Qwen2-VL-2B-Instruct est le modèle vision-langage 2B de Qwen, ajusté pour suivre des instructions et répondre à des questions associant image et texte. Le producteur décrit la prise en charge d’images de résolutions et de formats différents et la compréhension de texte en plusieurs langues dans les images. Le résultat généré est une réponse écrite aux documents visuels et à la question fournis. Le fabricant décrit aussi l’utilisation d’agents visuels avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une consigne textuelle ; l’application qui l’entoure réalise l’opération proposée et renvoie l’état observé pour la question suivante.
Choisissez l’image contenant les éléments nécessaires à la réponse, puis identifiez le détail à interpréter. Une question sur un document peut porter sur un passage visible ; une question sur un graphique peut préciser les séries, les axes et la comparaison à expliquer. Conservez l’identifiant de l’image avec le résultat demandé pour que la réponse reste liée à la bonne référence.
Le fabricant mentionne une compréhension image-texte au-delà de l’anglais et du chinois, notamment les langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez la formulation et l’écriture originales lorsque vous demandez la transcription, l’explication ou la traduction d’un texte visible. Un exemple de brief peut demander le libellé affiché et une explication séparée de sa signification.
Qwen2-VL utilise une résolution dynamique pour représenter une image par un nombre variable de tokens visuels. Dans l’exemple du processeur natif, la plage par défaut va de 4 à 16 384 tokens visuels par image. Son guide natif illustre des réglages minimum et maximum de pixels, dont une plage plus étroite de préparation de 256 à 1 280 tokens d’image, pour équilibrer les détails et les besoins de traitement. Ces réglages conservent le format lors du redimensionnement.
Le producteur autorise également une hauteur et une largeur de redimensionnement demandées, arrondies à un multiple de 28. Choisissez une préparation qui garde les libellés importants lisibles et conservez l’image originale lorsque vous utilisez un recadrage. Les exemples natifs incluent plusieurs images et des lots, ce qui permet d’identifier séparément les références d’une question.
Le fabricant signale des limites dans les consignes complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il note aussi une reconnaissance incomplète de personnes ou de marques précises. Demandez une observation visuelle ciblée et examinez le nombre, le libellé ou la position relative dont dépend le résultat.
Le producteur indique que le jeu de données d’images a été mis à jour jusqu’en juin 2023. Fournissez le contexte écrit nécessaire pour un libellé récent ou peu familier plutôt que de demander à l’image seule d’établir cette information. Distinguez, dans la note renvoyée, un libellé cité d’une identité déduite.
La configuration publiée du checkpoint fixe 32 768 positions maximales. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre des images utilisé dans la requête. L’utilitaire natif accepte les images locales, base64 et les adresses d’images.
Enregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les documents pertinents et identifiez l’observation ou l’interprétation à réviser, puis comparez le résultat corrigé à cette source.
Via Ailoot, utilisez l’identifiant de modèle exact dans /v1/chat/completions et gardez l’image avec la question dans la conversation. Le format du contenu image utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou une URI de données base64. Récupérez la réponse JSON complète ou tous les segments SSE lorsque stream est activé, et conservez usage avec le résultat terminé.
", "aboutText": "Qwen2-VL-2B-Instruct est le modèle vision-langage 2B de Qwen, ajusté pour suivre des instructions et répondre à des questions associant image et texte. Le producteur décrit la prise en charge d’images de résolutions et de formats différents et la compréhension de texte en plusieurs langues dans les images. Le résultat généré est une réponse écrite aux documents visuels et à la question fournis. Le fabricant décrit aussi l’utilisation d’agents visuels avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une consigne textuelle ; l’application qui l’entoure réalise l’opération proposée et renvoie l’état observé pour la question suivante.\n\n### Fournissez l’image et une question précise\n\nChoisissez l’image contenant les éléments nécessaires à la réponse, puis identifiez le détail à interpréter. Une question sur un document peut porter sur un passage visible ; une question sur un graphique peut préciser les séries, les axes et la comparaison à expliquer. Conservez l’identifiant de l’image avec le résultat demandé pour que la réponse reste liée à la bonne référence.\n\nLe fabricant mentionne une compréhension image-texte au-delà de l’anglais et du chinois, notamment les langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez la formulation et l’écriture originales lorsque vous demandez la transcription, l’explication ou la traduction d’un texte visible. Un exemple de brief peut demander le libellé affiché et une explication séparée de sa signification.\n\n### Préparez délibérément la résolution et les tokens visuels\n\nQwen2-VL utilise une résolution dynamique pour représenter une image par un nombre variable de tokens visuels. Dans l’exemple du processeur natif, la plage par défaut va de 4 à 16 384 tokens visuels par image. Son guide natif illustre des réglages minimum et maximum de pixels, dont une plage plus étroite de préparation de 256 à 1 280 tokens d’image, pour équilibrer les détails et les besoins de traitement. Ces réglages conservent le format lors du redimensionnement.\n\nLe producteur autorise également une hauteur et une largeur de redimensionnement demandées, arrondies à un multiple de 28. Choisissez une préparation qui garde les libellés importants lisibles et conservez l’image originale lorsque vous utilisez un recadrage. Les exemples natifs incluent plusieurs images et des lots, ce qui permet d’identifier séparément les références d’une question.\n\n### Respectez les limites visuelles documentées\n\nLe fabricant signale des limites dans les consignes complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il note aussi une reconnaissance incomplète de personnes ou de marques précises. Demandez une observation visuelle ciblée et examinez le nombre, le libellé ou la position relative dont dépend le résultat.\n\nLe producteur indique que le jeu de données d’images a été mis à jour jusqu’en juin 2023. Fournissez le contexte écrit nécessaire pour un libellé récent ou peu familier plutôt que de demander à l’image seule d’établir cette information. Distinguez, dans la note renvoyée, un libellé cité d’une identité déduite.\n\n### Conservez les entrées préparées avec la réponse\n\nLa configuration publiée du checkpoint fixe 32 768 positions maximales. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre des images utilisé dans la requête. L’utilitaire natif accepte les images locales, base64 et les adresses d’images.\n\nEnregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les documents pertinents et identifiez l’observation ou l’interprétation à réviser, puis comparez le résultat corrigé à cette source.\n\nVia Ailoot, utilisez l’identifiant de modèle exact dans /v1/chat/completions et gardez l’image avec la question dans la conversation. Le format du contenu image utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou une URI de données base64. Récupérez la réponse JSON complète ou tous les segments SSE lorsque stream est activé, et conservez usage avec le résultat terminé.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "194014f91dfd02130083d49a8ed1d7c7b7a9497a5953d352bbfed34b1cd6db7d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "qwen2-vl-2b-instructQwen2-VL-2B-Instruct est le modèle vision-langage de Qwen pour les questions sur les images, le texte multilingue dans les images et les explications visuelles. Fournissez une image lisible et une question précise pour obtenir un résultat écrit ancré dans les éléments visibles.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2-VL-2B-Instruct est le modèle vision-langage 2B de Qwen, ajusté pour suivre des instructions et répondre à des questions associant image et texte. Le producteur décrit la prise en charge d’images de résolutions et de formats différents et la compréhension de texte en plusieurs langues dans les images. Le résultat généré est une réponse écrite aux documents visuels et à la question fournis. Le fabricant décrit aussi l’utilisation d’agents visuels avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une consigne textuelle ; l’application qui l’entoure réalise l’opération proposée et renvoie l’état observé pour la question suivante.
Choisissez l’image contenant les éléments nécessaires à la réponse, puis identifiez le détail à interpréter. Une question sur un document peut porter sur un passage visible ; une question sur un graphique peut préciser les séries, les axes et la comparaison à expliquer. Conservez l’identifiant de l’image avec le résultat demandé pour que la réponse reste liée à la bonne référence.
Le fabricant mentionne une compréhension image-texte au-delà de l’anglais et du chinois, notamment les langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez la formulation et l’écriture originales lorsque vous demandez la transcription, l’explication ou la traduction d’un texte visible. Un exemple de brief peut demander le libellé affiché et une explication séparée de sa signification.
Qwen2-VL utilise une résolution dynamique pour représenter une image par un nombre variable de tokens visuels. Dans l’exemple du processeur natif, la plage par défaut va de 4 à 16 384 tokens visuels par image. Son guide natif illustre des réglages minimum et maximum de pixels, dont une plage plus étroite de préparation de 256 à 1 280 tokens d’image, pour équilibrer les détails et les besoins de traitement. Ces réglages conservent le format lors du redimensionnement.
Le producteur autorise également une hauteur et une largeur de redimensionnement demandées, arrondies à un multiple de 28. Choisissez une préparation qui garde les libellés importants lisibles et conservez l’image originale lorsque vous utilisez un recadrage. Les exemples natifs incluent plusieurs images et des lots, ce qui permet d’identifier séparément les références d’une question.
Le fabricant signale des limites dans les consignes complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il note aussi une reconnaissance incomplète de personnes ou de marques précises. Demandez une observation visuelle ciblée et examinez le nombre, le libellé ou la position relative dont dépend le résultat.
Le producteur indique que le jeu de données d’images a été mis à jour jusqu’en juin 2023. Fournissez le contexte écrit nécessaire pour un libellé récent ou peu familier plutôt que de demander à l’image seule d’établir cette information. Distinguez, dans la note renvoyée, un libellé cité d’une identité déduite.
La configuration publiée du checkpoint fixe 32 768 positions maximales. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre des images utilisé dans la requête. L’utilitaire natif accepte les images locales, base64 et les adresses d’images.
Enregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les documents pertinents et identifiez l’observation ou l’interprétation à réviser, puis comparez le résultat corrigé à cette source.
Via Ailoot, utilisez l’identifiant de modèle exact dans /v1/chat/completions et gardez l’image avec la question dans la conversation. Le format du contenu image utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou une URI de données base64. Récupérez la réponse JSON complète ou tous les segments SSE lorsque stream est activé, et conservez usage avec le résultat terminé.
POST /v1/chat/completionstext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2-vl-2b-instruct Conditions: Utilisez exactement ce sélecteur de routage Ailoot. | Par défaut— |
Champmessages | Typearray | ExigenceObligatoire | Valeurs et limites Conditions: | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites Conditions: | Par défautfalse |
text_input · Obligatoire : messages
image_with_text · Obligatoire : messages with actual image content blocks
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional | Contratstream |
Paramètrematerial_types | Contrattext, image |
Paramètreconditions | ContratUtilisez exactement ce sélecteur de routage Ailoot., Ce protocole transmet le contenu des images lorsque le modèle précis sélectionné prend en charge la vision. L’admission par le protocole n’établit pas que chaque modèle peut traiter des images. |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque bloc de contenu, chaque identifiant d’appel d’outil, la signature de raisonnement lorsqu’elle est renvoyée, tous les deltas SSE et les données complètes de consommation. Le premier fragment de texte ne représente pas l’intégralité du résultat.
Conservez le X-Client-Request-ID d’origine, la réponse et les en-têtes. Un résultat inconnu ou à l’état result_pending_check n’autorise pas une deuxième création.
| Champ | Type |
|---|---|
Champchoices[] | Typeobject |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionUn champ obligatoire, un sélecteur de modèle, un type ou une représentation de l’entrée est invalide. | Étape suivanteExaminez les détails de validation renvoyés avant de préparer une requête distincte. |
Réponse | ConditionLa requête d’origine ou son résultat est inconnu ou nécessite une vérification. | Étape suivanteConservez les identifiants et les en-têtes d’origine ; consultez uniquement les enregistrements d’état ou de bibliothèque pris en charge. Ne soumettez pas à nouveau la requête de création. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions
qwen2-vl-2b-instructQwen2-VL-2B-Instruct est le modèle vision-langage de Qwen pour les questions sur les images, le texte multilingue dans les images et les explications visuelles. Fournissez une image lisible et une question précise pour obtenir un résultat écrit ancré dans les éléments visibles.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2-VL-2B-Instruct est le modèle vision-langage 2B de Qwen, ajusté pour suivre des instructions et répondre à des questions associant image et texte. Le producteur décrit la prise en charge d’images de résolutions et de formats différents et la compréhension de texte en plusieurs langues dans les images. Le résultat généré est une réponse écrite aux documents visuels et à la question fournis. Le fabricant décrit aussi l’utilisation d’agents visuels avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une consigne textuelle ; l’application qui l’entoure réalise l’opération proposée et renvoie l’état observé pour la question suivante.
Choisissez l’image contenant les éléments nécessaires à la réponse, puis identifiez le détail à interpréter. Une question sur un document peut porter sur un passage visible ; une question sur un graphique peut préciser les séries, les axes et la comparaison à expliquer. Conservez l’identifiant de l’image avec le résultat demandé pour que la réponse reste liée à la bonne référence.
Le fabricant mentionne une compréhension image-texte au-delà de l’anglais et du chinois, notamment les langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez la formulation et l’écriture originales lorsque vous demandez la transcription, l’explication ou la traduction d’un texte visible. Un exemple de brief peut demander le libellé affiché et une explication séparée de sa signification.
Qwen2-VL utilise une résolution dynamique pour représenter une image par un nombre variable de tokens visuels. Dans l’exemple du processeur natif, la plage par défaut va de 4 à 16 384 tokens visuels par image. Son guide natif illustre des réglages minimum et maximum de pixels, dont une plage plus étroite de préparation de 256 à 1 280 tokens d’image, pour équilibrer les détails et les besoins de traitement. Ces réglages conservent le format lors du redimensionnement.
Le producteur autorise également une hauteur et une largeur de redimensionnement demandées, arrondies à un multiple de 28. Choisissez une préparation qui garde les libellés importants lisibles et conservez l’image originale lorsque vous utilisez un recadrage. Les exemples natifs incluent plusieurs images et des lots, ce qui permet d’identifier séparément les références d’une question.
Le fabricant signale des limites dans les consignes complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il note aussi une reconnaissance incomplète de personnes ou de marques précises. Demandez une observation visuelle ciblée et examinez le nombre, le libellé ou la position relative dont dépend le résultat.
Le producteur indique que le jeu de données d’images a été mis à jour jusqu’en juin 2023. Fournissez le contexte écrit nécessaire pour un libellé récent ou peu familier plutôt que de demander à l’image seule d’établir cette information. Distinguez, dans la note renvoyée, un libellé cité d’une identité déduite.
La configuration publiée du checkpoint fixe 32 768 positions maximales. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre des images utilisé dans la requête. L’utilitaire natif accepte les images locales, base64 et les adresses d’images.
Enregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les documents pertinents et identifiez l’observation ou l’interprétation à réviser, puis comparez le résultat corrigé à cette source.
Via Ailoot, utilisez l’identifiant de modèle exact dans /v1/chat/completions et gardez l’image avec la question dans la conversation. Le format du contenu image utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou une URI de données base64. Récupérez la réponse JSON complète ou tous les segments SSE lorsque stream est activé, et conservez usage avec le résultat terminé.
POST /v1/messagestext, imagejson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2-vl-2b-instruct Conditions: Utilisez exactement ce sélecteur de routage Ailoot. | Par défaut— |
Champmessages | Typearray | ExigenceObligatoire | Valeurs et limites Conditions: | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites Conditions: | Par défautfalse |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 Conditions: | Par défaut— |
text_input · Obligatoire : messages
image_with_text · Obligatoire : messages with actual image content blocks
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional | Contratstream |
Paramètrematerial_types | Contrattext, image |
Paramètreconditions | ContratUtilisez exactement ce sélecteur de routage Ailoot., Ce protocole transmet le contenu des images lorsque le modèle précis sélectionné prend en charge la vision. L’admission par le protocole n’établit pas que chaque modèle peut traiter des images. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque bloc de contenu, chaque identifiant d’appel d’outil, la signature de raisonnement lorsqu’elle est renvoyée, tous les deltas SSE et les données complètes de consommation. Le premier fragment de texte ne représente pas l’intégralité du résultat.
Conservez le X-Client-Request-ID d’origine, la réponse et les en-têtes. Un résultat inconnu ou à l’état result_pending_check n’autorise pas une deuxième création.
| Champ | Type |
|---|---|
Champcontent[] | Typeobject |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionUn champ obligatoire, un sélecteur de modèle, un type ou une représentation de l’entrée est invalide. | Étape suivanteExaminez les détails de validation renvoyés avant de préparer une requête distincte. |
Réponse | ConditionLa requête d’origine ou son résultat est inconnu ou nécessite une vérification. | Étape suivanteConservez les identifiants et les en-têtes d’origine ; consultez uniquement les enregistrements d’état ou de bibliothèque pris en charge. Ne soumettez pas à nouveau la requête de création. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions