上传促销长图，Qwen3.8-flash 视觉理解抽出商品、价格、券与规则字段，输出固定字段 JSON，并对图上文案做一遍投放前的风险初筛。
把促销长图读成固定字段 JSON，同时对图上文案做一遍投放前的风险初筛。
本篇以一张 800×2262 的竖版预售长图跑通（4 个商品、划线价 / 预售价 / 定金抵扣、3 张券、一段活动规则小字）：营销长图里的商品、价格、券、规则全是图片，进不了表格也搜不了，投放前还要逐句看文案表述是否妥当。要求 qwen3.8-flash 一次输出固定字段 JSON——商品字段表、券信息、风险提示（分级 + 改写建议）、前后矛盾、误报自查、待确认信息。图里预设了 8 个考察点，其中一个是检验误报的诱饵。
调用链：qwen3.8-flash（促销长图 base64 传入 → 商品字段 + 券 + 风险提示 + 矛盾清单）。视觉理解 + 结构化输出。
示例输入 · 喂给模型的完整长图原图（800×2262，演示用虚构素材，不含任何真实品牌、店铺与备案编号）
把长图与下面的指令一起发给 qwen3.8-flash。批量抽字段入库的场景关闭思考即可，速度快且字段准确率稳定：
关键参数：
OpenAI 兼容模式下，
免责声明：本页展示内容均为 AI 模型生成，仅供参考，不构成任何效果承诺；实际产出效果与 Credits 消耗以控制台「用量详情」为准。
示例输入
步骤：上传长图并锁定输出字段
把长图与下面的指令一起发给 qwen3.8-flash。批量抽字段入库的场景关闭思考即可，速度快且字段准确率稳定：
enable_thinking 放在请求体顶层；flash 默认开启思考。
说明
- 消耗：本玩法涉及视觉理解 + 文本生成（qwen3.8-flash）。长图转成的 image_tokens 计入输入侧，图越长越清晰、输入消耗越高；开启思考后输出量约为关思考的 3.6 倍，多出来的部分是推理链。
- 实测效果 · 字段抽取（稳）：关思考一轮读完整张长图，4 个商品 × 10 个字段共 40 项与图上写定的内容逐一相符（含易错货号）；8 处图上本就没写的信息没有编造，给的是 null 或空数组；3 张券的门槛 / 减免 / 限制也全部正确。另一次独立复现的字段抽取同样全对。
- 实测效果 · 风险初筛（不稳）：本轮关思考命中 8 个考察点中的 5 个——两处极限词判 high、把「100% 天然成分」与下方成分表的实际成分合起来看判为矛盾、诱饵没被误报；漏掉的三处是涉嫌宣称医疗功效那条、角标「全网最低价」、券区「全场可叠加」与规则「预售不参与满减」的前后冲突。同一张图改成开思考那一轮，8 个考察点全中。
- 注意：上述关 / 开思考的差异没能复现——另一次独立复现用同一套指令与素材重跑，得到的是关思考 8 个考察点全中、开思考反而只中 6 个，与本页方向相反；风险命中率在单次运行里的波动大于两种模式之间的差异，本页对比只是一次抽样，要据此决定参数配置请自己多跑几轮取分布。
- 注意：开思考那一轮整轮报了 7 条风险（关思考 4 条），包括把诱饵也报了出来（复核后认为它的理由成立，不计为模型误报），它倾向于「宁多报不漏报」，接入自动化流程时需按自身口径复核。
- 注意：批量抽字段入库关闭思考就够。文案风险初筛只作投放前的初筛，不替代人工与法务审核；模型给出的风险判断与法条引用均为参考意见，需自行核实，不构成法律意见。
- 素材声明：本例长图为模型能力演示专用的虚构素材（先写 HTML 再截图），不涉及任何真实品牌、商品、店铺与备案编号，价格与库存均为编造；图中部分宣传文案是为检验模型识别能力而故意写入的。