qwen2-vl-2b-instruct
Qwen2-VL-2B-Instruct es el modelo de visión y lenguaje de Qwen para preguntas sobre imágenes, texto multilingüe en imágenes y explicaciones visuales. Proporciona una imagen legible y una pregunta precisa para obtener un resultado escrito vinculado a la información visible.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsqwen2-vl-2b-instruct - Ailoot Ultra · Anthropic Messages
POST /v1/messagesqwen2-vl-2b-instruct
Sobre el modelo
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen2-VL-2B-Instruct es el modelo de visión y lenguaje de 2B de Qwen ajustado para seguir instrucciones sobre imágenes y texto. El fabricante describe su capacidad para manejar imágenes de distintas resoluciones y relaciones de aspecto y comprender texto en varios idiomas dentro de las imágenes. Su resultado generado es una respuesta escrita al material visual y la pregunta proporcionados. El fabricante también describe el uso de agentes visuales con dispositivos como teléfonos y robots. Para ese flujo, proporciona el entorno visual actual y una instrucción de texto; la aplicación que lo integra ejecuta la operación propuesta y devuelve el estado observado para la siguiente pregunta.
Proporciona la imagen y una pregunta precisa
Elige la imagen que contenga la información necesaria para responder e identifica el detalle que debe interpretar. Una pregunta sobre un documento puede referirse a un fragmento visible; una pregunta sobre un gráfico puede identificar las series, los ejes y la comparación que debe explicar. Conserva el identificador de la imagen junto con el resultado solicitado para que la respuesta siga vinculada a la referencia correcta.
El fabricante enumera comprensión de imagen y texto más allá del inglés y el chino, incluidos idiomas europeos, japonés, coreano, árabe y vietnamita. Conserva las palabras y el sistema de escritura originales al pedir una transcripción, explicación o traducción de texto visible. Una tarea ilustrativa puede solicitar la etiqueta mostrada y una explicación aparte de su significado.
Prepara deliberadamente la resolución y los tokens visuales
Qwen2-VL utiliza resolución dinámica para representar una imagen mediante un número variable de tokens visuales. En el ejemplo del procesador nativo, el intervalo predeterminado es de 4 a 16 384 tokens visuales por imagen. Su guía nativa muestra ajustes mínimos y máximos de píxeles, incluido un intervalo de preparación más estrecho de 256 a 1280 tokens de imagen, para equilibrar el detalle con las necesidades de procesamiento. Esos ajustes conservan la relación de aspecto al redimensionar.
El fabricante también permite solicitar una altura y una anchura redimensionadas, redondeadas a un múltiplo de 28. Elige una preparación que mantenga legibles las etiquetas importantes y conserva la imagen original cuando utilices un recorte. Los ejemplos nativos incluyen varias imágenes y lotes, lo que permite mantener identificadas las distintas referencias de una pregunta.
Trabaja dentro de las limitaciones visuales documentadas
El fabricante identifica limitaciones en las instrucciones complejas de varios pasos, el recuento de objetos en escenas complicadas y el razonamiento espacial en tres dimensiones. También señala un reconocimiento incompleto de personas o marcas concretas. Solicita una observación visual acotada e inspecciona el recuento, la etiqueta o la posición relativa concretos de los que depende el resultado.
El fabricante indica que el conjunto de datos de imágenes se actualizó hasta junio de 2023. Proporciona el contexto escrito necesario para una etiqueta reciente o desconocida en vez de pedir que la imagen por sí sola establezca esa información. Mantén distinguibles una etiqueta citada y una identidad inferida en la nota devuelta.
Conserva las entradas preparadas junto con la respuesta
La configuración publicada del checkpoint establece un máximo de 32 768 posiciones. Prepara la pregunta y las entradas visuales con el procesador del modelo correspondiente y conserva el orden de imágenes utilizado en la solicitud. La utilidad auxiliar nativa admite imágenes locales, base64 y direcciones de imagen.
Guarda juntos el nombre seleccionado 2B Instruct, las referencias y la respuesta escrita completada. Para una consulta posterior, incluye el material pertinente e identifica la observación o interpretación concreta que debe revisarse; después compara el resultado corregido con esa fuente.
A través de Ailoot, usa el ID exacto del modelo en /v1/chat/completions y mantén la imagen junto con su pregunta en la conversación. El formato de contenido de imagen utiliza image_url; las fuentes de imagen admitidas pueden contener una dirección de imagen o un URI de datos en base64. Recopila la respuesta JSON completa o todos los segmentos SSE cuando stream esté activado y conserva usage junto con el resultado completado.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen2-vl-2b-instruct
qwen2-vl-2b-instructPrimeros pasos
Qwen2-VL-2B-Instruct es el modelo de visión y lenguaje de Qwen para preguntas sobre imágenes, texto multilingüe en imágenes y explicaciones visuales. Proporciona una imagen legible y una pregunta precisa para obtener un resultado escrito vinculado a la información visible.
- Entradas aceptadas
- Texto · Imágenes
- Resultados
- Texto
Disponible en Ailoot · entradas y métodos
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Tipos de entrada
text,image- Tipos de salida
text- Formato de salida
- JSON or SSE
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2-vl-2b-instruct Condiciones: Usa exactamente este selector de enrutamiento de Ailoot. | Predeterminado— |
Campomessages | Tipoarray | RequisitoObligatorio | Valores y límites Condiciones: | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites Condiciones: | Predeterminadofalse |
Combinaciones de materiales de entrada
text_input · Obligatorio: messages
image_with_text · Obligatorio: messages with actual image content blocks
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetrooptional | Contratostream |
Parámetromaterial_types | Contratotext, image |
Parámetroconditions | ContratoUsa exactamente este selector de enrutamiento de Ailoot., Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes. |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Planes
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
- Modo rápido
- Tarifa estándar Cuando se selecciona el modo rápido
- Modo flex
- Tarifa estándar Cuando se selecciona el modo flex
- Esfuerzo máximo de razonamiento
- Tarifa estándar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default)
- Precios de caché explícita
- No habilitado Cuando se solicita caché explícita
- Tarifas cero solo para texto
- La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado. Para entrada y salida de texto únicamente
Tarifas de Ailoot
Precios por configuración
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot Ultra · OpenAI Chat
set -eu
: "${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.
Recibir y guardar resultados
Ailoot Ultra · OpenAI Chat
JSON or SSE
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.
Si es necesario revisar la respuesta original
Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campochoices[] | Tipoobject |
Campousage | Tipoobject |
Errores y siguientes pasos
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónUn campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos. | Siguiente pasoRevisa los detalles de validación devueltos antes de preparar una solicitud independiente. |
Respuesta | CondiciónLa solicitud original o su resultado son desconocidos o requieren una comprobación. | Siguiente pasoConserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación. |
Alias
Alias del modelo
Ailoot Ultra qwen2-vl-2b-instruct
Alias de rutas de métodos
/chat/completions
ID de modelo relacionados
Ailoot Ultra · Anthropic Messages POST /v1/messages qwen2-vl-2b-instruct
qwen2-vl-2b-instructPrimeros pasos
Qwen2-VL-2B-Instruct es el modelo de visión y lenguaje de Qwen para preguntas sobre imágenes, texto multilingüe en imágenes y explicaciones visuales. Proporciona una imagen legible y una pregunta precisa para obtener un resultado escrito vinculado a la información visible.
- Entradas aceptadas
- Texto · Imágenes
- Resultados
- json · sse
Disponible en Ailoot · entradas y métodos
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Tipos de entrada
text,image- Tipos de salida
json,sse- Formato de salida
- JSON or SSE
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2-vl-2b-instruct Condiciones: Usa exactamente este selector de enrutamiento de Ailoot. | Predeterminado— |
Campomessages | Tipoarray | RequisitoObligatorio | Valores y límites Condiciones: | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites Condiciones: | Predeterminadofalse |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites Mínimo: 1 Condiciones: | Predeterminado— |
Combinaciones de materiales de entrada
text_input · Obligatorio: messages
image_with_text · Obligatorio: messages with actual image content blocks
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional | Contratostream |
Parámetromaterial_types | Contratotext, image |
Parámetroconditions | ContratoUsa exactamente este selector de enrutamiento de Ailoot., Este protocolo transporta contenido de imagen cuando el modelo concreto seleccionado admite visión. Que el protocolo admita la solicitud no demuestra que todos los modelos puedan procesar imágenes. |
Ciclo de vida: synchronous_or_streamed
Planes
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
- Modo rápido
- Tarifa estándar Cuando se selecciona el modo rápido
- Modo flex
- Tarifa estándar Cuando se selecciona el modo flex
- Esfuerzo máximo de razonamiento
- Tarifa estándar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default)
- Precios de caché explícita
- No habilitado Cuando se solicita caché explícita
- Tarifas cero solo para texto
- La caché, las herramientas y el contenido multimedia siguen sus respectivas condiciones de precio, indicadas por separado. Para entrada y salida de texto únicamente
Tarifas de Ailoot
Precios por configuración
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0 / 1K tokens Salida · Tokens de salida $0 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot Ultra · Anthropic Messages
set -eu
: "${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.
Recibir y guardar resultados
Ailoot Ultra · Anthropic Messages
JSON or SSE
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, los ID de llamadas a herramientas, las firmas de razonamiento que se devuelvan, todos los incrementos SSE y los datos completos de consumo. El primer fragmento de texto no es el resultado completo.
Si es necesario revisar la respuesta original
Conserva el X-Client-Request-ID original, la respuesta y las cabeceras. Un resultado desconocido o result_pending_check no autoriza una segunda creación.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campocontent[] | Tipoobject |
Campousage | Tipoobject |
Errores y siguientes pasos
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónUn campo obligatorio, el selector de modelo, el tipo o la representación de la entrada no son válidos. | Siguiente pasoRevisa los detalles de validación devueltos antes de preparar una solicitud independiente. |
Respuesta | CondiciónLa solicitud original o su resultado son desconocidos o requieren una comprobación. | Siguiente pasoConserva los identificadores y las cabeceras originales; consulta únicamente los registros de estado o de la biblioteca admitidos. No vuelvas a enviar la solicitud de creación. |
Alias
Alias del modelo
Ailoot Ultra qwen2-vl-2b-instruct
Alias de rutas de métodos
/chat/completions
ID de modelo relacionados
FAQ · qwen2-vl-2b-instruct
- ¿Qué entradas y resultados están disponibles?
POST /v1/chat/completions·qwen2-vl-2b-instruct:text,image→textPOST /v1/messages·qwen2-vl-2b-instruct:text,image→json,sse- ¿Qué campos utiliza la solicitud?
POST /v1/chat/completions·qwen2-vl-2b-instruct:model,messages,streamPOST /v1/messages·qwen2-vl-2b-instruct:model,messages,stream,max_tokens- ¿Qué límites se aplican?
POST /v1/messages·qwen2-vl-2b-instruct:max_tokens.minimum:1