qwen2-vl-2b-instruct
Qwen2-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.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsqwen2-vl-2b-instruct - Ailoot Ultra · Anthropic Messages
POST /v1/messagesqwen2-vl-2b-instruct
À propos du modèle
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.
Fournissez l’image et une question précise
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.
Préparez délibérément la résolution et les tokens visuels
Qwen2-VL utilise une résolution dynamique pour convertir une image en un nombre variable de tokens visuels. Dans l’exemple du processeur natif, la plage par défaut est de 4 à 16 384 tokens 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 tokens 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 d’identifier séparément les références associées à une question.
Respectez les limites visuelles documentées
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.
Gardez les entrées préparées avec la réponse
La configuration publiée du checkpoint 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, les images encodées en 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.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen2-vl-2b-instruct
qwen2-vl-2b-instructPremiers pas
Qwen2-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.
- Entrées acceptées
- Texte · Images
- Résultats
- Texte
Disponible dans Ailoot · entrées et méthodes
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Types d’entrée
text,image- Types de sortie
text- Format de sortie
- JSON or 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 |
Combinaisons d’éléments d’entrée
text_input · Obligatoire : messages
image_with_text · Obligatoire : messages with actual image content blocks
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional | Contratstream |
Paramètrematerial_types | Contrattext, image |
Paramètreconditions | ContratUtilisez exactement ce sélecteur de routage Ailoot., Ce protocole transmet les images lorsque le modèle précis sélectionné prend en charge la vision. L’admission par le protocole ne prouve pas que tous les modèles prennent en charge les images. |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Tarifs
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
- Mode rapide
- Tarif standard Lorsque le mode rapide est sélectionné
- Mode Flex
- Tarif standard Lorsque le mode flex est sélectionné
- Effort de raisonnement maximal
- Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
- Tarification du cache explicite
- Non activé Lorsqu’un cache explicite est demandé
- Tarifs nuls pour le texte seul
- Le cache, les outils et les médias suivent les conditions tarifaires indiquées séparément pour chacun. Pour des entrées et des sorties exclusivement textuelles
Tarifs Ailoot
Prix par configuration
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base par jeton | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Recevoir et enregistrer les résultats
Ailoot Ultra · OpenAI Chat
JSON or SSE
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque bloc de contenu, chaque identifiant d’appel d’outil, la signature de raisonnement lorsqu’elle est renvoyée, tous les deltas SSE et l’intégralité des données de consommation. Le premier fragment de texte ne constitue pas le résultat complet.
Si la réponse d’origine doit être vérifiée
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 seconde création.
Champs de la réponse
| Champ | Type |
|---|---|
Champchoices[] | Typeobject |
Champusage | Typeobject |
Erreurs et étapes suivantes
| 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 renvoyés avant de préparer une demande distincte. |
Réponse | ConditionLa demande 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 la bibliothèque pris en charge. Ne renvoyez pas la demande de création. |
Alias
Alias du modèle
Ailoot Ultra qwen2-vl-2b-instruct
Alias des chemins de méthode
/chat/completions
ID d’appel associés
Ailoot Ultra · Anthropic Messages POST /v1/messages qwen2-vl-2b-instruct
qwen2-vl-2b-instructPremiers pas
Qwen2-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.
- Entrées acceptées
- Texte · Images
- Résultats
- json · sse
Disponible dans Ailoot · entrées et méthodes
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Types d’entrée
text,image- Types de sortie
json,sse- Format de sortie
- JSON or 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— |
Combinaisons d’éléments d’entrée
text_input · Obligatoire : messages
image_with_text · Obligatoire : messages with actual image content blocks
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional | Contratstream |
Paramètrematerial_types | Contrattext, image |
Paramètreconditions | ContratUtilisez exactement ce sélecteur de routage Ailoot., Ce protocole transmet les images lorsque le modèle précis sélectionné prend en charge la vision. L’admission par le protocole ne prouve pas que tous les modèles prennent en charge les images. |
Cycle de vie : synchronous_or_streamed
Tarifs
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
- Mode rapide
- Tarif standard Lorsque le mode rapide est sélectionné
- Mode Flex
- Tarif standard Lorsque le mode flex est sélectionné
- Effort de raisonnement maximal
- Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
- Tarification du cache explicite
- Non activé Lorsqu’un cache explicite est demandé
- Tarifs nuls pour le texte seul
- Le cache, les outils et les médias suivent les conditions tarifaires indiquées séparément pour chacun. Pour des entrées et des sorties exclusivement textuelles
Tarifs Ailoot
Prix par configuration
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base par jeton | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Anthropic Messages
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Recevoir et enregistrer les résultats
Ailoot Ultra · Anthropic Messages
JSON or SSE
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque bloc de contenu, chaque identifiant d’appel d’outil, la signature de raisonnement lorsqu’elle est renvoyée, tous les deltas SSE et l’intégralité des données de consommation. Le premier fragment de texte ne constitue pas le résultat complet.
Si la réponse d’origine doit être vérifiée
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 seconde création.
Champs de la réponse
| Champ | Type |
|---|---|
Champcontent[] | Typeobject |
Champusage | Typeobject |
Erreurs et étapes suivantes
| 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 renvoyés avant de préparer une demande distincte. |
Réponse | ConditionLa demande 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 la bibliothèque pris en charge. Ne renvoyez pas la demande de création. |
Alias
Alias du modèle
Ailoot Ultra qwen2-vl-2b-instruct
Alias des chemins de méthode
/chat/completions
ID d’appel associés
FAQ · qwen2-vl-2b-instruct
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/chat/completions·qwen2-vl-2b-instruct:text,image→textPOST /v1/messages·qwen2-vl-2b-instruct:text,image→json,sse- Quels champs la requête utilise-t-elle ?
POST /v1/chat/completions·qwen2-vl-2b-instruct:model,messages,streamPOST /v1/messages·qwen2-vl-2b-instruct:model,messages,stream,max_tokens- Quelles limites s’appliquent ?
POST /v1/messages·qwen2-vl-2b-instruct:max_tokens.minimum:1