hunyuan-turbos-vision API

hunyuan-turbos-vision 的技術規格

hunyuan-turbos-vision 是 CometAPI 在更廣泛的 Tencent HY 多模態家族中，對具備視覺能力的 Tencent Hunyuan 模型所使用的模型 ID。Tencent 將 Hunyuan/Tencent HY 描述為自研的通用與多模態模型家族，涵蓋圖像等多種模態，並以 API 形式提供企業級用例的存取。

什麼是 hunyuan-turbos-vision？

hunyuan-turbos-vision 是一個具備視覺能力的多模態模型，在 CometAPI 上以平台特定識別符對外提供，對應至 Tencent Hunyuan 的視覺理解生態。在 Tencent 的公開資料中，Hunyuan/Tencent HY 被定位為自研的多模態模型家族，涵蓋文本、圖像、3D 與相關的企業級 AI 情境。

根據 Tencent 官方針對視覺理解的模型清單，此家族強調對圖像的快速回應、更準確的視覺識別，以及在圖像、示意圖與圖表上的更強邏輯推理。因此，hunyuan-turbos-vision 適合需要結合上傳圖像與自然語言提示的應用，例如視覺助理、文件閱讀器、客服自動化、內容審核流程，或以圖像為基礎的問答系統。

由於 CometAPI 採用自身穩定的模型識別符，API 請求中的模型欄位應以精確字串 hunyuan-turbos-vision 作為整合目標，即使 Tencent 對外的命名在產品頁或模型目錄間有所差異。這是一層整合映射，並非矛盾；其底層能力仍然對應於 Tencent Hunyuan 的多模態視覺技術棧。

hunyuan-turbos-vision 的主要功能

• 多模態圖像理解：支援使用者傳送圖像與文本指令的流程，並基於視覺內容給出有依據的回答。這與 Tencent Hunyuan 的多模態與視覺理解定位一致。
• 快速回應行為：Tencent 當前的視覺理解模型目錄強調對圖像輸入的快速回應，特別適用於互動助理與即時體驗。
• 更高的視覺識別準確度：Tencent 表示其視覺產品具備更強的視覺感知與物件/內容識別能力，使其適用於場景理解與基於圖像的問答。
• 圖表與複雜視覺的推理：Tencent 特別強調更強的邏輯推理與圖表理解，對分析儀表板、報告與教學工具具有價值。
• 文件與接近 OCR 的實用性：雖然 Tencent 亦提供專門的 OCR 模型，其更廣的視覺技術棧展現了從影像化文件、表格與公式中抽取並解讀結構化資訊的能力。
• 企業級 API 可用性：Tencent HY 以 API 為導向的雲端服務提供，使其適合整合至生產系統、內部工具與自動化流程。
• 更大多模態生態的一部分：hunyuan-turbos-vision 受益於身處 Hunyuan/Tencent HY 家族，覆蓋多種模態與企業 AI 用例，而非獨立的利基模型。

如何存取與整合 hunyuan-turbos-vision

步驟 1：註冊取得 API 金鑰

在 CometAPI 註冊並於控制台建立 API 金鑰。產生後請安全保存，並透過環境變數（例如 COMETAPI_API_KEY）載入。此金鑰將用於你發送至 hunyuan-turbos-vision API 的每一次請求驗證。

步驟 2：向 hunyuan-turbos-vision API 發送請求

使用 CometAPI 與 OpenAI 相容的端點，並將 model 欄位設為 hunyuan-turbos-vision。

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "hunyuan-turbos-vision",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "Describe this image in detail." },
          { "type": "image_url", "image_url": { "url": "https://example.com/sample.jpg" } }
        ]
      }
    ]
  }'

你也可以使用 OpenAI SDK 的格式，從 Python 呼叫相同的模型：

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_COMETAPI_KEY",
    base_url="https://api.cometapi.com/v1"
)

response = client.chat.completions.create(
    model="hunyuan-turbos-vision",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What objects are visible in this image?"},
                {"type": "image_url", "image_url": {"url": "https://example.com/sample.jpg"}}
            ]
        }
    ]
)

print(response)

步驟 3：擷取並驗證結果

發送請求後，解析回應的 JSON，並從第一個 choice 讀取模型輸出。於生產環境中，亦應驗證回傳內容是否與所提供的圖像相符，套用所需的安全或業務規則檢查，並記錄回應的中繼資料以供監控與除錯。