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.
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.
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.
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.
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.
", "aboutText": "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.\n\n### Bild und präzise Frage bereitstellen\n\nWählen 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.\n\nDer 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.\n\n### Auflösung und visuelle Token bewusst vorbereiten\n\nQwen2-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.\n\nDer 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.\n\n### Die dokumentierten visuellen Grenzen beachten\n\nDer 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.\n\nLaut 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.\n\n### Vorbereitete Eingaben mit der Antwort aufbewahren\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 in der 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 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.\n\nVerwenden 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0b9014aed55a2f385eb91a467beab1dce023c0ca3e3f1cd694637f47b4e58b2d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "qwen2-vl-2b-instructQwen2-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.
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.
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.
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.
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.
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.
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 |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Token Ausgabe · Ausgabetoken $0 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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. Übergeben Sie ein lesbares Bild und eine präzise Frage, um ein schriftliches Ergebnis mit Bezug zu den sichtbaren Belegen zu erhalten.
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.
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.
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.
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.
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.
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 |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0 / 1K Token Ausgabe · Ausgabetoken $0 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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