Το Llama 3.2 11B Vision είναι το μικρότερο πολυτροπικό μέλος της Meta στη συλλογή Llama 3.2 Vision. Το μοντέλο συνδυάζει γλωσσικό κορμό Llama 3.1 με χωριστά εκπαιδευμένο προσαρμογέα όρασης. Η διασταυρούμενη προσοχή συνδέει αναπαραστάσεις κωδικοποιητή εικόνας με το αυτοπαλίνδρομο μοντέλο κειμένου, ώστε η απάντηση να μπορεί να χρησιμοποιεί οπτικά τεκμήρια μαζί με τη γραπτή εργασία. Η κατηγορία μεγέθους 11B έχει 10,6 δισεκατομμύρια παραμέτρους στον πίνακα διαμόρφωσης της Meta και χρησιμοποιεί προσοχή ομαδοποιημένων ερωτημάτων.
Η είσοδός του αποτελείται από κείμενο και εικόνες· η έξοδός του είναι κείμενο, με μήκος συμφραζομένων 128 χιλ. tokens. Αγγλικά, γερμανικά, γαλλικά, ιταλικά, πορτογαλικά, χίντι, ισπανικά και ταϊλανδικά υποστηρίζονται επίσημα για εργασίες αποκλειστικά κειμένου. Οι εφαρμογές εικόνας και κειμένου υποστηρίζονται επίσημα στα αγγλικά. Μια πολυγλωσσική κειμενική συνομιλία και ένα ερώτημα για εικόνα έχουν επομένως διαφορετικά τεκμηριωμένα γλωσσικά πεδία.
Οι προεκπαιδευμένες και οι προσαρμοσμένες σε οδηγίες εκδόσεις εξυπηρετούν διαφορετικούς σκοπούς. Η προεκπαιδευμένη έκδοση παρέχει βάση για προσαρμογή σε συλλογιστική εικόνας. Η έκδοση που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί εποπτευόμενη λεπτομερή προσαρμογή και ενισχυτική μάθηση από ανθρώπινη ανατροφοδότηση για οπτική αναγνώριση, συλλογιστική εικόνας, σύνταξη λεζάντας και συνομιλία με εικόνες. Η ένδειξη 11B προσδιορίζει αυτόν τον κλάδο μεγέθους· δεν αντικαθιστά την επιλογή έκδοσης προσαρμογής.
Οι προβλεπόμενες οπτικές εφαρμογές περιλαμβάνουν απαντήσεις σε ερωτήματα για φωτογραφίες, κατανόηση του κειμένου και της διάταξης ενός εγγράφου, συγγραφή λεζάντας, αντιστοίχιση εικόνων με περιγραφές και σύνδεση της γλώσσας με αντικείμενα ή περιοχές. Ένας βοηθός εγγράφων μπορεί να εξηγεί μια φόρμα ενότητα προς ενότητα, να συσχετίζει έναν πίνακα με την επικεφαλίδα του ή να απαντά σε ερώτημα για την ορατή σελίδα. Μια ροή προϊόντος μπορεί να περιγράφει τα αντικείμενα και τις σχέσεις σε μια φωτογραφία. Για οπτική αντιστοίχιση γλωσσικών αναφορών, ονομάστε το αντικείμενο ή την περιοχή στο ερώτημα και ζητήστε εξήγηση συνδεδεμένη με την παρεχόμενη εικόνα. Για αντιστοίχιση εικόνας και κειμένου, συγκρίνετε το ορατό περιεχόμενο με υποψήφιες περιγραφές.
Για μια εργασία Ailoot API, συνδυάστε την εικόνα με μια συγκεκριμένη οδηγία και επιλέξτε το παραδοτέο κειμένου που χρειάζεστε: λεζάντα, απάντηση με παρατηρήσεις, κατάλογο εξαγόμενων λεπτομερειών ή εξήγηση. Δηλώστε ποιο μέρος της εικόνας έχει σημασία και διατηρήστε τη σύνδεσή του με το ερώτημα κατά τη βελτίωση της απάντησης. Η εικόνα χρησιμεύει ως τεκμήριο για αποτέλεσμα κειμένου· τα παραδείγματα της Meta παράγουν κείμενο από μια εικόνα και μια αρχική προτροπή.
Η προεκπαίδευση της οικογένειας Vision χρησιμοποιεί έξι δισεκατομμύρια ζεύγη εικόνας και κειμένου. Η προσαρμογή σε οδηγίες συνδυάζει δημόσια σύνολα δεδομένων οπτικών οδηγιών με περισσότερα από τρία εκατομμύρια συνθετικά παραδείγματα. Το όριο προεκπαίδευσης είναι ο Δεκέμβριος του 2023 και η έκδοση είναι στατικό μοντέλο εκπαιδευμένο σε σύνολο δεδομένων εκτός σύνδεσης. Η εργασία της Meta για υπεύθυνη χρήση περιλαμβάνει λεπτομερή προσαρμογή ασφάλειας, ανταγωνιστικές δοκιμές και δικλίδες σε επίπεδο συστήματος. Οι δηλωμένοι περιορισμοί περιλαμβάνουν ανακριβείς ή μεροληπτικές απαντήσεις και κάλυψη αξιολόγησης που δεν μπορεί να περιλάβει κάθε σενάριο εγκατάστασης. Ελέγξτε τις περιγραφές που προκύπτουν με βάση το ορατό υλικό και κρατήστε τις παρατηρήσεις διακριτές από την ερμηνεία.
", "aboutText": "Το Llama 3.2 11B Vision είναι το μικρότερο πολυτροπικό μέλος της Meta στη συλλογή Llama 3.2 Vision. Το μοντέλο συνδυάζει γλωσσικό κορμό Llama 3.1 με χωριστά εκπαιδευμένο προσαρμογέα όρασης. Η διασταυρούμενη προσοχή συνδέει αναπαραστάσεις κωδικοποιητή εικόνας με το αυτοπαλίνδρομο μοντέλο κειμένου, ώστε η απάντηση να μπορεί να χρησιμοποιεί οπτικά τεκμήρια μαζί με τη γραπτή εργασία. Η κατηγορία μεγέθους 11B έχει 10,6 δισεκατομμύρια παραμέτρους στον πίνακα διαμόρφωσης της Meta και χρησιμοποιεί προσοχή ομαδοποιημένων ερωτημάτων.\n\nΗ είσοδός του αποτελείται από κείμενο και εικόνες· η έξοδός του είναι κείμενο, με μήκος συμφραζομένων 128 χιλ. tokens. Αγγλικά, γερμανικά, γαλλικά, ιταλικά, πορτογαλικά, χίντι, ισπανικά και ταϊλανδικά υποστηρίζονται επίσημα για εργασίες αποκλειστικά κειμένου. Οι εφαρμογές εικόνας και κειμένου υποστηρίζονται επίσημα στα αγγλικά. Μια πολυγλωσσική κειμενική συνομιλία και ένα ερώτημα για εικόνα έχουν επομένως διαφορετικά τεκμηριωμένα γλωσσικά πεδία.\n\nΟι προεκπαιδευμένες και οι προσαρμοσμένες σε οδηγίες εκδόσεις εξυπηρετούν διαφορετικούς σκοπούς. Η προεκπαιδευμένη έκδοση παρέχει βάση για προσαρμογή σε συλλογιστική εικόνας. Η έκδοση που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί εποπτευόμενη λεπτομερή προσαρμογή και ενισχυτική μάθηση από ανθρώπινη ανατροφοδότηση για οπτική αναγνώριση, συλλογιστική εικόνας, σύνταξη λεζάντας και συνομιλία με εικόνες. Η ένδειξη 11B προσδιορίζει αυτόν τον κλάδο μεγέθους· δεν αντικαθιστά την επιλογή έκδοσης προσαρμογής.\n\nΟι προβλεπόμενες οπτικές εφαρμογές περιλαμβάνουν απαντήσεις σε ερωτήματα για φωτογραφίες, κατανόηση του κειμένου και της διάταξης ενός εγγράφου, συγγραφή λεζάντας, αντιστοίχιση εικόνων με περιγραφές και σύνδεση της γλώσσας με αντικείμενα ή περιοχές. Ένας βοηθός εγγράφων μπορεί να εξηγεί μια φόρμα ενότητα προς ενότητα, να συσχετίζει έναν πίνακα με την επικεφαλίδα του ή να απαντά σε ερώτημα για την ορατή σελίδα. Μια ροή προϊόντος μπορεί να περιγράφει τα αντικείμενα και τις σχέσεις σε μια φωτογραφία. Για οπτική αντιστοίχιση γλωσσικών αναφορών, ονομάστε το αντικείμενο ή την περιοχή στο ερώτημα και ζητήστε εξήγηση συνδεδεμένη με την παρεχόμενη εικόνα. Για αντιστοίχιση εικόνας και κειμένου, συγκρίνετε το ορατό περιεχόμενο με υποψήφιες περιγραφές.\n\nΓια μια εργασία Ailoot API, συνδυάστε την εικόνα με μια συγκεκριμένη οδηγία και επιλέξτε το παραδοτέο κειμένου που χρειάζεστε: λεζάντα, απάντηση με παρατηρήσεις, κατάλογο εξαγόμενων λεπτομερειών ή εξήγηση. Δηλώστε ποιο μέρος της εικόνας έχει σημασία και διατηρήστε τη σύνδεσή του με το ερώτημα κατά τη βελτίωση της απάντησης. Η εικόνα χρησιμεύει ως τεκμήριο για αποτέλεσμα κειμένου· τα παραδείγματα της Meta παράγουν κείμενο από μια εικόνα και μια αρχική προτροπή.\n\nΗ προεκπαίδευση της οικογένειας Vision χρησιμοποιεί έξι δισεκατομμύρια ζεύγη εικόνας και κειμένου. Η προσαρμογή σε οδηγίες συνδυάζει δημόσια σύνολα δεδομένων οπτικών οδηγιών με περισσότερα από τρία εκατομμύρια συνθετικά παραδείγματα. Το όριο προεκπαίδευσης είναι ο Δεκέμβριος του 2023 και η έκδοση είναι στατικό μοντέλο εκπαιδευμένο σε σύνολο δεδομένων εκτός σύνδεσης. Η εργασία της Meta για υπεύθυνη χρήση περιλαμβάνει λεπτομερή προσαρμογή ασφάλειας, ανταγωνιστικές δοκιμές και δικλίδες σε επίπεδο συστήματος. Οι δηλωμένοι περιορισμοί περιλαμβάνουν ανακριβείς ή μεροληπτικές απαντήσεις και κάλυψη αξιολόγησης που δεν μπορεί να περιλάβει κάθε σενάριο εγκατάστασης. Ελέγξτε τις περιγραφές που προκύπτουν με βάση το ορατό υλικό και κρατήστε τις παρατηρήσεις διακριτές από την ερμηνεία.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Match descriptions to a transcribed product view\n\nUse this text description of a product view: one blue mug with a handle, no lid, standing beside a silver spoon. Candidate captions: A, blue lidded travel cup; B, blue handled mug beside a spoon; C, two blue bowls. Select the caption supported by the description and explain each mismatch in the alternatives.One selected caption and a brief evidence comparison for all three candidates.Check that no unmentioned lid or second vessel is added and that the choice uses the supplied text only.llama3.2-11bΗ μικρότερη έκδοση Llama 3.2 Vision της Meta μετατρέπει προτροπές εικόνας και κειμένου σε περιγραφές, απαντήσεις για έγγραφα και οπτικές εξηγήσεις. Διαθέτει παράθυρο συμφραζομένων 128 χιλ. tokens, με διακριτές προεκπαιδευμένες και προσαρμοσμένες σε οδηγίες εκδόσεις.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Llama 3.2 11B Vision είναι το μικρότερο πολυτροπικό μέλος της Meta στη συλλογή Llama 3.2 Vision. Το μοντέλο συνδυάζει γλωσσικό κορμό Llama 3.1 με χωριστά εκπαιδευμένο προσαρμογέα όρασης. Η διασταυρούμενη προσοχή συνδέει αναπαραστάσεις κωδικοποιητή εικόνας με το αυτοπαλίνδρομο μοντέλο κειμένου, ώστε η απάντηση να μπορεί να χρησιμοποιεί οπτικά τεκμήρια μαζί με τη γραπτή εργασία. Η κατηγορία μεγέθους 11B έχει 10,6 δισεκατομμύρια παραμέτρους στον πίνακα διαμόρφωσης της Meta και χρησιμοποιεί προσοχή ομαδοποιημένων ερωτημάτων.
Η είσοδός του αποτελείται από κείμενο και εικόνες· η έξοδός του είναι κείμενο, με μήκος συμφραζομένων 128 χιλ. tokens. Αγγλικά, γερμανικά, γαλλικά, ιταλικά, πορτογαλικά, χίντι, ισπανικά και ταϊλανδικά υποστηρίζονται επίσημα για εργασίες αποκλειστικά κειμένου. Οι εφαρμογές εικόνας και κειμένου υποστηρίζονται επίσημα στα αγγλικά. Μια πολυγλωσσική κειμενική συνομιλία και ένα ερώτημα για εικόνα έχουν επομένως διαφορετικά τεκμηριωμένα γλωσσικά πεδία.
Οι προεκπαιδευμένες και οι προσαρμοσμένες σε οδηγίες εκδόσεις εξυπηρετούν διαφορετικούς σκοπούς. Η προεκπαιδευμένη έκδοση παρέχει βάση για προσαρμογή σε συλλογιστική εικόνας. Η έκδοση που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί εποπτευόμενη λεπτομερή προσαρμογή και ενισχυτική μάθηση από ανθρώπινη ανατροφοδότηση για οπτική αναγνώριση, συλλογιστική εικόνας, σύνταξη λεζάντας και συνομιλία με εικόνες. Η ένδειξη 11B προσδιορίζει αυτόν τον κλάδο μεγέθους· δεν αντικαθιστά την επιλογή έκδοσης προσαρμογής.
Οι προβλεπόμενες οπτικές εφαρμογές περιλαμβάνουν απαντήσεις σε ερωτήματα για φωτογραφίες, κατανόηση του κειμένου και της διάταξης ενός εγγράφου, συγγραφή λεζάντας, αντιστοίχιση εικόνων με περιγραφές και σύνδεση της γλώσσας με αντικείμενα ή περιοχές. Ένας βοηθός εγγράφων μπορεί να εξηγεί μια φόρμα ενότητα προς ενότητα, να συσχετίζει έναν πίνακα με την επικεφαλίδα του ή να απαντά σε ερώτημα για την ορατή σελίδα. Μια ροή προϊόντος μπορεί να περιγράφει τα αντικείμενα και τις σχέσεις σε μια φωτογραφία. Για οπτική αντιστοίχιση γλωσσικών αναφορών, ονομάστε το αντικείμενο ή την περιοχή στο ερώτημα και ζητήστε εξήγηση συνδεδεμένη με την παρεχόμενη εικόνα. Για αντιστοίχιση εικόνας και κειμένου, συγκρίνετε το ορατό περιεχόμενο με υποψήφιες περιγραφές.
Για μια εργασία Ailoot API, συνδυάστε την εικόνα με μια συγκεκριμένη οδηγία και επιλέξτε το παραδοτέο κειμένου που χρειάζεστε: λεζάντα, απάντηση με παρατηρήσεις, κατάλογο εξαγόμενων λεπτομερειών ή εξήγηση. Δηλώστε ποιο μέρος της εικόνας έχει σημασία και διατηρήστε τη σύνδεσή του με το ερώτημα κατά τη βελτίωση της απάντησης. Η εικόνα χρησιμεύει ως τεκμήριο για αποτέλεσμα κειμένου· τα παραδείγματα της Meta παράγουν κείμενο από μια εικόνα και μια αρχική προτροπή.
Η προεκπαίδευση της οικογένειας Vision χρησιμοποιεί έξι δισεκατομμύρια ζεύγη εικόνας και κειμένου. Η προσαρμογή σε οδηγίες συνδυάζει δημόσια σύνολα δεδομένων οπτικών οδηγιών με περισσότερα από τρία εκατομμύρια συνθετικά παραδείγματα. Το όριο προεκπαίδευσης είναι ο Δεκέμβριος του 2023 και η έκδοση είναι στατικό μοντέλο εκπαιδευμένο σε σύνολο δεδομένων εκτός σύνδεσης. Η εργασία της Meta για υπεύθυνη χρήση περιλαμβάνει λεπτομερή προσαρμογή ασφάλειας, ανταγωνιστικές δοκιμές και δικλίδες σε επίπεδο συστήματος. Οι δηλωμένοι περιορισμοί περιλαμβάνουν ανακριβείς ή μεροληπτικές απαντήσεις και κάλυψη αξιολόγησης που δεν μπορεί να περιλάβει κάθε σενάριο εγκατάστασης. Ελέγξτε τις περιγραφές που προκύπτουν με βάση το ορατό υλικό και κρατήστε τις παρατηρήσεις διακριτές από την ερμηνεία.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια llama3.2-11b | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.001 / 1K token Έξοδος · Token εξόδου $0.001 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "llama3.2-11b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\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\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='llama3.2-11b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='llama3.2-11b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra llama3.2-11b
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
llama3.2-11bΗ μικρότερη έκδοση Llama 3.2 Vision της Meta μετατρέπει προτροπές εικόνας και κειμένου σε περιγραφές, απαντήσεις για έγγραφα και οπτικές εξηγήσεις. Διαθέτει παράθυρο συμφραζομένων 128 χιλ. tokens, με διακριτές προεκπαιδευμένες και προσαρμοσμένες σε οδηγίες εκδόσεις.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Llama 3.2 11B Vision είναι το μικρότερο πολυτροπικό μέλος της Meta στη συλλογή Llama 3.2 Vision. Το μοντέλο συνδυάζει γλωσσικό κορμό Llama 3.1 με χωριστά εκπαιδευμένο προσαρμογέα όρασης. Η διασταυρούμενη προσοχή συνδέει αναπαραστάσεις κωδικοποιητή εικόνας με το αυτοπαλίνδρομο μοντέλο κειμένου, ώστε η απάντηση να μπορεί να χρησιμοποιεί οπτικά τεκμήρια μαζί με τη γραπτή εργασία. Η κατηγορία μεγέθους 11B έχει 10,6 δισεκατομμύρια παραμέτρους στον πίνακα διαμόρφωσης της Meta και χρησιμοποιεί προσοχή ομαδοποιημένων ερωτημάτων.
Η είσοδός του αποτελείται από κείμενο και εικόνες· η έξοδός του είναι κείμενο, με μήκος συμφραζομένων 128 χιλ. tokens. Αγγλικά, γερμανικά, γαλλικά, ιταλικά, πορτογαλικά, χίντι, ισπανικά και ταϊλανδικά υποστηρίζονται επίσημα για εργασίες αποκλειστικά κειμένου. Οι εφαρμογές εικόνας και κειμένου υποστηρίζονται επίσημα στα αγγλικά. Μια πολυγλωσσική κειμενική συνομιλία και ένα ερώτημα για εικόνα έχουν επομένως διαφορετικά τεκμηριωμένα γλωσσικά πεδία.
Οι προεκπαιδευμένες και οι προσαρμοσμένες σε οδηγίες εκδόσεις εξυπηρετούν διαφορετικούς σκοπούς. Η προεκπαιδευμένη έκδοση παρέχει βάση για προσαρμογή σε συλλογιστική εικόνας. Η έκδοση που έχει προσαρμοστεί σε οδηγίες χρησιμοποιεί εποπτευόμενη λεπτομερή προσαρμογή και ενισχυτική μάθηση από ανθρώπινη ανατροφοδότηση για οπτική αναγνώριση, συλλογιστική εικόνας, σύνταξη λεζάντας και συνομιλία με εικόνες. Η ένδειξη 11B προσδιορίζει αυτόν τον κλάδο μεγέθους· δεν αντικαθιστά την επιλογή έκδοσης προσαρμογής.
Οι προβλεπόμενες οπτικές εφαρμογές περιλαμβάνουν απαντήσεις σε ερωτήματα για φωτογραφίες, κατανόηση του κειμένου και της διάταξης ενός εγγράφου, συγγραφή λεζάντας, αντιστοίχιση εικόνων με περιγραφές και σύνδεση της γλώσσας με αντικείμενα ή περιοχές. Ένας βοηθός εγγράφων μπορεί να εξηγεί μια φόρμα ενότητα προς ενότητα, να συσχετίζει έναν πίνακα με την επικεφαλίδα του ή να απαντά σε ερώτημα για την ορατή σελίδα. Μια ροή προϊόντος μπορεί να περιγράφει τα αντικείμενα και τις σχέσεις σε μια φωτογραφία. Για οπτική αντιστοίχιση γλωσσικών αναφορών, ονομάστε το αντικείμενο ή την περιοχή στο ερώτημα και ζητήστε εξήγηση συνδεδεμένη με την παρεχόμενη εικόνα. Για αντιστοίχιση εικόνας και κειμένου, συγκρίνετε το ορατό περιεχόμενο με υποψήφιες περιγραφές.
Για μια εργασία Ailoot API, συνδυάστε την εικόνα με μια συγκεκριμένη οδηγία και επιλέξτε το παραδοτέο κειμένου που χρειάζεστε: λεζάντα, απάντηση με παρατηρήσεις, κατάλογο εξαγόμενων λεπτομερειών ή εξήγηση. Δηλώστε ποιο μέρος της εικόνας έχει σημασία και διατηρήστε τη σύνδεσή του με το ερώτημα κατά τη βελτίωση της απάντησης. Η εικόνα χρησιμεύει ως τεκμήριο για αποτέλεσμα κειμένου· τα παραδείγματα της Meta παράγουν κείμενο από μια εικόνα και μια αρχική προτροπή.
Η προεκπαίδευση της οικογένειας Vision χρησιμοποιεί έξι δισεκατομμύρια ζεύγη εικόνας και κειμένου. Η προσαρμογή σε οδηγίες συνδυάζει δημόσια σύνολα δεδομένων οπτικών οδηγιών με περισσότερα από τρία εκατομμύρια συνθετικά παραδείγματα. Το όριο προεκπαίδευσης είναι ο Δεκέμβριος του 2023 και η έκδοση είναι στατικό μοντέλο εκπαιδευμένο σε σύνολο δεδομένων εκτός σύνδεσης. Η εργασία της Meta για υπεύθυνη χρήση περιλαμβάνει λεπτομερή προσαρμογή ασφάλειας, ανταγωνιστικές δοκιμές και δικλίδες σε επίπεδο συστήματος. Οι δηλωμένοι περιορισμοί περιλαμβάνουν ανακριβείς ή μεροληπτικές απαντήσεις και κάλυψη αξιολόγησης που δεν μπορεί να περιλάβει κάθε σενάριο εγκατάστασης. Ελέγξτε τις περιγραφές που προκύπτουν με βάση το ορατό υλικό και κρατήστε τις παρατηρήσεις διακριτές από την ερμηνεία.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια llama3.2-11b | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.001 / 1K token Έξοδος · Token εξόδου $0.001 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "llama3.2-11b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'llama3.2-11b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'llama3.2-11b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra llama3.2-11b
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Match descriptions to a transcribed product view\n\nUse this text description of a product view: one blue mug with a handle, no lid, standing beside a silver spoon. Candidate captions: A, blue lidded travel cup; B, blue handled mug beside a spoon; C, two blue bowls. Select the caption supported by the description and explain each mismatch in the alternatives.One selected caption and a brief evidence comparison for all three candidates.Check that no unmentioned lid or second vessel is added and that the choice uses the supplied text only.