对话能力
多模态输入
在 messages 里传入图片，以及音频、视频输入的支持范围。
多模态模型可以理解图片；全模态模型还能理解音频和视频。在模型广场用“多模态”“全模态”标签可以筛选出这些模型。
图片
content 写成数组，图片用 image_url，支持 base64 和公网 URL：
res = client.chat.completions.create(
model="qwen3.8-flash",
messages=[{
"role": "user",
"content": [
{"type": "text", "text": "这张图里有什么？"},
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}},
],
}],
)- 推荐使用 base64：平台归档的就是上游实际读取的图片，事后可以完整复现。
- 使用 URL 时，平台只保存地址，无法保证事后图片内容不变；指向内网地址的 URL 会被拒绝。
- 图片按像素折算为输入 tokens，计入费用。
音频与视频
即将上线
全模态模型的音频、视频输入将在后续版本开放。上线后会在这里补充请求格式；不同上游的音视频字段与 token 折算方式不同，以对应模型详情页为准。