Johdanto: 7B-visio-kieliversio
Qwen2-VL-7B-Instruct on Qwen2-VL:n ohjeiden noudattamiseen hienosäädetty 7B-jäsen. Se yhdistää tekstiohjeita kuviin tai videoon ja tuottaa tekstivastauksia. Hyödyllisiä tulosteita ovat sivun selitys, kuvavertailu, näkyvien tapahtumien kuvaus tai vastaus kaaviota koskevaan kysymykseen. Kyseessä on juuri tämä Qwen2-VL-julkaisu. Uudemmilla Qwen2.5-VL- ja Qwen3-VL-mallijulkaisuilla on omat ominaisuutensa ja identiteettinsä.
Mitä Qwen2-VL lisää
Qwen kuvaa visuaalista ymmärtämistä eri kuvaresoluutioilla ja kuvasuhteilla sekä videota koskevaa kysymysvastausta, keskustelua ja sisällöntuotantoa. Perheen dokumentoitu video-ominaisuus kattaa yli 20 minuutin aineiston. Pelkkä kesto ei kerro, kuinka monta kuvaa sovellus käsittelee, eikä takaa jokaisen tapahtuman muistamista. Kuvien ja tekstin monikielinen ymmärtäminen kattaa englannin ja kiinan, useita eurooppalaisia kieliä sekä japanin, korean, arabian ja vietnamin.
Valmistaja kuvaa myös integrointia puhelimiin, robotteihin ja muihin laitteisiin visuaalisten havaintojen ja tekstiohjeiden avulla. Kyse on sovelluksen työnkulusta: malli tulkitsee visuaalista ympäristöä ja auttaa valitsemaan toimintoja, kun taas liitetty ohjelmisto tai laitteisto suorittaa ne. Näytön tunnistaminen ei itsessään anna mallille näytön hallintaa.
Arkkitehtuurin muutokset
Dynaaminen resoluutio muuntaa kuvan vaihtelevaksi määräksi visuaalisia tokeneita sen sijaan, että kaikki syötteet pakotettaisiin samaan esitysmuotoon. M-ROPE erottaa tekstin, kaksiulotteisten kuvien ja kolmiulotteisen videotiedon sijaintitiedot ja yhdistää tila- ja aikarakenteen. Julkaistu 7B-konfiguraatio ilmoittaa 32 768 positiota. Teksti, visuaaliset tokenit ja tuotettu tuloste jakavat rajallisen sekvenssitilan, joten kuvaresoluutio ja videon näytteenotto vaikuttavat pyyntöön mahtuvan aineiston määrään.
Kuvien ja keskustelujen valmistelu
Viralliset esimerkit tukevat yhtä kuvaa, useita kuvia ja pelkkiä tekstikeskusteluja. Liitä kuvaan täsmällinen kysymys laajan ”analysoi kaikki” -ohjeen sijaan. Pyydä asiakirjasivulta nimetyt kentät ja säilytä lainausten välimerkit. Merkitse kaksi suunnittelun kuvakaappausta ensimmäiseksi ja toiseksi ja pyydä sitten taulukko näkyvistä muutoksista. Pyydä kaaviosta selitteet, yksiköt ja ilmoitettua kehityssuuntaa tukevat arvot. Nämä ovat visuaalisen kysymysvastauksen käytännön sovelluksia eivätkä lupauksia virheettömästä poiminnasta.
Valmistajan apuohjelmat hyväksyvät kuvia paikallisista tiedostoista, koodatusta kuvadatasta tai kuvien osoitteista. Dokumentoitu videoesimerkki käyttää paikallisia videotiedostoja tai järjestettyä kuvaluetteloa. Sovelluksen latausmuodot ovat erillinen rajapintapäätös. Säilytä alkuperäinen kuvajärjestys ja ilmoita kuvaluettelon edustama aikaväli. Esimerkit tuottavat tekstiä. Tätä mallijulkaisua ei kuvata kuvien tai videoiden generaattoriksi.
Resoluutio ja videon valmistelu
Qwenin esikäsittelijän oletusalue on 4–16 384 visuaalista tokenia kuvaa kohti. Se tarjoaa min_pixels- ja max_pixels-asetukset yksityiskohtien, muistin ja laskennan tasapainottamiseen. Dokumentoidussa esimerkissä tavoitellaan 256–1 280 visuaalista tokenia. Kuvat skaalataan valittuihin rajoihin niiden kuvasuhde säilyttäen. Erikseen annetut skaalatut mitat pyöristetään 28:n monikertaan. Tiheä taulukko tai pieni kirjoitus voi tarvita riittävän resoluution pysyäkseen luettavana. Resoluution kasvattaminen kuluttaa samalla enemmän käytettävissä olevaa visuaalista tilaa ja kontekstia.
Videoesimerkissä käytetään yhden kuvan sekuntinopeutta ja säädettävää pikselirajaa. Ne ovat esimerkkiasetuksia eivätkä yleisesti vaadittu nopeus tai kiinteä mediaraja. Anna tapahtumien tarkasteluun olennainen leike ja pyydä järjestetty kuvaus näkyvistä muutoksista. Lähekkäiset tapahtumat voivat tarvita tiheämpää näytteenottoa kuin yleinen näkymän yhteenveto. Qwen2-VL ei ymmärrä videoiden äänitietoa, joten puhuttu vuoropuhelu tai äänitehosteet edellyttävät erillistä äänityönkulkua.
Tunnetut rajoitukset
Qwen ilmoittaa kuvakoulutusaineiston aikarajaksi kesäkuun 2023 eikä takaa tietoa myöhemmistä henkilöistä, tuotteista tai tapahtumista. Tiettyjen henkilöiden ja immateriaalioikeuksien piiriin kuuluvien kohteiden tunnistaminen on puutteellista. Monimutkaiset monivaiheiset ohjeet, kohteiden laskeminen ruuhkaisissa näkymissä ja tilasuhteet etenkin kolmessa ulottuvuudessa ovat dokumentoituja heikkouksia. Jaa monimutkainen visuaalinen tehtävä selkeisiin kysymyksiin, pyydä tulosta tukeva näkyvä näyttö ja tarkista poimitut luvut ja lainattu teksti kuvasta. Uskottavaa kuvatekstiä ei pidä pitää tarkkana lukumääränä tai mitattuna kolmiulotteisena sijaintina.
Mallikortin lyhyet generointiesimerkit eivät osoita erillistä kiinteää tulosterajaa. Suunnittele vastauksen koko yhdessä teksti- ja kuvasyötteen kanssa ja säilytä lähteessä juuri kyseiseen kysymykseen riittävät yksityiskohdat. Näin mallin valinnasta ja syötteen valmistelusta tulee hyödyllisempää kuin oletuksesta, että mikä tahansa kuva tai pitkä video tuottaisi yhtä luotettavan vastauksen.
", "aboutText": "Johdanto: 7B-visio-kieliversio\n\nQwen2-VL-7B-Instruct on Qwen2-VL:n ohjeiden noudattamiseen hienosäädetty 7B-jäsen. Se yhdistää tekstiohjeita kuviin tai videoon ja tuottaa tekstivastauksia. Hyödyllisiä tulosteita ovat sivun selitys, kuvavertailu, näkyvien tapahtumien kuvaus tai vastaus kaaviota koskevaan kysymykseen. Kyseessä on juuri tämä Qwen2-VL-julkaisu. Uudemmilla Qwen2.5-VL- ja Qwen3-VL-mallijulkaisuilla on omat ominaisuutensa ja identiteettinsä.\n\nMitä Qwen2-VL lisää\n\nQwen kuvaa visuaalista ymmärtämistä eri kuvaresoluutioilla ja kuvasuhteilla sekä videota koskevaa kysymysvastausta, keskustelua ja sisällöntuotantoa. Perheen dokumentoitu video-ominaisuus kattaa yli 20 minuutin aineiston. Pelkkä kesto ei kerro, kuinka monta kuvaa sovellus käsittelee, eikä takaa jokaisen tapahtuman muistamista. Kuvien ja tekstin monikielinen ymmärtäminen kattaa englannin ja kiinan, useita eurooppalaisia kieliä sekä japanin, korean, arabian ja vietnamin.\n\nValmistaja kuvaa myös integrointia puhelimiin, robotteihin ja muihin laitteisiin visuaalisten havaintojen ja tekstiohjeiden avulla. Kyse on sovelluksen työnkulusta: malli tulkitsee visuaalista ympäristöä ja auttaa valitsemaan toimintoja, kun taas liitetty ohjelmisto tai laitteisto suorittaa ne. Näytön tunnistaminen ei itsessään anna mallille näytön hallintaa.\n\nArkkitehtuurin muutokset\n\nDynaaminen resoluutio muuntaa kuvan vaihtelevaksi määräksi visuaalisia tokeneita sen sijaan, että kaikki syötteet pakotettaisiin samaan esitysmuotoon. M-ROPE erottaa tekstin, kaksiulotteisten kuvien ja kolmiulotteisen videotiedon sijaintitiedot ja yhdistää tila- ja aikarakenteen. Julkaistu 7B-konfiguraatio ilmoittaa 32 768 positiota. Teksti, visuaaliset tokenit ja tuotettu tuloste jakavat rajallisen sekvenssitilan, joten kuvaresoluutio ja videon näytteenotto vaikuttavat pyyntöön mahtuvan aineiston määrään.\n\nKuvien ja keskustelujen valmistelu\n\nViralliset esimerkit tukevat yhtä kuvaa, useita kuvia ja pelkkiä tekstikeskusteluja. Liitä kuvaan täsmällinen kysymys laajan ”analysoi kaikki” -ohjeen sijaan. Pyydä asiakirjasivulta nimetyt kentät ja säilytä lainausten välimerkit. Merkitse kaksi suunnittelun kuvakaappausta ensimmäiseksi ja toiseksi ja pyydä sitten taulukko näkyvistä muutoksista. Pyydä kaaviosta selitteet, yksiköt ja ilmoitettua kehityssuuntaa tukevat arvot. Nämä ovat visuaalisen kysymysvastauksen käytännön sovelluksia eivätkä lupauksia virheettömästä poiminnasta.\n\nValmistajan apuohjelmat hyväksyvät kuvia paikallisista tiedostoista, koodatusta kuvadatasta tai kuvien osoitteista. Dokumentoitu videoesimerkki käyttää paikallisia videotiedostoja tai järjestettyä kuvaluetteloa. Sovelluksen latausmuodot ovat erillinen rajapintapäätös. Säilytä alkuperäinen kuvajärjestys ja ilmoita kuvaluettelon edustama aikaväli. Esimerkit tuottavat tekstiä. Tätä mallijulkaisua ei kuvata kuvien tai videoiden generaattoriksi.\n\nResoluutio ja videon valmistelu\n\nQwenin esikäsittelijän oletusalue on 4–16 384 visuaalista tokenia kuvaa kohti. Se tarjoaa min_pixels- ja max_pixels-asetukset yksityiskohtien, muistin ja laskennan tasapainottamiseen. Dokumentoidussa esimerkissä tavoitellaan 256–1 280 visuaalista tokenia. Kuvat skaalataan valittuihin rajoihin niiden kuvasuhde säilyttäen. Erikseen annetut skaalatut mitat pyöristetään 28:n monikertaan. Tiheä taulukko tai pieni kirjoitus voi tarvita riittävän resoluution pysyäkseen luettavana. Resoluution kasvattaminen kuluttaa samalla enemmän käytettävissä olevaa visuaalista tilaa ja kontekstia.\n\nVideoesimerkissä käytetään yhden kuvan sekuntinopeutta ja säädettävää pikselirajaa. Ne ovat esimerkkiasetuksia eivätkä yleisesti vaadittu nopeus tai kiinteä mediaraja. Anna tapahtumien tarkasteluun olennainen leike ja pyydä järjestetty kuvaus näkyvistä muutoksista. Lähekkäiset tapahtumat voivat tarvita tiheämpää näytteenottoa kuin yleinen näkymän yhteenveto. Qwen2-VL ei ymmärrä videoiden äänitietoa, joten puhuttu vuoropuhelu tai äänitehosteet edellyttävät erillistä äänityönkulkua.\n\nTunnetut rajoitukset\n\nQwen ilmoittaa kuvakoulutusaineiston aikarajaksi kesäkuun 2023 eikä takaa tietoa myöhemmistä henkilöistä, tuotteista tai tapahtumista. Tiettyjen henkilöiden ja immateriaalioikeuksien piiriin kuuluvien kohteiden tunnistaminen on puutteellista. Monimutkaiset monivaiheiset ohjeet, kohteiden laskeminen ruuhkaisissa näkymissä ja tilasuhteet etenkin kolmessa ulottuvuudessa ovat dokumentoituja heikkouksia. Jaa monimutkainen visuaalinen tehtävä selkeisiin kysymyksiin, pyydä tulosta tukeva näkyvä näyttö ja tarkista poimitut luvut ja lainattu teksti kuvasta. Uskottavaa kuvatekstiä ei pidä pitää tarkkana lukumääränä tai mitattuna kolmiulotteisena sijaintina.\n\nMallikortin lyhyet generointiesimerkit eivät osoita erillistä kiinteää tulosterajaa. Suunnittele vastauksen koko yhdessä teksti- ja kuvasyötteen kanssa ja säilytä lähteessä juuri kyseiseen kysymykseen riittävät yksityiskohdat. Näin mallin valinnasta ja syötteen valmistelusta tulee hyödyllisempää kuin oletuksesta, että mikä tahansa kuva tai pitkä video tuottaisi yhtä luotettavan vastauksen.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct on Qwenin ohjeiden noudattamiseen hienosäädetty visio-kielimalli tekstille, kuville ja videolle. Se palauttaa tekstiä. Sillä voi kysyä asiakirjasivuista, verrata kuvia tai kuvata näkyviä tapahtumia. Mallissa on dynaaminen kuvaresoluutio sekä dokumentoituja rajoituksia laskemisessa, tilallisessa päättelyssä ja videoiden äänen ymmärtämisessä.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Johdanto: 7B-visio-kieliversio
Qwen2-VL-7B-Instruct on Qwen2-VL:n ohjeiden noudattamiseen hienosäädetty 7B-jäsen. Se yhdistää tekstiohjeita kuviin tai videoon ja tuottaa tekstivastauksia. Hyödyllisiä tulosteita ovat sivun selitys, kuvavertailu, näkyvien tapahtumien kuvaus tai vastaus kaaviota koskevaan kysymykseen. Kyseessä on juuri tämä Qwen2-VL-julkaisu. Uudemmilla Qwen2.5-VL- ja Qwen3-VL-mallijulkaisuilla on omat ominaisuutensa ja identiteettinsä.
Mitä Qwen2-VL lisää
Qwen kuvaa visuaalista ymmärtämistä eri kuvaresoluutioilla ja kuvasuhteilla sekä videota koskevaa kysymysvastausta, keskustelua ja sisällöntuotantoa. Perheen dokumentoitu video-ominaisuus kattaa yli 20 minuutin aineiston. Pelkkä kesto ei kerro, kuinka monta kuvaa sovellus käsittelee, eikä takaa jokaisen tapahtuman muistamista. Kuvien ja tekstin monikielinen ymmärtäminen kattaa englannin ja kiinan, useita eurooppalaisia kieliä sekä japanin, korean, arabian ja vietnamin.
Valmistaja kuvaa myös integrointia puhelimiin, robotteihin ja muihin laitteisiin visuaalisten havaintojen ja tekstiohjeiden avulla. Kyse on sovelluksen työnkulusta: malli tulkitsee visuaalista ympäristöä ja auttaa valitsemaan toimintoja, kun taas liitetty ohjelmisto tai laitteisto suorittaa ne. Näytön tunnistaminen ei itsessään anna mallille näytön hallintaa.
Arkkitehtuurin muutokset
Dynaaminen resoluutio muuntaa kuvan vaihtelevaksi määräksi visuaalisia tokeneita sen sijaan, että kaikki syötteet pakotettaisiin samaan esitysmuotoon. M-ROPE erottaa tekstin, kaksiulotteisten kuvien ja kolmiulotteisen videotiedon sijaintitiedot ja yhdistää tila- ja aikarakenteen. Julkaistu 7B-konfiguraatio ilmoittaa 32 768 positiota. Teksti, visuaaliset tokenit ja tuotettu tuloste jakavat rajallisen sekvenssitilan, joten kuvaresoluutio ja videon näytteenotto vaikuttavat pyyntöön mahtuvan aineiston määrään.
Kuvien ja keskustelujen valmistelu
Viralliset esimerkit tukevat yhtä kuvaa, useita kuvia ja pelkkiä tekstikeskusteluja. Liitä kuvaan täsmällinen kysymys laajan ”analysoi kaikki” -ohjeen sijaan. Pyydä asiakirjasivulta nimetyt kentät ja säilytä lainausten välimerkit. Merkitse kaksi suunnittelun kuvakaappausta ensimmäiseksi ja toiseksi ja pyydä sitten taulukko näkyvistä muutoksista. Pyydä kaaviosta selitteet, yksiköt ja ilmoitettua kehityssuuntaa tukevat arvot. Nämä ovat visuaalisen kysymysvastauksen käytännön sovelluksia eivätkä lupauksia virheettömästä poiminnasta.
Valmistajan apuohjelmat hyväksyvät kuvia paikallisista tiedostoista, koodatusta kuvadatasta tai kuvien osoitteista. Dokumentoitu videoesimerkki käyttää paikallisia videotiedostoja tai järjestettyä kuvaluetteloa. Sovelluksen latausmuodot ovat erillinen rajapintapäätös. Säilytä alkuperäinen kuvajärjestys ja ilmoita kuvaluettelon edustama aikaväli. Esimerkit tuottavat tekstiä. Tätä mallijulkaisua ei kuvata kuvien tai videoiden generaattoriksi.
Resoluutio ja videon valmistelu
Qwenin esikäsittelijän oletusalue on 4–16 384 visuaalista tokenia kuvaa kohti. Se tarjoaa min_pixels- ja max_pixels-asetukset yksityiskohtien, muistin ja laskennan tasapainottamiseen. Dokumentoidussa esimerkissä tavoitellaan 256–1 280 visuaalista tokenia. Kuvat skaalataan valittuihin rajoihin niiden kuvasuhde säilyttäen. Erikseen annetut skaalatut mitat pyöristetään 28:n monikertaan. Tiheä taulukko tai pieni kirjoitus voi tarvita riittävän resoluution pysyäkseen luettavana. Resoluution kasvattaminen kuluttaa samalla enemmän käytettävissä olevaa visuaalista tilaa ja kontekstia.
Videoesimerkissä käytetään yhden kuvan sekuntinopeutta ja säädettävää pikselirajaa. Ne ovat esimerkkiasetuksia eivätkä yleisesti vaadittu nopeus tai kiinteä mediaraja. Anna tapahtumien tarkasteluun olennainen leike ja pyydä järjestetty kuvaus näkyvistä muutoksista. Lähekkäiset tapahtumat voivat tarvita tiheämpää näytteenottoa kuin yleinen näkymän yhteenveto. Qwen2-VL ei ymmärrä videoiden äänitietoa, joten puhuttu vuoropuhelu tai äänitehosteet edellyttävät erillistä äänityönkulkua.
Tunnetut rajoitukset
Qwen ilmoittaa kuvakoulutusaineiston aikarajaksi kesäkuun 2023 eikä takaa tietoa myöhemmistä henkilöistä, tuotteista tai tapahtumista. Tiettyjen henkilöiden ja immateriaalioikeuksien piiriin kuuluvien kohteiden tunnistaminen on puutteellista. Monimutkaiset monivaiheiset ohjeet, kohteiden laskeminen ruuhkaisissa näkymissä ja tilasuhteet etenkin kolmessa ulottuvuudessa ovat dokumentoituja heikkouksia. Jaa monimutkainen visuaalinen tehtävä selkeisiin kysymyksiin, pyydä tulosta tukeva näkyvä näyttö ja tarkista poimitut luvut ja lainattu teksti kuvasta. Uskottavaa kuvatekstiä ei pidä pitää tarkkana lukumääränä tai mitattuna kolmiulotteisena sijaintina.
Mallikortin lyhyet generointiesimerkit eivät osoita erillistä kiinteää tulosterajaa. Suunnittele vastauksen koko yhdessä teksti- ja kuvasyötteen kanssa ja säilytä lähteessä juuri kyseiseen kysymykseen riittävät yksityiskohdat. Näin mallin valinnasta ja syötteen valmistelusta tulee hyödyllisempää kuin oletuksesta, että mikä tahansa kuva tai pitkä video tuottaisi yhtä luotettavan vastauksen.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K tokenia Tuloste · Tulostokenit $0.00142 / 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": "Qwen2-VL-7B-Instruct-ultra", "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='Qwen2-VL-7B-Instruct-ultra',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='Qwen2-VL-7B-Instruct-ultra',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 Qwen2-VL-7B-Instruct-ultra
Käytä yllä näytettyjä menetelmäpolkuja.
Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct on Qwenin ohjeiden noudattamiseen hienosäädetty visio-kielimalli tekstille, kuville ja videolle. Se palauttaa tekstiä. Sillä voi kysyä asiakirjasivuista, verrata kuvia tai kuvata näkyviä tapahtumia. Mallissa on dynaaminen kuvaresoluutio sekä dokumentoituja rajoituksia laskemisessa, tilallisessa päättelyssä ja videoiden äänen ymmärtämisessä.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Johdanto: 7B-visio-kieliversio
Qwen2-VL-7B-Instruct on Qwen2-VL:n ohjeiden noudattamiseen hienosäädetty 7B-jäsen. Se yhdistää tekstiohjeita kuviin tai videoon ja tuottaa tekstivastauksia. Hyödyllisiä tulosteita ovat sivun selitys, kuvavertailu, näkyvien tapahtumien kuvaus tai vastaus kaaviota koskevaan kysymykseen. Kyseessä on juuri tämä Qwen2-VL-julkaisu. Uudemmilla Qwen2.5-VL- ja Qwen3-VL-mallijulkaisuilla on omat ominaisuutensa ja identiteettinsä.
Mitä Qwen2-VL lisää
Qwen kuvaa visuaalista ymmärtämistä eri kuvaresoluutioilla ja kuvasuhteilla sekä videota koskevaa kysymysvastausta, keskustelua ja sisällöntuotantoa. Perheen dokumentoitu video-ominaisuus kattaa yli 20 minuutin aineiston. Pelkkä kesto ei kerro, kuinka monta kuvaa sovellus käsittelee, eikä takaa jokaisen tapahtuman muistamista. Kuvien ja tekstin monikielinen ymmärtäminen kattaa englannin ja kiinan, useita eurooppalaisia kieliä sekä japanin, korean, arabian ja vietnamin.
Valmistaja kuvaa myös integrointia puhelimiin, robotteihin ja muihin laitteisiin visuaalisten havaintojen ja tekstiohjeiden avulla. Kyse on sovelluksen työnkulusta: malli tulkitsee visuaalista ympäristöä ja auttaa valitsemaan toimintoja, kun taas liitetty ohjelmisto tai laitteisto suorittaa ne. Näytön tunnistaminen ei itsessään anna mallille näytön hallintaa.
Arkkitehtuurin muutokset
Dynaaminen resoluutio muuntaa kuvan vaihtelevaksi määräksi visuaalisia tokeneita sen sijaan, että kaikki syötteet pakotettaisiin samaan esitysmuotoon. M-ROPE erottaa tekstin, kaksiulotteisten kuvien ja kolmiulotteisen videotiedon sijaintitiedot ja yhdistää tila- ja aikarakenteen. Julkaistu 7B-konfiguraatio ilmoittaa 32 768 positiota. Teksti, visuaaliset tokenit ja tuotettu tuloste jakavat rajallisen sekvenssitilan, joten kuvaresoluutio ja videon näytteenotto vaikuttavat pyyntöön mahtuvan aineiston määrään.
Kuvien ja keskustelujen valmistelu
Viralliset esimerkit tukevat yhtä kuvaa, useita kuvia ja pelkkiä tekstikeskusteluja. Liitä kuvaan täsmällinen kysymys laajan ”analysoi kaikki” -ohjeen sijaan. Pyydä asiakirjasivulta nimetyt kentät ja säilytä lainausten välimerkit. Merkitse kaksi suunnittelun kuvakaappausta ensimmäiseksi ja toiseksi ja pyydä sitten taulukko näkyvistä muutoksista. Pyydä kaaviosta selitteet, yksiköt ja ilmoitettua kehityssuuntaa tukevat arvot. Nämä ovat visuaalisen kysymysvastauksen käytännön sovelluksia eivätkä lupauksia virheettömästä poiminnasta.
Valmistajan apuohjelmat hyväksyvät kuvia paikallisista tiedostoista, koodatusta kuvadatasta tai kuvien osoitteista. Dokumentoitu videoesimerkki käyttää paikallisia videotiedostoja tai järjestettyä kuvaluetteloa. Sovelluksen latausmuodot ovat erillinen rajapintapäätös. Säilytä alkuperäinen kuvajärjestys ja ilmoita kuvaluettelon edustama aikaväli. Esimerkit tuottavat tekstiä. Tätä mallijulkaisua ei kuvata kuvien tai videoiden generaattoriksi.
Resoluutio ja videon valmistelu
Qwenin esikäsittelijän oletusalue on 4–16 384 visuaalista tokenia kuvaa kohti. Se tarjoaa min_pixels- ja max_pixels-asetukset yksityiskohtien, muistin ja laskennan tasapainottamiseen. Dokumentoidussa esimerkissä tavoitellaan 256–1 280 visuaalista tokenia. Kuvat skaalataan valittuihin rajoihin niiden kuvasuhde säilyttäen. Erikseen annetut skaalatut mitat pyöristetään 28:n monikertaan. Tiheä taulukko tai pieni kirjoitus voi tarvita riittävän resoluution pysyäkseen luettavana. Resoluution kasvattaminen kuluttaa samalla enemmän käytettävissä olevaa visuaalista tilaa ja kontekstia.
Videoesimerkissä käytetään yhden kuvan sekuntinopeutta ja säädettävää pikselirajaa. Ne ovat esimerkkiasetuksia eivätkä yleisesti vaadittu nopeus tai kiinteä mediaraja. Anna tapahtumien tarkasteluun olennainen leike ja pyydä järjestetty kuvaus näkyvistä muutoksista. Lähekkäiset tapahtumat voivat tarvita tiheämpää näytteenottoa kuin yleinen näkymän yhteenveto. Qwen2-VL ei ymmärrä videoiden äänitietoa, joten puhuttu vuoropuhelu tai äänitehosteet edellyttävät erillistä äänityönkulkua.
Tunnetut rajoitukset
Qwen ilmoittaa kuvakoulutusaineiston aikarajaksi kesäkuun 2023 eikä takaa tietoa myöhemmistä henkilöistä, tuotteista tai tapahtumista. Tiettyjen henkilöiden ja immateriaalioikeuksien piiriin kuuluvien kohteiden tunnistaminen on puutteellista. Monimutkaiset monivaiheiset ohjeet, kohteiden laskeminen ruuhkaisissa näkymissä ja tilasuhteet etenkin kolmessa ulottuvuudessa ovat dokumentoituja heikkouksia. Jaa monimutkainen visuaalinen tehtävä selkeisiin kysymyksiin, pyydä tulosta tukeva näkyvä näyttö ja tarkista poimitut luvut ja lainattu teksti kuvasta. Uskottavaa kuvatekstiä ei pidä pitää tarkkana lukumääränä tai mitattuna kolmiulotteisena sijaintina.
Mallikortin lyhyet generointiesimerkit eivät osoita erillistä kiinteää tulosterajaa. Suunnittele vastauksen koko yhdessä teksti- ja kuvasyötteen kanssa ja säilytä lähteessä juuri kyseiseen kysymykseen riittävät yksityiskohdat. Näin mallin valinnasta ja syötteen valmistelusta tulee hyödyllisempää kuin oletuksesta, että mikä tahansa kuva tai pitkä video tuottaisi yhtä luotettavan vastauksen.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K tokenia Tuloste · Tulostokenit $0.00142 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "Qwen2-VL-7B-Instruct-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Qwen2-VL-7B-Instruct-ultra', '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': 'Qwen2-VL-7B-Instruct-ultra', '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 Qwen2-VL-7B-Instruct-ultra
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.