : { "type" : "string" , "description" : "北京、杭州、余杭区などの都市または地区。" } }, "required" : [ "location" ] } } } ]; async function main () { const response = await openai . chat . completions . create ({ model: "qwen3.8-max" , // この例では qwen-plus を使用しています。必要に応じて別のモデル名に置き換えることができます。モデルリスト：https://www.alibabacloud.com/help/model-studio/getting-started/models messages: messages , tools: tools , }); console . log ( JSON . stringify ( response )); } main ();
{WorkspaceId} をワークスペース ID に置き換えてください。URL はリージョンによって異なります。詳細については、「API キーの取得 」をご参照ください。
curl -X POST https://{WorkspaceId}.ap-southeast-1.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": "system", "content": "You are a helpful assistant." }, { "role": "user", "content": "What is the weather like in Hangzhou?" } ], "tools": [ { "type": "function", "function": { "name": "get_current_time", "description": "Useful when you want to know the current time.", "parameters": {} } }, { "type": "function", "function": { "name": "get_current_weather", "description": "Useful when you want to query the weather of a specified city.", "parameters": { "type": "object", "properties": { "location":{ "type": "string", "description": "A city or district, such as Beijing, Hangzhou, or Yuhang District." } }, "required": ["location"] } } } ] }' import os import asyncio from openai import AsyncOpenAI import platform client = AsyncOpenAI( # 環境変数が設定されていない場合は、次の行をご自身の Model Studio API キーに置き換えてください: api_key="sk-xxx" # 中国 (北京) リージョンのモデルを使用する場合は、中国 (北京) リージョン用の API キーを使用する必要があります。 取得リンク: https://modelstudio.console.alibabacloud.com/?tab=model#/api-key api_key = os.getenv( "DASHSCOPE_API_KEY" ), base_url = "https:// {WorkspaceId} .ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1" , ) async def main (): response = await client.chat.completions.create( messages = [{ "role" : "user" , "content" : "Who are you?" }], model = "qwen3.8-max" , # この例では qwen-plus を使用しています。 必要に応じて、別のモデル名に置き換えることができます。 モデルリスト: https://www.alibabacloud.com/help/en/model-studio/getting-started/models ) print (response.model_dump_json()) if platform.system() == "Windows" : asyncio.set_event_loop_policy(asyncio.WindowsSelectorEventLoopPolicy()) asyncio.run(main())
