PDF檔案通過VL模型解析 - Alibaba Cloud Model Studio

PDF理解功能使模型能夠解析並理解PDF文檔，提取文檔中的文字與圖片內容進行分析。您可以通過 OpenAI 相容的 Chat Completions 介面或 DashScope 介面，以 URL 或 Base 64 編碼方式傳入 PDF 檔案。

當前 PDF 理解功能僅支援華北2（北京）地區調用，且暫不支援通過 Responses API 呼叫。使用 Responses API傳入 PDF 時，請求會返回 HTTP 200，但檔案不會傳遞給模型。

支援的模型

qwen3.8-max、qwen3.8-flash、qwen3.8-27b

快速開始

運行以下代碼，向模型傳入PDF檔案。

需要已擷取與配置 API Key並配置API Key到環境變數。

OpenAI 相容

Python

範例程式碼

from openai import OpenAI
import os

client = OpenAI(
    # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx"（不建議）,
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區的URL，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的URL不同。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "file",
                    "file": {
                        "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
                    }
                },
                {
                    "type": "text",
                    "text": "總結一下這個PDF文檔的內容"
                }
            ]
        }
    ],
    stream=True,
    stream_options={"include_usage": True}
)

for chunk in completion:
    if not chunk.choices:
        print(f"\nUsage: {chunk.usage}")
        continue
    delta = chunk.choices[0].delta
    if hasattr(delta, "content") and delta.content:
        print(delta.content, end="", flush=True)

Node.js

範例程式碼

import OpenAI from "openai";
import process from 'process';

const openai = new OpenAI({
    // 若沒有配置環境變數，請用百鍊API Key將下行替換為：apiKey: "sk-xxx",
    apiKey: process.env.DASHSCOPE_API_KEY,
    // 以下為新加坡地區的URL，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的URL不同。
    baseURL: 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1'
});

async function main() {
    const stream = await openai.chat.completions.create({
        model: 'qwen3.8-max',
        messages: [
            {
                role: 'user',
                content: [
                    {
                        type: 'file',
                        file: {
                            file_url: 'https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf'
                        }
                    },
                    {
                        type: 'text',
                        text: '總結一下這個PDF文檔的內容'
                    }
                ]
            }
        ],
        stream: true,
        stream_options: { include_usage: true }
    });

    for await (const chunk of stream) {
        if (!chunk.choices?.length) {
            console.log('\nUsage:', chunk.usage);
            continue;
        }
        const delta = chunk.choices[0].delta;
        if (delta.content) {
            process.stdout.write(delta.content);
        }
    }
}

main();

HTTP

範例程式碼

# 以下為新加坡地區的URL，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的URL不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "qwen3.8-max",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "file",
                    "file": {
                        "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
                    }
                },
                {
                    "type": "text",
                    "text": "總結一下這個PDF文檔的內容"
                }
            ]
        }
    ],
    "stream": true,
    "stream_options": {
        "include_usage": true
    }
}'

DashScope

Python

範例程式碼

import os
from dashscope import MultiModalConversation
import dashscope

# 以下為新加坡地區的URL，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的URL不同。
dashscope.base_http_api_url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1"

messages = [
    {
        "role": "user",
        "content": [
            {
                "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
            },
            {
                "text": "總結一下這個PDF文檔的內容"
            }
        ]
    }
]

completion = MultiModalConversation.call(
    # 若沒有配置環境變數，請用阿里雲百鍊API Key將下行替換為：api_key = "sk-xxx",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3.8-max",
    messages=messages,
    stream=True,
    incremental_output=True
)

for chunk in completion:
    message = chunk.output.choices[0].message
    if message.content:
        print(message.content[0]["text"], end="", flush=True)

HTTP

範例程式碼

# 以下為新加坡地區的URL，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的URL不同。
curl -X POST "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation" \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-H "X-DashScope-SSE: enable" \
-d '{
    "model": "qwen3.8-max",
    "input": {
        "messages": [
            {
                "role": "user",
                "content": [
                    {
                        "file_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20260616/qmycjl/1506.02640v5.pdf"
                    },
                    {
                        "text": "總結一下這個PDF文檔的內容"
                    }
                ]
            }
        ]
    },
    "parameters": {
        "incremental_output": true,
        "result_format": "message"
    }
}'

使用Base64輸入

如果無法提供檔案的URL地址，也可以將PDF檔案以Base64編碼字串的形式傳入。使用 file_data 時，filename 欄位為必填項。

說明Base 64 編碼會使資料體積增大約 1/3，例如 150MB 的檔案編碼後約 200MB，會超出請求體大小上限。大檔案請改用 URL 方式傳入。

OpenAI 相容

import base64
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    # 以下為新加坡地區的URL，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的URL不同。
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1",
)

# 讀取並編碼PDF檔案
with open("report.pdf", "rb") as f:
    pdf_base64 = base64.b64encode(f.read()).decode("utf-8")

completion = client.chat.completions.create(
    model="qwen3.8-max",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "file",
                    "file": {
                        "file_data": f"data:application/pdf;base64,{pdf_base64}",
                        "filename": "report.pdf"
                    }
                },
                {
                    "type": "text",
                    "text": "這份報告的核心結論是什嗎？"
                }
            ]
        }
    ]
)

print(completion.choices[0].message.content)

DashScope

import base64
import os
from dashscope import MultiModalConversation
import dashscope

# 以下為新加坡地區的URL，調用時請將 {WorkspaceId} 替換為真實的業務空間ID，各地區的URL不同。
dashscope.base_http_api_url = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1"

# 讀取並編碼PDF檔案
with open("report.pdf", "rb") as f:
    pdf_base64 = base64.b64encode(f.read()).decode("utf-8")

messages = [
    {
        "role": "user",
        "content": [
            {
                "file_data": f"data:application/pdf;base64,{pdf_base64}",
                "filename": "report.pdf"
            },
            {
                "text": "這份報告的核心結論是什嗎？"
            }
        ]
    }
]

response = MultiModalConversation.call(
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3.8-max",
    messages=messages
)

print(response.output.choices[0].message.content[0]["text"])

請求參數

檔案輸入通過content數組中的元素指定，OpenAI相容協議使用 type: "file" 類型，DashScope協議使用包含 file_url/file_data 的元素。

說明協議中 URL 部分僅支援字串輸入，不支援 list（數組）形式。

OpenAI相容協議格式：

參數	類型	是否必填	說明
file_url	string	二選一必填	指定PDF檔案的下載地址，和 `file_data` 二選一必填。
file_data	string	二選一必填	Base64格式的PDF檔案輸入，格式為 `data:application/pdf;base64,xxx`，和 `file_url` 二選一必填。
filename	string	條件必填	檔案名稱，使用 `file_data` 作為入參時必填。
file_format	string	否	檔案格式，選擇性參數，當前僅支援 `pdf`，預設 `pdf`。

限制說明

專案	限制
單檔案大小限制	150MB
單文檔頁數限制	256頁

說明PDF解析可能比普通文本請求耗時更長，首包逾時時間最長為300秒，建議使用流式輸出方式即時擷取結果，避免長時間等待。

計費說明

計費涉及以下方面：

模型調用費用：PDF檔案解析出的文字與圖片會計入模型的輸入Token，按照模型的標準輸入價格計費。
文檔解析費用：按PDF文檔解析的頁數計費（地區支援範圍見頁首說明），$0.00275/頁。

各模型的輸入輸出單價請參見模型調用計費。