Qwen-VL

任意のQwen視覚モデルを、ネイティブまたはOpenRouter経由で実行します。

任意の Qwen 視覚言語モデルを、Roboflow インフラ上でネイティブに、または OpenRouter 経由で実行できます。

任意のテキストプロンプトまたは事前定義済みのものを指定できます。このブロックは次の種類のプロンプトをサポートしています:

• オープンプロンプト (制約なし) - 任意のプロンプトを使用して、生の応答を生成します

• テキスト認識（OCR） (ocr) - モデルが画像内のテキストを認識します

• 視覚的質問応答 (visual-question-answering) - モデルがプロンプトで送信された質問に答えます

• キャプション生成（短い） (caption) - モデルが画像の短い説明を提供します

• キャプション生成 (detailed-caption) - モデルが画像の長い説明を提供します

• 単一ラベル分類 (classification) - モデルが画像内容を、提供されたクラスのいずれか1つとして分類します

• 複数ラベル分類 (multi-label-classification) - モデルが画像内容を、提供されたクラスの1つまたは複数として分類します

• プロンプトなしオブジェクト検出 (object-detection) - モデルが画像内の目立つオブジェクトを検出し、バウンディングボックスを返します

• 構造化出力生成 (structured-answering) - モデルが指定されたフィールドを持つ JSON 応答を返します

🛠️ バックエンドの選択

• ネイティブ（Roboflow） - 小規模な Qwen-VL モデル（0.8B～7B）は、他の Roboflow モデルと同じインフラ上で実行されます。レイテンシが低くなります。OCR、キャプション生成、視覚的質問応答などのタスクに推奨されます。

• OpenRouter - 大規模なホスト型 Qwen モデル（9B～397B）には、以下を介してアクセスします OpenRouter。デフォルトでは Roboflow 管理の API キーが使用され、Roboflow クレジットから課金されます。独自の sk-or-... キーを api_key フィールドに貼り付けると Roboflow の課金を回避できます。より大きなモデルが有利な構造化タスク（分類、物体検出、構造化回答）に推奨されます。

この model_version ドロップダウンにはサポートされているすべてのバリアントが一覧表示され、それぞれが 1 つのバックエンドに紐づいています。バリデーターが、選択したバックエンドとモデルの不一致を検出します。

🔒 プライバシーフィルター（OpenRouter のみ）

• データ収集なし （デフォルト） – プロバイダーはあなたの入力を学習に使用できません。

• データ収集を許可 – より広いプロバイダープール。

• データ保持ゼロ – 最も厳格で、何も保持しないプロバイダーに制限されます。

型識別子

ステップで次の識別子を使用してください "type" フィールド： roboflow_core/qwen_vlm@v1 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌
api_key	str	OpenRouter API キー（backend=openrouter の場合のみ使用）。デフォルトでは Roboflow の管理キーが使用されます。独自の sk-or-... キーを使用すると、Roboflowの請求なしでOpenRouterを直接呼び出せます。	✅
privacy_level	str	プロバイダーのプライバシーフィルター（backend=openrouter の場合のみ使用）。より厳しいレベルではプロバイダーの選択肢が減り、管理キーでの 1 回あたりのコストが増加する場合があります..	❌
max_tokens	整数	モデルが応答で生成できる最大トークン数。	❌
temperature	float	サンプリング温度（backend=openrouter の場合のみ使用）。ネイティブの Qwen-VL ランタイムでは temperature の指定は受け付けません。範囲は 0.0～2.0 で、値が高いほど、よりランダムで「創造的」な生成になります..	✅
max_concurrent_requests	整数	画像バッチに対して並列で実行する OpenRouter リクエストの最大数（backend=openrouter の場合のみ使用）。ネイティブのバックエンドは画像を順次処理します。未設定の場合は、グローバルな Workflows Execution Engine のデフォルトにフォールバックします。OpenRouter のレート制限に達する場合は、これを制限してください..	❌
バックエンド	str	推論をどこで実行するか。Native = Roboflow インフラ。OpenRouter = OpenRouter 経由の大規模ホスト型 Qwen モデル..	❌
model_version	str	ネイティブ Qwen-VL バリアント。事前学習済みモデルを選択するか、 ファインチューニング済みモデル ワークスペースの Qwen3 ファインチューニングを使用します..	✅
ファインチューニング済みモデル ID	str	ワークスペースの Qwen3-VL ファインチューニング済みモデルで、 workspace/version 形式で..	✅
OpenRouter モデルバージョン	str	OpenRouter ホスト型 Qwen バリアント..	✅
task_type	str	モデルによって実行されるタスクの種類。値によって必要なパラメータと出力応答が決まります。。	❌
プロンプト	str	Qwen モデルへのテキストプロンプト。	✅
思考モードを有効にする	bool	Qwen3.5-VL の推論モードを有効にします。このモードでは、モデルが回答の前に思考トークンを出力します。推論のトレースは、 思考 出力で返されます。これに対応しているのは Qwen 3.5 VL 2B チェックポイント（およびそこから派生した Qwen3-VL ファインチューニング）だけです。他では無視されます..	❌
output_structure	Dict[str, str]	期待される JSON 応答の構造を持つ辞書。	❌
classes	List[str]	使用するクラスのリスト。	✅

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

ランタイム互換性

requires_internet - エアギャップ／オフライン環境: このブロックは、完全にオフライン／エアギャップ環境から到達できないサービスに依存しています。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が Qwen-VL のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • api_key (Union[ROBOFLOW_MANAGED_KEY, secret, string]): OpenRouter API キー（backend=openrouter の場合のみ使用）。デフォルトでは Roboflow の管理キーが使用されます。独自の sk-or-... キーを使用すると、Roboflowの請求なしでOpenRouterを直接呼び出せます。

  • temperature (float): サンプリング温度（backend=openrouter の場合のみ使用）。ネイティブの Qwen-VL ランタイムでは temperature の指定は受け付けません。範囲は 0.0～2.0 で、値が高いほど、よりランダムで「創造的」な生成になります..

  • images (image): 推論対象の画像です..

  • model_version (string): ネイティブ Qwen-VL バリアント。事前学習済みモデルを選択するか、 ファインチューニング済みモデル ワークスペースの Qwen3 ファインチューニングを使用します..

  • ファインチューニング済みモデル ID (Union[roboflow_model_id, string]): ワークスペースの Qwen3-VL ファインチューニング済みモデルで、 workspace/version 形式で..

  • OpenRouter モデルバージョン (string): OpenRouter ホスト型 Qwen バリアント..

  • プロンプト (string): Qwen モデルへのテキストプロンプト。

  • classes (list_of_values)：使用するクラスのリスト。

• 出力

  • 出力 (Union[string, language_model_output])：の文字列値 string または LLM / VLM の出力（条件が language_model_output.

  • classes (list_of_values)：任意の型の値のリスト。

  • 思考 (string) : 文字列値。

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/qwen_vlm@v1",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "backend": "<block_does_not_provide_example>",
	    "model_version": "Qwen 3.5 VL 2B",
	    "fine_tuned_model_id": "your-workspace/3",
	    "openrouter_model_version": "Qwen 3.6 27B",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "my prompt",
	    "enable_thinking": "<block_does_not_provide_example>",
	    "output_structure": {
	        "my_key": "description"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}