Qwen2-VL-2B-Instruct ist Qwens instruktionsabgestimmtes 2B-Vision-Language-Modell für Fragen zu Bildern und Text. Der Hersteller beschreibt die Verarbeitung von Bildern mit unterschiedlichen Auflösungen und Seitenverhältnissen sowie das Verständnis von Text in mehreren Sprachen innerhalb von Bildern. Das generierte Ergebnis ist eine schriftliche Antwort auf das bereitgestellte visuelle Material und die Frage. Der Hersteller beschreibt zudem den Einsatz als visueller Agent mit Geräten wie Telefonen und Robotern. Stellen Sie für diesen Ablauf die aktuelle visuelle Umgebung und eine Textanweisung bereit; die umgebende Anwendung führt den vorgeschlagenen Vorgang aus und liefert den beobachteten Zustand für die nächste Frage zurück.
Wählen Sie das Bild mit den für die Antwort erforderlichen Belegen und benennen Sie dann das zu deutende Detail. Eine Dokumentfrage kann sich auf einen sichtbaren Abschnitt beziehen; eine Diagrammfrage kann die Datenreihen, Achsen und den zu erklärenden Vergleich benennen. Bewahren Sie die Bildkennung beim verlangten Ergebnis auf, damit die Antwort der richtigen Referenz zugeordnet bleibt.
Der Hersteller nennt Bild-Text-Verständnis über Englisch und Chinesisch hinaus, unter anderem für europäische Sprachen, Japanisch, Koreanisch, Arabisch und Vietnamesisch. Bewahren Sie den ursprünglichen Wortlaut und die Schrift, wenn Sie eine Transkription, Erklärung oder Übersetzung sichtbaren Texts verlangen. Ein Beispielbriefing kann die angezeigte Beschriftung und eine separate Erklärung ihrer Bedeutung anfordern.
Qwen2-VL verwendet eine dynamische Auflösung, um ein Bild auf eine variable Anzahl visueller Tokens abzubilden. Im nativen Prozessorbeispiel reicht der Standardbereich von 4 bis 16,384 visuellen Tokens pro Bild. Die native Anleitung zeigt Einstellungen für minimale und maximale Pixelzahlen, einschliesslich eines engeren Aufbereitungsbereichs von 256 bis 1,280 Bild-Tokens, um Detailgrad und Verarbeitungsbedarf auszubalancieren. Diese Einstellungen bewahren beim Skalieren das Seitenverhältnis.
Der Hersteller erlaubt auch die Vorgabe einer skalierten Höhe und Breite, gerundet auf ein Vielfaches von 28. Wählen Sie eine Aufbereitung, bei der die wichtigen Beschriftungen lesbar bleiben, und bewahren Sie beim Verwenden eines Ausschnitts das Originalbild auf. Die nativen Beispiele umfassen mehrere Bilder und Batches, sodass eine Frage ihre einzelnen Referenzen eindeutig kennzeichnen kann.
Der Hersteller nennt Grenzen bei komplexen mehrstufigen Anweisungen, beim Zählen von Objekten in komplizierten Szenen und beim räumlichen Schlussfolgern in drei Dimensionen. Er weist zudem auf eine unvollständige Erkennung bestimmter Personen oder Marken hin. Verlangen Sie eine gezielte visuelle Beobachtung und prüfen Sie die konkrete Anzahl, Beschriftung oder relative Position, von der das Ergebnis abhängt.
Laut Hersteller wurde der Bilddatensatz bis Juni 2023 aktualisiert. Stellen Sie den schriftlichen Kontext bereit, der für eine neue oder unbekannte Beschriftung benötigt wird, statt diese Information allein aus dem Bild abzuleiten. Halten Sie in der zurückgegebenen Notiz eine zitierte Beschriftung von einer erschlossenen Identität unterscheidbar.
Die veröffentlichte Checkpoint-Konfiguration legt maximal 32,768 Positionen fest. Bereiten Sie Frage und visuelle Eingaben mit dem passenden Modellprozessor vor und bewahren Sie die für die Anfrage verwendete Bildreihenfolge. Der native Helfer akzeptiert lokale Bilder, base64 und Bildadressen.
Speichern Sie den gewählten Namen 2B Instruct, die Referenzen und die fertige schriftliche Antwort zusammen. Fügen Sie für eine Folgefrage das relevante Material bei und benennen Sie die konkrete Beobachtung oder Interpretation, die überarbeitet werden soll. Vergleichen Sie dann das korrigierte Ergebnis mit dieser Quelle.
Verwenden Sie über Ailoot die genaue Modell-ID in /v1/chat/completions und halten Sie das Bild und die dazugehörige Frage im Gespräch zusammen. Die Inhaltsform für Bilder verwendet image_url; unterstützte Bildquellen können eine Bildadresse oder einen base64-Daten-URI enthalten. Erfassen Sie die vollständige JSON-Antwort oder bei aktiviertem stream sämtliche SSE-Segmente und bewahren Sie usage zusammen mit dem fertigen Ergebnis auf.
", "aboutText": "Qwen2-VL-2B-Instruct ist Qwens instruktionsabgestimmtes 2B-Vision-Language-Modell für Fragen zu Bildern und Text. Der Hersteller beschreibt die Verarbeitung von Bildern mit unterschiedlichen Auflösungen und Seitenverhältnissen sowie das Verständnis von Text in mehreren Sprachen innerhalb von Bildern. Das generierte Ergebnis ist eine schriftliche Antwort auf das bereitgestellte visuelle Material und die Frage. Der Hersteller beschreibt zudem den Einsatz als visueller Agent mit Geräten wie Telefonen und Robotern. Stellen Sie für diesen Ablauf die aktuelle visuelle Umgebung und eine Textanweisung bereit; die umgebende Anwendung führt den vorgeschlagenen Vorgang aus und liefert den beobachteten Zustand für die nächste Frage zurück.\n\n### Stellen Sie das Bild und eine präzise Frage bereit\n\nWählen Sie das Bild mit den für die Antwort erforderlichen Belegen und benennen Sie dann das zu deutende Detail. Eine Dokumentfrage kann sich auf einen sichtbaren Abschnitt beziehen; eine Diagrammfrage kann die Datenreihen, Achsen und den zu erklärenden Vergleich benennen. Bewahren Sie die Bildkennung beim verlangten Ergebnis auf, damit die Antwort der richtigen Referenz zugeordnet bleibt.\n\nDer Hersteller nennt Bild-Text-Verständnis über Englisch und Chinesisch hinaus, unter anderem für europäische Sprachen, Japanisch, Koreanisch, Arabisch und Vietnamesisch. Bewahren Sie den ursprünglichen Wortlaut und die Schrift, wenn Sie eine Transkription, Erklärung oder Übersetzung sichtbaren Texts verlangen. Ein Beispielbriefing kann die angezeigte Beschriftung und eine separate Erklärung ihrer Bedeutung anfordern.\n\n### Wählen Sie Auflösung und visuelle Tokens bewusst\n\nQwen2-VL verwendet eine dynamische Auflösung, um ein Bild auf eine variable Anzahl visueller Tokens abzubilden. Im nativen Prozessorbeispiel reicht der Standardbereich von 4 bis 16,384 visuellen Tokens pro Bild. Die native Anleitung zeigt Einstellungen für minimale und maximale Pixelzahlen, einschliesslich eines engeren Aufbereitungsbereichs von 256 bis 1,280 Bild-Tokens, um Detailgrad und Verarbeitungsbedarf auszubalancieren. Diese Einstellungen bewahren beim Skalieren das Seitenverhältnis.\n\nDer Hersteller erlaubt auch die Vorgabe einer skalierten Höhe und Breite, gerundet auf ein Vielfaches von 28. Wählen Sie eine Aufbereitung, bei der die wichtigen Beschriftungen lesbar bleiben, und bewahren Sie beim Verwenden eines Ausschnitts das Originalbild auf. Die nativen Beispiele umfassen mehrere Bilder und Batches, sodass eine Frage ihre einzelnen Referenzen eindeutig kennzeichnen kann.\n\n### Arbeiten Sie innerhalb der dokumentierten visuellen Grenzen\n\nDer Hersteller nennt Grenzen bei komplexen mehrstufigen Anweisungen, beim Zählen von Objekten in komplizierten Szenen und beim räumlichen Schlussfolgern in drei Dimensionen. Er weist zudem auf eine unvollständige Erkennung bestimmter Personen oder Marken hin. Verlangen Sie eine gezielte visuelle Beobachtung und prüfen Sie die konkrete Anzahl, Beschriftung oder relative Position, von der das Ergebnis abhängt.\n\nLaut Hersteller wurde der Bilddatensatz bis Juni 2023 aktualisiert. Stellen Sie den schriftlichen Kontext bereit, der für eine neue oder unbekannte Beschriftung benötigt wird, statt diese Information allein aus dem Bild abzuleiten. Halten Sie in der zurückgegebenen Notiz eine zitierte Beschriftung von einer erschlossenen Identität unterscheidbar.\n\n### Bewahren Sie die vorbereiteten Eingaben mit der Antwort auf\n\nDie veröffentlichte Checkpoint-Konfiguration legt maximal 32,768 Positionen fest. Bereiten Sie Frage und visuelle Eingaben mit dem passenden Modellprozessor vor und bewahren Sie die für die Anfrage verwendete Bildreihenfolge. Der native Helfer akzeptiert lokale Bilder, base64 und Bildadressen.\n\nSpeichern Sie den gewählten Namen 2B Instruct, die Referenzen und die fertige schriftliche Antwort zusammen. Fügen Sie für eine Folgefrage das relevante Material bei und benennen Sie die konkrete Beobachtung oder Interpretation, die überarbeitet werden soll. Vergleichen Sie dann das korrigierte Ergebnis mit dieser Quelle.\n\nVerwenden Sie über Ailoot die genaue Modell-ID in /v1/chat/completions und halten Sie das Bild und die dazugehörige Frage im Gespräch zusammen. Die Inhaltsform für Bilder verwendet image_url; unterstützte Bildquellen können eine Bildadresse oder einen base64-Daten-URI enthalten. Erfassen Sie die vollständige JSON-Antwort oder bei aktiviertem stream sämtliche SSE-Segmente und bewahren Sie usage zusammen mit dem fertigen Ergebnis auf.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "803719f7a247a2a43f884befd242113dd0dd54549cc483e6788ba1312beaf4b8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "qwen2-vl-2b-instructQwen2-VL-2B-Instruct ist Qwens Vision-Language-Modell für Bildfragen, mehrsprachigen Text in Bildern und visuelle Erklärungen. Stellen Sie ein lesbares Bild und eine präzise Frage bereit, um ein schriftliches Ergebnis zu erhalten, das sich auf die sichtbaren Belege bezieht.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen2-VL-2B-Instruct ist Qwens instruktionsabgestimmtes 2B-Vision-Language-Modell für Fragen zu Bildern und Text. Der Hersteller beschreibt die Verarbeitung von Bildern mit unterschiedlichen Auflösungen und Seitenverhältnissen sowie das Verständnis von Text in mehreren Sprachen innerhalb von Bildern. Das generierte Ergebnis ist eine schriftliche Antwort auf das bereitgestellte visuelle Material und die Frage. Der Hersteller beschreibt zudem den Einsatz als visueller Agent mit Geräten wie Telefonen und Robotern. Stellen Sie für diesen Ablauf die aktuelle visuelle Umgebung und eine Textanweisung bereit; die umgebende Anwendung führt den vorgeschlagenen Vorgang aus und liefert den beobachteten Zustand für die nächste Frage zurück.
Wählen Sie das Bild mit den für die Antwort erforderlichen Belegen und benennen Sie dann das zu deutende Detail. Eine Dokumentfrage kann sich auf einen sichtbaren Abschnitt beziehen; eine Diagrammfrage kann die Datenreihen, Achsen und den zu erklärenden Vergleich benennen. Bewahren Sie die Bildkennung beim verlangten Ergebnis auf, damit die Antwort der richtigen Referenz zugeordnet bleibt.
Der Hersteller nennt Bild-Text-Verständnis über Englisch und Chinesisch hinaus, unter anderem für europäische Sprachen, Japanisch, Koreanisch, Arabisch und Vietnamesisch. Bewahren Sie den ursprünglichen Wortlaut und die Schrift, wenn Sie eine Transkription, Erklärung oder Übersetzung sichtbaren Texts verlangen. Ein Beispielbriefing kann die angezeigte Beschriftung und eine separate Erklärung ihrer Bedeutung anfordern.
Qwen2-VL verwendet eine dynamische Auflösung, um ein Bild auf eine variable Anzahl visueller Tokens abzubilden. Im nativen Prozessorbeispiel reicht der Standardbereich von 4 bis 16,384 visuellen Tokens pro Bild. Die native Anleitung zeigt Einstellungen für minimale und maximale Pixelzahlen, einschliesslich eines engeren Aufbereitungsbereichs von 256 bis 1,280 Bild-Tokens, um Detailgrad und Verarbeitungsbedarf auszubalancieren. Diese Einstellungen bewahren beim Skalieren das Seitenverhältnis.
Der Hersteller erlaubt auch die Vorgabe einer skalierten Höhe und Breite, gerundet auf ein Vielfaches von 28. Wählen Sie eine Aufbereitung, bei der die wichtigen Beschriftungen lesbar bleiben, und bewahren Sie beim Verwenden eines Ausschnitts das Originalbild auf. Die nativen Beispiele umfassen mehrere Bilder und Batches, sodass eine Frage ihre einzelnen Referenzen eindeutig kennzeichnen kann.
Der Hersteller nennt Grenzen bei komplexen mehrstufigen Anweisungen, beim Zählen von Objekten in komplizierten Szenen und beim räumlichen Schlussfolgern in drei Dimensionen. Er weist zudem auf eine unvollständige Erkennung bestimmter Personen oder Marken hin. Verlangen Sie eine gezielte visuelle Beobachtung und prüfen Sie die konkrete Anzahl, Beschriftung oder relative Position, von der das Ergebnis abhängt.
Laut Hersteller wurde der Bilddatensatz bis Juni 2023 aktualisiert. Stellen Sie den schriftlichen Kontext bereit, der für eine neue oder unbekannte Beschriftung benötigt wird, statt diese Information allein aus dem Bild abzuleiten. Halten Sie in der zurückgegebenen Notiz eine zitierte Beschriftung von einer erschlossenen Identität unterscheidbar.
Die veröffentlichte Checkpoint-Konfiguration legt maximal 32,768 Positionen fest. Bereiten Sie Frage und visuelle Eingaben mit dem passenden Modellprozessor vor und bewahren Sie die für die Anfrage verwendete Bildreihenfolge. Der native Helfer akzeptiert lokale Bilder, base64 und Bildadressen.
Speichern Sie den gewählten Namen 2B Instruct, die Referenzen und die fertige schriftliche Antwort zusammen. Fügen Sie für eine Folgefrage das relevante Material bei und benennen Sie die konkrete Beobachtung oder Interpretation, die überarbeitet werden soll. Vergleichen Sie dann das korrigierte Ergebnis mit dieser Quelle.
Verwenden Sie über Ailoot die genaue Modell-ID in /v1/chat/completions und halten Sie das Bild und die dazugehörige Frage im Gespräch zusammen. Die Inhaltsform für Bilder verwendet image_url; unterstützte Bildquellen können eine Bildadresse oder einen base64-Daten-URI enthalten. Erfassen Sie die vollständige JSON-Antwort oder bei aktiviertem stream sämtliche SSE-Segmente und bewahren Sie usage zusammen mit dem fertigen Ergebnis auf.
POST /v1/chat/completionstext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen2-vl-2b-instruct Bedingungen: Verwenden Sie genau diesen Ailoot-Routingselektor. | Standard— |
Feldmessages | Typarray | AnforderungErforderlich | Werte und Limits Bedingungen: | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits Bedingungen: | Standardfalse |
text_input · Erforderlich: messages
image_with_text · Erforderlich: messages with actual image content blocks
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parameteroptional | Vertragstream |
Parametermaterial_types | Vertragtext, image |
Parameterconditions | VertragVerwenden Sie genau diesen Ailoot-Routingselektor., Dieses Protokoll überträgt Bildinhalte, wenn das konkret ausgewählte Modell Bildverarbeitung unterstützt. Die Zulassung des Protokolls belegt keine Bildverarbeitungsfähigkeit für jedes Modell. |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationToken-Basistarife | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Tokens Ausgabe · Ausgabetoken $0 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Bewahren Sie jeden Inhaltsblock, jede ID eines Werkzeugaufrufs, eine gegebenenfalls zurückgegebene Denksignatur, alle SSE-Deltas und die vollständigen Nutzungsdaten auf. Das erste Textfragment ist nicht das gesamte Ergebnis.
Bewahren Sie die ursprüngliche X-Client-Request-ID, Antwort und Header auf. Ein unbekanntes Ergebnis oder ein Ergebnis mit dem Status result_pending_check berechtigt nicht zu einem zweiten Erstellungsauftrag.
| Feld | Typ |
|---|---|
Feldchoices[] | Typobject |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungEin Pflichtfeld, die Modellauswahl, der Typ oder die Eingabedarstellung ist ungültig. | Nächster SchrittPrüfen Sie die zurückgegebenen Validierungsdetails, bevor Sie eine separate Anfrage vorbereiten. |
Antwort | BedingungDie ursprüngliche Anfrage oder ihr Ergebnis ist unbekannt oder muss geprüft werden. | Nächster SchrittBewahren Sie die ursprünglichen Kennungen und Header auf; lesen Sie nur unterstützte Status- oder Bibliothekseinträge. Senden Sie den Erstellungsauftrag nicht erneut. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions
qwen2-vl-2b-instructQwen2-VL-2B-Instruct ist Qwens Vision-Language-Modell für Bildfragen, mehrsprachigen Text in Bildern und visuelle Erklärungen. Stellen Sie ein lesbares Bild und eine präzise Frage bereit, um ein schriftliches Ergebnis zu erhalten, das sich auf die sichtbaren Belege bezieht.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen2-VL-2B-Instruct ist Qwens instruktionsabgestimmtes 2B-Vision-Language-Modell für Fragen zu Bildern und Text. Der Hersteller beschreibt die Verarbeitung von Bildern mit unterschiedlichen Auflösungen und Seitenverhältnissen sowie das Verständnis von Text in mehreren Sprachen innerhalb von Bildern. Das generierte Ergebnis ist eine schriftliche Antwort auf das bereitgestellte visuelle Material und die Frage. Der Hersteller beschreibt zudem den Einsatz als visueller Agent mit Geräten wie Telefonen und Robotern. Stellen Sie für diesen Ablauf die aktuelle visuelle Umgebung und eine Textanweisung bereit; die umgebende Anwendung führt den vorgeschlagenen Vorgang aus und liefert den beobachteten Zustand für die nächste Frage zurück.
Wählen Sie das Bild mit den für die Antwort erforderlichen Belegen und benennen Sie dann das zu deutende Detail. Eine Dokumentfrage kann sich auf einen sichtbaren Abschnitt beziehen; eine Diagrammfrage kann die Datenreihen, Achsen und den zu erklärenden Vergleich benennen. Bewahren Sie die Bildkennung beim verlangten Ergebnis auf, damit die Antwort der richtigen Referenz zugeordnet bleibt.
Der Hersteller nennt Bild-Text-Verständnis über Englisch und Chinesisch hinaus, unter anderem für europäische Sprachen, Japanisch, Koreanisch, Arabisch und Vietnamesisch. Bewahren Sie den ursprünglichen Wortlaut und die Schrift, wenn Sie eine Transkription, Erklärung oder Übersetzung sichtbaren Texts verlangen. Ein Beispielbriefing kann die angezeigte Beschriftung und eine separate Erklärung ihrer Bedeutung anfordern.
Qwen2-VL verwendet eine dynamische Auflösung, um ein Bild auf eine variable Anzahl visueller Tokens abzubilden. Im nativen Prozessorbeispiel reicht der Standardbereich von 4 bis 16,384 visuellen Tokens pro Bild. Die native Anleitung zeigt Einstellungen für minimale und maximale Pixelzahlen, einschliesslich eines engeren Aufbereitungsbereichs von 256 bis 1,280 Bild-Tokens, um Detailgrad und Verarbeitungsbedarf auszubalancieren. Diese Einstellungen bewahren beim Skalieren das Seitenverhältnis.
Der Hersteller erlaubt auch die Vorgabe einer skalierten Höhe und Breite, gerundet auf ein Vielfaches von 28. Wählen Sie eine Aufbereitung, bei der die wichtigen Beschriftungen lesbar bleiben, und bewahren Sie beim Verwenden eines Ausschnitts das Originalbild auf. Die nativen Beispiele umfassen mehrere Bilder und Batches, sodass eine Frage ihre einzelnen Referenzen eindeutig kennzeichnen kann.
Der Hersteller nennt Grenzen bei komplexen mehrstufigen Anweisungen, beim Zählen von Objekten in komplizierten Szenen und beim räumlichen Schlussfolgern in drei Dimensionen. Er weist zudem auf eine unvollständige Erkennung bestimmter Personen oder Marken hin. Verlangen Sie eine gezielte visuelle Beobachtung und prüfen Sie die konkrete Anzahl, Beschriftung oder relative Position, von der das Ergebnis abhängt.
Laut Hersteller wurde der Bilddatensatz bis Juni 2023 aktualisiert. Stellen Sie den schriftlichen Kontext bereit, der für eine neue oder unbekannte Beschriftung benötigt wird, statt diese Information allein aus dem Bild abzuleiten. Halten Sie in der zurückgegebenen Notiz eine zitierte Beschriftung von einer erschlossenen Identität unterscheidbar.
Die veröffentlichte Checkpoint-Konfiguration legt maximal 32,768 Positionen fest. Bereiten Sie Frage und visuelle Eingaben mit dem passenden Modellprozessor vor und bewahren Sie die für die Anfrage verwendete Bildreihenfolge. Der native Helfer akzeptiert lokale Bilder, base64 und Bildadressen.
Speichern Sie den gewählten Namen 2B Instruct, die Referenzen und die fertige schriftliche Antwort zusammen. Fügen Sie für eine Folgefrage das relevante Material bei und benennen Sie die konkrete Beobachtung oder Interpretation, die überarbeitet werden soll. Vergleichen Sie dann das korrigierte Ergebnis mit dieser Quelle.
Verwenden Sie über Ailoot die genaue Modell-ID in /v1/chat/completions und halten Sie das Bild und die dazugehörige Frage im Gespräch zusammen. Die Inhaltsform für Bilder verwendet image_url; unterstützte Bildquellen können eine Bildadresse oder einen base64-Daten-URI enthalten. Erfassen Sie die vollständige JSON-Antwort oder bei aktiviertem stream sämtliche SSE-Segmente und bewahren Sie usage zusammen mit dem fertigen Ergebnis auf.
POST /v1/messagestext, imagejson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen2-vl-2b-instruct Bedingungen: Verwenden Sie genau diesen Ailoot-Routingselektor. | Standard— |
Feldmessages | Typarray | AnforderungErforderlich | Werte und Limits Bedingungen: | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits Bedingungen: | Standardfalse |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Bedingungen: | Standard— |
text_input · Erforderlich: messages
image_with_text · Erforderlich: messages with actual image content blocks
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional | Vertragstream |
Parametermaterial_types | Vertragtext, image |
Parameterconditions | VertragVerwenden Sie genau diesen Ailoot-Routingselektor., Dieses Protokoll überträgt Bildinhalte, wenn das konkret ausgewählte Modell Bildverarbeitung unterstützt. Die Zulassung des Protokolls belegt keine Bildverarbeitungsfähigkeit für jedes Modell. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationToken-Basistarife | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Tokens Ausgabe · Ausgabetoken $0 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Bewahren Sie jeden Inhaltsblock, jede ID eines Werkzeugaufrufs, eine gegebenenfalls zurückgegebene Denksignatur, alle SSE-Deltas und die vollständigen Nutzungsdaten auf. Das erste Textfragment ist nicht das gesamte Ergebnis.
Bewahren Sie die ursprüngliche X-Client-Request-ID, Antwort und Header auf. Ein unbekanntes Ergebnis oder ein Ergebnis mit dem Status result_pending_check berechtigt nicht zu einem zweiten Erstellungsauftrag.
| Feld | Typ |
|---|---|
Feldcontent[] | Typobject |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungEin Pflichtfeld, die Modellauswahl, der Typ oder die Eingabedarstellung ist ungültig. | Nächster SchrittPrüfen Sie die zurückgegebenen Validierungsdetails, bevor Sie eine separate Anfrage vorbereiten. |
Antwort | BedingungDie ursprüngliche Anfrage oder ihr Ergebnis ist unbekannt oder muss geprüft werden. | Nächster SchrittBewahren Sie die ursprünglichen Kennungen und Header auf; lesen Sie nur unterstützte Status- oder Bibliothekseinträge. Senden Sie den Erstellungsauftrag nicht erneut. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions