μοντέλα

Qwen2.5 VL 7B Instruct

Markdown · JSON

Qwen2.5 VL 7B Instruct

Το Qwen2.5-VL-7B-Instruct είναι ένα μοντέλο όρασης και γλώσσας για εικόνες, έγγραφα και βίντεο. Παράγει κείμενο και δομημένα ευρήματα, συμπεριλαμβανομένων πλαισίων αντικειμένων, σημείων και ιδιοτήτων, και φέρνει στην έκδοση 7B χρονικό εντοπισμό συμβάντων και δυνατότητες οπτικού πράκτορα.

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 Qwen2.5-VL-7B-Instruct είναι η έκδοση 7B του Qwen2.5-VL προσαρμοσμένη σε οδηγίες. Συνδέει μια οδηγία κειμένου με εικόνες ή βίντεο και επιστρέφει κειμενικό αποτέλεσμα. Οι βασικές βελτιώσεις του κατασκευαστή καλύπτουν αναγνώριση αντικειμένων και οπτικών λεπτομερειών, ανάλυση κειμένου και διατάξεων, εργασίες οπτικών πρακτόρων, κατανόηση συμβάντων μεγάλων βίντεο, εντοπισμό αντικειμένων και δομημένη εξαγωγή από έγγραφα.

Κατανόηση οπτικού περιεχομένου

Η οικογένεια προχωρά πέρα από την αναγνώριση του κύριου θέματος μιας φωτογραφίας. Οι τεκμηριωμένες εργασίες της περιλαμβάνουν ανάλυση κειμένου, διαγραμμάτων, εικονιδίων, γραφικών και διάταξης στοιχείων μέσα σε εικόνα. Για γράφημα, προσδιορίστε τη σειρά ή τη σχέση προς εξέταση και διατηρήστε άξονες, υπόμνημα και μονάδες. Για διάγραμμα, ρωτήστε πώς συνδέονται τα επισημασμένα εξαρτήματα και τι δείχνει η ορατή διάταξη για τη διαδικασία.

Μια χρήσιμη σύγκριση μπορεί να παρέχει ένα αρχικό και ένα αναθεωρημένο σχέδιο, να προσδιορίζει ποιο είναι ποιο και να ζητά ορατές αλλαγές βάσει σύντομου καταλόγου απαιτήσεων. Ζητήστε μαζί την παρατήρηση και τη σχετική περιοχή εικόνας. Αυτό δίνει συγκεκριμένο σκοπό στην απάντηση αντί να ζητά γενική περιγραφή δύο άσχετων εικόνων.

Ροές οπτικών πρακτόρων

Ο κατασκευαστής τοποθετεί το Qwen2.5-VL ως οπτικό πράκτορα που μπορεί να συλλογίζεται για μια οθόνη και να κατευθύνει εργαλεία σε εργασίες χρήσης υπολογιστή ή τηλεφώνου. Το μοντέλο παρέχει ερμηνεία και προτεινόμενη πράξη· μια περιβάλλουσα εφαρμογή πράκτορα παρέχει τα στοιχεία ελέγχου, εκτελεί την πράξη και επιστρέφει τη νέα κατάσταση. Μια απάντηση κειμένου ή προβλεπόμενη συντεταγμένη είναι επομένως ένα μέρος αυτής της ενσωματωμένης ροής.

Για ερώτηση διεπαφής, δώστε το στιγμιότυπο οθόνης και τον πραγματικό στόχο και έπειτα ρωτήστε ποιο ορατό στοιχείο ελέγχου είναι σχετικό και τι πρέπει να γίνει στη συνέχεια. Κρατήστε συγκεκριμένη τη ζητούμενη έξοδο: ετικέτα στοιχείου ελέγχου, θέση του και επιδιωκόμενη ενέργεια. Αν η εφαρμογή εκτελέσει έπειτα αυτή την ενέργεια, το επόμενο στιγμιότυπο παρέχει την ενημερωμένη οπτική είσοδο για επόμενη απόφαση.

Μεγάλα βίντεο και εντοπισμός συμβάντων

Ο κατασκευαστής περιγράφει κατανόηση βίντεο μεγαλύτερων της μίας ώρας και εντοπισμό του τμήματος που περιέχει ένα ζητούμενο συμβάν. Αυτό επεκτείνει την περιγραφή βίντεο σε χρονικό εντοπισμό. Μια εργασία μπορεί να ρωτά πότε εμφανίζεται πρώτη φορά ένα αντικείμενο, πού μια επίδειξη φτάνει σε συγκεκριμένο βήμα ή ποιο ορατό συμβάν προηγείται άλλου. Δηλώστε αν το αποτέλεσμα πρέπει να είναι περίληψη, διατεταγμένος κατάλογος συμβάντων ή χρόνοι έναρξης και λήξης με περιγραφή συμβάντος.

Η οικογένεια εκπαιδεύεται με δυναμική δειγματοληψία ρυθμού καρέ και ευθυγραμμίζει τις χρονικές πληροφορίες θέσης με τον απόλυτο χρόνο. Οι πληροφορίες ρυθμού καρέ ανήκουν επομένως στην προετοιμασία βίντεο και δεν είναι αυθαίρετη ετικέτα που μπορεί να απορριφθεί όταν έχουν σημασία οι χρονικές σημάνσεις. Η τεκμηριωμένη ικανότητα μεγάλων βίντεο δεν αποτελεί καθολική προδιαγραφή μεγέθους αρχείου ή μέγιστης διάρκειας για κάθε διαδρομή εισόδου.

Εντοπισμός αντικειμένων και δομημένα έγγραφα

Το Qwen2.5-VL μπορεί να επιστρέφει πλαίσια οριοθέτησης ή σημεία και να οργανώνει συντεταγμένες και ιδιότητες ως JSON. Η κυκλοφορία χρησιμοποιεί συντεταγμένες στην κλίμακα του πραγματικού μεγέθους εικόνας αντί για παραδοσιακές κανονικοποιημένες συντεταγμένες. Προσδιορίστε αν η εργασία χρειάζεται πλαίσιο που περικλείει το αντικείμενο, συγκεκριμένο σημείο ή περιγραφή αντικειμένου και διατηρήστε τις διαστάσεις εικόνας και τις πληροφορίες αλλαγής μεγέθους που χρειάζονται για ερμηνεία της επιστρεφόμενης θέσης.

Για παράδειγμα, ένα αίτημα οπτικής απογραφής μπορεί να ζητά κάθε αντικείμενο στόχου, το πλαίσιό του και μια ορατή ιδιότητα. Μια εργασία βάσει σημείου μπορεί να ζητά τη θέση επισημασμένου στοιχείου ελέγχου ή συγκεκριμένου μέρους αντικειμένου. Αυτά είναι προτεινόμενα σχέδια εξόδου και όχι σταθερά ονόματα πεδίων που πρέπει να χρησιμοποιεί κάθε αίτημα. Κρατήστε κάθε συντεταγμένη συσχετισμένη με την εικόνα πηγής της όταν παρέχονται πολλές εικόνες.

Ο κατασκευαστής τονίζει ξεχωριστά τη δομημένη εξαγωγή από σαρώσεις τιμολογίων, φόρμες και πίνακες. Ορίστε τα πεδία, διατηρήστε τις αρχικές ετικέτες και ζητήστε ρητή αναπαράσταση όταν μια τιμή δεν μπορεί να διαβαστεί. Για πίνακα, κρατήστε επικεφαλίδες στηλών και μονάδες μαζί με τις ζητούμενες γραμμές. Μια πρακτική εγγραφή μπορεί να περιέχει αναγνωριστικό εγγράφου, ετικέτα πεδίου, εξαγόμενη τιμή και θέση, καθιστώντας την έξοδο χρήσιμη για μεταγενέστερη σύγκριση ή ανθρώπινη επιθεώρηση.

Αρχιτεκτονική και προετοιμασία εισόδου

Το μοντέλο συνδυάζει δυναμική ανάλυση εικόνας και δυναμική δειγματοληψία βίντεο με ενημερωμένες πολυτροπικές περιστροφικές πληροφορίες θέσης. Ο κωδικοποιητής όρασής του χρησιμοποιεί προσοχή παραθύρου, SwiGLU και RMSNorm. Αυτές είναι αλλαγές αρχιτεκτονικής που υποστηρίζουν οπτική και χρονική επεξεργασία· δεν προσθέτουν είσοδο ήχου ή παραγωγή εικόνων στην τεκμηριωμένη ροή αποτελέσματος κειμένου.

Η κάρτα επιδεικνύει μία εικόνα, πολλές εικόνες, αλληλουχία καρέ βίντεο, αρχείο ή αναφορά βίντεο και συνομιλίες σε παρτίδες. Ο επεξεργαστής εικόνων τεκμηριώνει προεπιλεγμένο εύρος από 4 έως 16,384 οπτικά tokens ανά εικόνα. Οι ελάχιστες και μέγιστες ρυθμίσεις pixels διατηρούν τον λόγο διαστάσεων· οι ζητούμενες ακριβείς διαστάσεις στρογγυλοποιούνται σε πολλαπλάσιο του 28. Το ενδεικτικό εύρος 256 έως 1,280 οπτικών tokens είναι προσαρμόσιμο παράδειγμα και όχι ξεχωριστό αυστηρό όριο εικόνας. Διατηρήστε τη λεπτομέρεια που χρειάζεται η ερώτηση όταν επιλέγετε αλλαγή μεγέθους.

Συμφραζόμενα και ρυθμίσεις ευαίσθητες στον εντοπισμό

Η κυκλοφορημένη διαμόρφωση ορίζει τις μέγιστες θέσεις σε 128,000. Η ενότητα εκτεταμένου κειμένου της κάρτας μοντέλου περιγράφει ξεχωριστά βάση 32,768 tokens και παράδειγμα επέκτασης YaRN. Προειδοποιεί ρητά ότι αυτή η επέκταση επηρεάζει σημαντικά τον χρονικό και χωρικό εντοπισμό και δεν τη συνιστά. Ο οδηγός συζητά επίσης αλλαγή των μέγιστων θέσεων για μεγάλα βίντεο· αυτές είναι σημειώσεις διαμόρφωσης και όχι ένα άνευ όρων όριο εισόδου για κάθε εργασία.

Κρατήστε την ακριβή διαμόρφωση κυκλοφορίας και την οπτική προεπεξεργασία ευθυγραμμισμένες με την εργασία, ιδίως όταν έχουν σημασία συντεταγμένες ή χρόνοι συμβάντων. Το παράδειγμα παραγωγής 128 tokens της κάρτας δεν προσδιορίζει ξεχωριστή μέγιστη χωρητικότητα εξόδου. Το Qwen2.5-VL-7B-Instruct παράγει κείμενο, συντεταγμένες και δομημένα ευρήματα· μια εξωτερική ενέργεια, αποδοσμένη εικόνα, βίντεο ή προφορική απάντηση απαιτεί άλλο στοιχείο εφαρμογής.

Πρακτική εργασία

Πρακτική εργασία

Τεχνικό παράδειγμα στα αγγλικά

Extract a transcribed invoice table

Extract line items from this invoice transcription: "Invoice N-33; item | quantity | unit price; Clip | 4 | 2.50; Folder | 2 | unreadable." Return each item with quantity, unit price and source invoice ID. Mark the unreadable price explicitly and do not infer it from a total. No image is supplied.

Αναμενόμενο αποτέλεσμα

A two-row field table retaining N-33 and an explicit unreadable value for the folder unit price.

Έλεγχος αποτελέσματος

Verify quantities are not swapped and the unreadable price is neither zero nor a guessed amount.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen2.5-vl-7b-instruct

qwen2.5-vl-7b-instruct

Alibaba /qwen2.5-vl-7b-instruct

Εισαγωγή

Το Qwen2.5-VL-7B-Instruct είναι ένα μοντέλο όρασης και γλώσσας για εικόνες, έγγραφα και βίντεο. Παράγει κείμενο και δομημένα ευρήματα, συμπεριλαμβανομένων πλαισίων αντικειμένων, σημείων και ιδιοτήτων, και φέρνει στην έκδοση 7B χρονικό εντοπισμό συμβάντων και δυνατότητες οπτικού πράκτορα.

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
qwen2.5-vl-7b-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 $0.0001 / 1K token
Έξοδος · Token εξόδου $0.0001 / 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": "qwen2.5-vl-7b-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='qwen2.5-vl-7b-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='qwen2.5-vl-7b-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 qwen2.5-vl-7b-instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

qwen2.5-vl-7b-instruct

Ailoot Ultra · Anthropic Messages POST /v1/messages qwen2.5-vl-7b-instruct

qwen2.5-vl-7b-instruct

Alibaba /qwen2.5-vl-7b-instruct

Εισαγωγή

Το Qwen2.5-VL-7B-Instruct είναι ένα μοντέλο όρασης και γλώσσας για εικόνες, έγγραφα και βίντεο. Παράγει κείμενο και δομημένα ευρήματα, συμπεριλαμβανομένων πλαισίων αντικειμένων, σημείων και ιδιοτήτων, και φέρνει στην έκδοση 7B χρονικό εντοπισμό συμβάντων και δυνατότητες οπτικού πράκτορα.

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
qwen2.5-vl-7b-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 $0.0001 / 1K token
Έξοδος · Token εξόδου $0.0001 / 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": "qwen2.5-vl-7b-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': 'qwen2.5-vl-7b-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': 'qwen2.5-vl-7b-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 qwen2.5-vl-7b-instruct

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

qwen2.5-vl-7b-instruct

FAQ · Pro/Qwen/Qwen2.5-VL-7B-Instruct
Ποιες είσοδοι και αποτελέσματα διατίθενται;

POST /v1/chat/completions · qwen2.5-vl-7b-instruct: text → text

POST /v1/messages · qwen2.5-vl-7b-instruct: text → json, sse

Ποια πεδία χρησιμοποιεί το αίτημα;

POST /v1/chat/completions · qwen2.5-vl-7b-instruct: model, messages, stream, modalities, provider

POST /v1/messages · qwen2.5-vl-7b-instruct: model, messages, max_tokens, stream

Ποια όρια ισχύουν;

POST /v1/chat/completions · qwen2.5-vl-7b-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