ネイティブ高解像度OCR
複雑なレイアウト内の小さな文字の鮮明さを維持し、密度の高いドキュメント抽出において標準的なLLMを上回ります。
Qwen Image
Qwen image API（Qwen-VL-Max）は、Alibabaによる最先端の視覚言語モデルです。高解像度のOCR、バウンディングボックスを用いた正確なビジュアルグラウンディング、複雑な動画分析に優れており、数学的推論ではGPT-4oを上回ります。
Qwen Image の料金
1回のサンプル費用から始め、テスト予算を選びます。GPTProto 料金は表示価格より 10% お得です。
利用量
$0.0315 / 枚
関連モデル
すべてのモデル
| モデル | 解像度 | 入力 → 出力 | ||
|---|---|---|---|---|
| $0.03 / 1回あたり | 1K | 入力: テキスト 出力: 画像 | |
| $7.60 / $28.50 per 1M | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $7.60 / $28.50 per 1M | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| — | $0.04 / 1回あたり | 1K · 2K · more | 入力: テキスト入力: 画像 出力: 画像 | |
| $0.04 / 1回あたり | 1K · 2K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.02 / 1回あたり | 1K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.04 / 1回あたり | 1K · 2K · 4K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $6.40 / $24.00 per 1M | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.04 / 1回あたり | 1K · 2K · 4K | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.03 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.03 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.01 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.02 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| — | $0.14 / 1回あたり | — | 入力: テキスト 出力: 画像 | |
| — | $0.01 / 1回あたり | — | 入力: 画像 出力: 画像 | |
| — | $0.02 / 1回あたり | — | 入力: 画像 出力: 画像 | |
| $0.06 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.03 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 | ||
| $0.05 / 1回あたり | — | 入力: 画像 出力: 画像 | ||
| $0.05 / 1回あたり | — | 入力: 画像 出力: 画像 | ||
| $0.05 / 1回あたり | — | 入力: テキスト 出力: 画像 | ||
| $0.06 / 1回あたり | — | 入力: テキスト入力: 画像 出力: 画像 |
Qwen Image APIの主な機能
qwen image apiは、高解像度のドキュメント抽出とビジュアル推論に特化したツールを提供します。
高精度なビジュアルグラウンディング
オブジェクトの正確なバウンディングボックス座標を出力し、高度なビジュアル検索やUI自動化を実現します。
20分超の動画分析
動的サンプリングを通じて長時間の動画を分析し、時間的なイベントの検出と要約を行います。
複雑なチャート推論
MathVistaにおいて最先端の精度で、グラフ、表、数式を解釈します。
Qwen Image API：よくある質問
GPTProtoでOCR、ドキュメント理解、ビジュアルグラウンディングのタスクにqwen image apiを導入する際によくある質問。
qwen image apiは高解像度のドキュメントをどのように処理しますか？
画像を縮小するモデルとは異なり、qwen image apiは入力解像度を柔軟に変更できます。これにより、qwen apiは建築図面の小さなフォントや複雑なディテール、密度の高い学術論文の鮮明さを維持でき、固定グリッド方式のモデルと比べて優れたOCR精度を実現します。
qwen apiは長時間の動画コンテンツを処理できますか？
はい。qwen image apiは20分を超える動画も分析できます。動的なフレームサンプリングを使用して時間的推論を行うため、長時間の映像全体で発生する特定のイベントやパターンについて質問できます。
qwen image apiはOpenAI SDKに対応していますか？
もちろんです。qwen image api向けに、OpenAI互換エンドポイントを提供しています。ベースURLを更新し、モデル名をqwen-imageに設定するだけで、既存のPythonまたはNode.jsのOpenAIクライアントを使用でき、簡単に統合できます。
qwen image apiの料金体系を教えてください。
qwen image apiは非常に費用対効果が高く、入力と出力の料金はいずれも1Mトークンあたり約$2.80です。特に、大量のドキュメント抽出や大規模OCRなどの高ボリュームなタスクでは、Claude 3.5 Sonnetよりも大幅に低コストです。
qwen apiはビジュアルグラウンディング座標に対応していますか？
はい。qwen image apiは、検出したオブジェクトについて正規化された正確な座標 [ymin, xmin, ymax, xmax] を出力できます。これにより、qwen apiはビジュアル検索エンジン、自動安全監査、UI操作ツールの構築に最適です。
qwen image apiに送信したデータはトレーニングに使用されますか？
いいえ。GPTProto qwen image apiを通じて送信されたデータがモデルのトレーニングに使用されることはありません。エンタープライズグレードのプライバシーを重視し、画像やプロンプトが常に機密かつ安全に保たれるようにしています。
関連シナリオ
すべてのツール
無料のPolybuzz AIオンライン
音声演技とパーソナライズされたロールプレイをシームレスに楽しめる、インタラクティブなバーチャルコンパニオンの活気あふれるPolybuzzの世界へ足を踏み入れましょう。
画像からスケッチへの変換ツール
高性能なAIスケッチ生成ツールを、画像からスケッチへの変換に活用しましょう。繊細な鉛筆の筆致や顔の特徴、風景の質感を手軽に捉えられます。
オンラインで写真をレタッチ
高度なレタッチAIを使って、古い写真を修復し、背景の不要なものを取り除き、肌の欠点を瞬時に隠せます。
歴史年表
高度なAIタイムライン作成ツールを使って、複雑な歴史上の出来事から美しい歴史年表を作成しましょう。
さらに読む
このモデルに関連するガイド、比較、最新情報。
すべての記事
Qwen Image Edit：あらゆるGPUでモデルを最適化する
qwen image editモデルを使いこなすには、スマートなVRAM管理と最適化されたワークフローが必要です。クラッシュさせずに2511バージョンを実行する方法をご紹介します。
Qwen Image Edit：あらゆるGPUでモデルを最適化する
qwen image editモデルを使いこなすには、スマートなVRAM管理と最適化されたワークフローが必要です。クラッシュさせずに2511バージョンを実行する方法をご紹介します。
Qwen 3のご紹介：Alibabaの最新オープンソースAIモデルシリーズ
Alibabaの最新オープンソースAIモデル、Qwen 3をご紹介します。その特徴や他のモデルとの比較、アクセス方法について解説します。
Qwen 2.5 32b：ローカルAIにおける究極の最適解
32bアーキテクチャがAI開発者にとって最適な選択肢である理由をご紹介します。高い推論能力を備えながら、必要なハードウェア性能を抑え、優れた効率を実現します。