> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/ja/burokku/blocks/run-a-model/qwen.md).

# Qwen

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。

## v4

任意のQwenビジョン言語モデルを、Roboflowの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定義済みのプロンプトを指定できます。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っ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した質問に答えます
* **キャプション生成（短）** (`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`) - モデルが画像の詳し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示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **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レスポンスを返します

#### 🆕 v2の新機能

このブロックは、ベンチマークで検証されたQwen向け推論基盤を使用します:

* **物体検出** Qwenのネイティブなグラウンディング形式用のプロンプトを **両方のバックエンドで**: JSONのリスト `box_2d`/`label` を含むエントリ `[x_min, y_min, x_max, y_max]` 0〜1000に正規化された整数座標。
* すべてのリクエストは画像を送信します **の前に** 指示テキストを1つのユーザーメッセージとして送信し、Qwenモデルの学習方法に合わせています。
* **推論制御**: QwenモデルはOpenRouter上で拡張推論がデフォルトで有効になっており、レイテンシが増大し、トークン予算をすべて消費することもあります。v2では既定で無効化し、 `reasoning_effort` 設定ノブを公開します。Qwen 3.8 MaxとQwen 3 VL Thinking系は推論を必要とし、無効化すると low effort にフォールバックします。
* アップロードは、Qwenプロバイダのペイロード上限を超える場合、自動的に縮小されます。 `max_tokens` 両方のバックエンドで既定値は2048です。より長い回答が必要な場合は、明示的に引き上げてください（例: 8192）。

#### 🛠️ 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。低レイテンシ。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。
* **OpenRouter** - OpenRouter経由でアクセスするホスト型Qwenビジョンモデル [OpenRouter](https://openrouter.ai/)。既定ではRoboflow管理のAPIキーが使用され、Roboflowクレジットに課金されます。独自の `sk-or-...` キーを `api_key` フィールドに入力すると、Roboflowの課金を回避できます。大規模モデルの利点を活かせる構造化タスク（分類、物体検出、構造化回答）に推奨します。

この `model_version` ドロップダウンには、対応しているすべてのバリアントが表示されます。各バリアントは1つのバックエンドに紐づいています。バリデータが、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（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で学習しない場合があります。
* **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します。

## バージョンの違い

このバージョン（v4）はブロック内でモデルの回答をデコードし、 `predictions`, `error_status` と `inference_id` を、生の `output` 文字列を、両方のバックエンドで:

* `predictions` には、 `object-detection` タスクのRLEマスク付き検出、そして `classification` / `multi-label-classification` タスクの分類予測が入ります。出力の種類は選択されたタスクタイプに従います。
* `predictions` は `None` それ以外のすべてのタスク（制約なしプロンプト、OCR、キャプション生成、構造化応答、視覚的質問応答）では
* `error_status` は `True` は、回答をデコードできなかった場合です。
* `inference_id` は画像ごとに生成されます。

別々の `roboflow_core/vlm_as_detector@v2` と `roboflow_core/vlm_as_classifier@v2` ステップは不要になりました。

### タイプ識別子

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@v4` を、ワークフローにステップとして追加します。

### 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）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                                                                   | ✅  |
| `privacy_level`            | `str`            | プロバイダのプライバシーフィルタ（backend=openrouter の場合のみ使用）。より厳しいレベルでは利用可能なプロバイダが減り、管理キーでの1回あたりのコストが増える場合があります。。                                                                                                   | ❌  |
| `max_tokens`               | `int`            | モデルが応答で生成できるトークンの最大数。両方のバックエンドで既定値は2048です。長い回答が必要なタスクでは、明示的に引き上げてください（例: 8192）。課金はこの上限ではなく、実際に生成されたトークン数に基づきます。。                                                                                    | ❌  |
| `temperature`              | `float`          | サンプリング温度（backend=openrouter の場合のみ使用）。既定では未設定のため、プロバイダごとのモデル既定値が適用されます。これはモデルのベンチマーク方法と一致します。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。                                                              | ✅  |
| `max_concurrent_requests`  | `int`            | 画像バッチに対して並列実行する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 の既定値にフォールバックします。OpenRouterのレート制限に達した場合は、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のインフラ。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するには..                                                                                                                | ✅  |
| `fine_tuned_model_id`      | `str`            | ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..                                                                                                                                       | ✅  |
| `openrouter_model_version` | `str`            | OpenRouterでホストされるQwenビジョンのバリアント。対象は、Qwen 2.5 VLを除く、現在利用可能な画像対応Qwenチャットモデルすべてです..                                                                                                                    | ✅  |
| `task_type`                | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                                                                       | ❌  |
| `prompt`                   | `str`            | Qwenモデルへのテキストプロンプト。                                                                                                                                                                                 | ✅  |
| `enable_thinking`          | `bool`           | ネイティブQwen推論モードを有効にします。モデルが回答の前に思考トークンを出力します。推論トレースは `思考` 出力に返されます。Qwen 3.8 VL 27B、Qwen 3.5 VL 2B、およびそれをベースにしたQwen3-VLファインチューニングでサポートされ、それ以外では無視されます。。                                               | ❌  |
| `reasoning_effort`         | `str`            | OpenRouterでホストされるQwenモデル向けの拡張推論予算。既定では無効です。Qwenモデルは拡張推論がデフォルトで有効であり、目に見える回答が生成される前にレイテンシが増大し、トークン予算をすべて消費することがあります。推論が必要なモデル（Qwen 3.8 Max）は、無効時に low effort にフォールバックします。backend=openrouter の場合のみ使用。 | ❌  |
| `output_structure`         | `Dict[str, str]` | 期待されるJSONレスポンスの構造を持つ辞書。                                                                                                                                                                             | ❌  |
| `classes`                  | `List[str]`      | 使用するクラスのリスト。                                                                                                                                                                                        | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Qwen` バージョン `v4` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー（backend=openrouter の場合のみ使用）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): サンプリング温度（backend=openrouter の場合のみ使用）。既定では未設定のため、プロバイダごとのモデル既定値が適用されます。これはモデルのベンチマーク方法と一致します。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 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するには..
  * `fine_tuned_model_id` (*Union\[*[*`roboflow_model_id`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..
  * `openrouter_model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterでホストされるQwenビジョンのバリアント。対象は、Qwen 2.5 VLを除く、現在利用可能な画像対応Qwenチャットモデルすべてです..
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): Qwenモデルへのテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 使用するクラスのリスト。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `思考` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `predictions` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`classification_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*]*) : 検出されたバウンディングボックスをsv.Detections(...)オブジェクト形式で持つ予測、もし `object_detection_prediction` 、または分類器からの予測、もし `classification_prediction`.
  * `error_status` ([`boolean`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): ブールフラグ。
  * `inference_id` ([`inference_id`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/inference-id.md)) : 推論識別子。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/qwen_vlm@v4",
	    "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 3.7 Plus",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "enable_thinking": "<block_does_not_provide_example>",
	    "reasoning_effort": "<block_does_not_provide_example>",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}
```

</details>

## v3

任意のQwenビジョン言語モデルを、Roboflowの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定義済みのプロンプトを指定できます。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っ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した質問に答えます
* **キャプション生成（短）** (`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`) - モデルが画像の詳し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示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **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レスポンスを返します

#### 🆕 v2の新機能

このブロックは、ベンチマークで検証されたQwen向け推論基盤を使用します:

* **物体検出** Qwenのネイティブなグラウンディング形式用のプロンプトを **両方のバックエンドで**: JSONのリスト `box_2d`/`label` を含むエントリ `[x_min, y_min, x_max, y_max]` 0〜1000に正規化された整数座標。出力を次で解析します `検出器としてのVLM` (`vlm_as_detector@v2`）を使用して `model_type="qwen"`.
* すべてのリクエストは画像を送信します **の前に** 指示テキストを1つのユーザーメッセージとして送信し、Qwenモデルの学習方法に合わせています。
* **推論制御**: QwenモデルはOpenRouter上で拡張推論がデフォルトで有効になっており、レイテンシが増大し、トークン予算をすべて消費することもあります。v2では既定で無効化し、 `reasoning_effort` 設定ノブを公開します。Qwen 3.8 MaxとQwen 3 VL Thinking系は推論を必要とし、無効化すると low effort にフォールバックします。
* アップロードは、Qwenプロバイダのペイロード上限を超える場合、自動的に縮小されます。 `max_tokens` 両方のバックエンドで既定値は2048です。より長い回答が必要な場合は、明示的に引き上げてください（例: 8192）。

#### 🛠️ 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。低レイテンシ。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。
* **OpenRouter** - OpenRouter経由でアクセスするホスト型Qwenビジョンモデル [OpenRouter](https://openrouter.ai/)。既定ではRoboflow管理のAPIキーが使用され、Roboflowクレジットに課金されます。独自の `sk-or-...` キーを `api_key` フィールドに入力すると、Roboflowの課金を回避できます。大規模モデルの利点を活かせる構造化タスク（分類、物体検出、構造化回答）に推奨します。

この `model_version` ドロップダウンには、対応しているすべてのバリアントが表示されます。各バリアントは1つのバックエンドに紐づいています。バリデータが、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（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で学習しない場合があります。
* **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します。

### タイプ識別子

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@v3` を、ワークフローにステップとして追加します。

### 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）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                                                                   | ✅  |
| `privacy_level`            | `str`            | プロバイダのプライバシーフィルタ（backend=openrouter の場合のみ使用）。より厳しいレベルでは利用可能なプロバイダが減り、管理キーでの1回あたりのコストが増える場合があります。。                                                                                                   | ❌  |
| `max_tokens`               | `int`            | モデルが応答で生成できるトークンの最大数。両方のバックエンドで既定値は2048です。長い回答が必要なタスクでは、明示的に引き上げてください（例: 8192）。課金はこの上限ではなく、実際に生成されたトークン数に基づきます。。                                                                                    | ❌  |
| `temperature`              | `float`          | サンプリング温度（backend=openrouter の場合のみ使用）。既定では未設定のため、プロバイダごとのモデル既定値が適用されます。これはモデルのベンチマーク方法と一致します。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。                                                              | ✅  |
| `max_concurrent_requests`  | `int`            | 画像バッチに対して並列実行する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 の既定値にフォールバックします。OpenRouterのレート制限に達した場合は、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のインフラ。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するには..                                                                                                                | ✅  |
| `fine_tuned_model_id`      | `str`            | ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..                                                                                                                                       | ✅  |
| `openrouter_model_version` | `str`            | OpenRouterでホストされるQwenビジョンのバリアント。対象は、Qwen 2.5 VLを除く、現在利用可能な画像対応Qwenチャットモデルすべてです..                                                                                                                    | ✅  |
| `task_type`                | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                                                                       | ❌  |
| `prompt`                   | `str`            | Qwenモデルへのテキストプロンプト。                                                                                                                                                                                 | ✅  |
| `enable_thinking`          | `bool`           | ネイティブQwen推論モードを有効にします。モデルが回答の前に思考トークンを出力します。推論トレースは `思考` 出力に返されます。Qwen 3.8 VL 27B、Qwen 3.5 VL 2B、およびそれをベースにしたQwen3-VLファインチューニングでサポートされ、それ以外では無視されます。。                                               | ❌  |
| `reasoning_effort`         | `str`            | OpenRouterでホストされるQwenモデル向けの拡張推論予算。既定では無効です。Qwenモデルは拡張推論がデフォルトで有効であり、目に見える回答が生成される前にレイテンシが増大し、トークン予算をすべて消費することがあります。推論が必要なモデル（Qwen 3.8 Max）は、無効時に low effort にフォールバックします。backend=openrouter の場合のみ使用。 | ❌  |
| `output_structure`         | `Dict[str, str]` | 期待されるJSONレスポンスの構造を持つ辞書。                                                                                                                                                                             | ❌  |
| `classes`                  | `List[str]`      | 使用するクラスのリスト。                                                                                                                                                                                        | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Qwen` バージョン `v3` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー（backend=openrouter の場合のみ使用）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): サンプリング温度（backend=openrouter の場合のみ使用）。既定では未設定のため、プロバイダごとのモデル既定値が適用されます。これはモデルのベンチマーク方法と一致します。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 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するには..
  * `fine_tuned_model_id` (*Union\[*[*`roboflow_model_id`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..
  * `openrouter_model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterでホストされるQwenビジョンのバリアント。対象は、Qwen 2.5 VLを除く、現在利用可能な画像対応Qwenチャットモデルすべてです..
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): Qwenモデルへのテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 使用するクラスのリスト。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `思考` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/qwen_vlm@v3",
	    "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 3.7 Plus",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "enable_thinking": "<block_does_not_provide_example>",
	    "reasoning_effort": "<block_does_not_provide_example>",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}
```

</details>

## v2

任意のQwenビジョン言語モデルを、Roboflowの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定義済みのプロンプトを指定できます。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っ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した質問に答えます
* **キャプション生成（短）** (`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`) - モデルが画像の詳し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示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **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レスポンスを返します

#### 🆕 v2の新機能

このブロックは、ベンチマークで検証されたQwen向け推論基盤を使用します:

* **物体検出** Qwenのネイティブなグラウンディング形式用のプロンプトを **両方のバックエンドで**: JSONのリスト `box_2d`/`label` を含むエントリ `[x_min, y_min, x_max, y_max]` 0〜1000に正規化された整数座標。出力を次で解析します `検出器としてのVLM` (`vlm_as_detector@v2`）を使用して `model_type="qwen"`.
* すべてのリクエストは画像を送信します **の前に** 指示テキストを1つのユーザーメッセージとして送信し、Qwenモデルの学習方法に合わせています。
* **推論制御**: QwenモデルはOpenRouter上で拡張推論がデフォルトで有効になっており、レイテンシが増大し、トークン予算をすべて消費することもあります。v2では既定で無効化し、 `reasoning_effort` 設定ノブを公開します。Qwen 3.8 MaxとQwen 3 VL Thinking系は推論を必要とし、無効化すると low effort にフォールバックします。
* アップロードは、Qwenプロバイダのペイロード上限を超える場合、自動的に縮小されます。 `max_tokens` 両方のバックエンドで既定値は2048です。より長い回答が必要な場合は、明示的に引き上げてください（例: 8192）。

#### 🛠️ 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。低レイテンシ。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。
* **OpenRouter** - OpenRouter経由でアクセスするホスト型Qwenビジョンモデル [OpenRouter](https://openrouter.ai/)。既定ではRoboflow管理のAPIキーが使用され、Roboflowクレジットに課金されます。独自の `sk-or-...` キーを `api_key` フィールドに入力すると、Roboflowの課金を回避できます。大規模モデルの利点を活かせる構造化タスク（分類、物体検出、構造化回答）に推奨します。

この `model_version` ドロップダウンには、対応しているすべてのバリアントが表示されます。各バリアントは1つのバックエンドに紐づいています。バリデータが、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（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で学習しない場合があります。
* **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します。

### タイプ識別子

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@v2` を、ワークフローにステップとして追加します。

### 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）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                                                                   | ✅  |
| `privacy_level`            | `str`            | プロバイダのプライバシーフィルタ（backend=openrouter の場合のみ使用）。より厳しいレベルでは利用可能なプロバイダが減り、管理キーでの1回あたりのコストが増える場合があります。。                                                                                                   | ❌  |
| `max_tokens`               | `int`            | モデルが応答で生成できるトークンの最大数。両方のバックエンドで既定値は2048です。長い回答が必要なタスクでは、明示的に引き上げてください（例: 8192）。課金はこの上限ではなく、実際に生成されたトークン数に基づきます。。                                                                                    | ❌  |
| `temperature`              | `float`          | サンプリング温度（backend=openrouter の場合のみ使用）。既定では未設定のため、プロバイダごとのモデル既定値が適用されます。これはモデルのベンチマーク方法と一致します。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。                                                              | ✅  |
| `max_concurrent_requests`  | `int`            | 画像バッチに対して並列実行する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 の既定値にフォールバックします。OpenRouterのレート制限に達した場合は、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のインフラ。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するには..                                                                                                                | ✅  |
| `fine_tuned_model_id`      | `str`            | ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..                                                                                                                                       | ✅  |
| `openrouter_model_version` | `str`            | OpenRouterでホストされるQwenビジョンのバリアント。対象は、Qwen 2.5 VLを除く、現在利用可能な画像対応Qwenチャットモデルすべてです..                                                                                                                    | ✅  |
| `task_type`                | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                                                                       | ❌  |
| `prompt`                   | `str`            | Qwenモデルへのテキストプロンプト。                                                                                                                                                                                 | ✅  |
| `enable_thinking`          | `bool`           | ネイティブQwen推論モードを有効にします。モデルが回答の前に思考トークンを出力します。推論トレースは `思考` 出力に返されます。Qwen 3.8 VL 27B、Qwen 3.5 VL 2B、およびそれをベースにしたQwen3-VLファインチューニングでサポートされ、それ以外では無視されます。。                                               | ❌  |
| `reasoning_effort`         | `str`            | OpenRouterでホストされるQwenモデル向けの拡張推論予算。既定では無効です。Qwenモデルは拡張推論がデフォルトで有効であり、目に見える回答が生成される前にレイテンシが増大し、トークン予算をすべて消費することがあります。推論が必要なモデル（Qwen 3.8 Max）は、無効時に low effort にフォールバックします。backend=openrouter の場合のみ使用。 | ❌  |
| `output_structure`         | `Dict[str, str]` | 期待されるJSONレスポンスの構造を持つ辞書。                                                                                                                                                                             | ❌  |
| `classes`                  | `List[str]`      | 使用するクラスのリスト。                                                                                                                                                                                        | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Qwen` バージョン `v2` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー（backend=openrouter の場合のみ使用）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): サンプリング温度（backend=openrouter の場合のみ使用）。既定では未設定のため、プロバイダごとのモデル既定値が適用されます。これはモデルのベンチマーク方法と一致します。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 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するには..
  * `fine_tuned_model_id` (*Union\[*[*`roboflow_model_id`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..
  * `openrouter_model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterでホストされるQwenビジョンのバリアント。対象は、Qwen 2.5 VLを除く、現在利用可能な画像対応Qwenチャットモデルすべてです..
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): Qwenモデルへのテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 使用するクラスのリスト。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `思考` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/qwen_vlm@v2",
	    "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 3.7 Plus",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "enable_thinking": "<block_does_not_provide_example>",
	    "reasoning_effort": "<block_does_not_provide_example>",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}
```

</details>

## v1

任意のQwenビジョン言語モデルを、Roboflowの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定義済みのプロンプトを指定できます。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っ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した質問に答えます
* **キャプション生成（短）** (`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`) - モデルが画像の詳し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示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **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レスポンスを返します

#### 🛠️ 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。低レイテンシ。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。
* **OpenRouter** - OpenRouter経由でアクセスする大規模ホスト型Qwenモデル（9B〜397B） [OpenRouter](https://openrouter.ai/)。既定ではRoboflow管理のAPIキーが使用され、Roboflowクレジットに課金されます。独自の `sk-or-...` キーを `api_key` フィールドに入力すると、Roboflowの課金を回避できます。大規模モデルの利点を活かせる構造化タスク（分類、物体検出、構造化回答）に推奨します。

この `model_version` ドロップダウンには、対応しているすべてのバリアントが表示されます。各バリアントは1つのバックエンドに紐づいています。バリデータが、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（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で学習しない場合があります。
* **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します。

### タイプ識別子

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` を、ワークフローにステップとして追加します。

### 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）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                                                     | ✅  |
| `privacy_level`            | `str`            | プロバイダのプライバシーフィルタ（backend=openrouter の場合のみ使用）。より厳しいレベルでは利用可能なプロバイダが減り、管理キーでの1回あたりのコストが増える場合があります。。                                                                                     | ❌  |
| `max_tokens`               | `int`            | 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Qwen-VLランタイムはtemperature設定を受け付けません。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。                                                               | ✅  |
| `max_concurrent_requests`  | `int`            | 画像バッチに対して並列実行する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 の既定値にフォールバックします。OpenRouterのレート制限に達した場合は、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のインフラ。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するには..                                                                                                  | ✅  |
| `fine_tuned_model_id`      | `str`            | ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..                                                                                                                         | ✅  |
| `openrouter_model_version` | `str`            | OpenRouterでホストされるQwenバリアント。。                                                                                                                                                          | ✅  |
| `task_type`                | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                                                         | ❌  |
| `prompt`                   | `str`            | Qwenモデルへのテキストプロンプト。                                                                                                                                                                   | ✅  |
| `enable_thinking`          | `bool`           | Qwen3.5-VLの推論モードを有効にします。モデルが回答の前に思考トークンを出力します。推論トレースは `思考` 出力に返されます。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）のみがこれをサポートし、それ以外では無視されます。。                                   | ❌  |
| `output_structure`         | `Dict[str, str]` | 期待されるJSONレスポンスの構造を持つ辞書。                                                                                                                                                               | ❌  |
| `classes`                  | `List[str]`      | 使用するクラスのリスト。                                                                                                                                                                          | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Qwen` バージョン `v1` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー（backend=openrouter の場合のみ使用）。既定ではRoboflow管理のキーが使用されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): サンプリング温度（backend=openrouter の場合のみ使用）。ネイティブQwen-VLランタイムはtemperature設定を受け付けません。範囲は 0.0-2.0 で、値が高いほどよりランダム／「創造的」な生成になります。。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 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するには..
  * `fine_tuned_model_id` (*Union\[*[*`roboflow_model_id`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-model-id.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): ワークスペースのファインチューニング済みQwen3-VLモデル。次の `workspace/version` 形式です..
  * `openrouter_model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterでホストされるQwenバリアント。。
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): Qwenモデルへのテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 使用するクラスのリスト。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `思考` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "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": "私のプロンプト",
	    "enable_thinking": "<block_does_not_provide_example>",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ]
	}
```

</details>
