視覺推理 - Alibaba Cloud Model Studio

效果樣本

以下展示了視覺推理模型處理圖片問題的效果：使用者上傳一張圖片並提出問題，模型先進行思考分析，再給出最終回答。 使用者輸入： 樣本圖片：客廳情境

相對於您當前的位置，哪個對象在映像中的位置最遠？答案選項：A.椅子 B.牆上的畫 C.茶几 D.沙發。僅輸出正確答案的字母（例如，A）。

思考過程

使用者現在需要找出哪個對象在映像中最遠。首先看選項：A椅子（左邊的藍色椅子）、B 牆上的畫、C茶几（中間的銅色茶几）、D沙發（中間的藍色沙發）。背景中最遠的通常是牆上的裝飾，畫（B）在牆的上方，屬於背景元素，而其他如椅子、茶几、沙發都在前景或中景。所以壁畫的位置最遠。

模型回答：B

支援的模型

Qwen3.8
- 混合思考模型：qwen3.8-max、qwen3.8-flash
Qwen3.7
- 混合思考模型：qwen3.7-plus、qwen3.7-plus-2026-05-26、qwen3.7-max-2026-06-08、qwen3.7-flash、qwen3.7-flash-2026-07-15
Qwen3.6
- 混合思考模型：qwen3.6-plus、qwen3.6-plus-2026-04-02、qwen3.6-flash、qwen3.6-flash-2026-04-16、qwen3.6-35b-a3b
Qwen3.5
- 混合思考模型：qwen3.5-plus、qwen3.5-plus-2026-02-15、qwen3.5-flash、qwen3.5-flash-2026-02-23、qwen3.5-397b-a17b、qwen3.5-122b-a10b、qwen3.5-27b、qwen3.5-35b-a3b
Qwen3-VL
- 混合思考模型：qwen3-vl-plus、qwen3-vl-plus-2025-12-19、qwen3-vl-plus-2025-09-23、qwen3-vl-flash、qwen3-vl-flash-2025-10-15
- 僅思考模型：qwen3-vl-235b-a22b-thinking、qwen3-vl-32b-thinking、qwen3-vl-30b-a3b-thinking、qwen3-vl-8b-thinking
QVQ
- 僅思考模型：qvq-max系列、qvq-plus系列
Kimi
- 混合思考模型：kimi-k2.6、kimi-k2.5

使用方式

思考過程：阿里雲百鍊提供混合思考和僅思考兩種視覺推理模型。
- 混合思考模型：可通過enable_thinking控制其思考行為：
  - 設定為 true，開啟思考，模型將先輸出思考過程，再輸出最終回複。Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5系列模型預設為true。
  - 設定為 false，關閉思考，模型將直接產生回複。qwen3-vl-plus、qwen3-vl-flash系列模型預設為false。
- 僅思考模型：模型總會在回複前進行思考，且無法關閉。
輸出方式：視覺推理模型包含詳細的思考過程，為避免因響應內容過長導致逾時，建議使用流式輸出。
- Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL、kimi-k2.6、kimi-k2.5、stepfun/step-3.7-flash系列支援流式和非流式兩種方式。
- QVQ系列僅支援流式輸出。
System Prompt使用建議：
- 對於單次或簡單的對話調用：為獲得最佳推理效果，建議不設定 System Message。可將模型角色設定、輸出格式要求等指令通過 User Message 傳入。
- 對於構建 Agent 、實現工具調用等複雜應用：可使用 System Message 來定義模型的角色、能力和行為架構，以確保其穩定性和可靠性。

快速開始

前提條件

已擷取 API Key並配置API Key到環境變數。
如果通過 SDK 進行調用，需安裝最新版SDK，其中 DashScope Python SDK 版本不低於1.24.6，DashScope Java SDK 版本不低於 2.21.10。

下列樣本示範如何調用 qvq-max模型，對一張包含數學題的圖片進行求解，並以流式輸出的方式分別列印思考過程和最終回複。

OpenAI相容
DashScope

Python
Node.js
HTTP

from openai import OpenAI
import os

# 初始化OpenAI用戶端
client = OpenAI(
    # 各地區的API Key不同。擷取連結：https://bailian.console.alibabacloud.com/?tab=model#/api-key
    # 如果沒有配置環境變數，請用百鍊API Key替換：api_key="sk-xxx"
    api_key = os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區base_url，若使用北京地區模型，需要將base_url換成https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"  # 請將WorkspaceId替換為業務空間ID
)

reasoning_content = ""  # 定義完整思考過程
answer_content = ""     # 定義完整回複
is_answering = False   # 判斷是否結束思考過程並開始回複

# 建立聊天完成請求
completion = client.chat.completions.create(
    model="qvq-max",  # 此處以 qvq-max 為例，可按需更換模型名稱
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"
                    },
                },
                {"type": "text", "text": "這道題怎麼解答？"},
            ],
        },
    ],
    stream=True,
    # 解除以下注釋會在最後一個chunk返回Token使用量
    # stream_options={
    #     "include_usage": True
    # }
)

print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

for chunk in completion:
    # 如果chunk.choices為空白，則列印usage
    if not chunk.choices:
        print("\nUsage:")
        print(chunk.usage)
    else:
        delta = chunk.choices[0].delta
        # 列印思考過程
        if hasattr(delta, 'reasoning_content') and delta.reasoning_content != None:
            print(delta.reasoning_content, end='', flush=True)
            reasoning_content += delta.reasoning_content
        else:
            # 開始回複
            if delta.content != "" and is_answering is False:
                print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
                is_answering = True
            # 列印回複過程
            print(delta.content, end='', flush=True)
            answer_content += delta.content

# print("=" * 20 + "完整思考過程" + "=" * 20 + "\n")
# print(reasoning_content)
# print("=" * 20 + "完整回複" + "=" * 20 + "\n")
# print(answer_content)

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

// 初始化 openai 用戶端
const openai = new OpenAI({
    apiKey: process.env.DASHSCOPE_API_KEY, // 從環境變數讀取， 各地區的API Key不同。擷取連結：https://bailian.console.alibabacloud.com/?tab=model#/api-key
    // 以下為新加坡地區base_url，若使用北京地區模型，需要將base_url換成https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1
    baseURL: 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1'
});

let reasoningContent = '';
let answerContent = '';
let isAnswering = false;

let messages = [
    {
        role: "user",
        content: [
        { type: "image_url", image_url: { "url": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg" } },
        { type: "text", text: "解答這道題" },
    ]
}]

async function main() {
    try {
        const stream = await openai.chat.completions.create({
            model: 'qvq-max',
            messages: messages,
            stream: true
        });

        console.log('\n' + '='.repeat(20) + '思考過程' + '='.repeat(20) + '\n');

        for await (const chunk of stream) {
            if (!chunk.choices?.length) {
                console.log('\nUsage:');
                console.log(chunk.usage);
                continue;
            }

            const delta = chunk.choices[0].delta;

            // 處理思考過程
            if (delta.reasoning_content) {
                process.stdout.write(delta.reasoning_content);
                reasoningContent += delta.reasoning_content;
            }
            // 處理正式回複
            else if (delta.content) {
                if (!isAnswering) {
                    console.log('\n' + '='.repeat(20) + '完整回複' + '='.repeat(20) + '\n');
                    isAnswering = true;
                }
                process.stdout.write(delta.content);
                answerContent += delta.content;
            }
        }
    } catch (error) {
        console.error('Error:', error);
    }
}

main();

點擊查看思考過程和完整回複

====================思考過程====================

好的，我現在要解決這個關於長方體和正方體的表面積和體積的問題。首先，我需要仔細看一下題目，確保自己理解每個部分的要求。

題目是要求分別計算兩個圖形的表面積和體積。第一個圖形是一個長方體，第二個是一個正方體。單位都是厘米，每題6分，共12分。看起來這是一個數學作業題，可能來自小學或初中階段的幾何內容。

首先，我需要回憶一下長方體和正方體的表面積和體積的計算公式。對於長方體來說，表面積的公式是：\( 2(ab + bc + ac) \)，其中a、b、c分別是長、寬、高。而體積則是 \( abc \)。對於正方體來說，因為所有邊長相等，所以表面積是 \( 6a^2 \)，體積是 \( a^3 \)。

現在來看第一個圖形，這是一個長方體，給出的尺寸是長4cm，寬3cm，高2cm。我需要先計算它的表面積。根據公式，代入數值：

表面積 = \( 2(4×3 + 3×2 + 4×2) \)
        = \( 2(12 + 6 + 8) \)
        = \( 2×26 \)
        = 52 cm²

接下來是體積，同樣代入數值：

體積 = \( 4×3×2 \)
      = 24 cm³

然後是第二個圖形，這是一個正方體，邊長為3cm。表面積計算如下：

表面積 = \( 6×3^2 \)
        = \( 6×9 \)
        = 54 cm²

體積則是：

體積 = \( 3^3 \)
      = 27 cm³

不過，我需要檢查一下是否有可能出錯的地方。比如，在計算長方體的表面積時，有沒有可能把某個面的面積算錯了？或者在乘法的時候有沒有算錯數字？

比如，長方體的三個不同的面分別是4×3，3×2，4×2。這三個面的面積分別是12，6，8。加起來是26，乘以2得到52，這應該是正確的。體積的話，4×3=12，再乘以2就是24，沒錯。

正方體的話，每個面都是3×3=9，六個面就是54，體積是3×3×3=27，也沒有問題。

所以最終的答案應該是：

1. 方體的表面積是52平方厘米，體積是24立方厘米。
2. 方體的表面積是54平方厘米，體積是27立方厘米。

不過，我需要確認題目中的圖形是否有其他隱藏的資訊或者可能的陷阱。例如，有時候題目可能會給出一些虛線或者陰影部分，但在這個情況下，圖片中的長方體和正方體看起來都是標準的，沒有特別的標記。因此，我認為我的計算是正確的。

====================完整回複====================

### 解答：

**1. 方體（長4cm，寬3cm，高2cm）**
- **表面積**：
  \[
  2 \times (4 \times 3 + 3 \times 2 + 4 \times 2) = 2 \times (12 + 6 + 8) = 2 \times 26 = 52 \, \text{cm}^2
  \]
- **體積**：
  \[
  4 \times 3 \times 2 = 24 \, \text{cm}^3
  \]

**2. 方體（邊長3cm）**
- **表面積**：
  \[
  6 \times 3^2 = 6 \times 9 = 54 \, \text{cm}^2
  \]
- **體積**：
  \[
  3^3 = 27 \, \text{cm}^3
  \]

**答案：**
1. 方體的表面積為 \(52 \, \text{cm}^2\)，體積為 \(24 \, \text{cm}^3\)。
2. 方體的表面積為 \(54 \, \text{cm}^2\)，體積為 \(27 \, \text{cm}^3\)。

# ======= 重要提示 =======
# 以下為新加坡地區base_url，若使用北京地區模型，需要將base_url換成https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions
# 各地區的API Key不同。擷取連結：https://bailian.console.alibabacloud.com/?tab=model#/api-key
# === 執行時請刪除該注釋 ===

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": "qvq-max",
    "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"
          }
        },
        {
          "type": "text",
          "text": "請解答這道題"
        }
      ]
    }
  ],
    "stream":true,
    "stream_options":{"include_usage":true}
}'

點擊查看思考過程和完整回複

data: {"choices":[{"delta":{"content":null,"role":"assistant","reasoning_content":""},"index":0,"logprobs":null,"finish_reason":null}],"object":"chat.completion.chunk","usage":null,"created":1742983020,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-ab4f3963-2c2a-9291-bda2-65d5b325f435"}

data: {"choices":[{"finish_reason":null,"delta":{"content":null,"reasoning_content":"好的"},"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983020,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-ab4f3963-2c2a-9291-bda2-65d5b325f435"}

data: {"choices":[{"delta":{"content":null,"reasoning_content":"，"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983020,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-ab4f3963-2c2a-9291-bda2-65d5b325f435"}

data: {"choices":[{"delta":{"content":null,"reasoning_content":"我現在"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983020,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-ab4f3963-2c2a-9291-bda2-65d5b325f435"}

data: {"choices":[{"delta":{"content":null,"reasoning_content":"要"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983020,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-ab4f3963-2c2a-9291-bda2-65d5b325f435"}

data: {"choices":[{"delta":{"content":null,"reasoning_content":"解決"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983020,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-ab4f3963-2c2a-9291-bda2-65d5b325f435"}
.....
data: {"choices":[{"delta":{"content":"方"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983095,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-23d30959-42b4-9f24-b7ab-1bb0f72ce265"}

data: {"choices":[{"delta":{"content":"厘米"},"finish_reason":null,"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983095,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-23d30959-42b4-9f24-b7ab-1bb0f72ce265"}

data: {"choices":[{"finish_reason":"stop","delta":{"content":"","reasoning_content":null},"index":0,"logprobs":null}],"object":"chat.completion.chunk","usage":null,"created":1742983095,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-23d30959-42b4-9f24-b7ab-1bb0f72ce265"}

data: {"choices":[],"object":"chat.completion.chunk","usage":{"prompt_tokens":544,"completion_tokens":590,"total_tokens":1134,"completion_tokens_details":{"text_tokens":590},"prompt_tokens_details":{"text_tokens":24,"image_tokens":520}},"created":1742983095,"system_fingerprint":null,"model":"qvq-max","id":"chatcmpl-23d30959-42b4-9f24-b7ab-1bb0f72ce265"}

data: [DONE]

使用 DashScope 方式調用 QVQ 模型：

incremental_output 參數預設為 true，且不支援設定為 false，僅支援增量流式返回。
result_format參數預設為"message"，且不支援設定為"text"

Python
Java
HTTP

import os
import dashscope
from dashscope import MultiModalConversation

# 以下為新加坡地區base_url，若使用北京地區模型，需要將base_url換成 https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'  # 請將WorkspaceId替換為業務空間ID
messages = [
    {
        "role": "user",
        "content": [
            {"image": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"},
            {"text": "解答這道題？"}
        ]
    }
]

response = MultiModalConversation.call(
    # 各地區的API Key不同。擷取連結：https://bailian.console.alibabacloud.com/?tab=model#/api-key
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model="qvq-max",  # 此處以qvq-max為例，可按需更換模型名稱。
    messages=messages,
    stream=True,
)

# 定義完整思考過程
reasoning_content = ""
# 定義完整回複
answer_content = ""
# 判斷是否結束思考過程並開始回複
is_answering = False

print("=" * 20 + "思考過程" + "=" * 20)

for chunk in response:
    # 如果思考過程與回複皆為空白，則忽略
    message = chunk.output.choices[0].message
    reasoning_content_chunk = message.get("reasoning_content", None)
    if (chunk.output.choices[0].message.content == [] and
        reasoning_content_chunk == ""):
        pass
    else:
        # 如果當前為思考過程
        if reasoning_content_chunk != None and chunk.output.choices[0].message.content == []:
            print(chunk.output.choices[0].message.reasoning_content, end="")
            reasoning_content += chunk.output.choices[0].message.reasoning_content
        # 如果當前為回複
        elif chunk.output.choices[0].message.content != []:
            if not is_answering:
                print("\n" + "=" * 20 + "完整回複" + "=" * 20)
                is_answering = True
            print(chunk.output.choices[0].message.content[0]["text"], end="")
            answer_content += chunk.output.choices[0].message.content[0]["text"]

# 如果您需要列印完整思考過程與完整回複，請將以下代碼解除注釋後運行
# print("=" * 20 + "完整思考過程" + "=" * 20 + "\n")
# print(f"{reasoning_content}")
# print("=" * 20 + "完整回複" + "=" * 20 + "\n")
# print(f"{answer_content}")

點擊查看思考過程和完整回複

====================思考過程====================
好的，我現在要解決這個關於長方體和正方體的表面積和體積的問題。首先，我需要仔細看一下題目，確保自己理解每個部分的要求。

題目是要求分別計算兩個圖形的表面積和體積。第一個圖形是一個長方體，第二個是一個正方體。單位都是厘米，每題6分，共12分。看起來這是一個數學作業題，可能來自小學或初中階段的幾何內容。

首先，我需要回憶一下長方體和正方體的表面積和體積的計算公式。對於長方體來說，表面積的公式是：\( 面積 = 2(ab + bc + ac) \)，其中a、b、c分別是長、寬、高。而體積則是：\( 體積 = abc \)。對於正方體來說，因為所有邊長相等，所以表面積是：\( 面積 = 6a^2 \)，體積是：\( 體積 = a^3 \)。

現在來看第一個圖形，這是一個長方體，給出的尺寸是長4cm，寬3cm，高2cm。我需要先確認這些數值是否正確對應到公式中的各個變數。通常，長方體的三個維度可以任意命名，但為了方便計算，我們可以將最長的邊作為長度，中間的作為寬度，最短的作為高度。不過在這裡，題目中已經明確標註了各個邊的長度，所以直接使用即可。

接下來，計算第一個長方體的表面積。根據公式，代入數值：

\( 面積 = 2(4×3 + 3×2 + 4×2) \)

先計算括弧內的每一項：

\( 4×3 = 12 \)
\( 3×2 = 6 \)
\( 4×2 = 8 \)

然後將這些結果相加：

\( 12 + 6 + 8 = 26 \)

再乘以2：

\( 2 × 26 = 52 \)

所以，第一個長方體的表面積是52平方厘米。

接下來計算體積：

\( 體積 = 4 × 3 × 2 = 24 \)

所以，體積是24立方厘米。

現在看第二個圖形，這是一個正方體，所有邊長都是3cm。因此，表面積的計算為：

\( 面積 = 6 × 3^2 = 6 × 9 = 54 \)

體積則是：

\( 體積 = 3^3 = 27 \)

所以，正方體的表面積是54平方厘米，體積是27立方厘米。

在計算過程中，需要注意單位的一致性，題目中給出的單位是厘米，所以最終結果的單位應該是平方厘米和立方厘米。此外，要確保沒有計算錯誤，比如乘法和加法的順序是否正確，特別是長方體的表面積計算時，容易漏掉某一項或者計算錯誤。

另外，檢查是否有其他可能的誤解，比如是否混淆了長、寬、高的位置，但在這個問題中，由於題目已經明確標註了各個邊的長度，所以應該不會有這個問題。同時，正方體的所有邊長相等，所以無需擔心不同的邊長帶來的複雜性。

總結一下，第一個長方體的表面積是52平方厘米，體積是24立方厘米；第二個正方體的表面積是54平方厘米，體積是27立方厘米。

====================完整回複====================
### 解答：

**1. 方體（長4cm，寬3cm，高2cm）**

- **表面積**：
  \[
  面積 = 2(ab + bc + ac) = 2(4×3 + 3×2 + 4×2) = 2(12 + 6 + 8) = 2×26 = 52 \, \text{cm}^2
  \]

- **體積**：
  \[
  體積 = abc = 4×3×2 = 24 \, \text{cm}^3
  \]

**2. 方體（邊長3cm）**

- **表面積**：
  \[
  面積 = 6a^2 = 6×3^2 = 6×9 = 54 \, \text{cm}^2
  \]

- **體積**：
  \[
  體積 = a^3 = 3^3 = 27 \, \text{cm}^3
  \]

**答案：**
1. 方體的表面積為 \(52 \, \text{cm}^2\)，體積為 \(24 \, \text{cm}^3\)。
2. 方體的表面積為 \(54 \, \text{cm}^2\)，體積為 \(27 \, \text{cm}^3\)。

// dashscope SDK的版本 >= 2.19.0
import java.util.*;

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import io.reactivex.Flowable;

import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.exception.InputRequiredException;
import java.lang.System;
import com.alibaba.dashscope.utils.Constants;

public class Main {
    static {
       // 以下為新加坡地區base_url，若使用北京地區模型，需要將base_url換成 https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1
        Constants.baseHttpApiUrl="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";
    }
    private static final Logger logger = LoggerFactory.getLogger(Main.class);
    private static StringBuilder reasoningContent = new StringBuilder();
    private static StringBuilder finalContent = new StringBuilder();
    private static boolean isFirstPrint = true;

    private static void handleGenerationResult(MultiModalConversationResult message) {
        String re = message.getOutput().getChoices().get(0).getMessage().getReasoningContent();
        String reasoning = Objects.isNull(re)?"":re; // 預設值

        List<Map<String, Object>> content = message.getOutput().getChoices().get(0).getMessage().getContent();
        if (!reasoning.isEmpty()) {
            reasoningContent.append(reasoning);
            if (isFirstPrint) {
                System.out.println("====================思考過程====================");
                isFirstPrint = false;
            }
            System.out.print(reasoning);
        }

        if (Objects.nonNull(content) && !content.isEmpty()) {
            Object text = content.get(0).get("text");
            finalContent.append(content.get(0).get("text"));
            if (!isFirstPrint) {
                System.out.println("\n====================完整回複====================");
                isFirstPrint = true;
            }
            System.out.print(text);
        }
    }
    public static MultiModalConversationParam buildMultiModalConversationParam(MultiModalMessage Msg)  {
        return MultiModalConversationParam.builder()
                // 各地區的API Key不同。擷取連結：https://bailian.console.alibabacloud.com/?tab=model#/api-key
                // 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                // 此處以 qvq-max 為例，可按需更換模型名稱
                .model("qvq-max")
                .messages(Arrays.asList(Msg))
                .incrementalOutput(true)
                .build();
    }

    public static void streamCallWithMessage(MultiModalConversation conv, MultiModalMessage Msg)
            throws NoApiKeyException, ApiException, InputRequiredException, UploadFileException {
        MultiModalConversationParam param = buildMultiModalConversationParam(Msg);
        Flowable<MultiModalConversationResult> result = conv.streamCall(param);
        result.blockingForEach(message -> {
            handleGenerationResult(message);
        });
    }
    public static void main(String[] args) {
        try {
            MultiModalConversation conv = new MultiModalConversation();
            MultiModalMessage userMsg = MultiModalMessage.builder()
                    .role(Role.USER.getValue())
                    .content(Arrays.asList(Collections.singletonMap("image", "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"),
                            Collections.singletonMap("text", "請解答這道題")))
                    .build();
            streamCallWithMessage(conv, userMsg);
//             列印最終結果
//            if (reasoningContent.length() > 0) {
//                System.out.println("\n====================完整回複====================");
//                System.out.println(finalContent.toString());
//            }
        } catch (ApiException | NoApiKeyException | UploadFileException | InputRequiredException e) {
            logger.error("An exception occurred: {}", e.getMessage());
        }
        System.exit(0);
    }
}

點擊查看思考過程和完整回複

====================思考過程====================
嗯，我現在要解決這個題目，計算兩個圖形的表面積和體積。首先，我需要仔細看一下題目給出的圖片。第一個圖形是一個長方體，第二個是正方體。題目要求分別計算它們的表面積和體積，單位是厘米。

先看第一個圖形，長方體。它的尺寸應該是長、寬、高。根據圖片上的標註，長是4厘米，寬是3厘米，高是2厘米。對吧？那長方體的表面積公式我記得是2乘以（長×寬 + 長×高 + 寬×高）。然後體積就是長乘寬乘高。讓我再確認一下公式是否正確。沒錯，表面積確實是六個面的面積之和，而每個相對的面面積相等，所以用這個公式是對的。

那代入數值的話，表面積應該是2×(4×3 + 4×2 + 3×2)。先算括弧裡面的：4×3=12，4×2=8，3×2=6。加起來是12+8+6=26。然後乘以2就是52平方厘米。體積的話，4×3×2=24立方厘米。這部分應該沒問題。

接下來是第二個圖形，正方體。所有邊長都是3厘米。正方體的表面積是6乘以邊長的平方，因為有六個相同的正方形面。體積則是邊長的三次方。所以表面積應該是6×3²=6×9=54平方厘米。體積是3³=27立方厘米。這裡要注意單位，題目裡已經說明單位是厘米，所以結果直接寫成平方厘米和立方厘米就行。

不過，我得再檢查一遍有沒有哪裡出錯。比如，長方體的各個邊是否對應正確。圖片上長方體的長度看起來確實比寬度長，所以長是4，寬是3，高是2。正方體的話，三個維度都是3，沒問題。計算的時候有沒有算錯數字？比如，長方體的表面積計算中，各個乘積是否正確，加法有沒有錯誤。比如4×3=12，4×2=8，3×2=6，加起來是26，乘以2是52，沒錯。體積4×3×2=24，正確。正方體的表面積6×9=54，體積27，也沒問題。

可能需要注意的地方是單位，題目裡明確說單位是cm，所以答案後面要加上正確的單位符號。另外，題目要求每題6分，共12分，但這裡只有兩題，所以每題各佔6分。不過這不影響計算過程，只是提醒自己不要漏掉任何步驟或者單位。

總結一下，第一個圖形的表面積是52平方厘米，體積24立方厘米；第二個圖形的表面積54平方厘米，體積27立方厘米。應該就是這樣了。

====================完整回複====================
**答案：**

1. **長方體**
   - **表面積**：\(2 \times (4 \times 3 + 4 \times 2 + 3 \times 2) = 2 \times 26 = 52\) 平方厘米
   - **體積**：\(4 \times 3 \times 2 = 24\) 立方厘米

2. **正方體**
   - **表面積**：\(6 \times 3^2 = 6 \times 9 = 54\) 平方厘米
   - **體積**：\(3^3 = 27\) 立方厘米

**解析：**
- 長方體的表面積通過計算六個面的總面積得到，體積為長寬高的乘積。
- 正方體的表面積為六個相同正方形面的面積之和，體積為邊長的立方。
- 單位均為厘米，符合題目要求。

curl

# ======= 重要提示 =======
# 以下為新加坡地區base_url，若使用北京地區模型，需要將base_url換成https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 各地區的API Key不同。擷取連結：https://bailian.console.alibabacloud.com/?tab=model#/api-key
# === 執行時請刪除該注釋 ===

curl -X POST https://{WorkspaceId}.ap-southeast-1.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": "qvq-max",
    "input":{
        "messages":[
            {
                "role": "user",
                "content": [
                    {"image": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"},
                    {"text": "請解答這道題"}
                ]
            }
        ]
    }
}'

點擊查看思考過程和完整回複

id:1
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":[],"reasoning_content":"好的","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":547,"input_tokens_details":{"image_tokens":520,"text_tokens":24},"output_tokens":3,"input_tokens":544,"output_tokens_details":{"text_tokens":3},"image_tokens":520},"request_id":"f361ae45-fbef-9387-9f35-1269780e0864"}

id:2
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":[],"reasoning_content":"，","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":548,"input_tokens_details":{"image_tokens":520,"text_tokens":24},"output_tokens":4,"input_tokens":544,"output_tokens_details":{"text_tokens":4},"image_tokens":520},"request_id":"f361ae45-fbef-9387-9f35-1269780e0864"}

id:3
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":[],"reasoning_content":"我現在","role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":549,"input_tokens_details":{"image_tokens":520,"text_tokens":24},"output_tokens":5,"input_tokens":544,"output_tokens_details":{"text_tokens":5},"image_tokens":520},"request_id":"f361ae45-fbef-9387-9f35-1269780e0864"}
.....
id:566
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":[{"text":"方"}],"role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":1132,"input_tokens_details":{"image_tokens":520,"text_tokens":24},"output_tokens":588,"input_tokens":544,"output_tokens_details":{"text_tokens":588},"image_tokens":520},"request_id":"758b0356-653b-98ac-b4d3-f812437ba1ec"}

id:567
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":[{"text":"厘米"}],"role":"assistant"},"finish_reason":"null"}]},"usage":{"total_tokens":1133,"input_tokens_details":{"image_tokens":520,"text_tokens":24},"output_tokens":589,"input_tokens":544,"output_tokens_details":{"text_tokens":589},"image_tokens":520},"request_id":"758b0356-653b-98ac-b4d3-f812437ba1ec"}

id:568
event:result
:HTTP_STATUS/200
data:{"output":{"choices":[{"message":{"content":[],"role":"assistant"},"finish_reason":"stop"}]},"usage":{"total_tokens":1134,"input_tokens_details":{"image_tokens":520,"text_tokens":24},"output_tokens":590,"input_tokens":544,"output_tokens_details":{"text_tokens":590},"image_tokens":520},"request_id":"758b0356-653b-98ac-b4d3-f812437ba1ec"}

核心能力

開啟/關閉思考過程

對於需要詳細推理過程的情境（如解題、分析報告），可通過 enable_thinking開啟思考過程。以下樣本展示如何開啟思考過程。

OpenAI 相容
DashScope

enable_thinking 和 thinking_budget 是非 OpenAI 標準參數。在不同語言的 SDK 中傳遞方式存在差異：

Python SDK: 必須通過 extra_body 字典傳遞。
Node.js SDK: 可作為頂層參數直接傳遞。

import os
from openai import OpenAI

client = OpenAI(
    # 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://{WorkspaceId}.us-east-1.maas.aliyuncs.com/compatible-mode/v1
    # 若使用北京地區模型，需要將base_url換成https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"  # 請將WorkspaceId替換為業務空間ID
)

reasoning_content = ""  # 定義完整思考過程
answer_content = ""     # 定義完整回複
is_answering = False   # 判斷是否結束思考過程並開始回複
enable_thinking = True
# 建立聊天完成請求
completion = client.chat.completions.create(
    model="qwen3.5-plus",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"
                    },
                },
                {"type": "text", "text": "這道題怎麼解答？"},
            ],
        },
    ],
    stream=True,
    # enable_thinking 參數開啟思考過程，thinking_budget 參數設定最大推理過程 Token 數
    # qwen3.5-plus、qwen3-vl-plus、qwen3-vl-flash可通過enable_thinking開啟或關閉思考（其中qwen3.5-plus預設開啟）、對於qwen3-vl-235b-a22b-thinking等帶thinking尾碼的模型，enable_thinking僅支援設定為開啟，對其他Qwen-VL模型均不適用
    extra_body={
        'enable_thinking': enable_thinking
        },

    # 解除以下注釋會在最後一個chunk返回Token使用量
    # stream_options={
    #     "include_usage": True
    # }
)

if enable_thinking:
    print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

for chunk in completion:
    # 如果chunk.choices為空白，則列印usage
    if not chunk.choices:
        print("\nUsage:")
        print(chunk.usage)
    else:
        delta = chunk.choices[0].delta
        # 列印思考過程
        if hasattr(delta, 'reasoning_content') and delta.reasoning_content != None:
            print(delta.reasoning_content, end='', flush=True)
            reasoning_content += delta.reasoning_content
        else:
            # 開始回複
            if delta.content != "" and is_answering is False:
                print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
                is_answering = True
            # 列印回複過程
            print(delta.content, end='', flush=True)
            answer_content += delta.content

# print("=" * 20 + "完整思考過程" + "=" * 20 + "\n")
# print(reasoning_content)
# print("=" * 20 + "完整回複" + "=" * 20 + "\n")
# print(answer_content)

import os
import dashscope
from dashscope import MultiModalConversation

# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://{WorkspaceId}.us-east-1.maas.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1
dashscope.base_http_api_url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1"

enable_thinking = True

messages = [
    {
        "role": "user",
        "content": [
            {"image": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"},
            {"text": "解答這道題？"}
        ]
    }
]

response = MultiModalConversation.call(
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
    # 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model="qwen3.5-plus",
    messages=messages,
    stream=True,
    # enable_thinking 參數開啟思考過程
    # qwen3.5-plus、qwen3-vl-plus、qwen3-vl-flash可通過enable_thinking開啟或關閉思考（其中qwen3.5-plus預設開啟），對於qwen3-vl-235b-a22b-thinking等帶thinking尾碼的模型，enable_thinking僅支援設定為開啟，對其他Qwen-VL模型均不適用
    enable_thinking=enable_thinking

)

# 定義完整思考過程
reasoning_content = ""
# 定義完整回複
answer_content = ""
# 判斷是否結束思考過程並開始回複
is_answering = False

if enable_thinking:
    print("=" * 20 + "思考過程" + "=" * 20)

for chunk in response:
    # 如果思考過程與回複皆為空白，則忽略
    message = chunk.output.choices[0].message
    reasoning_content_chunk = message.get("reasoning_content", None)
    if (chunk.output.choices[0].message.content == [] and
        reasoning_content_chunk == ""):
        pass
    else:
        # 如果當前為思考過程
        if reasoning_content_chunk != None and chunk.output.choices[0].message.content == []:
            print(chunk.output.choices[0].message.reasoning_content, end="")
            reasoning_content += chunk.output.choices[0].message.reasoning_content
        # 如果當前為回複
        elif chunk.output.choices[0].message.content != []:
            if not is_answering:
                print("\n" + "=" * 20 + "完整回複" + "=" * 20)
                is_answering = True
            print(chunk.output.choices[0].message.content[0]["text"], end="")
            answer_content += chunk.output.choices[0].message.content[0]["text"]

# 如果您需要列印完整思考過程與完整回複，請將以下代碼解除注釋後運行
# print("=" * 20 + "完整思考過程" + "=" * 20 + "\n")
# print(f"{reasoning_content}")
# print("=" * 20 + "完整回複" + "=" * 20 + "\n")
# print(f"{answer_content}")

限制思考長度

為避免視覺推理模型輸出過於冗長的思考過程，可使用 thinking_budget 參數限制思考過程產生的最大 Token 數。當思考過程超過該限制時，內容將被截斷，模型會立即開始產生最終答案。thinking_budget 預設值為模型的最大思維鏈長度，請參見模型列表。

thinking_budget 參數支援Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL（思考模式）、kimi-k2.6、kimi-k2.5（思考模式）。

OpenAI 相容
DashScope

thinking_budget非 OpenAI 標準參數，若使用 OpenAI Python SDK 請通過 extra_body傳入。

import os
from openai import OpenAI

client = OpenAI(
    # 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://{WorkspaceId}.us-east-1.maas.aliyuncs.com/compatible-mode/v1
    # 若使用北京地區模型，需要將base_url換成https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"  # 請將WorkspaceId替換為業務空間ID
)

reasoning_content = ""  # 定義完整思考過程
answer_content = ""     # 定義完整回複
is_answering = False   # 判斷是否結束思考過程並開始回複
enable_thinking = True
# 建立聊天完成請求
completion = client.chat.completions.create(
    model="qwen3.5-plus",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"
                    },
                },
                {"type": "text", "text": "這道題怎麼解答？"},
            ],
        },
    ],
    stream=True,
    # enable_thinking 參數開啟思考過程，thinking_budget 參數設定最大推理過程 Token 數
    # qwen3.5-plus、qwen3-vl-plus、qwen3-vl-flash可通過enable_thinking開啟或關閉思考（其中qwen3.5-plus預設開啟）、對於qwen3-vl-235b-a22b-thinking等帶thinking尾碼的模型，enable_thinking僅支援設定為開啟，對其他Qwen-VL模型均不適用
    extra_body={
        'enable_thinking': enable_thinking,
        "thinking_budget": 81920},

    # 解除以下注釋會在最後一個chunk返回Token使用量
    # stream_options={
    #     "include_usage": True
    # }
)

if enable_thinking:
    print("\n" + "=" * 20 + "思考過程" + "=" * 20 + "\n")

for chunk in completion:
    # 如果chunk.choices為空白，則列印usage
    if not chunk.choices:
        print("\nUsage:")
        print(chunk.usage)
    else:
        delta = chunk.choices[0].delta
        # 列印思考過程
        if hasattr(delta, 'reasoning_content') and delta.reasoning_content != None:
            print(delta.reasoning_content, end='', flush=True)
            reasoning_content += delta.reasoning_content
        else:
            # 開始回複
            if delta.content != "" and is_answering is False:
                print("\n" + "=" * 20 + "完整回複" + "=" * 20 + "\n")
                is_answering = True
            # 列印回複過程
            print(delta.content, end='', flush=True)
            answer_content += delta.content

# print("=" * 20 + "完整思考過程" + "=" * 20 + "\n")
# print(reasoning_content)
# print("=" * 20 + "完整回複" + "=" * 20 + "\n")
# print(answer_content)

import os
import dashscope
from dashscope import MultiModalConversation

# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://{WorkspaceId}.us-east-1.maas.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1
dashscope.base_http_api_url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1"

enable_thinking = True

messages = [
    {
        "role": "user",
        "content": [
            {"image": "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"},
            {"text": "解答這道題？"}
        ]
    }
]

response = MultiModalConversation.call(
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
    # 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model="qwen3.5-plus",
    messages=messages,
    stream=True,
    # enable_thinking 參數開啟思考過程
    # qwen3.5-plus、qwen3-vl-plus、qwen3-vl-flash可通過enable_thinking開啟或關閉思考（其中qwen3.5-plus預設開啟），對於qwen3-vl-235b-a22b-thinking等帶thinking尾碼的模型，enable_thinking僅支援設定為開啟，對其他Qwen-VL模型均不適用
    enable_thinking=enable_thinking,
    # thinking_budget 參數設定最大推理過程 Token 數
    thinking_budget=81920,

)

# 定義完整思考過程
reasoning_content = ""
# 定義完整回複
answer_content = ""
# 判斷是否結束思考過程並開始回複
is_answering = False

if enable_thinking:
    print("=" * 20 + "思考過程" + "=" * 20)

for chunk in response:
    # 如果思考過程與回複皆為空白，則忽略
    message = chunk.output.choices[0].message
    reasoning_content_chunk = message.get("reasoning_content", None)
    if (chunk.output.choices[0].message.content == [] and
        reasoning_content_chunk == ""):
        pass
    else:
        # 如果當前為思考過程
        if reasoning_content_chunk != None and chunk.output.choices[0].message.content == []:
            print(chunk.output.choices[0].message.reasoning_content, end="")
            reasoning_content += chunk.output.choices[0].message.reasoning_content
        # 如果當前為回複
        elif chunk.output.choices[0].message.content != []:
            if not is_answering:
                print("\n" + "=" * 20 + "完整回複" + "=" * 20)
                is_answering = True
            print(chunk.output.choices[0].message.content[0]["text"], end="")
            answer_content += chunk.output.choices[0].message.content[0]["text"]

# 如果您需要列印完整思考過程與完整回複，請將以下代碼解除注釋後運行
# print("=" * 20 + "完整思考過程" + "=" * 20 + "\n")
# print(f"{reasoning_content}")
# print("=" * 20 + "完整回複" + "=" * 20 + "\n")
# print(f"{answer_content}")

計費說明

總費用 = 輸入 Token 數 x 模型輸入單價 + 模型輸出 Token 數 x 模型輸出單價。

思考過程（reasoning_content）會作為輸出內容的一部分，計入輸出 Token 併產生相應費用。若模型在思考模式下未輸出思考過程，按照非思考模式價格計費。
映像或視頻計算token的方法請參見映像與視頻理解。

API參考

關於視覺推理模型的輸入輸出參數，請參見文本產生。

錯誤碼

如果模型調用失敗並返回報錯資訊，請參見錯誤碼進行解決。

​效果樣本

​支援的模型

​使用方式

​快速開始

​核心能力

​開啟/關閉思考過程

​限制思考長度

​更多用法

​計費說明

​API參考

​錯誤碼

效果樣本

支援的模型

使用方式

快速開始

核心能力

開啟/關閉思考過程

限制思考長度

更多用法

計費說明

API參考

錯誤碼