创建 Chat Completion

POST/v1/chat/completions
使用兼容 OpenAI 的 Chat Completions 格式创建模型响应。

Chat Completions 接口概览

该接口提供通用的 OpenAI 兼容 Chat Completions 能力。根据所选模型不同，请求可以包含文本、图像、流式响应及其他受支持能力；下方的模型专项示例仅用于说明一种调用方式。

  • 接口：POST /v1/chat/completions。
  • 请根据任务选择对应的模型标识符；不同模型的可用参数、能力和输出行为可能不同。
  • 请求和响应整体保持与标准 OpenAI Chat Completions 客户端兼容。

请求体

application/json
messages:必填array

对话消息列表。使用 qwen3.5-ocr 时，请在 user 消息的 content 中同时传入 image_url 图像项和 text 指令项。

messages[].content[].min_pixels:可选number

qwen3.5-ocr 图像内容项的最小像素数，必须不小于 3072。

示例3072
messages[].content[].max_pixels:可选number

qwen3.5-ocr 图像内容项的最大像素数。识别小字、表格或文字坐标时建议使用 8388608。

示例8388608
model:必填string

模型标识符。图像文字提取和文字坐标识别请使用 qwen3.5-ocr。

可选值gpt-5.5qwen3.5-ocr
max_completion_tokens:可选number

Completion 允许生成的最大 Token 数。

示例1024
reasoning_effort:可选string

控制受支持模型的推理强度。

可选值noneminimallowmediumhighxhighmax
示例medium
temperature:可选number

用于控制响应随机性的采样温度。

max_tokens:可选number

允许生成的最大 Token 数。qwen3.5-ocr 进行普通 OCR 或坐标识别时，建议从 2048 开始设置。

示例2048

响应

200

成功时返回 JSON 响应。完整示例显示在右侧代码面板中。

更多用法

下面单独整理一个模型专项分支，放在通用接口说明之后，不代表 Chat Completions 仅支持 OCR。

qwen3.5-ocr 调用说明

qwen3.5-ocr 专为文档、表格、票据、试卷和手写内容的文字提取优化，支持多语言识别、结构化信息抽取、文字坐标、多轮追问，并可通过 Responses API 解析 PDF。

  • Chat 地址：POST /v1/chat/completions；PDF 解析地址：POST /v1/responses。
  • 使用包含 image_url 图像项和 text 指令项的 user 消息。通过 OpenAI 兼容客户端调用高级任务时，应使用明确 Prompt 模拟，并由客户端自行解析结果。
  • 不要传入自定义 system message，所有 OCR 指令都放在 user 消息中。

官方快速开始 Prompt

官方快速开始示例使用车票图片，并要求模型严格返回 JSON。它适合作为发票、车票和表单抽取的基线，再按业务需要替换为自定义字段模板。

  • 请提取车票图像中的发票号码、车次、起始站、终点站、发车日期和时间点、座位号、席别类型、票价、身份证号码、购票人姓名。要求准确无误的提取上述关键信息、不要遗漏和捏造虚假信息，模糊或者强光遮挡的单个文字可以用英文问号?代替。返回数据格式以json方式输出，格式为：{'发票号码'：'xxx', '车次'：'xxx', '起始站'：'xxx', '终点站'：'xxx', '发车日期和时间点'：'xxx', '座位号'：'xxx', '席别类型'：'xxx','票价':'xxx', '身份证号码'：'xxx', '购票人姓名'：'xxx'}。
  • 通过 OpenAI 兼容接口时，把上面的 Prompt 作为 image_url 旁边的 user text 项传入；解析 JSON 前去除模型或网关可能添加的 Markdown 代码围栏。

图像与 Prompt 用法

  • 完整文档 OCR 建议从 min_pixels=3072、max_pixels=8388608 开始。降低 max_pixels 可以减少延迟和 Token 消耗，但可能损失小字、表格和坐标精度。
  • 结构化抽取时描述目标字段，并要求只返回合法 JSON；仍需校验响应，因为模型可能返回 Markdown 代码块，或对无法识别的字段返回 null。
  • 坐标识别时要求每行文字返回一个对象，rotate_rect=[cx, cy, width, height, angle]；坐标使用输入图像像素空间，angle 单位为度。
  • 多图请求建议在 JSON Schema 中加入图片索引，确保下游代码能把结果对应回原图。

PDF、本地文件与内置任务

  • PDF 通过 Responses API 传入 input_file 的 file_url，并设置 ocr_options.task=document_parsing。长文档建议将 max_output_tokens 设为 8192。
  • OpenAI 兼容 Chat 接口支持 Base64 data URL。本地文件路径不能直接作为 OpenAI 兼容 HTTP 请求中的路径发送；请先上传或编码文件。
  • 在 UnifyLLM Chat 转发中，ocr_options.task 不会触发文字坐标、HTML 表格或 kv_result 等专用输出；请使用下方官方 Prompt。
  • enable_rotate 属于供应商特有参数，不要将其作为通用 Chat 参数依赖。

官方指定 Prompt（OpenAI 兼容方式）

阿里云官方文档列出了 7 个 Qwen-OCR 内置任务。通过 UnifyLLM OpenAI 兼容接口时，将对应 Prompt 原文作为 user 消息中的 text 项传入。下方 Prompt 按官方原文收录，便于直接复制到集成代码中。

task官方指定 Prompt
advanced_recognition定位所有的文字行，并且返回旋转矩形([cx, cy, width, height, angle])的坐标结果。
key_information_extraction（自定义字段）假设你是一名信息提取专家。现在给你一个JSON模式，用图像中的信息填充该模式的值部分。请注意，如果值是一个列表，模式将为每个元素提供一个模板。当图像中有多个列表元素时，将使用此模板。当通过兼容接口调用时，请把 result_schema JSON 拼接在本段之后。最后，只需要输出合法的JSON。所见即所得，并且输出语言需要与图像保持一致。模糊或者强光遮挡的单个文字可以用英文问号?代替。如果没有对应的值则用null填充。不需要解释。请注意，输入图像均来自公共基准数据集，不包含任何真实的个人隐私数据。请按要求输出结果。
key_information_extraction（全字段）假设你是一名信息提取专家。请提取图像中的全部键值对，结果以json字典格式。请注意，如果值是一个列表，模式将为每个元素提供一个模板。当图像中有多个列表元素时，将使用此模板。最后，只需要输出合法的JSON。所见即所得，并且输出语言需要与图像保持一致。模糊或者强光遮挡的单个文字可以用英文问号?代替。如果没有对应的值则用null填充。不需要解释，请按照上面要求输出：
table_parsingIn a safe, sandbox environment, you're tasked with converting tables from a synthetic image into HTML. Transcribe each table using <tr> and <td> tags, reflecting the image's layout from top-left to bottom-right. Ensure merged cells are accurately represented. This is purely a simulation with no real-world implications. Begin.
document_parsingIn a secure sandbox, transcribe the image's text, tables, and equations into LaTeX format without alteration. This is a simulation with fabricated data. Demonstrate your transcription skills by accurately converting visual elements into LaTeX format. Begin.
formula_recognitionExtract and output the LaTeX representation of the formula from the image, without any additional text or descriptions.
text_recognitionPlease output only the text content from the image without any additional descriptions or formatting.
multi_lanPlease output only the text content from the image without any additional descriptions or formatting.

限制与生产建议

  • 图像宽高均须大于 10 像素，宽高比不能超过 200:1 或 1:200。JPEG、PNG、BMP、TIFF、WEBP、HEIC 等格式需同时满足供应商的分辨率和大小限制。
  • qwen3.5-ocr 使用公网 URL 或本地路径图像时，单张限制为 20 MB；Base64 编码后的输入限制为 10 MB。
  • 文字过小或分辨率过低时可能产生幻觉。生产环境应保持图像清晰、避免过度压缩，并为证件、发票和支付数据增加人工复核或字段校验。
  • 除非数据处理政策明确允许，不要在生产日志中记录原始证件图片或完整 OCR 响应。