Qwen2-VL-2B-Instruct est le modèle vision-langage 2B de Qwen, ajusté pour suivre des instructions dans des questions mêlant image et texte. Le producteur décrit la gestion d’images de résolutions et de formats différents et la compréhension de textes dans plusieurs langues au sein des images. Le résultat généré est une réponse écrite au contenu visuel et à la question fournis. Le fabricant décrit aussi des usages d’agent visuel avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une instruction textuelle ; l’application environnante exécute 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 documentaire peut porter sur un passage visible ; une question sur un graphique peut identifier les séries, les axes et la comparaison à expliquer. Gardez l’identifiant de l’image avec le résultat demandé pour rattacher la réponse à la bonne référence.
Le fabricant décrit une compréhension image-texte au-delà de l’anglais et du chinois, notamment pour des langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez le libellé et l’écriture d’origine lorsque vous demandez de transcrire, d’expliquer ou de traduire le texte visible. Un exemple de consigne peut demander le libellé affiché et une explication séparée de son sens.
Qwen2-VL utilise une résolution dynamique pour convertir une image en un nombre variable de jetons visuels. Dans l’exemple du processeur natif, la plage par défaut est de 4 à 16 384 jetons visuels par image. Son guide natif illustre des réglages de pixels minimum et maximum, dont une plage plus étroite de préparation de 256 à 1 280 jetons d’image, pour équilibrer détails et besoins de traitement. Ces réglages préservent le format lors du redimensionnement.
Le producteur permet aussi de demander une hauteur et une largeur redimensionnées, 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 de distinguer les références associées à une question.
Le fabricant signale des limites dans les instructions complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il mentionne aussi une reconnaissance incomplète de certaines personnes ou marques. Demandez une observation visuelle ciblée et inspectez le décompte, 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 connu, au lieu 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 point de contrôle fixe un maximum de 32 768 positions. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre d’images utilisé dans la requête. L’outil auxiliaire natif accepte les images locales, base64 et les adresses d’image.
Enregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les éléments pertinents et identifiez l’observation ou l’interprétation précise à réviser, puis comparez le résultat corrigé à cette source.
Avec Ailoot, utilisez l’identifiant exact du modèle dans /v1/chat/completions et gardez l’image avec sa question dans la conversation. Le contenu visuel utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou un URI de données base64. Recueillez 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 dans des questions mêlant image et texte. Le producteur décrit la gestion d’images de résolutions et de formats différents et la compréhension de textes dans plusieurs langues au sein des images. Le résultat généré est une réponse écrite au contenu visuel et à la question fournis. Le fabricant décrit aussi des usages d’agent visuel avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une instruction textuelle ; l’application environnante exécute 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 documentaire peut porter sur un passage visible ; une question sur un graphique peut identifier les séries, les axes et la comparaison à expliquer. Gardez l’identifiant de l’image avec le résultat demandé pour rattacher la réponse à la bonne référence.\n\nLe fabricant décrit une compréhension image-texte au-delà de l’anglais et du chinois, notamment pour des langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez le libellé et l’écriture d’origine lorsque vous demandez de transcrire, d’expliquer ou de traduire le texte visible. Un exemple de consigne peut demander le libellé affiché et une explication séparée de son sens.\n\n### Préparez délibérément la résolution et les jetons visuels\n\nQwen2-VL utilise une résolution dynamique pour convertir une image en un nombre variable de jetons visuels. Dans l’exemple du processeur natif, la plage par défaut est de 4 à 16 384 jetons visuels par image. Son guide natif illustre des réglages de pixels minimum et maximum, dont une plage plus étroite de préparation de 256 à 1 280 jetons d’image, pour équilibrer détails et besoins de traitement. Ces réglages préservent le format lors du redimensionnement.\n\nLe producteur permet aussi de demander une hauteur et une largeur redimensionnées, 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 de distinguer les références associées à une question.\n\n### Respectez les limites visuelles documentées\n\nLe fabricant signale des limites dans les instructions complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il mentionne aussi une reconnaissance incomplète de certaines personnes ou marques. Demandez une observation visuelle ciblée et inspectez le décompte, 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 connu, au lieu de demander à l’image seule d’établir cette information. Distinguez dans la note renvoyée un libellé cité d’une identité déduite.\n\n### Gardez les entrées préparées avec la réponse\n\nLa configuration publiée du point de contrôle fixe un maximum de 32 768 positions. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre d’images utilisé dans la requête. L’outil auxiliaire natif accepte les images locales, base64 et les adresses d’image.\n\nEnregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les éléments pertinents et identifiez l’observation ou l’interprétation précise à réviser, puis comparez le résultat corrigé à cette source.\n\nAvec Ailoot, utilisez l’identifiant exact du modèle dans /v1/chat/completions et gardez l’image avec sa question dans la conversation. Le contenu visuel utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou un URI de données base64. Recueillez 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": "7e94fbba548eb694e504ae4994d8df299f76d0d28da8737d6c17e9c4047df53b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "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 une réponse écrite liée aux 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 dans des questions mêlant image et texte. Le producteur décrit la gestion d’images de résolutions et de formats différents et la compréhension de textes dans plusieurs langues au sein des images. Le résultat généré est une réponse écrite au contenu visuel et à la question fournis. Le fabricant décrit aussi des usages d’agent visuel avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une instruction textuelle ; l’application environnante exécute 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 documentaire peut porter sur un passage visible ; une question sur un graphique peut identifier les séries, les axes et la comparaison à expliquer. Gardez l’identifiant de l’image avec le résultat demandé pour rattacher la réponse à la bonne référence.
Le fabricant décrit une compréhension image-texte au-delà de l’anglais et du chinois, notamment pour des langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez le libellé et l’écriture d’origine lorsque vous demandez de transcrire, d’expliquer ou de traduire le texte visible. Un exemple de consigne peut demander le libellé affiché et une explication séparée de son sens.
Qwen2-VL utilise une résolution dynamique pour convertir une image en un nombre variable de jetons visuels. Dans l’exemple du processeur natif, la plage par défaut est de 4 à 16 384 jetons visuels par image. Son guide natif illustre des réglages de pixels minimum et maximum, dont une plage plus étroite de préparation de 256 à 1 280 jetons d’image, pour équilibrer détails et besoins de traitement. Ces réglages préservent le format lors du redimensionnement.
Le producteur permet aussi de demander une hauteur et une largeur redimensionnées, 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 de distinguer les références associées à une question.
Le fabricant signale des limites dans les instructions complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il mentionne aussi une reconnaissance incomplète de certaines personnes ou marques. Demandez une observation visuelle ciblée et inspectez le décompte, 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 connu, au lieu 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 point de contrôle fixe un maximum de 32 768 positions. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre d’images utilisé dans la requête. L’outil auxiliaire natif accepte les images locales, base64 et les adresses d’image.
Enregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les éléments pertinents et identifiez l’observation ou l’interprétation précise à réviser, puis comparez le résultat corrigé à cette source.
Avec Ailoot, utilisez l’identifiant exact du modèle dans /v1/chat/completions et gardez l’image avec sa question dans la conversation. Le contenu visuel utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou un URI de données base64. Recueillez 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 transporte le contenu des images lorsque le modèle précis sélectionné prend en charge la vision. L’admission par le protocole ne confirme pas que tous les modèles prennent en charge les 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 · Jetons en entrée $0 / 1K jetons Sortie · Jetons en sortie $0 / 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}"\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 si elle est retournée, tous les deltas SSE et les données complètes d’utilisation. Le premier fragment de texte ne constitue pas le résultat complet.
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 des données d’entrée est invalide. | Étape suivanteExaminez les détails de validation retournés 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 de 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 une réponse écrite liée aux 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 dans des questions mêlant image et texte. Le producteur décrit la gestion d’images de résolutions et de formats différents et la compréhension de textes dans plusieurs langues au sein des images. Le résultat généré est une réponse écrite au contenu visuel et à la question fournis. Le fabricant décrit aussi des usages d’agent visuel avec des appareils tels que des téléphones et des robots. Pour ce processus, fournissez l’environnement visuel actuel et une instruction textuelle ; l’application environnante exécute 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 documentaire peut porter sur un passage visible ; une question sur un graphique peut identifier les séries, les axes et la comparaison à expliquer. Gardez l’identifiant de l’image avec le résultat demandé pour rattacher la réponse à la bonne référence.
Le fabricant décrit une compréhension image-texte au-delà de l’anglais et du chinois, notamment pour des langues européennes, le japonais, le coréen, l’arabe et le vietnamien. Préservez le libellé et l’écriture d’origine lorsque vous demandez de transcrire, d’expliquer ou de traduire le texte visible. Un exemple de consigne peut demander le libellé affiché et une explication séparée de son sens.
Qwen2-VL utilise une résolution dynamique pour convertir une image en un nombre variable de jetons visuels. Dans l’exemple du processeur natif, la plage par défaut est de 4 à 16 384 jetons visuels par image. Son guide natif illustre des réglages de pixels minimum et maximum, dont une plage plus étroite de préparation de 256 à 1 280 jetons d’image, pour équilibrer détails et besoins de traitement. Ces réglages préservent le format lors du redimensionnement.
Le producteur permet aussi de demander une hauteur et une largeur redimensionnées, 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 de distinguer les références associées à une question.
Le fabricant signale des limites dans les instructions complexes à plusieurs étapes, le comptage d’objets dans des scènes compliquées et le raisonnement spatial en trois dimensions. Il mentionne aussi une reconnaissance incomplète de certaines personnes ou marques. Demandez une observation visuelle ciblée et inspectez le décompte, 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 connu, au lieu 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 point de contrôle fixe un maximum de 32 768 positions. Préparez la question et les entrées visuelles avec le processeur correspondant au modèle, en conservant l’ordre d’images utilisé dans la requête. L’outil auxiliaire natif accepte les images locales, base64 et les adresses d’image.
Enregistrez ensemble le nom 2B Instruct sélectionné, les références et la réponse écrite terminée. Pour un suivi, incluez les éléments pertinents et identifiez l’observation ou l’interprétation précise à réviser, puis comparez le résultat corrigé à cette source.
Avec Ailoot, utilisez l’identifiant exact du modèle dans /v1/chat/completions et gardez l’image avec sa question dans la conversation. Le contenu visuel utilise image_url ; les sources d’image prises en charge peuvent contenir une adresse d’image ou un URI de données base64. Recueillez 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 transporte le contenu des images lorsque le modèle précis sélectionné prend en charge la vision. L’admission par le protocole ne confirme pas que tous les modèles prennent en charge les 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 · Jetons en entrée $0 / 1K jetons Sortie · Jetons en sortie $0 / 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}"\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 si elle est retournée, tous les deltas SSE et les données complètes d’utilisation. Le premier fragment de texte ne constitue pas le résultat complet.
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 des données d’entrée est invalide. | Étape suivanteExaminez les détails de validation retournés 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 de nouveau la requête de création. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions