Llama 3.2 90B Vision est le plus grand modèle image et texte de Meta dans la collection Llama 3.2 Vision. Il combine le modèle linguistique autorégressif Llama 3.1 à un adaptateur de vision entraîné séparément. Des couches d’attention croisée intègrent les représentations d’un encodeur d’image au modèle linguistique, ce qui permet d’interpréter une question textuelle avec le contenu visible. La désignation 90B identifie la catégorie de taille; le tableau de configuration de Meta indique 88,8 milliards de paramètres et l’attention à requêtes groupées.
Le modèle accepte du texte et des images et produit du texte, avec une longueur de contexte de 128K jetons. Pour les tâches exclusivement textuelles, les langues officiellement prises en charge sont l’anglais, l’allemand, le français, l’italien, le portugais, l’hindi, l’espagnol et le thaï. Les applications image et texte sont officiellement prises en charge en anglais. Cette distinction importe lors de la préparation d’un assistant documentaire : la langue d’une conversation textuelle et celle d’une question sur une image sont des choix distincts.
Meta publie des éditions préentraînées et ajustées aux instructions. Le modèle préentraîné est une fondation adaptable aux tâches de raisonnement sur les images. L’édition ajustée aux instructions ajoute l’ajustement fin supervisé et l’apprentissage par renforcement avec rétroaction humaine pour la reconnaissance visuelle, le raisonnement sur les images, la production de légendes et la conversation de type assistant avec des images. L’étiquette de taille décrit la branche 90B et maintient la distinction entre ces éditions d’ajustement.
Les usages prévus comprennent la réponse à des questions visuelles, les questions sur des images de documents, la production de légendes, l’appariement image-texte et l’ancrage visuel. Pour une page de document, demandez comment un titre se rapporte à un tableau ou quelle clause visible répond à une question donnée. Pour un graphique, précisez les séries ou les étiquettes à comparer et demandez une explication liée à ces détails. Pour une photographie, demandez une légende qui identifie la scène et les relations visibles. L’ancrage visuel relie une expression de la question à l’objet ou à la zone pertinente; les tâches d’appariement relient une image à une description textuelle appropriée.
Dans une tâche avec l’API Ailoot, fournissez une question claire avec l’image et définissez le livrable textuel souhaité : une description, une explication, une réponse avec des observations justificatives ou une liste de détails extraits. Gardez les éléments visuels attachés à la question afin que les révisions ultérieures puissent renvoyer à la même page, au même diagramme ou à la même photographie. Les exemples de Meta utilisent un processeur d’image et une instruction textuelle initiale pour générer du texte; la modalité de sortie publiée reste le texte.
La famille Vision a été préentraînée sur six milliards de paires image-texte. L’ajustement aux instructions comprend des données publiques d’instructions visuelles et plus de trois millions d’exemples synthétiques. Meta donne décembre 2023 comme limite des connaissances de préentraînement et décrit le modèle comme une version statique entraînée sur un jeu de données hors ligne. Son travail de responsabilité comprend l’ajustement de sécurité, l’évaluation adversariale et des protections système distinctes. Pour la révision pratique, distinguez ce que l’image appuie visiblement d’une interprétation du modèle, et vérifiez les descriptions par rapport au matériel fourni. Meta note que les réponses peuvent être inexactes ou biaisées et que ses évaluations ne couvrent pas tous les scénarios d’application.
", "aboutText": "Llama 3.2 90B Vision est le plus grand modèle image et texte de Meta dans la collection Llama 3.2 Vision. Il combine le modèle linguistique autorégressif Llama 3.1 à un adaptateur de vision entraîné séparément. Des couches d’attention croisée intègrent les représentations d’un encodeur d’image au modèle linguistique, ce qui permet d’interpréter une question textuelle avec le contenu visible. La désignation 90B identifie la catégorie de taille; le tableau de configuration de Meta indique 88,8 milliards de paramètres et l’attention à requêtes groupées.\n\nLe modèle accepte du texte et des images et produit du texte, avec une longueur de contexte de 128K jetons. Pour les tâches exclusivement textuelles, les langues officiellement prises en charge sont l’anglais, l’allemand, le français, l’italien, le portugais, l’hindi, l’espagnol et le thaï. Les applications image et texte sont officiellement prises en charge en anglais. Cette distinction importe lors de la préparation d’un assistant documentaire : la langue d’une conversation textuelle et celle d’une question sur une image sont des choix distincts.\n\nMeta publie des éditions préentraînées et ajustées aux instructions. Le modèle préentraîné est une fondation adaptable aux tâches de raisonnement sur les images. L’édition ajustée aux instructions ajoute l’ajustement fin supervisé et l’apprentissage par renforcement avec rétroaction humaine pour la reconnaissance visuelle, le raisonnement sur les images, la production de légendes et la conversation de type assistant avec des images. L’étiquette de taille décrit la branche 90B et maintient la distinction entre ces éditions d’ajustement.\n\nLes usages prévus comprennent la réponse à des questions visuelles, les questions sur des images de documents, la production de légendes, l’appariement image-texte et l’ancrage visuel. Pour une page de document, demandez comment un titre se rapporte à un tableau ou quelle clause visible répond à une question donnée. Pour un graphique, précisez les séries ou les étiquettes à comparer et demandez une explication liée à ces détails. Pour une photographie, demandez une légende qui identifie la scène et les relations visibles. L’ancrage visuel relie une expression de la question à l’objet ou à la zone pertinente; les tâches d’appariement relient une image à une description textuelle appropriée.\n\nDans une tâche avec l’API Ailoot, fournissez une question claire avec l’image et définissez le livrable textuel souhaité : une description, une explication, une réponse avec des observations justificatives ou une liste de détails extraits. Gardez les éléments visuels attachés à la question afin que les révisions ultérieures puissent renvoyer à la même page, au même diagramme ou à la même photographie. Les exemples de Meta utilisent un processeur d’image et une instruction textuelle initiale pour générer du texte; la modalité de sortie publiée reste le texte.\n\nLa famille Vision a été préentraînée sur six milliards de paires image-texte. L’ajustement aux instructions comprend des données publiques d’instructions visuelles et plus de trois millions d’exemples synthétiques. Meta donne décembre 2023 comme limite des connaissances de préentraînement et décrit le modèle comme une version statique entraînée sur un jeu de données hors ligne. Son travail de responsabilité comprend l’ajustement de sécurité, l’évaluation adversariale et des protections système distinctes. Pour la révision pratique, distinguez ce que l’image appuie visiblement d’une interprétation du modèle, et vérifiez les descriptions par rapport au matériel fourni. Meta note que les réponses peuvent être inexactes ou biaisées et que ses évaluations ne couvrent pas tous les scénarios d’application.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Explain a chart from supplied values\n\nUse this text transcription of a bar chart: horizontal axis is quarter; vertical axis is returned units; Q1=12, Q2=18, Q3=9, Q4=15. Write a two-sentence caption identifying the largest and smallest bars and the change from Q2 to Q3. Do not infer sales totals or return rates.A two-sentence chart caption with the extrema and a nine-unit decrease from Q2 to Q3.The answer reports units rather than percentages and does not invent a denominator for return rates.llama3.2-90bLlama 3.2 90B Vision est un modèle vision-langage de Meta de plus grande taille, conçu pour expliquer des images, répondre à des questions sur des pages de documents et relier des détails visuels à une instruction textuelle. La taille 90B comprend des éditions préentraînées et ajustées aux instructions distinctes, avec une sortie textuelle et une fenêtre de contexte de 128K.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Llama 3.2 90B Vision est le plus grand modèle image et texte de Meta dans la collection Llama 3.2 Vision. Il combine le modèle linguistique autorégressif Llama 3.1 à un adaptateur de vision entraîné séparément. Des couches d’attention croisée intègrent les représentations d’un encodeur d’image au modèle linguistique, ce qui permet d’interpréter une question textuelle avec le contenu visible. La désignation 90B identifie la catégorie de taille; le tableau de configuration de Meta indique 88,8 milliards de paramètres et l’attention à requêtes groupées.
Le modèle accepte du texte et des images et produit du texte, avec une longueur de contexte de 128K jetons. Pour les tâches exclusivement textuelles, les langues officiellement prises en charge sont l’anglais, l’allemand, le français, l’italien, le portugais, l’hindi, l’espagnol et le thaï. Les applications image et texte sont officiellement prises en charge en anglais. Cette distinction importe lors de la préparation d’un assistant documentaire : la langue d’une conversation textuelle et celle d’une question sur une image sont des choix distincts.
Meta publie des éditions préentraînées et ajustées aux instructions. Le modèle préentraîné est une fondation adaptable aux tâches de raisonnement sur les images. L’édition ajustée aux instructions ajoute l’ajustement fin supervisé et l’apprentissage par renforcement avec rétroaction humaine pour la reconnaissance visuelle, le raisonnement sur les images, la production de légendes et la conversation de type assistant avec des images. L’étiquette de taille décrit la branche 90B et maintient la distinction entre ces éditions d’ajustement.
Les usages prévus comprennent la réponse à des questions visuelles, les questions sur des images de documents, la production de légendes, l’appariement image-texte et l’ancrage visuel. Pour une page de document, demandez comment un titre se rapporte à un tableau ou quelle clause visible répond à une question donnée. Pour un graphique, précisez les séries ou les étiquettes à comparer et demandez une explication liée à ces détails. Pour une photographie, demandez une légende qui identifie la scène et les relations visibles. L’ancrage visuel relie une expression de la question à l’objet ou à la zone pertinente; les tâches d’appariement relient une image à une description textuelle appropriée.
Dans une tâche avec l’API Ailoot, fournissez une question claire avec l’image et définissez le livrable textuel souhaité : une description, une explication, une réponse avec des observations justificatives ou une liste de détails extraits. Gardez les éléments visuels attachés à la question afin que les révisions ultérieures puissent renvoyer à la même page, au même diagramme ou à la même photographie. Les exemples de Meta utilisent un processeur d’image et une instruction textuelle initiale pour générer du texte; la modalité de sortie publiée reste le texte.
La famille Vision a été préentraînée sur six milliards de paires image-texte. L’ajustement aux instructions comprend des données publiques d’instructions visuelles et plus de trois millions d’exemples synthétiques. Meta donne décembre 2023 comme limite des connaissances de préentraînement et décrit le modèle comme une version statique entraînée sur un jeu de données hors ligne. Son travail de responsabilité comprend l’ajustement de sécurité, l’évaluation adversariale et des protections système distinctes. Pour la révision pratique, distinguez ce que l’image appuie visiblement d’une interprétation du modèle, et vérifiez les descriptions par rapport au matériel fourni. Meta note que les réponses peuvent être inexactes ou biaisées et que ses évaluations ne couvrent pas tous les scénarios d’application.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites llama3.2-90b | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
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 · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.004 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "llama3.2-90b", "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='llama3.2-90b',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='llama3.2-90b',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra llama3.2-90b
Utilisez les chemins de méthode indiqués ci-dessus.
llama3.2-90bLlama 3.2 90B Vision est un modèle vision-langage de Meta de plus grande taille, conçu pour expliquer des images, répondre à des questions sur des pages de documents et relier des détails visuels à une instruction textuelle. La taille 90B comprend des éditions préentraînées et ajustées aux instructions distinctes, avec une sortie textuelle et une fenêtre de contexte de 128K.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Llama 3.2 90B Vision est le plus grand modèle image et texte de Meta dans la collection Llama 3.2 Vision. Il combine le modèle linguistique autorégressif Llama 3.1 à un adaptateur de vision entraîné séparément. Des couches d’attention croisée intègrent les représentations d’un encodeur d’image au modèle linguistique, ce qui permet d’interpréter une question textuelle avec le contenu visible. La désignation 90B identifie la catégorie de taille; le tableau de configuration de Meta indique 88,8 milliards de paramètres et l’attention à requêtes groupées.
Le modèle accepte du texte et des images et produit du texte, avec une longueur de contexte de 128K jetons. Pour les tâches exclusivement textuelles, les langues officiellement prises en charge sont l’anglais, l’allemand, le français, l’italien, le portugais, l’hindi, l’espagnol et le thaï. Les applications image et texte sont officiellement prises en charge en anglais. Cette distinction importe lors de la préparation d’un assistant documentaire : la langue d’une conversation textuelle et celle d’une question sur une image sont des choix distincts.
Meta publie des éditions préentraînées et ajustées aux instructions. Le modèle préentraîné est une fondation adaptable aux tâches de raisonnement sur les images. L’édition ajustée aux instructions ajoute l’ajustement fin supervisé et l’apprentissage par renforcement avec rétroaction humaine pour la reconnaissance visuelle, le raisonnement sur les images, la production de légendes et la conversation de type assistant avec des images. L’étiquette de taille décrit la branche 90B et maintient la distinction entre ces éditions d’ajustement.
Les usages prévus comprennent la réponse à des questions visuelles, les questions sur des images de documents, la production de légendes, l’appariement image-texte et l’ancrage visuel. Pour une page de document, demandez comment un titre se rapporte à un tableau ou quelle clause visible répond à une question donnée. Pour un graphique, précisez les séries ou les étiquettes à comparer et demandez une explication liée à ces détails. Pour une photographie, demandez une légende qui identifie la scène et les relations visibles. L’ancrage visuel relie une expression de la question à l’objet ou à la zone pertinente; les tâches d’appariement relient une image à une description textuelle appropriée.
Dans une tâche avec l’API Ailoot, fournissez une question claire avec l’image et définissez le livrable textuel souhaité : une description, une explication, une réponse avec des observations justificatives ou une liste de détails extraits. Gardez les éléments visuels attachés à la question afin que les révisions ultérieures puissent renvoyer à la même page, au même diagramme ou à la même photographie. Les exemples de Meta utilisent un processeur d’image et une instruction textuelle initiale pour générer du texte; la modalité de sortie publiée reste le texte.
La famille Vision a été préentraînée sur six milliards de paires image-texte. L’ajustement aux instructions comprend des données publiques d’instructions visuelles et plus de trois millions d’exemples synthétiques. Meta donne décembre 2023 comme limite des connaissances de préentraînement et décrit le modèle comme une version statique entraînée sur un jeu de données hors ligne. Son travail de responsabilité comprend l’ajustement de sécurité, l’évaluation adversariale et des protections système distinctes. Pour la révision pratique, distinguez ce que l’image appuie visiblement d’une interprétation du modèle, et vérifiez les descriptions par rapport au matériel fourni. Meta note que les réponses peuvent être inexactes ou biaisées et que ses évaluations ne couvrent pas tous les scénarios d’application.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites llama3.2-90b | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
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 · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.004 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "llama3.2-90b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'llama3.2-90b', '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': 'llama3.2-90b', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra llama3.2-90b
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain a chart from supplied values\n\nUse this text transcription of a bar chart: horizontal axis is quarter; vertical axis is returned units; Q1=12, Q2=18, Q3=9, Q4=15. Write a two-sentence caption identifying the largest and smallest bars and the change from Q2 to Q3. Do not infer sales totals or return rates.A two-sentence chart caption with the extrema and a nine-unit decrease from Q2 to Q3.The answer reports units rather than percentages and does not invent a denominator for return rates.