μοντέλα

Qwen2 VL 72B Instruct

Markdown · JSON

Qwen2 VL 72B Instruct

Το Qwen2-VL-72B-Instruct συνδυάζει κείμενο, εικόνες και βίντεο για οπτικές ερωτήσεις, ανάγνωση εγγράφων και πολυγλωσσικό κείμενο μέσα σε εικόνες. Ο δημιουργός του περιγράφει κατανόηση βίντεο διάρκειας άνω των 20 λεπτών, δυναμική ανάλυση εικόνων και ενσωματώσεις σε οπτικούς πράκτορες· η απάντηση είναι κείμενο.

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Το Qwen2-VL-72B-Instruct είναι η οπτικογλωσσική έκδοση 72B, προσαρμοσμένη σε οδηγίες και βασισμένη στο Qwen2. Δέχεται κείμενο μαζί με εικόνες ή βίντεο και παράγει μια απάντηση σε κείμενο. Ο δημιουργός του επισημαίνει την κατανόηση εικόνων διαφορετικής ανάλυσης και αναλογίας πλευρών, την ερμηνεία κειμένου μέσα σε εικόνες, τον συλλογισμό για ορατές σχέσεις και την απάντηση σε ερωτήσεις για βίντεο διάρκειας άνω των 20 λεπτών.

Δυνατότητες εικόνας και βίντεο

Για μια σελίδα εγγράφου, ζητήστε το συγκεκριμένο περιεχόμενο που χρειάζεστε: μια παράγραφο, μια γραμμή πίνακα, έναν τύπο ή τις προϋποθέσεις που συνοδεύουν μια δήλωση. Διατηρήστε τη σελίδα ευανάγνωστη και προσδιορίστε αν το αποτέλεσμα πρέπει να μεταγράψει τη διατύπωση, να τη συνοψίσει ή να εξηγήσει το νόημά της. Ένα χρήσιμο αποτέλεσμα για έγγραφο μπορεί να διατηρεί την αρχική ετικέτα ενότητας δίπλα στο περιεχόμενο που εξάγεται. Για ένα διάγραμμα, ζητήστε πώς συνδέονται τα στοιχεία με ετικέτες και προσδιορίστε τη σχέση που χρειάζεται εξήγηση.

Η τεκμηριωμένη χρήση βίντεο περιλαμβάνει ερωτήσεις, διάλογο και γραπτό περιεχόμενο που βασίζονται στην ορατή ακολουθία. Ορίστε το γεγονός ή την αλλαγή που θέλετε να εξετάσετε: πότε εμφανίζεται ένα αντικείμενο, τι συμβαίνει πριν από ένα συγκεκριμένο βήμα ή πώς μια ενέργεια που παρουσιάζεται σχετίζεται με μια γραπτή διαδικασία. Ζητήστε μια περιγραφή γεγονότων με τη σειρά ή μια σύγκριση των ορατών βημάτων με τη διαδικασία που παρέχεται. Η αναφορά του δημιουργού σε διάρκεια άνω των 20 λεπτών περιγράφει την κατανόηση μεγάλων βίντεο· δεν αποτελεί σταθερή μέγιστη διάρκεια βίντεο ούτε εγγύηση ότι κάθε μη επεξεργασμένο κλιπ χωρά σε μια αμετάβλητη διαμόρφωση εισόδου.

Χρήση σε οπτικούς πράκτορες

Η κυκλοφορία τοποθετεί επίσης το Qwen2-VL ως μοντέλο για οπτικούς πράκτορες που συνδέονται με κινητές συσκευές, ρομπότ και άλλα εργαλεία. Η ανακοίνωσή του περιγράφει σενάρια κλήσης συναρτήσεων και διερμηνευτή κώδικα, όπως παραγωγή κώδικα από ένα διάγραμμα ή χρήση μιας οπτικής ερώτησης για να ζητηθεί εξωτερική αναζήτηση. Η εφαρμογή που το περιβάλλει παρέχει αυτά τα εργαλεία, εκτελεί την προτεινόμενη ενέργεια και επιστρέφει το αποτέλεσμα. Η απάντηση κειμένου του μοντέλου από μόνη της δεν κάνει κλικ σε ένα στοιχείο ελέγχου, δεν κινεί μια συσκευή και δεν εκτελεί το παραγόμενο πρόγραμμα.

Μια πρακτική εργασία σε περιβάλλον χρήστη μπορεί να παρέχει ένα στιγμιότυπο οθόνης και τον στόχο του χρήστη και έπειτα να ζητά το ορατό στοιχείο ελέγχου που σχετίζεται με το επόμενο βήμα και τα στοιχεία που στηρίζουν αυτή την επιλογή. Διατηρήστε την παρατήρηση, την προτεινόμενη ενέργεια και την πραγματική εκτέλεση ως χωριστά μέρη της ροής εργασίας. Έτσι αξιοποιείται η εστίαση σε οπτικούς πράκτορες και το ζητούμενο αποτέλεσμα γίνεται αρκετά συγκεκριμένο ώστε η εφαρμογή να μπορεί να ενεργήσει βάσει αυτού.

Πολυγλωσσικό κείμενο μέσα σε εικόνες

Ο δημιουργός περιγράφει αναγνώριση κειμένου μέσα σε εικόνες στα αγγλικά και στα κινεζικά, στις περισσότερες ευρωπαϊκές γλώσσες και σε γλώσσες όπως τα ιαπωνικά, τα κορεατικά, τα αραβικά και τα βιετναμέζικα. Μια πολυγλωσσική σελίδα μπορεί επομένως να αντιμετωπιστεί ως εργασία οπτικής ανάγνωσης. Ζητήστε πρώτα την αρχική μεταγραφή όταν έχει σημασία η ακριβής διατύπωση και έπειτα μετάφραση ή εξήγηση στην επιλεγμένη γλώσσα. Διατηρήστε τις ετικέτες και τους αριθμούς αντί να συνδυάζετε την αναγνώριση με μια απροσδιόριστη αναδιατύπωση.

Δυναμική ανάλυση και πληροφορίες θέσης

Το Qwen2-VL συνδυάζει έναν κωδικοποιητή όρασης με το γλωσσικό μοντέλο Qwen2. Το Naive Dynamic Resolution αντιστοιχίζει διαφορετικά μεγέθη εικόνων σε διαφορετικό αριθμό οπτικών token. Το Multimodal Rotary Position Embedding διαχωρίζει τις πληροφορίες θέσης, ώστε το μοντέλο να μπορεί να αναπαριστά τη σειρά του κειμένου, τις δισδιάστατες εικόνες και τη χρονική και χωρική δομή του βίντεο. Αυτά τα χαρακτηριστικά εξηγούν πώς η ίδια οικογένεια διαχειρίζεται μια σελίδα, πολλές εικόνες ή μια ακολουθία βίντεο.

Ο επεξεργαστής εικόνων της κάρτας του μοντέλου τεκμηριώνει ένα προεπιλεγμένο εύρος από 4 έως 16.384 οπτικά token ανά εικόνα. Η εφαρμογή μπορεί να προσαρμόζει τα ελάχιστα και μέγιστα pixel διατηρώντας την αναλογία πλευρών ή να ζητά διαστάσεις που στρογγυλοποιούνται σε πολλαπλάσιο του 28. Το ενδεικτικό εύρος από 256 έως 1.280 token είναι μια ρυθμιζόμενη απεικόνιση, όχι ένα χωριστό καθολικό όριο εικόνας. Η μεγαλύτερη λεπτομέρεια εικόνας απαιτεί περισσότερο υπολογισμό και περισσότερα οπτικά token, γι’ αυτό διατηρήστε τις ετικέτες, τις επικεφαλίδες και τα μικρά αντικείμενα που χρειάζονται για την ερώτηση κατά την προετοιμασία της εικόνας.

Προετοιμασία εισόδου και πλαίσιο

Ο δημιουργός παρουσιάζει μία εικόνα, πολλές εικόνες, βίντεο που παρέχεται ως ακολουθία καρέ ή τοπικό αρχείο και συνομιλίες σε παρτίδες. Η προετοιμασία εικόνων περιλαμβάνει τοπικά αρχεία, κωδικοποιημένα δεδομένα εικόνας και αναφορές εικόνων. Το παράδειγμα βίντεο της κάρτας χρησιμοποιεί έναν επιλεγμένο ρυθμό καρέ· αυτό το παράδειγμα δεν ορίζει έναν υποχρεωτικό ρυθμό δειγματοληψίας για κάθε βίντεο. Προσδιορίστε τη σειρά και τον ρόλο των πολλών εικόνων και δώστε τις πληροφορίες που χρειάζονται για την ερμηνεία μιας ακολουθίας αντί να αντιμετωπίζετε άσχετα καρέ ως μία σκηνή.

Η διαμόρφωση που κυκλοφόρησε ορίζει μέγιστο αριθμό θέσεων 32.768. Το οπτικό υλικό και οι οδηγίες κειμένου πρέπει να σχεδιάζονται μέσα στο πραγματικά διαμορφωμένο πλαίσιο. Το παράδειγμα παραγωγής 128 token της κάρτας αποτελεί μόνο ενδεικτική ρύθμιση· δεν δημοσιεύει χωριστή μέγιστη χωρητικότητα εξόδου. Η έκδοση 72B πρέπει να διατηρεί τη δική της διαμόρφωση αντί να κληρονομεί τις ρυθμίσεις μεγάλου πλαισίου του Qwen2.5-VL ή ενός διαφορετικού μοντέλου Qwen.

Ουσιαστικοί περιορισμοί

Ο δημιουργός δηλώνει ρητά ότι το Qwen2-VL δεν κατανοεί τον ήχο που περιέχεται στα βίντεο. Οι πληροφορίες που εκφωνούνται πρέπει επομένως να παρέχονται χωριστά, αν η ερώτηση εξαρτάται από αυτές. Το σύνολο δεδομένων εκπαίδευσης εικόνων περιγράφεται ως ενημερωμένο έως τον Ιούνιο του 2023· αυτό αφορά το συγκεκριμένο σύνολο δεδομένων και δεν αποτελεί υπόσχεση επίκαιρης οπτικής γνώσης.

Οι τεκμηριωμένοι περιορισμοί περιλαμβάνουν επίσης ελλιπή αναγνώριση συγκεκριμένων προσώπων ή κατονομασμένων έργων πνευματικής ιδιοκτησίας, δυσκολία με περίπλοκες οδηγίες πολλών βημάτων, αδύναμη καταμέτρηση σε σύνθετες σκηνές και περιορισμούς στον τρισδιάστατο χωρικό συλλογισμό. Όταν η εργασία εξαρτάται από μία από αυτές τις ικανότητες, εστιάστε την ερώτηση στα απαιτούμενα αντικείμενα ή στη σχέση και διατηρήστε τα οπτικά στοιχεία δίπλα στην απάντηση. Το σαφές αρχικό υλικό και μια καθορισμένη έξοδος διευκολύνουν την εξέταση του αποτελέσματος χωρίς να αντικαθιστούν αυτούς τους δηλωμένους περιορισμούς με εγγύηση ακρίβειας.

Πρακτική εργασία

Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

Read a supplied document transcription

Use this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.

Αναμενόμενο αποτέλεσμα

A labelled transcription followed by three source-grounded explanations of the conditions.

Έλεγχος αποτελέσματος

Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions Qwen/Qwen2-VL-72B-Instruct

Qwen/Qwen2-VL-72B-Instruct

Alibaba /Qwen/Qwen2-VL-72B-Instruct

Εισαγωγή

Το Qwen2-VL-72B-Instruct συνδυάζει κείμενο, εικόνες και βίντεο για οπτικές ερωτήσεις, ανάγνωση εγγράφων και πολυγλωσσικό κείμενο μέσα σε εικόνες. Ο δημιουργός του περιγράφει κατανόηση βίντεο διάρκειας άνω των 20 λεπτών, δυναμική ανάλυση εικόνων και ενσωματώσεις σε οπτικούς πράκτορες· η απάντηση είναι κείμενο.

Αποδεκτές είσοδοι
Κείμενο
Αποτελέσματα
Κείμενο

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Είσοδος
text
Έξοδος
text
Μορφή εξόδου
json ή SSE
ΠεδίοΤύποςΑπαίτησηΤιμές και όριαΠροεπιλογή
ΠεδίοmodelΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
Qwen/Qwen2-VL-72B-Instruct
Προεπιλογή—
ΠεδίοmessagesΤύποςmessage[]ΑπαίτησηΥποχρεωτικόΤιμές και όρια
Ελάχιστο πλήθος στοιχείων: 1
Προεπιλογή—
Πεδίοmessages[].roleΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές 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[].contentΤύποςstring|content_part[]|nullΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].tool_callsΤύποςtool_call[]ΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].tool_call_idΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε
Προεπιλογή—
Πεδίοmessages[].nameΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].reasoning_contentΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί
Προεπιλογή—
Πεδίοmessages[].reasoning_detailsΤύποςobject|arrayΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοmax_tokensΤύποςintegerΑπαίτησηΠροαιρετικόΤιμές και όρια
Ελάχιστο: 1
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοmax_completion_tokensΤύποςintegerΑπαίτησηΠροαιρετικόΤιμές και όρια
Ελάχιστο: 1
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοstreamΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογήfalse
Πεδίοstream_options.include_usageΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοtemperatureΤύποςnumberΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοtop_pΤύποςnumberΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοstopΤύποςstring|string[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοtoolsΤύποςfunction_tool[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοtools[].typeΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
function
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοtools[].function.nameΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης
Προεπιλογή—
Πεδίοtools[].function.descriptionΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοtools[].function.parametersΤύποςJSON_schemaΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογή—
Πεδίοtool_choiceΤύποςstring|objectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοparallel_tool_callsΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοresponse_formatΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοreasoning_effortΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοreasoningΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοservice_tierΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοinstructionsΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Πεδίο συμβατότητας
Προεπιλογή—
ΠεδίοfunctionsΤύποςfunction[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοfunction_callΤύποςstring|objectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
Πεδίοprompt_cache_optionsΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Εξαρτάται από το μοντέλο
Προεπιλογή—
ΠεδίοmodalitiesΤύποςstring[]ΑπαίτησηΠροαιρετικόΤιμές και όρια
text
Προεπιλογή—
ΠεδίοproviderΤύποςobjectΑπαίτησηΠροαιρετικόΤιμές και όρια
Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra
Προεπιλογή—
Πεδίοcache_control.ttlΤύποςstringΑπαίτησηΠροαιρετικόΤιμές και όρια
Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών
Προεπιλογή—
Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF8

messages[].content

Παράμετροι και κύκλος ζωής μεθόδου
ΠαράμετροςΣύμβαση
Παράμετροςcontent_typeΣύμβασηapplication/json
ΠαράμετροςrequiredΣύμβασηmodel, messages
Παράμετροςmaterial_typesΣύμβασηtext
ΠαράμετροςmessagesΣύμβασηΠίνακας μηνυμάτων με δομή role/content
Παράμετροςfile_materialΣύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου
Παράμετροςoptional_controlsΣύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Παράμετροςcontrol_scopeΣύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία
Παράμετροςoutput_modalitiesΣύμβασηtext
Παράμετροςhosted_operationsΣύμβασηfalse
Παράμετροςmultimodal_input_bindingΣύμβασηnull

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.

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία
Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex
Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού
Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

ΔιαμόρφωσηΠίνακας χρεώσεωνΧρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά tokenΠίνακας χρεώσεωνΒασική χρέωσηΧρέωση
Είσοδος · Token εισόδου $0.00118 / 1K token
Έξοδος · Token εξόδου $0.00118 / 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 →

Παραδείγματα αιτημάτων

Ailoot Ultra · OpenAI Chat

curlPython SDKΡοή σε Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "Qwen/Qwen2-VL-72B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

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
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · OpenAI Chat

json ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

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.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης
ΠεδίοΤύπος
Πεδίοchoices[].indexΤύποςinteger
Πεδίοchoices[].message.contentΤύποςstring|null
Πεδίοchoices[].message.tool_callsΤύποςtool_call[]
Πεδίοchoices[].message.reasoning_contentΤύποςstring
Πεδίοchoices[].message.reasoning_detailsΤύποςobject|array
Πεδίοchoices[].finish_reasonΤύποςstring|null
ΠεδίοusageΤύποςobject
Σφάλματα και επόμενα βήματα
ΑπάντησηΣυνθήκηΕπόμενο βήμα
Απάντηση400 · invalid_request_errorΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρουΕπόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra Qwen/Qwen2-VL-72B-Instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

Qwen/Qwen2-VL-72B-Instruct

Ailoot Ultra · Anthropic Messages POST /v1/messages Qwen/Qwen2-VL-72B-Instruct

Qwen/Qwen2-VL-72B-Instruct

Alibaba /Qwen/Qwen2-VL-72B-Instruct

Εισαγωγή

Το Qwen2-VL-72B-Instruct συνδυάζει κείμενο, εικόνες και βίντεο για οπτικές ερωτήσεις, ανάγνωση εγγράφων και πολυγλωσσικό κείμενο μέσα σε εικόνες. Ο δημιουργός του περιγράφει κατανόηση βίντεο διάρκειας άνω των 20 λεπτών, δυναμική ανάλυση εικόνων και ενσωματώσεις σε οπτικούς πράκτορες· η απάντηση είναι κείμενο.

Αποδεκτές είσοδοι
Κείμενο
Αποτελέσματα
json · sse

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot Ultra · Anthropic Messages POST /v1/messages
Είσοδος
text
Έξοδος
json, sse
Μορφή εξόδου
JSON ή SSE
ΠεδίοΤύποςΑπαίτησηΤιμές και όριαΠροεπιλογή
ΠεδίοmodelΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
Qwen/Qwen2-VL-72B-Instruct
Προεπιλογή—
ΠεδίοmessagesΤύποςmessage[]ΑπαίτησηΥποχρεωτικόΤιμές και όριαΠροεπιλογή—
Πεδίοmessages[].roleΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όρια
user, assistant
Προεπιλογή—
Πεδίοmessages[].contentΤύποςstringΑπαίτησηΥποχρεωτικόΤιμές και όριαΠροεπιλογή—
Πεδίοmax_tokensΤύποςintegerΑπαίτησηΥποχρεωτικόΤιμές και όριαΠροεπιλογή—
ΠεδίοstreamΤύποςbooleanΑπαίτησηΠροαιρετικόΤιμές και όριαΠροεπιλογήfalse
Συνδυασμοί υλικών εισόδου

Κείμενο · Κείμενο UTF-8

Συμβολοσειρά messages[].content

Παράμετροι και κύκλος ζωής μεθόδου
ΠαράμετροςΣύμβαση
Παράμετροςcontent_typeΣύμβασηapplication/json
ΠαράμετροςrequiredΣύμβασηmodel, messages, max_tokens
Παράμετροςoptional_controlsΣύμβασηstream
Παράμετροςmaterial_typesΣύμβασηtext
Παράμετροςtext_file_materialΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος.

Κύκλος ζωής: synchronous_or_streamed

Τιμολόγηση

Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.

Γρήγορη λειτουργία
Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
Λειτουργία flex
Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
Μέγιστη προσπάθεια συλλογισμού
Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default

Χρεώσεις Ailoot

Τιμές ανά διαμόρφωση

ΔιαμόρφωσηΠίνακας χρεώσεωνΧρέωση
ΔιαμόρφωσηΒασικές χρεώσεις ανά tokenΠίνακας χρεώσεωνΒασική χρέωσηΧρέωση
Είσοδος · Token εισόδου $0.00118 / 1K token
Έξοδος · Token εξόδου $0.00118 / 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 →

Παραδείγματα αιτημάτων

Ailoot Ultra · Anthropic Messages

Πλήρες ελάχιστο σώμα JSONcurl · χρησιμοποιήστε το έγγραφό σας σε UTF-8Python · αποθηκεύστε το πλήρες αποτέλεσμα
{
  "model": "Qwen/Qwen2-VL-72B-Instruct",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot Ultra · Anthropic Messages

JSON ή SSE

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

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.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.

Πεδία απάντησης
ΠεδίοΤύπος
ΠεδίοidΤύποςstring
ΠεδίοmodelΤύποςstring
Πεδίοcontent[]Τύποςtext|thinking|tool_use|other content block
Πεδίοstop_reasonΤύποςstring|null
ΠεδίοusageΤύποςobject
Σφάλματα και επόμενα βήματα
ΑπάντησηΣυνθήκηΕπόμενο βήμα
Απάντηση400 · invalid_request_errorΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρουΕπόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot Ultra Qwen/Qwen2-VL-72B-Instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

Qwen/Qwen2-VL-72B-Instruct

FAQ · Qwen/Qwen2-VL-72B-Instruct
Ποιες είσοδοι και αποτελέσματα διατίθενται;

POST /v1/chat/completions · Qwen/Qwen2-VL-72B-Instruct: text → text

POST /v1/messages · Qwen/Qwen2-VL-72B-Instruct: text → json, sse

Ποια πεδία χρησιμοποιεί το αίτημα;

POST /v1/chat/completions · Qwen/Qwen2-VL-72B-Instruct: model, messages, stream, modalities, provider

POST /v1/messages · Qwen/Qwen2-VL-72B-Instruct: model, messages, max_tokens, stream

Ποια όρια ισχύουν;

POST /v1/chat/completions · Qwen/Qwen2-VL-72B-Instruct: messages.min_items: 1

Περισσότερες λεπτομέρειες

Συνδέστε το Ailoot με Claude Code, OpenCode, Hermes ή τη δική σας εφαρμογή.

Η εταιρεία και το χαρτοφυλάκιο έργων της

Η εταιρεία και το χαρτοφυλάκιο έργων της: εκατομμύρια πελάτες· μηνιαίες πωλήσεις δισεκατομμυρίων.

Αγοράστε token με έκπτωση.

Έκπτωση συνδρομής για τακτική χρήση. Προωθητικοί κωδικοί — έως 50% στην αγορά token.

Συνδρομή
Επιλέξτε πρόγραμμα με έκπτωση για τα τακτικά αιτήματά σας.
Προωθητικός κωδικός έως 50%
Εισαγάγετε τον κωδικό στην αγορά. Η τιμή επανυπολογίζεται σύμφωνα με την ενεργή προσφορά.
Δαπάνες στο ιστορικό
Μοντέλο, token και ποσό αποθηκεύονται για κάθε αίτημα.

Επιλέξτε συνδρομή · Δείτε τιμές μοντέλων

Συνδέστε το API με το προϊόν που πουλάτε.

SaaS, εφαρμογές και bot — σύμφωνα με τη δημόσια προσφορά και τη σύμβαση άδειας χρήσης Ailoot. Για μεταπώληση ζητήστε σχετική άδεια.

Εμπορική εφαρμογή
Ενσωματώστε δημιουργία κειμένου, εικόνων, βίντεο και ήχου στις πληρωμένες λειτουργίες της υπηρεσίας σας.
Άδεια για μεταπωλητή
Στείλτε περιγραφή έργου και τρόπο πρόσβασης. Ζητήστε γραπτούς όρους χρήσης και μεταπώλησης.
Έγγραφα στον ιστότοπο
Δημόσια προσφορά, σύμβαση άδειας χρήσης και πολιτική επεξεργασίας δεδομένων είναι διαθέσιμες πριν τη σύνδεση.

Ζητήστε άδεια μεταπώλησης · Δημόσια προσφορά και σύμβαση άδειας χρήσης