qwen2-vl-2b-instruct
Το Qwen2-VL-2B-Instruct είναι το μοντέλο όρασης και γλώσσας της Qwen για ερωτήσεις εικόνων, πολυγλωσσικό κείμενο μέσα σε εικόνες και οπτικές εξηγήσεις. Δώστε ευανάγνωστη εικόνα και ακριβή ερώτηση για γραπτό αποτέλεσμα συνδεδεμένο με τα ορατά τεκμήρια.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsqwen2-vl-2b-instruct - Ailoot Ultra · Anthropic Messages
POST /v1/messagesqwen2-vl-2b-instruct
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-2B-Instruct είναι το μοντέλο όρασης και γλώσσας 2B της Qwen, προσαρμοσμένο σε οδηγίες, για ερωτήσεις εικόνας και κειμένου. Ο παραγωγός περιγράφει χειρισμό εικόνων διαφορετικών αναλύσεων και αναλογιών και κατανόηση κειμένου πολλών γλωσσών μέσα σε εικόνες. Το παραγόμενο αποτέλεσμα είναι γραπτή απάντηση στο δοσμένο οπτικό υλικό και την ερώτηση. Ο κατασκευαστής περιγράφει επίσης χρήση οπτικών πρακτόρων με συσκευές όπως τηλέφωνα και ρομπότ. Για αυτή τη ροή, δώστε το τρέχον οπτικό περιβάλλον και κειμενική οδηγία· η περιβάλλουσα εφαρμογή εκτελεί την προτεινόμενη λειτουργία και επιστρέφει την παρατηρημένη κατάσταση για την επόμενη ερώτηση.
Δώστε την εικόνα και ακριβή ερώτηση
Επιλέξτε την εικόνα που περιέχει τα απαιτούμενα τεκμήρια και προσδιορίστε τη λεπτομέρεια προς ερμηνεία. Ερώτηση εγγράφου μπορεί να αφορά ορατό απόσπασμα· ερώτηση γραφήματος μπορεί να προσδιορίζει σειρές, άξονες και σύγκριση προς εξήγηση. Κρατήστε το αναγνωριστικό εικόνας μαζί με το ζητούμενο αποτέλεσμα ώστε η απόκριση να συνδέεται με τη σωστή αναφορά.
Ο κατασκευαστής αναφέρει κατανόηση εικόνας και κειμένου πέρα από αγγλικά και κινεζικά, όπως ευρωπαϊκές γλώσσες, ιαπωνικά, κορεατικά, αραβικά και βιετναμικά. Διατηρήστε την αρχική διατύπωση και γραφή όταν ζητάτε μεταγραφή, εξήγηση ή μετάφραση ορατού κειμένου. Ενδεικτικές οδηγίες μπορούν να ζητούν την εμφανιζόμενη ετικέτα και χωριστή εξήγηση της σημασίας της.
Προετοιμάστε συνειδητά ανάλυση και οπτικά token
Το Qwen2-VL χρησιμοποιεί δυναμική ανάλυση για αντιστοίχιση εικόνας σε μεταβλητό πλήθος οπτικών token. Στο παράδειγμα εγγενούς επεξεργαστή, το προεπιλεγμένο εύρος είναι από 4 έως 16,384 οπτικά token ανά εικόνα. Ο εγγενής οδηγός δείχνει ελάχιστες και μέγιστες ρυθμίσεις pixel, όπως στενότερο εύρος προετοιμασίας εικόνας 256 έως 1,280 token, για ισορροπία λεπτομέρειας και απαιτήσεων επεξεργασίας. Οι ρυθμίσεις διατηρούν την αναλογία κατά την αλλαγή μεγέθους.
Ο παραγωγός επιτρέπει επίσης ζητούμενο ύψος και πλάτος μετά την αλλαγή μεγέθους, στρογγυλοποιημένα σε πολλαπλάσιο του 28. Επιλέξτε προετοιμασία που αφήνει ευανάγνωστες τις σημαντικές ετικέτες και κρατήστε την αρχική εικόνα όταν χρησιμοποιείτε απόκομμα. Τα εγγενή παραδείγματα περιλαμβάνουν πολλαπλές εικόνες και παρτίδες, ώστε μια ερώτηση να διατηρεί διακριτές αναφορές.
Εργαστείτε εντός των τεκμηριωμένων οπτικών περιορισμών
Ο κατασκευαστής αναφέρει περιορισμούς σε σύνθετες οδηγίες πολλών βημάτων, καταμέτρηση αντικειμένων σε περίπλοκες σκηνές και τρισδιάστατη χωρική συλλογιστική. Επισημαίνει επίσης ατελή αναγνώριση συγκεκριμένων προσώπων ή επωνυμιών. Ζητήστε εστιασμένη οπτική παρατήρηση και εξετάστε το συγκεκριμένο πλήθος, την ετικέτα ή τη σχετική θέση στην οποία βασίζεται το αποτέλεσμα.
Ο παραγωγός δηλώνει ότι το σύνολο δεδομένων εικόνων ενημερώθηκε έως τον Ιούνιο 2023. Δώστε τα γραπτά συμφραζόμενα που χρειάζονται για πρόσφατη ή άγνωστη ετικέτα, αντί να ζητάτε από την εικόνα μόνη της να τεκμηριώσει την πληροφορία. Διαχωρίστε στην επιστρεφόμενη σημείωση μια παρατιθέμενη ετικέτα από μια συναγόμενη ταυτότητα.
Κρατήστε τις προετοιμασμένες εισόδους με την απάντηση
Η δημοσιευμένη διαμόρφωση checkpoint ορίζει μέγιστο 32,768 θέσεων. Προετοιμάστε την ερώτηση και τις οπτικές εισόδους με τον αντίστοιχο επεξεργαστή μοντέλου, διατηρώντας τη σειρά εικόνων του αιτήματος. Ο εγγενής βοηθός δέχεται τοπικές εικόνες, base64 και διευθύνσεις εικόνων.
Αποθηκεύστε μαζί το επιλεγμένο όνομα 2B Instruct, τις αναφορές και την ολοκληρωμένη γραπτή απάντηση. Για συνέχεια, συμπεριλάβετε το σχετικό υλικό, προσδιορίστε τη συγκεκριμένη παρατήρηση ή ερμηνεία προς αναθεώρηση και συγκρίνετε το διορθωμένο αποτέλεσμα με την πηγή.
Μέσω του Ailoot, χρησιμοποιήστε το ακριβές αναγνωριστικό μοντέλου στο /v1/chat/completions και κρατήστε την εικόνα μαζί με την ερώτησή της στη συνομιλία. Η μορφή περιεχομένου εικόνας χρησιμοποιεί image_url· οι υποστηριζόμενες πηγές εικόνας μπορούν να περιέχουν διεύθυνση εικόνας ή URI δεδομένων base64. Συλλέξτε ολόκληρη την απάντηση JSON ή όλα τα τμήματα SSE όταν είναι ενεργό το stream και αποθηκεύστε το usage μαζί με το ολοκληρωμένο αποτέλεσμα.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen2-vl-2b-instruct
qwen2-vl-2b-instructΕισαγωγή
Το Qwen2-VL-2B-Instruct είναι το μοντέλο όρασης και γλώσσας της Qwen για ερωτήσεις εικόνων, πολυγλωσσικό κείμενο μέσα σε εικόνες και οπτικές εξηγήσεις. Δώστε ευανάγνωστη εικόνα και ακριβή ερώτηση για γραπτό αποτέλεσμα συνδεδεμένο με τα ορατά τεκμήρια.
- Αποδεκτές είσοδοι
- Κείμενο · Εικόνες
- Αποτελέσματα
- Κείμενο
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Είσοδος
text,image- Έξοδος
text- Μορφή εξόδου
- JSON or SSE
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια qwen2-vl-2b-instruct Συνθήκες: Χρησιμοποιήστε ακριβώς αυτόν τον επιλογέα δρομολόγησης του Ailoot. | Προεπιλογή— |
Πεδίοmessages | Τύποςarray | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Συνθήκες: | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: | Προεπιλογήfalse |
Συνδυασμοί υλικών εισόδου
text_input · Υποχρεωτικό: messages
image_with_text · Υποχρεωτικό: messages with actual image content blocks
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςoptional | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςconditions | ΣύμβασηΧρησιμοποιήστε ακριβώς αυτόν τον επιλογέα δρομολόγησης του Ailoot., Το πρωτόκολλο μεταφέρει περιεχόμενο εικόνας όταν το συγκεκριμένο επιλεγμένο μοντέλο υποστηρίζει όραση. Η αποδοχή από το πρωτόκολλο δεν τεκμηριώνει δυνατότητα εικόνας για κάθε μοντέλο. |
Εναλλακτικά ονόματα μεθόδου: /chat/completions
Κύκλος ζωής: synchronous_or_streamed
Τιμολόγηση
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
- Γρήγορη λειτουργία
- Τυπική χρέωση Όταν επιλέγεται η γρήγορη λειτουργία
- Λειτουργία flex
- Τυπική χρέωση Όταν επιλέγεται η λειτουργία flex
- Μέγιστη προσπάθεια συλλογισμού
- Τυπική χρέωση Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default
- Τιμολόγηση ρητής αποθήκευσης στην κρυφή μνήμη
- Δεν είναι ενεργοποιημένο Όταν ζητείται ρητή αποθήκευση στην κρυφή μνήμη
- Μηδενικές χρεώσεις μόνο για κείμενο
- Η κρυφή μνήμη, τα εργαλεία και τα πολυμέσα ακολουθούν τους αντίστοιχους όρους τιμολόγησης που αναφέρονται ξεχωριστά. Για είσοδο και έξοδο μόνο με κείμενο
Χρεώσεις Ailoot
Τιμές ανά διαμόρφωση
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · OpenAI Chat
JSON or SSE
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε μπλοκ περιεχομένου, κάθε αναγνωριστικό κλήσης εργαλείου, την υπογραφή συλλογισμού όταν επιστρέφεται, όλες τις διαφορικές ενημερώσεις SSE και τα πλήρη στοιχεία χρήσης. Το πρώτο απόσπασμα κειμένου δεν αποτελεί ολόκληρο το αποτέλεσμα.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε το αρχικό X-Client-Request-ID, την απόκριση και τις κεφαλίδες. Ένα άγνωστο αποτέλεσμα ή το result_pending_check δεν επιτρέπουν δεύτερο αίτημα δημιουργίας.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[] | Τύποςobject |
Πεδίοusage | Τύποςobject |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΈνα υποχρεωτικό πεδίο, ο επιλογέας μοντέλου, ο τύπος ή η μορφή αναπαράστασης της εισόδου δεν είναι έγκυρα. | Επόμενο βήμαΕξετάστε τις λεπτομέρειες επικύρωσης που επιστράφηκαν πριν ετοιμάσετε ξεχωριστό αίτημα. |
Απάντηση | ΣυνθήκηΤο αρχικό αίτημα ή αποτέλεσμα είναι άγνωστο ή απαιτεί έλεγχο. | Επόμενο βήμαΔιατηρήστε τα αρχικά αναγνωριστικά και τις κεφαλίδες· διαβάστε μόνο τις υποστηριζόμενες εγγραφές κατάστασης ή βιβλιοθήκης. Μην υποβάλετε ξανά αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot Ultra qwen2-vl-2b-instruct
Εναλλακτικές διαδρομές μεθόδων
/chat/completions
Σχετικά ID μοντέλων
Ailoot Ultra · Anthropic Messages POST /v1/messages qwen2-vl-2b-instruct
qwen2-vl-2b-instructΕισαγωγή
Το Qwen2-VL-2B-Instruct είναι το μοντέλο όρασης και γλώσσας της Qwen για ερωτήσεις εικόνων, πολυγλωσσικό κείμενο μέσα σε εικόνες και οπτικές εξηγήσεις. Δώστε ευανάγνωστη εικόνα και ακριβή ερώτηση για γραπτό αποτέλεσμα συνδεδεμένο με τα ορατά τεκμήρια.
- Αποδεκτές είσοδοι
- Κείμενο · Εικόνες
- Αποτελέσματα
- json · sse
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Είσοδος
text,image- Έξοδος
json,sse- Μορφή εξόδου
- JSON or SSE
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια qwen2-vl-2b-instruct Συνθήκες: Χρησιμοποιήστε ακριβώς αυτόν τον επιλογέα δρομολόγησης του Ailoot. | Προεπιλογή— |
Πεδίοmessages | Τύποςarray | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Συνθήκες: | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: | Προεπιλογήfalse |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο: 1 Συνθήκες: | Προεπιλογή— |
Συνδυασμοί υλικών εισόδου
text_input · Υποχρεωτικό: messages
image_with_text · Υποχρεωτικό: messages with actual image content blocks
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςconditions | ΣύμβασηΧρησιμοποιήστε ακριβώς αυτόν τον επιλογέα δρομολόγησης του Ailoot., Το πρωτόκολλο μεταφέρει περιεχόμενο εικόνας όταν το συγκεκριμένο επιλεγμένο μοντέλο υποστηρίζει όραση. Η αποδοχή από το πρωτόκολλο δεν τεκμηριώνει δυνατότητα εικόνας για κάθε μοντέλο. |
Κύκλος ζωής: synchronous_or_streamed
Τιμολόγηση
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
- Γρήγορη λειτουργία
- Τυπική χρέωση Όταν επιλέγεται η γρήγορη λειτουργία
- Λειτουργία flex
- Τυπική χρέωση Όταν επιλέγεται η λειτουργία flex
- Μέγιστη προσπάθεια συλλογισμού
- Τυπική χρέωση Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default
- Τιμολόγηση ρητής αποθήκευσης στην κρυφή μνήμη
- Δεν είναι ενεργοποιημένο Όταν ζητείται ρητή αποθήκευση στην κρυφή μνήμη
- Μηδενικές χρεώσεις μόνο για κείμενο
- Η κρυφή μνήμη, τα εργαλεία και τα πολυμέσα ακολουθούν τους αντίστοιχους όρους τιμολόγησης που αναφέρονται ξεχωριστά. Για είσοδο και έξοδο μόνο με κείμενο
Χρεώσεις Ailoot
Τιμές ανά διαμόρφωση
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot Ultra · Anthropic Messages
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · Anthropic Messages
JSON or SSE
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε μπλοκ περιεχομένου, κάθε αναγνωριστικό κλήσης εργαλείου, την υπογραφή συλλογισμού όταν επιστρέφεται, όλες τις διαφορικές ενημερώσεις SSE και τα πλήρη στοιχεία χρήσης. Το πρώτο απόσπασμα κειμένου δεν αποτελεί ολόκληρο το αποτέλεσμα.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε το αρχικό X-Client-Request-ID, την απόκριση και τις κεφαλίδες. Ένα άγνωστο αποτέλεσμα ή το result_pending_check δεν επιτρέπουν δεύτερο αίτημα δημιουργίας.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοcontent[] | Τύποςobject |
Πεδίοusage | Τύποςobject |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΈνα υποχρεωτικό πεδίο, ο επιλογέας μοντέλου, ο τύπος ή η μορφή αναπαράστασης της εισόδου δεν είναι έγκυρα. | Επόμενο βήμαΕξετάστε τις λεπτομέρειες επικύρωσης που επιστράφηκαν πριν ετοιμάσετε ξεχωριστό αίτημα. |
Απάντηση | ΣυνθήκηΤο αρχικό αίτημα ή αποτέλεσμα είναι άγνωστο ή απαιτεί έλεγχο. | Επόμενο βήμαΔιατηρήστε τα αρχικά αναγνωριστικά και τις κεφαλίδες· διαβάστε μόνο τις υποστηριζόμενες εγγραφές κατάστασης ή βιβλιοθήκης. Μην υποβάλετε ξανά αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot Ultra qwen2-vl-2b-instruct
Εναλλακτικές διαδρομές μεθόδων
/chat/completions
Σχετικά ID μοντέλων
FAQ · qwen2-vl-2b-instruct
- Ποιες είσοδοι και αποτελέσματα διατίθενται;
POST /v1/chat/completions·qwen2-vl-2b-instruct:text,image→textPOST /v1/messages·qwen2-vl-2b-instruct:text,image→json,sse- Ποια πεδία χρησιμοποιεί το αίτημα;
POST /v1/chat/completions·qwen2-vl-2b-instruct:model,messages,streamPOST /v1/messages·qwen2-vl-2b-instruct:model,messages,stream,max_tokens- Ποια όρια ισχύουν;
POST /v1/messages·qwen2-vl-2b-instruct:max_tokens.minimum:1