Doubao 1.5 Vision Pro est le modèle vision-langage de ByteDance pour répondre aux questions associant une image à une instruction textuelle. Ses capacités mises à jour portent sur le raisonnement visuel, la reconnaissance du texte documentaire, les informations fines et le suivi d’instructions complexes. Le résultat est une réponse textuelle : une explication de la scène, des informations extraites ou une analyse liée au contenu visuel fourni.
Détails et disposition de l’image. Le modèle utilise une architecture native à résolution dynamique pour traiter des images de résolutions et de formes différentes. Le fabricant décrit spécifiquement les images haute résolution, les petites images basse résolution et les rapports d’aspect extrêmes. C’est utile lorsque la source est une page documentaire haute, une capture d’écran large ou une photographie contenant de petits détails. Fournissez l’original le plus net disponible, préservez la zone pertinente pour la question et identifiez la page ou la région à examiner. Agrandir une image floue ne restitue pas les informations manquantes ; demandez une mention explicite de l’incertitude lorsqu’un libellé ou un nombre est illisible.
Instructions visuelles. Cette version décrit un meilleur suivi des instructions grâce à des tâches visuelles plus variées pendant le post-entraînement. Une demande peut préciser l’objet à examiner, les détails à rapporter et l’ordre de la réponse. Pour comparer des emballages, identifiez les images A et B et demandez un tableau des différences visibles de texte, de disposition et de composants. Pour examiner une capture d’écran, identifiez l’action souhaitée et demandez une description des commandes visibles et des informations nécessaires pour la réaliser. La sortie utile est une comparaison ou une explication fondée sur ce que montre réellement l’image.
Reconnaissance documentaire. Associez une page lisible aux noms des champs nécessaires à votre processus : titre du document, date, parties, noms d’articles ou montants. Demandez au modèle de séparer le texte extrait de l’interprétation et de conserver l’orthographe originale des identifiants importants. Pour un dossier de plusieurs pages, fournissez des libellés de page et demandez des références de page à côté de chaque valeur extraite. Vous pourrez ensuite comparer le texte à la source, résoudre les caractères peu clairs et préparer les champs sélectionnés pour une application en aval.
La mise à jour technique de cette version couvre la synthèse de données multimodales, la résolution dynamique, l’alignement des informations visuelles et textuelles et l’entraînement mixte. Ces changements servent la compréhension des images et le raisonnement ; le fabricant décrit aussi un style de réponse plus concis et accessible. Pour en faire un livrable utile, nommez le public et la forme demandée, comme une note d’inspection, une description d’image ou une liste de questions pour le propriétaire du document.
Choisissez la tâche autour des éléments visibles. Une photo de produit peut étayer une description de sa forme, de sa couleur, de ses étiquettes et de ses composants observables ; fournissez séparément une spécification si la réponse exige aussi des dimensions ou des matériaux. Une image documentaire peut étayer une extraction et une explication ; incluez la page environnante pertinente lorsqu’une phrase recadrée dépend de définitions précédentes. Demandez au modèle de distinguer une observation d’une déduction, et vérifiez les petits caractères et valeurs décisives avant d’utiliser le résultat.
", "aboutText": "Doubao 1.5 Vision Pro est le modèle vision-langage de ByteDance pour répondre aux questions associant une image à une instruction textuelle. Ses capacités mises à jour portent sur le raisonnement visuel, la reconnaissance du texte documentaire, les informations fines et le suivi d’instructions complexes. Le résultat est une réponse textuelle : une explication de la scène, des informations extraites ou une analyse liée au contenu visuel fourni.\n\nDétails et disposition de l’image. Le modèle utilise une architecture native à résolution dynamique pour traiter des images de résolutions et de formes différentes. Le fabricant décrit spécifiquement les images haute résolution, les petites images basse résolution et les rapports d’aspect extrêmes. C’est utile lorsque la source est une page documentaire haute, une capture d’écran large ou une photographie contenant de petits détails. Fournissez l’original le plus net disponible, préservez la zone pertinente pour la question et identifiez la page ou la région à examiner. Agrandir une image floue ne restitue pas les informations manquantes ; demandez une mention explicite de l’incertitude lorsqu’un libellé ou un nombre est illisible.\n\nInstructions visuelles. Cette version décrit un meilleur suivi des instructions grâce à des tâches visuelles plus variées pendant le post-entraînement. Une demande peut préciser l’objet à examiner, les détails à rapporter et l’ordre de la réponse. Pour comparer des emballages, identifiez les images A et B et demandez un tableau des différences visibles de texte, de disposition et de composants. Pour examiner une capture d’écran, identifiez l’action souhaitée et demandez une description des commandes visibles et des informations nécessaires pour la réaliser. La sortie utile est une comparaison ou une explication fondée sur ce que montre réellement l’image.\n\nReconnaissance documentaire. Associez une page lisible aux noms des champs nécessaires à votre processus : titre du document, date, parties, noms d’articles ou montants. Demandez au modèle de séparer le texte extrait de l’interprétation et de conserver l’orthographe originale des identifiants importants. Pour un dossier de plusieurs pages, fournissez des libellés de page et demandez des références de page à côté de chaque valeur extraite. Vous pourrez ensuite comparer le texte à la source, résoudre les caractères peu clairs et préparer les champs sélectionnés pour une application en aval.\n\nLa mise à jour technique de cette version couvre la synthèse de données multimodales, la résolution dynamique, l’alignement des informations visuelles et textuelles et l’entraînement mixte. Ces changements servent la compréhension des images et le raisonnement ; le fabricant décrit aussi un style de réponse plus concis et accessible. Pour en faire un livrable utile, nommez le public et la forme demandée, comme une note d’inspection, une description d’image ou une liste de questions pour le propriétaire du document.\n\nChoisissez la tâche autour des éléments visibles. Une photo de produit peut étayer une description de sa forme, de sa couleur, de ses étiquettes et de ses composants observables ; fournissez séparément une spécification si la réponse exige aussi des dimensions ou des matériaux. Une image documentaire peut étayer une extraction et une explication ; incluez la page environnante pertinente lorsqu’une phrase recadrée dépend de définitions précédentes. Demandez au modèle de distinguer une observation d’une déduction, et vérifiez les petits caractères et valeurs décisives avant d’utiliser le résultat.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract fields from a page transcription\n\nExtract fields from this document transcription, keeping literal values separate from interpretation: Page 1, Delivery note DN-82. Recipient: Lumen Studio. Items: Desk lamp, quantity 4. Delivery date: unclear. Return document_id, recipient, item, quantity and delivery_date, with the page label beside each value. Use unknown for the unclear date.A field table with value and source-page columns, retaining unknown for the delivery date.Compare every populated value to the supplied transcription and confirm that no date is invented.Doubao-1.5-vision-pro-32kDoubao 1.5 Vision Pro 32K est le modèle vision-langage de ByteDance pour comprendre les images, lire des pages de documents et raisonner sur des détails visuels fins. Associez une image à des instructions précises pour obtenir une explication textuelle ou une extraction structurée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Doubao 1.5 Vision Pro est le modèle vision-langage de ByteDance pour répondre aux questions associant une image à une instruction textuelle. Ses capacités mises à jour portent sur le raisonnement visuel, la reconnaissance du texte documentaire, les informations fines et le suivi d’instructions complexes. Le résultat est une réponse textuelle : une explication de la scène, des informations extraites ou une analyse liée au contenu visuel fourni.
Détails et disposition de l’image. Le modèle utilise une architecture native à résolution dynamique pour traiter des images de résolutions et de formes différentes. Le fabricant décrit spécifiquement les images haute résolution, les petites images basse résolution et les rapports d’aspect extrêmes. C’est utile lorsque la source est une page documentaire haute, une capture d’écran large ou une photographie contenant de petits détails. Fournissez l’original le plus net disponible, préservez la zone pertinente pour la question et identifiez la page ou la région à examiner. Agrandir une image floue ne restitue pas les informations manquantes ; demandez une mention explicite de l’incertitude lorsqu’un libellé ou un nombre est illisible.
Instructions visuelles. Cette version décrit un meilleur suivi des instructions grâce à des tâches visuelles plus variées pendant le post-entraînement. Une demande peut préciser l’objet à examiner, les détails à rapporter et l’ordre de la réponse. Pour comparer des emballages, identifiez les images A et B et demandez un tableau des différences visibles de texte, de disposition et de composants. Pour examiner une capture d’écran, identifiez l’action souhaitée et demandez une description des commandes visibles et des informations nécessaires pour la réaliser. La sortie utile est une comparaison ou une explication fondée sur ce que montre réellement l’image.
Reconnaissance documentaire. Associez une page lisible aux noms des champs nécessaires à votre processus : titre du document, date, parties, noms d’articles ou montants. Demandez au modèle de séparer le texte extrait de l’interprétation et de conserver l’orthographe originale des identifiants importants. Pour un dossier de plusieurs pages, fournissez des libellés de page et demandez des références de page à côté de chaque valeur extraite. Vous pourrez ensuite comparer le texte à la source, résoudre les caractères peu clairs et préparer les champs sélectionnés pour une application en aval.
La mise à jour technique de cette version couvre la synthèse de données multimodales, la résolution dynamique, l’alignement des informations visuelles et textuelles et l’entraînement mixte. Ces changements servent la compréhension des images et le raisonnement ; le fabricant décrit aussi un style de réponse plus concis et accessible. Pour en faire un livrable utile, nommez le public et la forme demandée, comme une note d’inspection, une description d’image ou une liste de questions pour le propriétaire du document.
Choisissez la tâche autour des éléments visibles. Une photo de produit peut étayer une description de sa forme, de sa couleur, de ses étiquettes et de ses composants observables ; fournissez séparément une spécification si la réponse exige aussi des dimensions ou des matériaux. Une image documentaire peut étayer une extraction et une explication ; incluez la page environnante pertinente lorsqu’une phrase recadrée dépend de définitions précédentes. Demandez au modèle de distinguer une observation d’une déduction, et vérifiez les petits caractères et valeurs décisives avant d’utiliser le résultat.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Doubao-1.5-vision-pro-32k | 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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00086 / 1K tokens Sortie · Tokens en sortie $0.0026 / 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}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Doubao-1.5-vision-pro-32k", "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='Doubao-1.5-vision-pro-32k',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='Doubao-1.5-vision-pro-32k',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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Doubao-1.5-vision-pro-32k
Utilisez les chemins de méthode indiqués ci-dessus.
Doubao-1.5-vision-pro-32kDoubao 1.5 Vision Pro 32K est le modèle vision-langage de ByteDance pour comprendre les images, lire des pages de documents et raisonner sur des détails visuels fins. Associez une image à des instructions précises pour obtenir une explication textuelle ou une extraction structurée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Doubao 1.5 Vision Pro est le modèle vision-langage de ByteDance pour répondre aux questions associant une image à une instruction textuelle. Ses capacités mises à jour portent sur le raisonnement visuel, la reconnaissance du texte documentaire, les informations fines et le suivi d’instructions complexes. Le résultat est une réponse textuelle : une explication de la scène, des informations extraites ou une analyse liée au contenu visuel fourni.
Détails et disposition de l’image. Le modèle utilise une architecture native à résolution dynamique pour traiter des images de résolutions et de formes différentes. Le fabricant décrit spécifiquement les images haute résolution, les petites images basse résolution et les rapports d’aspect extrêmes. C’est utile lorsque la source est une page documentaire haute, une capture d’écran large ou une photographie contenant de petits détails. Fournissez l’original le plus net disponible, préservez la zone pertinente pour la question et identifiez la page ou la région à examiner. Agrandir une image floue ne restitue pas les informations manquantes ; demandez une mention explicite de l’incertitude lorsqu’un libellé ou un nombre est illisible.
Instructions visuelles. Cette version décrit un meilleur suivi des instructions grâce à des tâches visuelles plus variées pendant le post-entraînement. Une demande peut préciser l’objet à examiner, les détails à rapporter et l’ordre de la réponse. Pour comparer des emballages, identifiez les images A et B et demandez un tableau des différences visibles de texte, de disposition et de composants. Pour examiner une capture d’écran, identifiez l’action souhaitée et demandez une description des commandes visibles et des informations nécessaires pour la réaliser. La sortie utile est une comparaison ou une explication fondée sur ce que montre réellement l’image.
Reconnaissance documentaire. Associez une page lisible aux noms des champs nécessaires à votre processus : titre du document, date, parties, noms d’articles ou montants. Demandez au modèle de séparer le texte extrait de l’interprétation et de conserver l’orthographe originale des identifiants importants. Pour un dossier de plusieurs pages, fournissez des libellés de page et demandez des références de page à côté de chaque valeur extraite. Vous pourrez ensuite comparer le texte à la source, résoudre les caractères peu clairs et préparer les champs sélectionnés pour une application en aval.
La mise à jour technique de cette version couvre la synthèse de données multimodales, la résolution dynamique, l’alignement des informations visuelles et textuelles et l’entraînement mixte. Ces changements servent la compréhension des images et le raisonnement ; le fabricant décrit aussi un style de réponse plus concis et accessible. Pour en faire un livrable utile, nommez le public et la forme demandée, comme une note d’inspection, une description d’image ou une liste de questions pour le propriétaire du document.
Choisissez la tâche autour des éléments visibles. Une photo de produit peut étayer une description de sa forme, de sa couleur, de ses étiquettes et de ses composants observables ; fournissez séparément une spécification si la réponse exige aussi des dimensions ou des matériaux. Une image documentaire peut étayer une extraction et une explication ; incluez la page environnante pertinente lorsqu’une phrase recadrée dépend de définitions précédentes. Demandez au modèle de distinguer une observation d’une déduction, et vérifiez les petits caractères et valeurs décisives avant d’utiliser le résultat.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites Doubao-1.5-vision-pro-32k | 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00086 / 1K tokens Sortie · Tokens en sortie $0.0026 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "Doubao-1.5-vision-pro-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Doubao-1.5-vision-pro-32k', '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': 'Doubao-1.5-vision-pro-32k', '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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra Doubao-1.5-vision-pro-32k
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract fields from a page transcription\n\nExtract fields from this document transcription, keeping literal values separate from interpretation: Page 1, Delivery note DN-82. Recipient: Lumen Studio. Items: Desk lamp, quantity 4. Delivery date: unclear. Return document_id, recipient, item, quantity and delivery_date, with the page label beside each value. Use unknown for the unclear date.A field table with value and source-page columns, retaining unknown for the delivery date.Compare every populated value to the supplied transcription and confirm that no date is invented.