Alibaba Cloud: Qwen-Doc-Turbo

Qwen Doc Turbo berfokus pada pengerjaan teks dokumen. Konteksnya yang panjang berguna untuk menemukan detail di seluruh file yang panjang, membandingkan bagian, dan menjawab pertanyaan yang bergantung pada lebih dari sekadar kutipan singkat.

Bandingkan model

qwen-doc-turbo

TersediaAlibaba CloudObrolan

Masukan / Keluaran: $0.087 / $0.144
Konteks: 254K
Output maksimal: 8K
Modalitas: Obrolan
Kapabilitas: Cache Prompt

Tentang Qwen-Doc-Turbo

Qwen-Doc-Turbo adalah model Qwen dari Alibaba untuk penambangan dokumen: menarik informasi terstruktur dari file panjang. Alibaba memposisikannya untuk ekstraksi informasi, moderasi konten, klasifikasi data, dan peringkasan, serta menyatakan bahwa model ini mengembalikan JSON dengan lebih akurat daripada model obrolan umumnya. Tidak seperti Qwen Plus atau Qwen Flash, ini adalah ekstraktor khusus tugas, bukan asisten serba bisa, dan menjaga output tetap singkat.

Kelebihan

Mengekstrak bidang dari laporan panjang, kontrak, dan spreadsheet ke dalam JSON, yang merupakan pekerjaan yang dirancang oleh Alibaba untuk model ini.
Mengklasifikasikan dan memoderasi bagian teks secara massal, mengembalikan label per item alih-alih prosa bentuk bebas.
Meringkas file yang panjang dalam satu kali proses tanpa membaginya menjadi potongan-potongan terlebih dahulu.
Cache prompt mengurangi pekerjaan berulang ketika banyak pertanyaan menargetkan dokumen yang sama.

Kapan harus beralih

Hanya input teks tanpa pemanggilan alat, jadi halaman yang dipindai memerlukan OCR terlebih dahulu.
Jawaban dibatasi pada panjang yang pendek, jadi menulis ulang atau menyusun dokumen panjang memerlukan model dengan anggaran output yang lebih besar.
Untuk obrolan terbuka, pengodean, atau penalaran multi-langkah, Qwen Plus atau Qwen3.8 Max adalah pilihan yang lebih baik.

Memulai

Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.

Kirim permintaan pertama Anda

Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

Teks ke teksMessages API

POST/v1/messages

Format API:

curl https://api.tokenlab.sh/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: sk-xxx" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "qwen-doc-turbo",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "Hello!"}
    ]
  }'

Penetapan Harga

Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.

Default

per 1M token

Harga Official: Masukan $0.087 / Keluaran $0.144 / Pembacaan cache $0.0174 / Penulisan cache $0.1087 / Teks Masukan $0.087 / Teks Keluaran $0.144
Harga Verified: —
Diskon: —

Harga cache prompt

Pembacaan cache

Harga Official: $0.0174
Harga Verified: —
Diskon: —

Penulisan cache

Harga Official: $0.1087
Harga Verified: —
Diskon: —

	Harga Officialper 1M token	Harga Verifiedper 1M token	Diskon
Default	Masukan $0.087 / Keluaran $0.144 / Pembacaan cache $0.0174 / Penulisan cache $0.1087 / Teks Masukan $0.087 / Teks Keluaran $0.144	—	—
Harga cache prompt
Pembacaan cache	$0.0174	—	—
Penulisan cache	$0.1087	—	—

Penggunaan & aktivitas

Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.

Penggunaan & ketersediaan

24 jam terakhir

Permintaan
Tingkat keberhasilan
Latensi P95
Total token

Performa model

Terakhir diperbarui 1 Nov 2026, 08.16 UTC

Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.

Buka di Console

Buka Qwen-Doc-Turbo di Console dengan prompt siap diedit atau dikirim.

Bantu saya mencoba qwen-doc-turbo dengan pesan singkat di /v1/messages. Tampilkan balasan, latensi, dan biayanya.

Skenario penggunaan

Ekstraksi bidang faktur dan kontrak
Masukkan kontrak pemasok atau faktur dan minta nama pihak, tanggal, jumlah, dan ketentuan perpanjangan sebagai objek JSON tetap, sehingga hasil langsung dimuat ke dalam basis data.
Penandaan dokumen massal
Labeli tumpukan laporan atau tiket berdasarkan topik, urgensi, atau departemen, mengembalikan satu kategori per dokumen untuk pemfilteran nanti.
Penyaringan kepatuhan
Pindai kiriman panjang untuk bagian yang melanggar kebijakan yang ditetapkan dan kembalikan kutipan yang melanggar beserta alasan untuk masing-masing.
Pembuatan ringkasan
Ubah transkrip rapat atau pengajuan yang panjang menjadi ringkasan format tetap dengan keputusan, pemilik, dan pertanyaan terbuka.

Contoh prompt

Ekstrak vendor, tanggal efektif, periode pemberitahuan pengakhiran, dan ketentuan pembayaran dari kontrak ini. Kembalikan JSON saja, dengan null untuk apa pun yang tidak dinyatakan.

Klasifikasikan masing-masing dari 30 email dukungan berikut sebagai penagihan, bug, permintaan fitur, atau lainnya. Kembalikan array JSON berisi id dan label.

Ringkas laporan tahunan ini dalam lima poin dan daftar setiap faktor risiko yang disebutkan perusahaan.

Model ini memiliki harga kondisional. Total token bulanan saja tidak dapat menghasilkan estimasi yang andal; gunakan harga detail untuk spesifikasi permintaan, cache, dan jendela waktu yang berlaku.

FAQ

Untuk apa Qwen-Doc-Turbo digunakan?

Model ini dibuat untuk penambangan dokumen: mengekstrak data terstruktur, mengklasifikasikan, memoderasi, dan meringkas teks panjang. Alibaba menyoroti output JSON yang konsisten sebagai keunggulan utamanya dibandingkan model obrolan umum. Gunakan model ini jika Anda memiliki banyak dokumen dan skema tetap, bukan untuk percakapan terbuka.

Apakah Qwen-Doc-Turbo lebih baik daripada Qwen Plus untuk ekstraksi?

Untuk ekstraksi skema tetap dari file panjang, Alibaba memposisikan Doc-Turbo sebagai pilihan yang lebih akurat dan konsisten. Qwen Plus adalah pilihan yang lebih baik ketika permintaan yang sama juga memerlukan analisis, penulisan, atau dialog bentuk bebas. Uji keduanya pada sampel dokumen Anda sendiri sebelum memutuskan.

Bisakah Qwen-Doc-Turbo membaca PDF atau gambar?

Model ini menerima teks, jadi konversikan PDF dan hasil pindai ke teks sebelum mengirimkannya. Jalankan OCR terlebih dahulu untuk halaman yang dipindai, lalu masukkan teks yang diekstrak ke dalam prompt.

Apakah Qwen-Doc-Turbo mendukung pemanggilan alat atau mode skema JSON?

Tidak. Pemanggilan alat dan mode skema respons tidak ditawarkan untuk model ini. Minta JSON dalam prompt, tunjukkan objek contoh, dan validasi hasilnya dalam kode Anda.

Apakah Qwen-Doc-Turbo mendukung caching prompt?

Ya. Caching membantu ketika Anda mengulangi awalan dokumen yang panjang dan hanya memvariasikan pertanyaannya, seperti mengajukan sepuluh pertanyaan ekstraksi yang berbeda tentang satu pengajuan.

Berapa biaya Qwen-Doc-Turbo?

Di TokenLab, Qwen-Doc-Turbo dikenakan Masukan $0.087 / Keluaran $0.144 per 1M token. Tabel harga di atas menampilkan rincian lengkap. Tarif bergantung pada unit penagihan, spesifikasi, dan penggunaan. Bandingkan kondisi yang sama dalam harga detail model; satu tarif tidak menentukan total biaya.

Berapa batas konteks dan output Qwen-Doc-Turbo?

Qwen-Doc-Turbo mendukung hingga 253.952 token konteks dan menghasilkan hingga 8.192 token per respons.

Endpoint mana yang harus digunakan Qwen-Doc-Turbo?

Pakai https://api.tokenlab.sh/v1/messages sebagai default untuk Qwen-Doc-Turbo. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.

Operasi apa saja yang didukung Qwen-Doc-Turbo?

Qwen-Doc-Turbo mendukung Teks ke teks. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.