Qwen2-VL-72B-Instruct on Qwen2:n ympärille rakennettu, ohjeiden noudattamiseen hienosäädetty 72B-versio kuvien ja kielen käsittelyyn. Se vastaanottaa tekstiä kuvien tai videon kanssa ja generoi tekstivastauksen. Valmistaja korostaa eri tarkkuuksien ja kuvasuhteiden kuvien ymmärtämistä, kuvissa olevan tekstin tulkintaa, näkyvistä suhteista päättelyä ja vastaamista yli 20 minuutin videoita koskeviin kysymyksiin.
Kuva- ja videokyvyt
Asiakirjasivusta pyydä tarvitsemasi sisältö: kappale, taulukkorivi, kaava tai väitteeseen liittyvät ehdot. Pidä sivu luettavana ja määritä, tuleeko tuloksen jäljentää sanamuoto, tiivistää se vai selittää merkitys. Hyödyllinen asiakirjatulos voi säilyttää alkuperäisen osiomerkinnän poimitun sisällön vieressä. Diagrammista kysy, miten merkityt elementit liittyvät toisiinsa, ja nimeä selitettävä suhde.
Dokumentoitu videokäyttö sisältää näkyvään tapahtumajärjestykseen perustuvia kysymyksiä, keskustelua ja kirjallista sisältöä. Määritä tutkittava tapahtuma tai muutos: milloin kohde ilmestyy, mitä tapahtuu ennen tiettyä vaihetta tai miten näytetty toiminto liittyy kirjalliseen menettelyyn. Pyydä järjestetty tapahtumakuvaus tai näkyvien vaiheiden vertailu annettuun menettelyyn. Valmistajan yli 20 minuutin maininta kuvaa pitkän videon ymmärtämistä; se ei ole kiinteä videon enimmäiskesto tai takuu siitä, että jokainen raakatallenne sopii muuttamattomaan syötekokoonpanoon.
Käyttö visuaalisissa agenteissa
Julkaisu asemoi Qwen2-VL:n myös mobiililaitteisiin, robotteihin ja muihin työkaluihin liitetyille visuaalisille agenteille. Tiedote kuvaa funktiokutsuja ja kooditulkkiskenaarioita, kuten koodin tuottamista diagrammista tai visuaalisen kysymyksen käyttämistä ulkoisen haun pyytämiseen. Ympäröivä sovellus tarjoaa työkalut, suorittaa ehdotetun toiminnon ja palauttaa tuloksen. Mallin tekstivastaus ei yksin napsauta ohjainta, liikuta laitetta tai suorita generoitua ohjelmaa.
Käytännön käyttöliittymätehtävä voi antaa kuvakaappauksen ja käyttäjän tavoitteen ja kysyä sitten seuraavaan vaiheeseen liittyvää näkyvää ohjainta sekä valintaa tukevaa lähdeaineistoa. Pidä havainto, ehdotettu toiminto ja varsinainen suoritus työnkulun erillisinä osina. Tämä hyödyntää visuaalisen agentin painotusta ja tekee pyydetystä tuloksesta tarpeeksi täsmällisen sovelluksen toimintaa varten.
Monikielinen teksti kuvissa
Valmistaja kuvaa kuvien tekstin tunnistuksen englannilla ja kiinalla, useimmilla Euroopan kielillä sekä kielillä, kuten japani, korea, arabia ja vietnam. Monikielistä sivua voidaan siksi lähestyä visuaalisena lukutehtävänä. Kun tarkka sanamuoto merkitsee, pyydä ensin alkuperäinen tekstijäljennös ja sitten käännös tai selitys valitulla kielellä. Säilytä merkinnät ja numerot sen sijaan, että sekoittaisit tunnistamisen määrittelemättömään uudelleenkirjoitukseen.
Dynaaminen resoluutio ja paikkatieto
Qwen2-VL yhdistää kuvakooderin Qwen2-kielimalliin. Naive Dynamic Resolution muuntaa eri kuvakoot eri määriksi visuaalisia tokeneita. Multimodal Rotary Position Embedding erottaa paikkatiedon niin, että malli voi esittää tekstin järjestyksen, kaksiulotteiset kuvat sekä videon ajallisen ja tilallisen rakenteen. Nämä ominaisuudet selittävät, miten sama perhe käsittelee sivun, useita kuvia tai videosekvenssin.
Mallikortin kuvaprosessori dokumentoi oletusalueeksi 4–16 384 visuaalista tokenia kuvaa kohti. Sovellus voi muuttaa pienintä ja suurinta pikselimäärää kuvasuhteen säilyttäen tai pyytää mittoja, jotka pyöristetään 28:n monikertaan. Esimerkkialue 256–1 280 tokenia on muokattava havainnollistus, ei erillinen yleispätevä kuvaraja. Enemmän kuvayksityiskohtia käyttää enemmän laskentaa ja visuaalisia tokeneita, joten säilytä kysymykselle tarpeelliset merkinnät, otsikot ja pienet kohteet kuvan valmistelussa.
Syötteen valmistelu ja konteksti
Valmistaja esittelee yhden kuvan, useita kuvia, ruutujonona tai paikallisena tiedostona annetun videon sekä erissä käsiteltävät keskustelut. Kuvien valmistelu kattaa paikalliset tiedostot, koodatun kuvadatan ja kuvaviitteet. Kortin videoesimerkki käyttää valittua ruutunopeutta; se ei määritä yhtä pakollista näytteenottonopeutta kaikille videoille. Nimeä useiden kuvien järjestys ja rooli ja anna sekvenssin tulkintaan tarvittavat tiedot sen sijaan, että käsittelisit toisistaan irrallisia ruutuja yhtenä näkymänä.
Julkaistu kokoonpano asettaa enimmäispositioiksi 32 768. Visuaalinen aineisto ja tekstiohjeet on suunniteltava todellisen määritetyn kontekstin sisään. Kortin 128 tokenin generointiesimerkki on vain esimerkkiasetus; se ei julkaise erillistä enimmäistulostekapasiteettia. 72B-version tulee säilyttää oma kokoonpanonsa eikä periä Qwen2.5-VL:n tai toisen Qwen-mallin pitkän kontekstin asetuksia.
Olennaiset rajoitukset
Valmistaja ilmoittaa suoraan, että Qwen2-VL ei ymmärrä videoiden ääntä. Puhuttu tieto tulee siksi antaa erikseen, jos kysymys riippuu siitä. Kuvakoulutusaineiston kuvataan olevan päivitetty kesäkuuhun 2023 asti; tämä on aineistoa koskeva tieto eikä lupaus ajantasaisesta visuaalisesta tiedosta.
Dokumentoituihin rajoituksiin kuuluvat myös tiettyjen henkilöiden tai nimettyjen immateriaalioikeuksiin liittyvien kohteiden puutteellinen tunnistus, vaikeudet monimutkaisten monivaiheisten ohjeiden kanssa, heikko lukumäärien laskeminen monimutkaisissa näkymissä ja kolmiulotteisen avaruudellisen päättelyn rajoitukset. Kun tehtävä riippuu yhdestä näistä kyvyistä, kohdista kysymys tarvittaviin objekteihin tai suhteeseen ja säilytä visuaalinen lähdeaineisto vastauksen rinnalla. Selkeä lähdeaineisto ja määritelty tulos helpottavat tarkistusta korvaamatta ilmoitettuja rajoituksia tarkkuustakuulla.
", "aboutText": "Qwen2-VL-72B-Instruct on Qwen2:n ympärille rakennettu, ohjeiden noudattamiseen hienosäädetty 72B-versio kuvien ja kielen käsittelyyn. Se vastaanottaa tekstiä kuvien tai videon kanssa ja generoi tekstivastauksen. Valmistaja korostaa eri tarkkuuksien ja kuvasuhteiden kuvien ymmärtämistä, kuvissa olevan tekstin tulkintaa, näkyvistä suhteista päättelyä ja vastaamista yli 20 minuutin videoita koskeviin kysymyksiin.\n\nKuva- ja videokyvyt\n\nAsiakirjasivusta pyydä tarvitsemasi sisältö: kappale, taulukkorivi, kaava tai väitteeseen liittyvät ehdot. Pidä sivu luettavana ja määritä, tuleeko tuloksen jäljentää sanamuoto, tiivistää se vai selittää merkitys. Hyödyllinen asiakirjatulos voi säilyttää alkuperäisen osiomerkinnän poimitun sisällön vieressä. Diagrammista kysy, miten merkityt elementit liittyvät toisiinsa, ja nimeä selitettävä suhde.\n\nDokumentoitu videokäyttö sisältää näkyvään tapahtumajärjestykseen perustuvia kysymyksiä, keskustelua ja kirjallista sisältöä. Määritä tutkittava tapahtuma tai muutos: milloin kohde ilmestyy, mitä tapahtuu ennen tiettyä vaihetta tai miten näytetty toiminto liittyy kirjalliseen menettelyyn. Pyydä järjestetty tapahtumakuvaus tai näkyvien vaiheiden vertailu annettuun menettelyyn. Valmistajan yli 20 minuutin maininta kuvaa pitkän videon ymmärtämistä; se ei ole kiinteä videon enimmäiskesto tai takuu siitä, että jokainen raakatallenne sopii muuttamattomaan syötekokoonpanoon.\n\nKäyttö visuaalisissa agenteissa\n\nJulkaisu asemoi Qwen2-VL:n myös mobiililaitteisiin, robotteihin ja muihin työkaluihin liitetyille visuaalisille agenteille. Tiedote kuvaa funktiokutsuja ja kooditulkkiskenaarioita, kuten koodin tuottamista diagrammista tai visuaalisen kysymyksen käyttämistä ulkoisen haun pyytämiseen. Ympäröivä sovellus tarjoaa työkalut, suorittaa ehdotetun toiminnon ja palauttaa tuloksen. Mallin tekstivastaus ei yksin napsauta ohjainta, liikuta laitetta tai suorita generoitua ohjelmaa.\n\nKäytännön käyttöliittymätehtävä voi antaa kuvakaappauksen ja käyttäjän tavoitteen ja kysyä sitten seuraavaan vaiheeseen liittyvää näkyvää ohjainta sekä valintaa tukevaa lähdeaineistoa. Pidä havainto, ehdotettu toiminto ja varsinainen suoritus työnkulun erillisinä osina. Tämä hyödyntää visuaalisen agentin painotusta ja tekee pyydetystä tuloksesta tarpeeksi täsmällisen sovelluksen toimintaa varten.\n\nMonikielinen teksti kuvissa\n\nValmistaja kuvaa kuvien tekstin tunnistuksen englannilla ja kiinalla, useimmilla Euroopan kielillä sekä kielillä, kuten japani, korea, arabia ja vietnam. Monikielistä sivua voidaan siksi lähestyä visuaalisena lukutehtävänä. Kun tarkka sanamuoto merkitsee, pyydä ensin alkuperäinen tekstijäljennös ja sitten käännös tai selitys valitulla kielellä. Säilytä merkinnät ja numerot sen sijaan, että sekoittaisit tunnistamisen määrittelemättömään uudelleenkirjoitukseen.\n\nDynaaminen resoluutio ja paikkatieto\n\nQwen2-VL yhdistää kuvakooderin Qwen2-kielimalliin. Naive Dynamic Resolution muuntaa eri kuvakoot eri määriksi visuaalisia tokeneita. Multimodal Rotary Position Embedding erottaa paikkatiedon niin, että malli voi esittää tekstin järjestyksen, kaksiulotteiset kuvat sekä videon ajallisen ja tilallisen rakenteen. Nämä ominaisuudet selittävät, miten sama perhe käsittelee sivun, useita kuvia tai videosekvenssin.\n\nMallikortin kuvaprosessori dokumentoi oletusalueeksi 4–16 384 visuaalista tokenia kuvaa kohti. Sovellus voi muuttaa pienintä ja suurinta pikselimäärää kuvasuhteen säilyttäen tai pyytää mittoja, jotka pyöristetään 28:n monikertaan. Esimerkkialue 256–1 280 tokenia on muokattava havainnollistus, ei erillinen yleispätevä kuvaraja. Enemmän kuvayksityiskohtia käyttää enemmän laskentaa ja visuaalisia tokeneita, joten säilytä kysymykselle tarpeelliset merkinnät, otsikot ja pienet kohteet kuvan valmistelussa.\n\nSyötteen valmistelu ja konteksti\n\nValmistaja esittelee yhden kuvan, useita kuvia, ruutujonona tai paikallisena tiedostona annetun videon sekä erissä käsiteltävät keskustelut. Kuvien valmistelu kattaa paikalliset tiedostot, koodatun kuvadatan ja kuvaviitteet. Kortin videoesimerkki käyttää valittua ruutunopeutta; se ei määritä yhtä pakollista näytteenottonopeutta kaikille videoille. Nimeä useiden kuvien järjestys ja rooli ja anna sekvenssin tulkintaan tarvittavat tiedot sen sijaan, että käsittelisit toisistaan irrallisia ruutuja yhtenä näkymänä.\n\nJulkaistu kokoonpano asettaa enimmäispositioiksi 32 768. Visuaalinen aineisto ja tekstiohjeet on suunniteltava todellisen määritetyn kontekstin sisään. Kortin 128 tokenin generointiesimerkki on vain esimerkkiasetus; se ei julkaise erillistä enimmäistulostekapasiteettia. 72B-version tulee säilyttää oma kokoonpanonsa eikä periä Qwen2.5-VL:n tai toisen Qwen-mallin pitkän kontekstin asetuksia.\n\nOlennaiset rajoitukset\n\nValmistaja ilmoittaa suoraan, että Qwen2-VL ei ymmärrä videoiden ääntä. Puhuttu tieto tulee siksi antaa erikseen, jos kysymys riippuu siitä. Kuvakoulutusaineiston kuvataan olevan päivitetty kesäkuuhun 2023 asti; tämä on aineistoa koskeva tieto eikä lupaus ajantasaisesta visuaalisesta tiedosta.\n\nDokumentoituihin rajoituksiin kuuluvat myös tiettyjen henkilöiden tai nimettyjen immateriaalioikeuksiin liittyvien kohteiden puutteellinen tunnistus, vaikeudet monimutkaisten monivaiheisten ohjeiden kanssa, heikko lukumäärien laskeminen monimutkaisissa näkymissä ja kolmiulotteisen avaruudellisen päättelyn rajoitukset. Kun tehtävä riippuu yhdestä näistä kyvyistä, kohdista kysymys tarvittaviin objekteihin tai suhteeseen ja säilytä visuaalinen lähdeaineisto vastauksen rinnalla. Selkeä lähdeaineisto ja määritelty tulos helpottavat tarkistusta korvaamatta ilmoitettuja rajoituksia tarkkuustakuulla.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct yhdistää tekstin, kuvat ja videon visuaalisiin kysymyksiin, asiakirjojen lukemiseen ja kuvien monikieliseen tekstiin. Valmistaja kuvaa yli 20 minuutin videoiden ymmärtämisen, dynaamisen kuvatarkkuuden ja visuaalisten agenttien integraatiot; vastaus on tekstiä.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen2-VL-72B-Instruct on Qwen2:n ympärille rakennettu, ohjeiden noudattamiseen hienosäädetty 72B-versio kuvien ja kielen käsittelyyn. Se vastaanottaa tekstiä kuvien tai videon kanssa ja generoi tekstivastauksen. Valmistaja korostaa eri tarkkuuksien ja kuvasuhteiden kuvien ymmärtämistä, kuvissa olevan tekstin tulkintaa, näkyvistä suhteista päättelyä ja vastaamista yli 20 minuutin videoita koskeviin kysymyksiin.
Kuva- ja videokyvyt
Asiakirjasivusta pyydä tarvitsemasi sisältö: kappale, taulukkorivi, kaava tai väitteeseen liittyvät ehdot. Pidä sivu luettavana ja määritä, tuleeko tuloksen jäljentää sanamuoto, tiivistää se vai selittää merkitys. Hyödyllinen asiakirjatulos voi säilyttää alkuperäisen osiomerkinnän poimitun sisällön vieressä. Diagrammista kysy, miten merkityt elementit liittyvät toisiinsa, ja nimeä selitettävä suhde.
Dokumentoitu videokäyttö sisältää näkyvään tapahtumajärjestykseen perustuvia kysymyksiä, keskustelua ja kirjallista sisältöä. Määritä tutkittava tapahtuma tai muutos: milloin kohde ilmestyy, mitä tapahtuu ennen tiettyä vaihetta tai miten näytetty toiminto liittyy kirjalliseen menettelyyn. Pyydä järjestetty tapahtumakuvaus tai näkyvien vaiheiden vertailu annettuun menettelyyn. Valmistajan yli 20 minuutin maininta kuvaa pitkän videon ymmärtämistä; se ei ole kiinteä videon enimmäiskesto tai takuu siitä, että jokainen raakatallenne sopii muuttamattomaan syötekokoonpanoon.
Käyttö visuaalisissa agenteissa
Julkaisu asemoi Qwen2-VL:n myös mobiililaitteisiin, robotteihin ja muihin työkaluihin liitetyille visuaalisille agenteille. Tiedote kuvaa funktiokutsuja ja kooditulkkiskenaarioita, kuten koodin tuottamista diagrammista tai visuaalisen kysymyksen käyttämistä ulkoisen haun pyytämiseen. Ympäröivä sovellus tarjoaa työkalut, suorittaa ehdotetun toiminnon ja palauttaa tuloksen. Mallin tekstivastaus ei yksin napsauta ohjainta, liikuta laitetta tai suorita generoitua ohjelmaa.
Käytännön käyttöliittymätehtävä voi antaa kuvakaappauksen ja käyttäjän tavoitteen ja kysyä sitten seuraavaan vaiheeseen liittyvää näkyvää ohjainta sekä valintaa tukevaa lähdeaineistoa. Pidä havainto, ehdotettu toiminto ja varsinainen suoritus työnkulun erillisinä osina. Tämä hyödyntää visuaalisen agentin painotusta ja tekee pyydetystä tuloksesta tarpeeksi täsmällisen sovelluksen toimintaa varten.
Monikielinen teksti kuvissa
Valmistaja kuvaa kuvien tekstin tunnistuksen englannilla ja kiinalla, useimmilla Euroopan kielillä sekä kielillä, kuten japani, korea, arabia ja vietnam. Monikielistä sivua voidaan siksi lähestyä visuaalisena lukutehtävänä. Kun tarkka sanamuoto merkitsee, pyydä ensin alkuperäinen tekstijäljennös ja sitten käännös tai selitys valitulla kielellä. Säilytä merkinnät ja numerot sen sijaan, että sekoittaisit tunnistamisen määrittelemättömään uudelleenkirjoitukseen.
Dynaaminen resoluutio ja paikkatieto
Qwen2-VL yhdistää kuvakooderin Qwen2-kielimalliin. Naive Dynamic Resolution muuntaa eri kuvakoot eri määriksi visuaalisia tokeneita. Multimodal Rotary Position Embedding erottaa paikkatiedon niin, että malli voi esittää tekstin järjestyksen, kaksiulotteiset kuvat sekä videon ajallisen ja tilallisen rakenteen. Nämä ominaisuudet selittävät, miten sama perhe käsittelee sivun, useita kuvia tai videosekvenssin.
Mallikortin kuvaprosessori dokumentoi oletusalueeksi 4–16 384 visuaalista tokenia kuvaa kohti. Sovellus voi muuttaa pienintä ja suurinta pikselimäärää kuvasuhteen säilyttäen tai pyytää mittoja, jotka pyöristetään 28:n monikertaan. Esimerkkialue 256–1 280 tokenia on muokattava havainnollistus, ei erillinen yleispätevä kuvaraja. Enemmän kuvayksityiskohtia käyttää enemmän laskentaa ja visuaalisia tokeneita, joten säilytä kysymykselle tarpeelliset merkinnät, otsikot ja pienet kohteet kuvan valmistelussa.
Syötteen valmistelu ja konteksti
Valmistaja esittelee yhden kuvan, useita kuvia, ruutujonona tai paikallisena tiedostona annetun videon sekä erissä käsiteltävät keskustelut. Kuvien valmistelu kattaa paikalliset tiedostot, koodatun kuvadatan ja kuvaviitteet. Kortin videoesimerkki käyttää valittua ruutunopeutta; se ei määritä yhtä pakollista näytteenottonopeutta kaikille videoille. Nimeä useiden kuvien järjestys ja rooli ja anna sekvenssin tulkintaan tarvittavat tiedot sen sijaan, että käsittelisit toisistaan irrallisia ruutuja yhtenä näkymänä.
Julkaistu kokoonpano asettaa enimmäispositioiksi 32 768. Visuaalinen aineisto ja tekstiohjeet on suunniteltava todellisen määritetyn kontekstin sisään. Kortin 128 tokenin generointiesimerkki on vain esimerkkiasetus; se ei julkaise erillistä enimmäistulostekapasiteettia. 72B-version tulee säilyttää oma kokoonpanonsa eikä periä Qwen2.5-VL:n tai toisen Qwen-mallin pitkän kontekstin asetuksia.
Olennaiset rajoitukset
Valmistaja ilmoittaa suoraan, että Qwen2-VL ei ymmärrä videoiden ääntä. Puhuttu tieto tulee siksi antaa erikseen, jos kysymys riippuu siitä. Kuvakoulutusaineiston kuvataan olevan päivitetty kesäkuuhun 2023 asti; tämä on aineistoa koskeva tieto eikä lupaus ajantasaisesta visuaalisesta tiedosta.
Dokumentoituihin rajoituksiin kuuluvat myös tiettyjen henkilöiden tai nimettyjen immateriaalioikeuksiin liittyvien kohteiden puutteellinen tunnistus, vaikeudet monimutkaisten monivaiheisten ohjeiden kanssa, heikko lukumäärien laskeminen monimutkaisissa näkymissä ja kolmiulotteisen avaruudellisen päättelyn rajoitukset. Kun tehtävä riippuu yhdestä näistä kyvyistä, kohdista kysymys tarvittaviin objekteihin tai suhteeseen ja säilytä visuaalinen lähdeaineisto vastauksen rinnalla. Selkeä lähdeaineisto ja määritelty tulos helpottavat tarkistusta korvaamatta ilmoitettuja rajoituksia tarkkuustakuulla.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat Qwen/Qwen2-VL-72B-Instruct | 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 $0.00118 / 1K tokenia Tuloste · Tulostokenit $0.00118 / 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": "Qwen/Qwen2-VL-72B-Instruct", "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='Qwen/Qwen2-VL-72B-Instruct',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='Qwen/Qwen2-VL-72B-Instruct',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 Qwen/Qwen2-VL-72B-Instruct
Käytä yllä näytettyjä menetelmäpolkuja.
Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct yhdistää tekstin, kuvat ja videon visuaalisiin kysymyksiin, asiakirjojen lukemiseen ja kuvien monikieliseen tekstiin. Valmistaja kuvaa yli 20 minuutin videoiden ymmärtämisen, dynaamisen kuvatarkkuuden ja visuaalisten agenttien integraatiot; vastaus on tekstiä.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Qwen2-VL-72B-Instruct on Qwen2:n ympärille rakennettu, ohjeiden noudattamiseen hienosäädetty 72B-versio kuvien ja kielen käsittelyyn. Se vastaanottaa tekstiä kuvien tai videon kanssa ja generoi tekstivastauksen. Valmistaja korostaa eri tarkkuuksien ja kuvasuhteiden kuvien ymmärtämistä, kuvissa olevan tekstin tulkintaa, näkyvistä suhteista päättelyä ja vastaamista yli 20 minuutin videoita koskeviin kysymyksiin.
Kuva- ja videokyvyt
Asiakirjasivusta pyydä tarvitsemasi sisältö: kappale, taulukkorivi, kaava tai väitteeseen liittyvät ehdot. Pidä sivu luettavana ja määritä, tuleeko tuloksen jäljentää sanamuoto, tiivistää se vai selittää merkitys. Hyödyllinen asiakirjatulos voi säilyttää alkuperäisen osiomerkinnän poimitun sisällön vieressä. Diagrammista kysy, miten merkityt elementit liittyvät toisiinsa, ja nimeä selitettävä suhde.
Dokumentoitu videokäyttö sisältää näkyvään tapahtumajärjestykseen perustuvia kysymyksiä, keskustelua ja kirjallista sisältöä. Määritä tutkittava tapahtuma tai muutos: milloin kohde ilmestyy, mitä tapahtuu ennen tiettyä vaihetta tai miten näytetty toiminto liittyy kirjalliseen menettelyyn. Pyydä järjestetty tapahtumakuvaus tai näkyvien vaiheiden vertailu annettuun menettelyyn. Valmistajan yli 20 minuutin maininta kuvaa pitkän videon ymmärtämistä; se ei ole kiinteä videon enimmäiskesto tai takuu siitä, että jokainen raakatallenne sopii muuttamattomaan syötekokoonpanoon.
Käyttö visuaalisissa agenteissa
Julkaisu asemoi Qwen2-VL:n myös mobiililaitteisiin, robotteihin ja muihin työkaluihin liitetyille visuaalisille agenteille. Tiedote kuvaa funktiokutsuja ja kooditulkkiskenaarioita, kuten koodin tuottamista diagrammista tai visuaalisen kysymyksen käyttämistä ulkoisen haun pyytämiseen. Ympäröivä sovellus tarjoaa työkalut, suorittaa ehdotetun toiminnon ja palauttaa tuloksen. Mallin tekstivastaus ei yksin napsauta ohjainta, liikuta laitetta tai suorita generoitua ohjelmaa.
Käytännön käyttöliittymätehtävä voi antaa kuvakaappauksen ja käyttäjän tavoitteen ja kysyä sitten seuraavaan vaiheeseen liittyvää näkyvää ohjainta sekä valintaa tukevaa lähdeaineistoa. Pidä havainto, ehdotettu toiminto ja varsinainen suoritus työnkulun erillisinä osina. Tämä hyödyntää visuaalisen agentin painotusta ja tekee pyydetystä tuloksesta tarpeeksi täsmällisen sovelluksen toimintaa varten.
Monikielinen teksti kuvissa
Valmistaja kuvaa kuvien tekstin tunnistuksen englannilla ja kiinalla, useimmilla Euroopan kielillä sekä kielillä, kuten japani, korea, arabia ja vietnam. Monikielistä sivua voidaan siksi lähestyä visuaalisena lukutehtävänä. Kun tarkka sanamuoto merkitsee, pyydä ensin alkuperäinen tekstijäljennös ja sitten käännös tai selitys valitulla kielellä. Säilytä merkinnät ja numerot sen sijaan, että sekoittaisit tunnistamisen määrittelemättömään uudelleenkirjoitukseen.
Dynaaminen resoluutio ja paikkatieto
Qwen2-VL yhdistää kuvakooderin Qwen2-kielimalliin. Naive Dynamic Resolution muuntaa eri kuvakoot eri määriksi visuaalisia tokeneita. Multimodal Rotary Position Embedding erottaa paikkatiedon niin, että malli voi esittää tekstin järjestyksen, kaksiulotteiset kuvat sekä videon ajallisen ja tilallisen rakenteen. Nämä ominaisuudet selittävät, miten sama perhe käsittelee sivun, useita kuvia tai videosekvenssin.
Mallikortin kuvaprosessori dokumentoi oletusalueeksi 4–16 384 visuaalista tokenia kuvaa kohti. Sovellus voi muuttaa pienintä ja suurinta pikselimäärää kuvasuhteen säilyttäen tai pyytää mittoja, jotka pyöristetään 28:n monikertaan. Esimerkkialue 256–1 280 tokenia on muokattava havainnollistus, ei erillinen yleispätevä kuvaraja. Enemmän kuvayksityiskohtia käyttää enemmän laskentaa ja visuaalisia tokeneita, joten säilytä kysymykselle tarpeelliset merkinnät, otsikot ja pienet kohteet kuvan valmistelussa.
Syötteen valmistelu ja konteksti
Valmistaja esittelee yhden kuvan, useita kuvia, ruutujonona tai paikallisena tiedostona annetun videon sekä erissä käsiteltävät keskustelut. Kuvien valmistelu kattaa paikalliset tiedostot, koodatun kuvadatan ja kuvaviitteet. Kortin videoesimerkki käyttää valittua ruutunopeutta; se ei määritä yhtä pakollista näytteenottonopeutta kaikille videoille. Nimeä useiden kuvien järjestys ja rooli ja anna sekvenssin tulkintaan tarvittavat tiedot sen sijaan, että käsittelisit toisistaan irrallisia ruutuja yhtenä näkymänä.
Julkaistu kokoonpano asettaa enimmäispositioiksi 32 768. Visuaalinen aineisto ja tekstiohjeet on suunniteltava todellisen määritetyn kontekstin sisään. Kortin 128 tokenin generointiesimerkki on vain esimerkkiasetus; se ei julkaise erillistä enimmäistulostekapasiteettia. 72B-version tulee säilyttää oma kokoonpanonsa eikä periä Qwen2.5-VL:n tai toisen Qwen-mallin pitkän kontekstin asetuksia.
Olennaiset rajoitukset
Valmistaja ilmoittaa suoraan, että Qwen2-VL ei ymmärrä videoiden ääntä. Puhuttu tieto tulee siksi antaa erikseen, jos kysymys riippuu siitä. Kuvakoulutusaineiston kuvataan olevan päivitetty kesäkuuhun 2023 asti; tämä on aineistoa koskeva tieto eikä lupaus ajantasaisesta visuaalisesta tiedosta.
Dokumentoituihin rajoituksiin kuuluvat myös tiettyjen henkilöiden tai nimettyjen immateriaalioikeuksiin liittyvien kohteiden puutteellinen tunnistus, vaikeudet monimutkaisten monivaiheisten ohjeiden kanssa, heikko lukumäärien laskeminen monimutkaisissa näkymissä ja kolmiulotteisen avaruudellisen päättelyn rajoitukset. Kun tehtävä riippuu yhdestä näistä kyvyistä, kohdista kysymys tarvittaviin objekteihin tai suhteeseen ja säilytä visuaalinen lähdeaineisto vastauksen rinnalla. Selkeä lähdeaineisto ja määritelty tulos helpottavat tarkistusta korvaamatta ilmoitettuja rajoituksia tarkkuustakuulla.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat Qwen/Qwen2-VL-72B-Instruct | 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 $0.00118 / 1K tokenia Tuloste · Tulostokenit $0.00118 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "Qwen/Qwen2-VL-72B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Qwen/Qwen2-VL-72B-Instruct', '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': 'Qwen/Qwen2-VL-72B-Instruct', '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 Qwen/Qwen2-VL-72B-Instruct
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.