qwen2-vl-2b-instruct
Qwen2-VL-2B-Instruct ist Qwens Vision-Language-Modell für Bildfragen, mehrsprachigen Text in Bildern und visuelle Erklärungen. Übergeben Sie ein lesbares Bild und eine präzise Frage, um ein schriftliches Ergebnis mit Bezug zu den sichtbaren Belegen zu erhalten.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsqwen2-vl-2b-instruct - Ailoot Ultra · Anthropic Messages
POST /v1/messagesqwen2-vl-2b-instruct
Über das Modell
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 auf Anweisungen abgestimmtes 2B-Vision-Language-Modell für Fragen zu Bild und Text. Der Hersteller beschreibt die Verarbeitung von Bildern unterschiedlicher Auflösungen und Seitenverhältnisse sowie das Verstehen 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 außerdem den Einsatz als visueller Agent mit Geräten wie Telefonen und Robotern. Übergeben Sie für diesen Ablauf die aktuelle visuelle Umgebung und eine Textanweisung; die umgebende Anwendung führt den vorgeschlagenen Vorgang aus und liefert den beobachteten Zustand für die nächste Frage zurück.
Bild und präzise Frage bereitstellen
Wählen Sie das Bild mit den für die Antwort benötigten Belegen und benennen Sie dann das zu interpretierende Detail. Eine Dokumentfrage kann sich auf eine sichtbare Passage beziehen; eine Diagrammfrage kann die zu erklärende Datenreihe, die Achsen und den Vergleich benennen. Halten Sie die Bildkennung mit dem gewünschten Ergebnis zusammen, damit die Antwort der richtigen Referenz zugeordnet bleibt.
Der Hersteller nennt Bild-Text-Verständnis über Englisch und Chinesisch hinaus, darunter europäische Sprachen, Japanisch, Koreanisch, Arabisch und Vietnamesisch. Bewahren Sie ursprünglichen Wortlaut und Schrift, wenn Sie um Transkription, Erklärung oder Übersetzung sichtbaren Texts bitten. Ein beispielhaftes Briefing kann die angezeigte Beschriftung und eine separate Erklärung ihrer Bedeutung verlangen.
Auflösung und visuelle Token bewusst vorbereiten
Qwen2-VL verwendet dynamische Auflösung, um ein Bild auf eine variable Anzahl visueller Token abzubilden. Im nativen Prozessorbeispiel liegt der Standardbereich bei 4 bis 16.384 visuellen Token je Bild. Die native Anleitung zeigt Einstellungen für minimale und maximale Pixelzahlen, darunter einen engeren Vorbereitungsbereich von 256 bis 1.280 Bild-Token, um Detailgrad und Verarbeitungsbedarf auszubalancieren. Diese Einstellungen bewahren beim Skalieren das Seitenverhältnis.
Der Hersteller erlaubt außerdem die Vorgabe einer skalierten Höhe und Breite, gerundet auf ein Vielfaches von 28. Wählen Sie eine Aufbereitung, bei der wichtige Beschriftungen lesbar bleiben, und bewahren Sie bei einem Ausschnitt das Originalbild auf. Die nativen Beispiele umfassen mehrere Bilder und Batches, sodass getrennte Referenzen einer Frage eindeutig bezeichnet bleiben können.
Die dokumentierten visuellen Grenzen beachten
Der Hersteller nennt Grenzen bei komplexen Anweisungen mit mehreren Schritten, beim Zählen von Objekten in komplizierten Szenen und beim räumlichen Schlussfolgern in drei Dimensionen. Er weist außerdem 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. Geben Sie bei einer aktuellen oder unbekannten Beschriftung den nötigen schriftlichen Kontext mit, statt diese Information allein aus dem Bild ableiten zu lassen. Halten Sie in der zurückgegebenen Notiz eine zitierte Beschriftung von einer erschlossenen Identität unterscheidbar.
Vorbereitete Eingaben mit der Antwort aufbewahren
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 in der 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 Folgeanfrage das relevante Material bei und benennen Sie die konkrete Beobachtung oder Interpretation, die überarbeitet werden soll. Vergleichen Sie anschließend das korrigierte Ergebnis mit dieser Quelle.
Verwenden Sie in Ailoot unter /v1/chat/completions die exakte Modell-ID und halten Sie das Bild und die zugehörige Frage im Gespräch zusammen. Für Bildinhalte wird image_url verwendet; unterstützte Bildquellen können eine Bildadresse oder eine base64-Daten-URI enthalten. Erfassen Sie die vollständige JSON-Antwort oder bei aktiviertem stream sämtliche SSE-Segmente und speichern Sie usage zusammen mit dem fertigen Ergebnis.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen2-vl-2b-instruct
qwen2-vl-2b-instructStart
Qwen2-VL-2B-Instruct ist Qwens Vision-Language-Modell für Bildfragen, mehrsprachigen Text in Bildern und visuelle Erklärungen. Übergeben Sie ein lesbares Bild und eine präzise Frage, um ein schriftliches Ergebnis mit Bezug zu den sichtbaren Belegen zu erhalten.
- Zulässige Eingaben
- Text · Bilder
- Ergebnisse
- Text
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Eingabetypen
text,image- Ausgabetypen
text- Ausgabeformat
- JSON or 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 |
Kombinationen von Eingabematerialien
text_input · Erforderlich: messages
image_with_text · Erforderlich: messages with actual image content blocks
Methodenparameter und Lebenszyklus
| 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
Tarife
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Standardtarif Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Standardtarif Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
- Preise für explizites Caching
- Nicht aktiviert Wenn explizites Caching angefordert wird
- Nulltarife für reine Textverarbeitung
- Für Cache, Werkzeuge und Medien gelten die jeweils gesondert aufgeführten Preisbedingungen. Für reine Texteingabe und Textausgabe
Ailoot-Tarife
Preise nach Konfiguration
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Token Ausgabe · Ausgabetoken $0 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Ergebnisse abrufen und speichern
Ailoot Ultra · OpenAI Chat
JSON or SSE
Alle fertiggestellten Ergebnisse aufbewahren
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.
Wenn die ursprüngliche Antwort geprüft werden muss
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.
Antwortfelder
| Feld | Typ |
|---|---|
Feldchoices[] | Typobject |
Feldusage | Typobject |
Fehler und nächste Schritte
| 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. |
Aliasnamen
Modellaliasnamen
Ailoot Ultra qwen2-vl-2b-instruct
Aliasnamen für Methodenpfade
/chat/completions
Zugehörige Aufrufer-IDs
Ailoot Ultra · Anthropic Messages POST /v1/messages qwen2-vl-2b-instruct
qwen2-vl-2b-instructStart
Qwen2-VL-2B-Instruct ist Qwens Vision-Language-Modell für Bildfragen, mehrsprachigen Text in Bildern und visuelle Erklärungen. Übergeben Sie ein lesbares Bild und eine präzise Frage, um ein schriftliches Ergebnis mit Bezug zu den sichtbaren Belegen zu erhalten.
- Zulässige Eingaben
- Text · Bilder
- Ergebnisse
- json · sse
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Eingabetypen
text,image- Ausgabetypen
json,sse- Ausgabeformat
- JSON or 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— |
Kombinationen von Eingabematerialien
text_input · Erforderlich: messages
image_with_text · Erforderlich: messages with actual image content blocks
Methodenparameter und Lebenszyklus
| 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
Tarife
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Standardtarif Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Standardtarif Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
- Preise für explizites Caching
- Nicht aktiviert Wenn explizites Caching angefordert wird
- Nulltarife für reine Textverarbeitung
- Für Cache, Werkzeuge und Medien gelten die jeweils gesondert aufgeführten Preisbedingungen. Für reine Texteingabe und Textausgabe
Ailoot-Tarife
Preise nach Konfiguration
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Token Ausgabe · Ausgabetoken $0 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · Anthropic Messages
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Ergebnisse abrufen und speichern
Ailoot Ultra · Anthropic Messages
JSON or SSE
Alle fertiggestellten Ergebnisse aufbewahren
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.
Wenn die ursprüngliche Antwort geprüft werden muss
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.
Antwortfelder
| Feld | Typ |
|---|---|
Feldcontent[] | Typobject |
Feldusage | Typobject |
Fehler und nächste Schritte
| 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. |
Aliasnamen
Modellaliasnamen
Ailoot Ultra qwen2-vl-2b-instruct
Aliasnamen für Methodenpfade
/chat/completions
Zugehörige Aufrufer-IDs
FAQ · qwen2-vl-2b-instruct
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/chat/completions·qwen2-vl-2b-instruct:text,image→textPOST /v1/messages·qwen2-vl-2b-instruct:text,image→json,sse- Welche Felder verwendet die Anfrage?
POST /v1/chat/completions·qwen2-vl-2b-instruct:model,messages,streamPOST /v1/messages·qwen2-vl-2b-instruct:model,messages,stream,max_tokens- Welche Grenzen gelten?
POST /v1/messages·qwen2-vl-2b-instruct:max_tokens.minimum:1