Alibaba Cloud: Qwen-Doc-Turbo
qwen-doc-turbo- 入力 / 出力
- $0.087 / $0.144
- コンテキスト
- 254K
- 最大出力
- 8K
- モダリティ
- チャット
- 機能
- プロンプトキャッシュ
Qwen-Doc-Turbo について
Qwen-Doc-Turboは、長いファイルから構造化された情報を抽出する、Alibabaのドキュメントマイニング用Qwenモデルです。Alibabaはこれを情報抽出、コンテンツモデレーション、データ分類、要約向けに位置づけており、汎用チャットモデルよりも正確にJSONを返すと述べています。Qwen PlusやQwen Flashとは異なり、万能なアシスタントではなくタスク特化型の抽出器であり、出力を短く保ちます。
得意なこと
- 長いレポート、契約書、スプレッドシートからフィールドを抽出してJSON化する、Alibabaがその目的で構築したタスクです。
- 文章をまとめて分類・モデレーションし、自由形式の文章ではなくアイテムごとにラベルを返します。
- 長いファイルをチャンクに分割することなく、一度のパスで要約します。
- プロンプトキャッシングにより、同じドキュメントに対して多くの質問を行う際の繰り返し作業を削減します。
他のモデルを検討すべきケース
- テキスト入力のみでツール呼び出しは行わないため、スキャンされたページには事前のOCRが必要です。
- 回答は短い長さに制限されているため、長いドキュメントの書き換えやドラフト作成には、より大きな出力予算を持つモデルが必要です。
- 自由形式のチャット、コーディング、または多段階の推論には、Qwen PlusやQwen3.8 Maxの方が適しています。
はじめに
最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。
最初のリクエストを送信する
お使いの言語の例をコピーして、エンドポイントに対して実行してください。
テキスト・トゥ・テキストMessages APIPOST/v1/messagesAPI形式: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!"} ] }'
料金
Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。
Default
100万トークンあたり- Official 価格
- 入力 $0.087 / 出力 $0.144 / キャッシュ読み取り $0.0174 / キャッシュ書き込み $0.1087 / テキスト 入力 $0.087 / テキスト 出力 $0.144
- Verified 価格
- —
- 割引
- —
キャッシュ読み取り
- Official 価格
- $0.0174
- Verified 価格
- —
- 割引
- —
キャッシュ書き込み
- Official 価格
- $0.1087
- Verified 価格
- —
- 割引
- —
| Official 価格100万トークンあたり | Verified 価格100万トークンあたり | 割引 | |
|---|---|---|---|
| Default | 入力 $0.087 / 出力 $0.144 / キャッシュ読み取り $0.0174 / キャッシュ書き込み $0.1087 / テキスト 入力 $0.087 / テキスト 出力 $0.144 | — | — |
| プロンプトキャッシュ料金 | |||
| キャッシュ読み取り | $0.0174 | — | — |
| キャッシュ書き込み | $0.1087 | — | — |
使用状況とアクティビティ
成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。
使用量と可用性
過去24時間- リクエスト数
- 成功率
- P95 レイテンシ
- 合計トークン数
データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。
Consoleで開く
ConsoleでQwen-Doc-Turboを開き、プロンプトを編集・送信できます。
qwen-doc-turboと/v1/messagesでメッセージをテスト。返答、レイテンシ、コストを表示します。
ユースケース
請求書および契約書のフィールド抽出
サプライヤー契約書や請求書を入力し、当事者名、日付、金額、更新条件を固定のJSONオブジェクトとして要求することで、結果を直接データベースに読み込めます。
ドキュメントの一括タグ付け
レポートやチケットのバックログをトピック、緊急度、または部門ごとにラベル付けし、後でフィルタリングできるようにドキュメントごとに1つのカテゴリを返します。
コンプライアンス審査
長い提出書類をスキャンしてポリシーに違反する箇所を特定し、違反した引用文とそれぞれの理由を返します。
ダイジェスト生成
長い会議の議事録や提出書類を、決定事項、担当者、未解決の質問を含む固定形式の要約に変換します。
プロンプト例
この契約書からベンダー、発効日、解約予告期間、支払条件を抽出してください。JSONのみを返し、記載がないものはnullとしてください。
以下の30件のサポートメールを、請求、バグ、機能リクエスト、その他に分類してください。IDとラベルのJSON配列を返してください。
この年次報告書を5つの箇条書きで要約し、会社が挙げているすべてのリスク要因をリストアップしてください。
このモデルは条件付き料金です。月間トークン総量だけでは確実な見積もりができません。リクエスト仕様・キャッシュ・該当時間帯に応じた詳細料金をご利用ください。
FAQ
Qwen-Doc-Turboは何に使われますか?
構造化データの抽出、分類、モデレーション、長いテキストの要約といったドキュメントマイニングのために構築されています。Alibabaは、汎用チャットモデルに対する主な利点として一貫したJSON出力を強調しています。自由な会話ではなく、多くのドキュメントがあり、スキーマが固定されている場合に使用してください。
抽出においてQwen-Doc-TurboはQwen Plusより優れていますか?
長いファイルからの固定スキーマ抽出において、AlibabaはDoc-Turboをより正確で一貫性のある選択肢として位置づけています。同じリクエストで分析、執筆、または自由形式の対話も必要な場合は、Qwen Plusの方が適しています。導入前に、独自のドキュメントのサンプルで両方をテストしてください。
Qwen-Doc-TurboはPDFや画像を読み込めますか?
テキストを入力として受け取るため、PDFやスキャンデータは送信前にテキストに変換してください。スキャンされたページにはまずOCRを実行し、抽出されたテキストをプロンプトに渡してください。
Qwen-Doc-Turboはツール呼び出しやJSONスキーマモードをサポートしていますか?
いいえ。このモデルではツール呼び出しやレスポンススキーマモードは提供されていません。プロンプトでJSONを要求し、オブジェクトの例を示し、コード内で結果を検証してください。
Qwen-Doc-Turboはプロンプトキャッシングをサポートしていますか?
はい。長いドキュメントのプレフィックスを繰り返し、質問のみを変える場合(例:1つの提出書類について10種類の異なる抽出質問をする場合)にキャッシングが役立ちます。
Qwen-Doc-Turbo の料金はいくらですか?
TokenLab では Qwen-Doc-Turbo は 入力 $0.087 / 出力 $0.144 100万トークンあたり です。詳細は上の料金表を参照してください。 料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。
Qwen-Doc-Turbo のコンテキストウィンドウと出力制限は?
Qwen-Doc-Turbo は最大 253,952 トークンのコンテキストに対応し、1回のレスポンスで最大 8,192 トークンまで出力可能です。
Qwen-Doc-Turbo はどのエンドポイントを使うべきですか?
Qwen-Doc-Turbo のデフォルトは https://api.tokenlab.sh/v1/messages です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。
Qwen-Doc-Turbo はどの操作に対応していますか?
Qwen-Doc-Turbo は テキスト・トゥ・テキスト に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。
Qwen-Doc-Turbo を比較する
ソース
2026/10/02 時点での評価