ERNIE 4.5 VL 424B-A47B on Baidun kuva–kielikeskustelumalli, joka on kehitetty vastaavasta ERNIE 4.5 VL Base -mallista. Se yhdistää tekstiohjeet visuaaliseen aineistoon ja tuottaa tekstivastauksen. Sen asiantuntijasekoitusverkossa on yhteensä 424 miljardia parametria, joista 47 miljardia aktivoidaan kutakin tokenia varten, ja valmistajan julkaisema kontekstipituus on 131 072 tokenia.
ERNIE 4.5:n keskeiset piirteet. Perhe käyttää heterogeenista asiantuntijasekoitusta, joka jakaa osan tiedosta kielen ja näköhavainnon kesken mutta säilyttää modaliteettikohtaisen käsittelyn. Baidu kuvaa yhteistä multimodaalista esikoulutusta, tehokasta koulutus- ja päättelyinfrastruktuuria sekä aiottuun modaliteettiin mukautettua jälkikoulutusta. VL-mallin painopisteitä ovat kuvien ymmärtäminen, tehtäväkohtaiset visuaaliset ohjeet ja visuaalista näyttöä kieleen yhdistävä päättely. Sen koulutus sisältää ohjattua hienosäätöä ja vahvistusoppimista todennettavilla palkkioilla.
Mallin yleiskuva. Kokoonpanossa luetellaan 54 kerrosta, 64 kyselyhuomiopäätä ja 8 avain/arvo-päätä sekä erilliset teksti- ja kuva-asiantuntijaryhmät. Kummassakin ryhmässä luetellaan 64 asiantuntijaa ja 8 aktivoitua asiantuntijaa. Valmistajan mallitaulukko nimeää tämän version syötemodaliteeteiksi tekstin, kuvan ja videon sekä tulosteeksi tekstin. Ajattele tulostetta toimitetun sisällön tulkintana: kuvauksena, vastauksena visuaaliseen kysymykseen tai perusteltuna selityksenä siitä, mitä aineisto tukee.
Kuvien ymmärtäminen. Anna alkuperäinen kuva ja täsmällinen kysymys. Säilytä asiakirjasivulla merkinnät, sarakeotsikot ja kiistanalaista arvoa ympäröivä teksti, ja pyydä sitten valitut kentät sekä niitä tukevat sivukohdat. Kerro kaaviosta, onko tavoitteena selittää sen osat, seurata prosessia vai verrata sitä kirjalliseen määrittelyyn. Pyydä mallia ilmoittamaan näkyvät merkinnät ennen johtopäätöstä, jotta voit tarkistaa havainnot erillään tulkinnasta.
Multimodaalinen päättely. Kun useat kuvat osallistuvat samaan tehtävään, merkitse niiden roolit ja selitä, mitä yksityiskohtia pitää verrata. Hyödyllinen pyyntö voi yhdistää tuotekuvan annettuun määrittelyyn ja pyytää luettelon näkyvistä vastaavuuksista, eroista ja asioista, joita kuva ei osoita. Ajallista aineistoa varten yksilöi tapahtuma tai muutos, jonka haluat ymmärtää, ja pyydä toimitettuihin ruutuihin tai jaksoihin sidottu havaintojen sarja. Lopullisen tuotoksen pitää tehdä väitetyn muutoksen taustalla oleva näyttö helposti tarkasteltavaksi.
Päättelyä käyttävät ja suorat vastaukset. Baidu kuvaa kuva–kielimalleilleen päättelyä käyttävän ja ilman päättelyä toimivan tilan. Päättely palvelee tehtäviä, joissa tarvitaan visuaalisen ja tekstuaalisen tiedon yhteisanalyysia; suora vastaus voi riittää yksinkertaiseen kuvaukseen tai helppoon visuaaliseen kysymykseen. Määrittele tarvittava tulos selkeästi, esimerkiksi tiivis vastaus, vertailutaulukko tai selitys tukevine havaintoineen. Tilan valinta kuuluu generointiasetuksiin eikä kuvapyynnön tavalliseen sanamuotoon.
Valmistele aineisto kysymyksen ympärille. Käytä luettavia sivuja ja olennaisia näkymiä, pidä kuvien tunnisteet yhdenmukaisina ja varaa kontekstista tilaa pyydetylle tekstivastaukselle. Pyydä mallia merkitsemään lukukelvoton teksti ja erottamaan päätellyt ominaisuudet näkyvistä yksityiskohdista. Kuva voi näyttää merkinnän, muodon tai järjestelyn, mutta vastaus voi lisäksi tarvita annetun säännön tai määrittelyn. Vahvista kriittiset poimitut arvot alkuperäisestä ja käytä lisänäkymää, jos näyttö jättää tärkeän yksityiskohdan avoimeksi.
", "aboutText": "ERNIE 4.5 VL 424B-A47B on Baidun kuva–kielikeskustelumalli, joka on kehitetty vastaavasta ERNIE 4.5 VL Base -mallista. Se yhdistää tekstiohjeet visuaaliseen aineistoon ja tuottaa tekstivastauksen. Sen asiantuntijasekoitusverkossa on yhteensä 424 miljardia parametria, joista 47 miljardia aktivoidaan kutakin tokenia varten, ja valmistajan julkaisema kontekstipituus on 131 072 tokenia.\n\nERNIE 4.5:n keskeiset piirteet. Perhe käyttää heterogeenista asiantuntijasekoitusta, joka jakaa osan tiedosta kielen ja näköhavainnon kesken mutta säilyttää modaliteettikohtaisen käsittelyn. Baidu kuvaa yhteistä multimodaalista esikoulutusta, tehokasta koulutus- ja päättelyinfrastruktuuria sekä aiottuun modaliteettiin mukautettua jälkikoulutusta. VL-mallin painopisteitä ovat kuvien ymmärtäminen, tehtäväkohtaiset visuaaliset ohjeet ja visuaalista näyttöä kieleen yhdistävä päättely. Sen koulutus sisältää ohjattua hienosäätöä ja vahvistusoppimista todennettavilla palkkioilla.\n\nMallin yleiskuva. Kokoonpanossa luetellaan 54 kerrosta, 64 kyselyhuomiopäätä ja 8 avain/arvo-päätä sekä erilliset teksti- ja kuva-asiantuntijaryhmät. Kummassakin ryhmässä luetellaan 64 asiantuntijaa ja 8 aktivoitua asiantuntijaa. Valmistajan mallitaulukko nimeää tämän version syötemodaliteeteiksi tekstin, kuvan ja videon sekä tulosteeksi tekstin. Ajattele tulostetta toimitetun sisällön tulkintana: kuvauksena, vastauksena visuaaliseen kysymykseen tai perusteltuna selityksenä siitä, mitä aineisto tukee.\n\nKuvien ymmärtäminen. Anna alkuperäinen kuva ja täsmällinen kysymys. Säilytä asiakirjasivulla merkinnät, sarakeotsikot ja kiistanalaista arvoa ympäröivä teksti, ja pyydä sitten valitut kentät sekä niitä tukevat sivukohdat. Kerro kaaviosta, onko tavoitteena selittää sen osat, seurata prosessia vai verrata sitä kirjalliseen määrittelyyn. Pyydä mallia ilmoittamaan näkyvät merkinnät ennen johtopäätöstä, jotta voit tarkistaa havainnot erillään tulkinnasta.\n\nMultimodaalinen päättely. Kun useat kuvat osallistuvat samaan tehtävään, merkitse niiden roolit ja selitä, mitä yksityiskohtia pitää verrata. Hyödyllinen pyyntö voi yhdistää tuotekuvan annettuun määrittelyyn ja pyytää luettelon näkyvistä vastaavuuksista, eroista ja asioista, joita kuva ei osoita. Ajallista aineistoa varten yksilöi tapahtuma tai muutos, jonka haluat ymmärtää, ja pyydä toimitettuihin ruutuihin tai jaksoihin sidottu havaintojen sarja. Lopullisen tuotoksen pitää tehdä väitetyn muutoksen taustalla oleva näyttö helposti tarkasteltavaksi.\n\nPäättelyä käyttävät ja suorat vastaukset. Baidu kuvaa kuva–kielimalleilleen päättelyä käyttävän ja ilman päättelyä toimivan tilan. Päättely palvelee tehtäviä, joissa tarvitaan visuaalisen ja tekstuaalisen tiedon yhteisanalyysia; suora vastaus voi riittää yksinkertaiseen kuvaukseen tai helppoon visuaaliseen kysymykseen. Määrittele tarvittava tulos selkeästi, esimerkiksi tiivis vastaus, vertailutaulukko tai selitys tukevine havaintoineen. Tilan valinta kuuluu generointiasetuksiin eikä kuvapyynnön tavalliseen sanamuotoon.\n\nValmistele aineisto kysymyksen ympärille. Käytä luettavia sivuja ja olennaisia näkymiä, pidä kuvien tunnisteet yhdenmukaisina ja varaa kontekstista tilaa pyydetylle tekstivastaukselle. Pyydä mallia merkitsemään lukukelvoton teksti ja erottamaan päätellyt ominaisuudet näkyvistä yksityiskohdista. Kuva voi näyttää merkinnän, muodon tai järjestelyn, mutta vastaus voi lisäksi tarvita annetun säännön tai määrittelyn. Vahvista kriittiset poimitut arvot alkuperäisestä ja käytä lisänäkymää, jos näyttö jättää tärkeän yksityiskohdan avoimeksi.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Check a transcribed approval flow\n\nReview this transcribed process: Draft -> Manager approval -> Publish. A second branch says Draft -> Publish for urgent items. Written rule: every publication needs manager approval, including urgent work. Identify the conflict, cite the relevant labels and propose a revised text sequence that follows the rule.The conflicting branch, a rule-linked explanation and a revised sequence expressed in text.Check that the revision includes manager approval on the urgent path and uses only the supplied transcription.baidu/ernie-4.5-vl-424b-a47bERNIE 4.5 VL 424B-A47B on Baidun kuva–kielimalli, joka käyttää asiantuntijasekoitusta kuvien ymmärtämiseen ja multimodaaliseen päättelyyn. Sen julkaistussa kokoonpanossa on yhteensä 424 miljardia parametria, 47 miljardia aktiivista parametria tokenia kohti ja 131 072 tokenin konteksti; vastaukset tuotetaan tekstinä.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
ERNIE 4.5 VL 424B-A47B on Baidun kuva–kielikeskustelumalli, joka on kehitetty vastaavasta ERNIE 4.5 VL Base -mallista. Se yhdistää tekstiohjeet visuaaliseen aineistoon ja tuottaa tekstivastauksen. Sen asiantuntijasekoitusverkossa on yhteensä 424 miljardia parametria, joista 47 miljardia aktivoidaan kutakin tokenia varten, ja valmistajan julkaisema kontekstipituus on 131 072 tokenia.
ERNIE 4.5:n keskeiset piirteet. Perhe käyttää heterogeenista asiantuntijasekoitusta, joka jakaa osan tiedosta kielen ja näköhavainnon kesken mutta säilyttää modaliteettikohtaisen käsittelyn. Baidu kuvaa yhteistä multimodaalista esikoulutusta, tehokasta koulutus- ja päättelyinfrastruktuuria sekä aiottuun modaliteettiin mukautettua jälkikoulutusta. VL-mallin painopisteitä ovat kuvien ymmärtäminen, tehtäväkohtaiset visuaaliset ohjeet ja visuaalista näyttöä kieleen yhdistävä päättely. Sen koulutus sisältää ohjattua hienosäätöä ja vahvistusoppimista todennettavilla palkkioilla.
Mallin yleiskuva. Kokoonpanossa luetellaan 54 kerrosta, 64 kyselyhuomiopäätä ja 8 avain/arvo-päätä sekä erilliset teksti- ja kuva-asiantuntijaryhmät. Kummassakin ryhmässä luetellaan 64 asiantuntijaa ja 8 aktivoitua asiantuntijaa. Valmistajan mallitaulukko nimeää tämän version syötemodaliteeteiksi tekstin, kuvan ja videon sekä tulosteeksi tekstin. Ajattele tulostetta toimitetun sisällön tulkintana: kuvauksena, vastauksena visuaaliseen kysymykseen tai perusteltuna selityksenä siitä, mitä aineisto tukee.
Kuvien ymmärtäminen. Anna alkuperäinen kuva ja täsmällinen kysymys. Säilytä asiakirjasivulla merkinnät, sarakeotsikot ja kiistanalaista arvoa ympäröivä teksti, ja pyydä sitten valitut kentät sekä niitä tukevat sivukohdat. Kerro kaaviosta, onko tavoitteena selittää sen osat, seurata prosessia vai verrata sitä kirjalliseen määrittelyyn. Pyydä mallia ilmoittamaan näkyvät merkinnät ennen johtopäätöstä, jotta voit tarkistaa havainnot erillään tulkinnasta.
Multimodaalinen päättely. Kun useat kuvat osallistuvat samaan tehtävään, merkitse niiden roolit ja selitä, mitä yksityiskohtia pitää verrata. Hyödyllinen pyyntö voi yhdistää tuotekuvan annettuun määrittelyyn ja pyytää luettelon näkyvistä vastaavuuksista, eroista ja asioista, joita kuva ei osoita. Ajallista aineistoa varten yksilöi tapahtuma tai muutos, jonka haluat ymmärtää, ja pyydä toimitettuihin ruutuihin tai jaksoihin sidottu havaintojen sarja. Lopullisen tuotoksen pitää tehdä väitetyn muutoksen taustalla oleva näyttö helposti tarkasteltavaksi.
Päättelyä käyttävät ja suorat vastaukset. Baidu kuvaa kuva–kielimalleilleen päättelyä käyttävän ja ilman päättelyä toimivan tilan. Päättely palvelee tehtäviä, joissa tarvitaan visuaalisen ja tekstuaalisen tiedon yhteisanalyysia; suora vastaus voi riittää yksinkertaiseen kuvaukseen tai helppoon visuaaliseen kysymykseen. Määrittele tarvittava tulos selkeästi, esimerkiksi tiivis vastaus, vertailutaulukko tai selitys tukevine havaintoineen. Tilan valinta kuuluu generointiasetuksiin eikä kuvapyynnön tavalliseen sanamuotoon.
Valmistele aineisto kysymyksen ympärille. Käytä luettavia sivuja ja olennaisia näkymiä, pidä kuvien tunnisteet yhdenmukaisina ja varaa kontekstista tilaa pyydetylle tekstivastaukselle. Pyydä mallia merkitsemään lukukelvoton teksti ja erottamaan päätellyt ominaisuudet näkyvistä yksityiskohdista. Kuva voi näyttää merkinnän, muodon tai järjestelyn, mutta vastaus voi lisäksi tarvita annetun säännön tai määrittelyn. Vahvista kriittiset poimitut arvot alkuperäisestä ja käytä lisänäkymää, jos näyttö jättää tärkeän yksityiskohdan avoimeksi.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat baidu/ernie-4.5-vl-424b-a47b | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: system, user, assistant, tool, function Ehdot: Nämä roolit esitetään nimenomaisesti lähdekoodin yhteensopivuustyypeissä; mallin täsmällinen roolijoukko pysyy mallikohtaisena. Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring|content_part[]|null | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_calls | Tyyppitool_call[] | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_call_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: role=tool; käytä todella palautettua ID:tä | Oletus— |
Kenttämessages[].name | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].reasoning_content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Palauta todella saatu päättely takaisin mallille, kun kyseinen malli käyttää sitä | Oletus— |
Kenttämessages[].reasoning_details | Tyyppiobject|array | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttämax_completion_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttästream_options.include_usage | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätop_p | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttästop | Tyyppistring|string[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools | Tyyppifunction_tool[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools[].type | Tyyppistring | VaatimusValinnainen | Arvot & rajat function Riippuu mallista | Oletus— |
Kenttätools[].function.name | Tyyppistring | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: funktiotyökalu annettu | Oletus— |
Kenttätools[].function.description | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätools[].function.parameters | TyyppiJSON_schema | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätool_choice | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäparallel_tool_calls | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäresponse_format | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning_effort | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäservice_tier | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäinstructions | Tyyppistring | VaatimusValinnainen | Arvot & rajat Yhteensopivuuskenttä | Oletus— |
Kenttäfunctions | Tyyppifunction[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäfunction_call | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäprompt_cache_options | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämodalities | Tyyppistring[] | VaatimusValinnainen | Arvot & rajat text | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätään tällä Ultran tekstireitillä | Oletus— |
Kenttäcache_control.ttl | Tyyppistring | VaatimusValinnainen | Arvot & rajat Ehdot: 1h hylätään varsinaisissa kehotevälimuistin kohdissa | Oletus— |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametricontrol_scope | Sopimusmallikohtainen; käyttäjän funktiotyökalut eroavat palvelun isännöimistä työkaluista |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.000858 / 1K tokenia Tuloste · Tulostokenit $0.00258 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "baidu/ernie-4.5-vl-424b-a47b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='baidu/ernie-4.5-vl-424b-a47b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='baidu/ernie-4.5-vl-424b-a47b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra baidu/ernie-4.5-vl-424b-a47b
Käytä yllä näytettyjä menetelmäpolkuja.
baidu/ernie-4.5-vl-424b-a47bERNIE 4.5 VL 424B-A47B on Baidun kuva–kielimalli, joka käyttää asiantuntijasekoitusta kuvien ymmärtämiseen ja multimodaaliseen päättelyyn. Sen julkaistussa kokoonpanossa on yhteensä 424 miljardia parametria, 47 miljardia aktiivista parametria tokenia kohti ja 131 072 tokenin konteksti; vastaukset tuotetaan tekstinä.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
ERNIE 4.5 VL 424B-A47B on Baidun kuva–kielikeskustelumalli, joka on kehitetty vastaavasta ERNIE 4.5 VL Base -mallista. Se yhdistää tekstiohjeet visuaaliseen aineistoon ja tuottaa tekstivastauksen. Sen asiantuntijasekoitusverkossa on yhteensä 424 miljardia parametria, joista 47 miljardia aktivoidaan kutakin tokenia varten, ja valmistajan julkaisema kontekstipituus on 131 072 tokenia.
ERNIE 4.5:n keskeiset piirteet. Perhe käyttää heterogeenista asiantuntijasekoitusta, joka jakaa osan tiedosta kielen ja näköhavainnon kesken mutta säilyttää modaliteettikohtaisen käsittelyn. Baidu kuvaa yhteistä multimodaalista esikoulutusta, tehokasta koulutus- ja päättelyinfrastruktuuria sekä aiottuun modaliteettiin mukautettua jälkikoulutusta. VL-mallin painopisteitä ovat kuvien ymmärtäminen, tehtäväkohtaiset visuaaliset ohjeet ja visuaalista näyttöä kieleen yhdistävä päättely. Sen koulutus sisältää ohjattua hienosäätöä ja vahvistusoppimista todennettavilla palkkioilla.
Mallin yleiskuva. Kokoonpanossa luetellaan 54 kerrosta, 64 kyselyhuomiopäätä ja 8 avain/arvo-päätä sekä erilliset teksti- ja kuva-asiantuntijaryhmät. Kummassakin ryhmässä luetellaan 64 asiantuntijaa ja 8 aktivoitua asiantuntijaa. Valmistajan mallitaulukko nimeää tämän version syötemodaliteeteiksi tekstin, kuvan ja videon sekä tulosteeksi tekstin. Ajattele tulostetta toimitetun sisällön tulkintana: kuvauksena, vastauksena visuaaliseen kysymykseen tai perusteltuna selityksenä siitä, mitä aineisto tukee.
Kuvien ymmärtäminen. Anna alkuperäinen kuva ja täsmällinen kysymys. Säilytä asiakirjasivulla merkinnät, sarakeotsikot ja kiistanalaista arvoa ympäröivä teksti, ja pyydä sitten valitut kentät sekä niitä tukevat sivukohdat. Kerro kaaviosta, onko tavoitteena selittää sen osat, seurata prosessia vai verrata sitä kirjalliseen määrittelyyn. Pyydä mallia ilmoittamaan näkyvät merkinnät ennen johtopäätöstä, jotta voit tarkistaa havainnot erillään tulkinnasta.
Multimodaalinen päättely. Kun useat kuvat osallistuvat samaan tehtävään, merkitse niiden roolit ja selitä, mitä yksityiskohtia pitää verrata. Hyödyllinen pyyntö voi yhdistää tuotekuvan annettuun määrittelyyn ja pyytää luettelon näkyvistä vastaavuuksista, eroista ja asioista, joita kuva ei osoita. Ajallista aineistoa varten yksilöi tapahtuma tai muutos, jonka haluat ymmärtää, ja pyydä toimitettuihin ruutuihin tai jaksoihin sidottu havaintojen sarja. Lopullisen tuotoksen pitää tehdä väitetyn muutoksen taustalla oleva näyttö helposti tarkasteltavaksi.
Päättelyä käyttävät ja suorat vastaukset. Baidu kuvaa kuva–kielimalleilleen päättelyä käyttävän ja ilman päättelyä toimivan tilan. Päättely palvelee tehtäviä, joissa tarvitaan visuaalisen ja tekstuaalisen tiedon yhteisanalyysia; suora vastaus voi riittää yksinkertaiseen kuvaukseen tai helppoon visuaaliseen kysymykseen. Määrittele tarvittava tulos selkeästi, esimerkiksi tiivis vastaus, vertailutaulukko tai selitys tukevine havaintoineen. Tilan valinta kuuluu generointiasetuksiin eikä kuvapyynnön tavalliseen sanamuotoon.
Valmistele aineisto kysymyksen ympärille. Käytä luettavia sivuja ja olennaisia näkymiä, pidä kuvien tunnisteet yhdenmukaisina ja varaa kontekstista tilaa pyydetylle tekstivastaukselle. Pyydä mallia merkitsemään lukukelvoton teksti ja erottamaan päätellyt ominaisuudet näkyvistä yksityiskohdista. Kuva voi näyttää merkinnän, muodon tai järjestelyn, mutta vastaus voi lisäksi tarvita annetun säännön tai määrittelyn. Vahvista kriittiset poimitut arvot alkuperäisestä ja käytä lisänäkymää, jos näyttö jättää tärkeän yksityiskohdan avoimeksi.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat baidu/ernie-4.5-vl-424b-a47b | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.000858 / 1K tokenia Tuloste · Tulostokenit $0.00258 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "baidu/ernie-4.5-vl-424b-a47b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'baidu/ernie-4.5-vl-424b-a47b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'baidu/ernie-4.5-vl-424b-a47b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra baidu/ernie-4.5-vl-424b-a47b
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Check a transcribed approval flow\n\nReview this transcribed process: Draft -> Manager approval -> Publish. A second branch says Draft -> Publish for urgent items. Written rule: every publication needs manager approval, including urgent work. Identify the conflict, cite the relevant labels and propose a revised text sequence that follows the rule.The conflicting branch, a rule-linked explanation and a revised sequence expressed in text.Check that the revision includes manager approval on the urgent path and uses only the supplied transcription.