Qwen2-VL-72B-Instruct adalah edisi visi-bahasa 72B yang disesuaikan untuk mengikuti instruksi dan dibangun di sekitar Qwen2. Model menerima teks bersama gambar atau video dan menghasilkan jawaban teks. Pengembang menyoroti pemahaman gambar dengan resolusi dan rasio aspek berbeda, interpretasi teks di dalam gambar, penalaran tentang hubungan yang terlihat, serta jawaban atas pertanyaan tentang video yang lebih panjang dari 20 menit.
Kemampuan gambar dan video
Untuk halaman dokumen, minta isi khusus yang diperlukan: paragraf, baris tabel, rumus, atau ketentuan yang melekat pada pernyataan. Pastikan halaman terbaca dan tentukan apakah hasil perlu menyalin kata-kata, meringkasnya, atau menjelaskan maknanya. Keluaran dokumen yang bermanfaat dapat mempertahankan label bagian asli di samping isi yang diekstrak. Untuk diagram, tanyakan bagaimana elemen berlabel terhubung dan tentukan hubungan yang membutuhkan penjelasan.
Penggunaan video yang didokumentasikan mencakup pertanyaan, dialog, dan isi tertulis berdasarkan urutan yang terlihat. Tentukan peristiwa atau perubahan yang perlu diperiksa: saat objek muncul, hal yang terjadi sebelum langkah tertentu, atau hubungan tindakan yang diperagakan dengan prosedur tertulis. Minta deskripsi peristiwa berurutan atau perbandingan antara langkah yang terlihat dan prosedur yang diberikan. Pernyataan pengembang tentang lebih dari 20 menit menjelaskan pemahaman video panjang; ini bukan durasi video maksimum tetap atau jaminan bahwa setiap klip mentah muat dalam konfigurasi masukan yang tidak berubah.
Penggunaan agen visual
Rilis ini juga memosisikan Qwen2-VL untuk agen visual yang terhubung ke perangkat seluler, robot, dan alat lain. Pengumumannya menjelaskan skenario pemanggilan fungsi dan interpreter kode, seperti menghasilkan kode dari diagram atau memakai pertanyaan visual untuk meminta pencarian eksternal. Aplikasi yang membungkusnya menyediakan alat tersebut, mengeksekusi tindakan yang diusulkan, dan mengembalikan hasil. Respons teks model saja tidak mengeklik kontrol, menggerakkan perangkat, atau mengeksekusi program yang dihasilkan.
Tugas antarmuka praktis dapat memberikan tangkapan layar dan tujuan pengguna, lalu meminta kontrol yang terlihat dan relevan untuk langkah berikutnya serta bukti yang mendukung pilihan tersebut. Pertahankan pengamatan, tindakan yang diusulkan, dan eksekusi sebenarnya sebagai bagian terpisah dalam alur kerja. Ini memakai fokus agen visual sambil membuat hasil yang diminta cukup spesifik agar aplikasi dapat bertindak.
Teks multibahasa dalam gambar
Pengembang menjelaskan pengenalan teks dalam gambar untuk bahasa Inggris dan Tionghoa, sebagian besar bahasa Eropa, serta bahasa termasuk Jepang, Korea, Arab, dan Vietnam. Karena itu, halaman multibahasa dapat ditangani sebagai tugas pembacaan visual. Minta transkripsi asli terlebih dahulu ketika kata-kata persis penting, lalu terjemahan atau penjelasan dalam bahasa yang dipilih. Pertahankan label dan angka, bukan mencampurkan pengenalan dengan penulisan ulang yang tidak ditentukan.
Resolusi dinamis dan informasi posisi
Qwen2-VL menggabungkan encoder visi dengan model bahasa Qwen2. Naive Dynamic Resolution memetakan ukuran gambar berbeda menjadi jumlah token visual berbeda. Multimodal Rotary Position Embedding memisahkan informasi posisi agar model dapat merepresentasikan urutan teks, gambar dua dimensi, serta struktur temporal dan spasial video. Fitur tersebut menjelaskan bagaimana keluarga yang sama menangani halaman, beberapa gambar, atau urutan video.
Pemroses gambar pada kartu model mendokumentasikan rentang bawaan 4 hingga 16.384 token visual per gambar. Aplikasi dapat menyesuaikan piksel minimum dan maksimum sambil mempertahankan rasio aspek, atau meminta dimensi yang dibulatkan ke kelipatan 28. Rentang contoh 256 hingga 1.280 token adalah ilustrasi yang dapat dikonfigurasi, bukan batas gambar universal tersendiri. Detail gambar lebih banyak memakai lebih banyak komputasi dan token visual, jadi pertahankan label, judul, dan objek kecil yang dibutuhkan pertanyaan ketika menyiapkan gambar.
Persiapan masukan dan konteks
Pengembang memperagakan satu gambar, beberapa gambar, video yang diberikan sebagai urutan bingkai atau berkas lokal, serta percakapan dalam batch. Persiapan gambar mencakup berkas lokal, data gambar yang dikodekan, dan referensi gambar. Contoh video pada kartu memakai frame rate yang dipilih; contoh tersebut tidak menetapkan satu laju pengambilan sampel wajib untuk setiap video. Tentukan urutan dan peran beberapa gambar, serta berikan informasi yang diperlukan untuk menafsirkan urutan alih-alih menganggap bingkai yang tidak berkaitan sebagai satu adegan.
Konfigurasi rilis menetapkan posisi maksimum ke 32.768. Materi visual dan instruksi teks harus direncanakan dalam konteks yang benar-benar dikonfigurasi. Contoh generasi 128 token pada kartu hanya pengaturan contoh; contoh ini tidak memublikasikan kapasitas keluaran maksimum terpisah. Edisi 72B perlu mempertahankan konfigurasinya sendiri, bukan mewarisi pengaturan konteks panjang Qwen2.5-VL atau model Qwen lain.
Keterbatasan substantif
Pengembang secara eksplisit menyatakan bahwa Qwen2-VL tidak memahami audio dalam video. Karena itu, informasi lisan harus diberikan secara terpisah jika pertanyaan bergantung padanya. Dataset pelatihan gambar dijelaskan telah diperbarui hingga Juni 2023; ini adalah pernyataan tentang dataset tersebut, bukan janji pengetahuan visual terkini.
Keterbatasan yang didokumentasikan juga mencakup pengenalan tidak lengkap terhadap orang tertentu atau kekayaan intelektual yang disebutkan, kesulitan dengan instruksi multilangkah yang rumit, kemampuan menghitung yang lemah dalam adegan kompleks, dan keterbatasan penalaran spasial tiga dimensi. Ketika tugas bergantung pada salah satu kemampuan ini, fokuskan pertanyaan pada objek atau hubungan yang diperlukan dan pertahankan bukti visual di samping jawaban. Materi sumber yang jelas dan keluaran yang ditentukan memudahkan pemeriksaan hasil tanpa mengganti keterbatasan tersebut dengan jaminan akurasi.
", "aboutText": "Qwen2-VL-72B-Instruct adalah edisi visi-bahasa 72B yang disesuaikan untuk mengikuti instruksi dan dibangun di sekitar Qwen2. Model menerima teks bersama gambar atau video dan menghasilkan jawaban teks. Pengembang menyoroti pemahaman gambar dengan resolusi dan rasio aspek berbeda, interpretasi teks di dalam gambar, penalaran tentang hubungan yang terlihat, serta jawaban atas pertanyaan tentang video yang lebih panjang dari 20 menit.\n\nKemampuan gambar dan video\n\nUntuk halaman dokumen, minta isi khusus yang diperlukan: paragraf, baris tabel, rumus, atau ketentuan yang melekat pada pernyataan. Pastikan halaman terbaca dan tentukan apakah hasil perlu menyalin kata-kata, meringkasnya, atau menjelaskan maknanya. Keluaran dokumen yang bermanfaat dapat mempertahankan label bagian asli di samping isi yang diekstrak. Untuk diagram, tanyakan bagaimana elemen berlabel terhubung dan tentukan hubungan yang membutuhkan penjelasan.\n\nPenggunaan video yang didokumentasikan mencakup pertanyaan, dialog, dan isi tertulis berdasarkan urutan yang terlihat. Tentukan peristiwa atau perubahan yang perlu diperiksa: saat objek muncul, hal yang terjadi sebelum langkah tertentu, atau hubungan tindakan yang diperagakan dengan prosedur tertulis. Minta deskripsi peristiwa berurutan atau perbandingan antara langkah yang terlihat dan prosedur yang diberikan. Pernyataan pengembang tentang lebih dari 20 menit menjelaskan pemahaman video panjang; ini bukan durasi video maksimum tetap atau jaminan bahwa setiap klip mentah muat dalam konfigurasi masukan yang tidak berubah.\n\nPenggunaan agen visual\n\nRilis ini juga memosisikan Qwen2-VL untuk agen visual yang terhubung ke perangkat seluler, robot, dan alat lain. Pengumumannya menjelaskan skenario pemanggilan fungsi dan interpreter kode, seperti menghasilkan kode dari diagram atau memakai pertanyaan visual untuk meminta pencarian eksternal. Aplikasi yang membungkusnya menyediakan alat tersebut, mengeksekusi tindakan yang diusulkan, dan mengembalikan hasil. Respons teks model saja tidak mengeklik kontrol, menggerakkan perangkat, atau mengeksekusi program yang dihasilkan.\n\nTugas antarmuka praktis dapat memberikan tangkapan layar dan tujuan pengguna, lalu meminta kontrol yang terlihat dan relevan untuk langkah berikutnya serta bukti yang mendukung pilihan tersebut. Pertahankan pengamatan, tindakan yang diusulkan, dan eksekusi sebenarnya sebagai bagian terpisah dalam alur kerja. Ini memakai fokus agen visual sambil membuat hasil yang diminta cukup spesifik agar aplikasi dapat bertindak.\n\nTeks multibahasa dalam gambar\n\nPengembang menjelaskan pengenalan teks dalam gambar untuk bahasa Inggris dan Tionghoa, sebagian besar bahasa Eropa, serta bahasa termasuk Jepang, Korea, Arab, dan Vietnam. Karena itu, halaman multibahasa dapat ditangani sebagai tugas pembacaan visual. Minta transkripsi asli terlebih dahulu ketika kata-kata persis penting, lalu terjemahan atau penjelasan dalam bahasa yang dipilih. Pertahankan label dan angka, bukan mencampurkan pengenalan dengan penulisan ulang yang tidak ditentukan.\n\nResolusi dinamis dan informasi posisi\n\nQwen2-VL menggabungkan encoder visi dengan model bahasa Qwen2. Naive Dynamic Resolution memetakan ukuran gambar berbeda menjadi jumlah token visual berbeda. Multimodal Rotary Position Embedding memisahkan informasi posisi agar model dapat merepresentasikan urutan teks, gambar dua dimensi, serta struktur temporal dan spasial video. Fitur tersebut menjelaskan bagaimana keluarga yang sama menangani halaman, beberapa gambar, atau urutan video.\n\nPemroses gambar pada kartu model mendokumentasikan rentang bawaan 4 hingga 16.384 token visual per gambar. Aplikasi dapat menyesuaikan piksel minimum dan maksimum sambil mempertahankan rasio aspek, atau meminta dimensi yang dibulatkan ke kelipatan 28. Rentang contoh 256 hingga 1.280 token adalah ilustrasi yang dapat dikonfigurasi, bukan batas gambar universal tersendiri. Detail gambar lebih banyak memakai lebih banyak komputasi dan token visual, jadi pertahankan label, judul, dan objek kecil yang dibutuhkan pertanyaan ketika menyiapkan gambar.\n\nPersiapan masukan dan konteks\n\nPengembang memperagakan satu gambar, beberapa gambar, video yang diberikan sebagai urutan bingkai atau berkas lokal, serta percakapan dalam batch. Persiapan gambar mencakup berkas lokal, data gambar yang dikodekan, dan referensi gambar. Contoh video pada kartu memakai frame rate yang dipilih; contoh tersebut tidak menetapkan satu laju pengambilan sampel wajib untuk setiap video. Tentukan urutan dan peran beberapa gambar, serta berikan informasi yang diperlukan untuk menafsirkan urutan alih-alih menganggap bingkai yang tidak berkaitan sebagai satu adegan.\n\nKonfigurasi rilis menetapkan posisi maksimum ke 32.768. Materi visual dan instruksi teks harus direncanakan dalam konteks yang benar-benar dikonfigurasi. Contoh generasi 128 token pada kartu hanya pengaturan contoh; contoh ini tidak memublikasikan kapasitas keluaran maksimum terpisah. Edisi 72B perlu mempertahankan konfigurasinya sendiri, bukan mewarisi pengaturan konteks panjang Qwen2.5-VL atau model Qwen lain.\n\nKeterbatasan substantif\n\nPengembang secara eksplisit menyatakan bahwa Qwen2-VL tidak memahami audio dalam video. Karena itu, informasi lisan harus diberikan secara terpisah jika pertanyaan bergantung padanya. Dataset pelatihan gambar dijelaskan telah diperbarui hingga Juni 2023; ini adalah pernyataan tentang dataset tersebut, bukan janji pengetahuan visual terkini.\n\nKeterbatasan yang didokumentasikan juga mencakup pengenalan tidak lengkap terhadap orang tertentu atau kekayaan intelektual yang disebutkan, kesulitan dengan instruksi multilangkah yang rumit, kemampuan menghitung yang lemah dalam adegan kompleks, dan keterbatasan penalaran spasial tiga dimensi. Ketika tugas bergantung pada salah satu kemampuan ini, fokuskan pertanyaan pada objek atau hubungan yang diperlukan dan pertahankan bukti visual di samping jawaban. Materi sumber yang jelas dan keluaran yang ditentukan memudahkan pemeriksaan hasil tanpa mengganti keterbatasan tersebut dengan jaminan akurasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct menggabungkan teks, gambar, dan video untuk pertanyaan visual, pembacaan dokumen, dan teks multibahasa dalam gambar. Pengembang menjelaskan pemahaman video lebih dari 20 menit, resolusi gambar dinamis, dan integrasi agen visual; jawabannya berupa teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen2-VL-72B-Instruct adalah edisi visi-bahasa 72B yang disesuaikan untuk mengikuti instruksi dan dibangun di sekitar Qwen2. Model menerima teks bersama gambar atau video dan menghasilkan jawaban teks. Pengembang menyoroti pemahaman gambar dengan resolusi dan rasio aspek berbeda, interpretasi teks di dalam gambar, penalaran tentang hubungan yang terlihat, serta jawaban atas pertanyaan tentang video yang lebih panjang dari 20 menit.
Kemampuan gambar dan video
Untuk halaman dokumen, minta isi khusus yang diperlukan: paragraf, baris tabel, rumus, atau ketentuan yang melekat pada pernyataan. Pastikan halaman terbaca dan tentukan apakah hasil perlu menyalin kata-kata, meringkasnya, atau menjelaskan maknanya. Keluaran dokumen yang bermanfaat dapat mempertahankan label bagian asli di samping isi yang diekstrak. Untuk diagram, tanyakan bagaimana elemen berlabel terhubung dan tentukan hubungan yang membutuhkan penjelasan.
Penggunaan video yang didokumentasikan mencakup pertanyaan, dialog, dan isi tertulis berdasarkan urutan yang terlihat. Tentukan peristiwa atau perubahan yang perlu diperiksa: saat objek muncul, hal yang terjadi sebelum langkah tertentu, atau hubungan tindakan yang diperagakan dengan prosedur tertulis. Minta deskripsi peristiwa berurutan atau perbandingan antara langkah yang terlihat dan prosedur yang diberikan. Pernyataan pengembang tentang lebih dari 20 menit menjelaskan pemahaman video panjang; ini bukan durasi video maksimum tetap atau jaminan bahwa setiap klip mentah muat dalam konfigurasi masukan yang tidak berubah.
Penggunaan agen visual
Rilis ini juga memosisikan Qwen2-VL untuk agen visual yang terhubung ke perangkat seluler, robot, dan alat lain. Pengumumannya menjelaskan skenario pemanggilan fungsi dan interpreter kode, seperti menghasilkan kode dari diagram atau memakai pertanyaan visual untuk meminta pencarian eksternal. Aplikasi yang membungkusnya menyediakan alat tersebut, mengeksekusi tindakan yang diusulkan, dan mengembalikan hasil. Respons teks model saja tidak mengeklik kontrol, menggerakkan perangkat, atau mengeksekusi program yang dihasilkan.
Tugas antarmuka praktis dapat memberikan tangkapan layar dan tujuan pengguna, lalu meminta kontrol yang terlihat dan relevan untuk langkah berikutnya serta bukti yang mendukung pilihan tersebut. Pertahankan pengamatan, tindakan yang diusulkan, dan eksekusi sebenarnya sebagai bagian terpisah dalam alur kerja. Ini memakai fokus agen visual sambil membuat hasil yang diminta cukup spesifik agar aplikasi dapat bertindak.
Teks multibahasa dalam gambar
Pengembang menjelaskan pengenalan teks dalam gambar untuk bahasa Inggris dan Tionghoa, sebagian besar bahasa Eropa, serta bahasa termasuk Jepang, Korea, Arab, dan Vietnam. Karena itu, halaman multibahasa dapat ditangani sebagai tugas pembacaan visual. Minta transkripsi asli terlebih dahulu ketika kata-kata persis penting, lalu terjemahan atau penjelasan dalam bahasa yang dipilih. Pertahankan label dan angka, bukan mencampurkan pengenalan dengan penulisan ulang yang tidak ditentukan.
Resolusi dinamis dan informasi posisi
Qwen2-VL menggabungkan encoder visi dengan model bahasa Qwen2. Naive Dynamic Resolution memetakan ukuran gambar berbeda menjadi jumlah token visual berbeda. Multimodal Rotary Position Embedding memisahkan informasi posisi agar model dapat merepresentasikan urutan teks, gambar dua dimensi, serta struktur temporal dan spasial video. Fitur tersebut menjelaskan bagaimana keluarga yang sama menangani halaman, beberapa gambar, atau urutan video.
Pemroses gambar pada kartu model mendokumentasikan rentang bawaan 4 hingga 16.384 token visual per gambar. Aplikasi dapat menyesuaikan piksel minimum dan maksimum sambil mempertahankan rasio aspek, atau meminta dimensi yang dibulatkan ke kelipatan 28. Rentang contoh 256 hingga 1.280 token adalah ilustrasi yang dapat dikonfigurasi, bukan batas gambar universal tersendiri. Detail gambar lebih banyak memakai lebih banyak komputasi dan token visual, jadi pertahankan label, judul, dan objek kecil yang dibutuhkan pertanyaan ketika menyiapkan gambar.
Persiapan masukan dan konteks
Pengembang memperagakan satu gambar, beberapa gambar, video yang diberikan sebagai urutan bingkai atau berkas lokal, serta percakapan dalam batch. Persiapan gambar mencakup berkas lokal, data gambar yang dikodekan, dan referensi gambar. Contoh video pada kartu memakai frame rate yang dipilih; contoh tersebut tidak menetapkan satu laju pengambilan sampel wajib untuk setiap video. Tentukan urutan dan peran beberapa gambar, serta berikan informasi yang diperlukan untuk menafsirkan urutan alih-alih menganggap bingkai yang tidak berkaitan sebagai satu adegan.
Konfigurasi rilis menetapkan posisi maksimum ke 32.768. Materi visual dan instruksi teks harus direncanakan dalam konteks yang benar-benar dikonfigurasi. Contoh generasi 128 token pada kartu hanya pengaturan contoh; contoh ini tidak memublikasikan kapasitas keluaran maksimum terpisah. Edisi 72B perlu mempertahankan konfigurasinya sendiri, bukan mewarisi pengaturan konteks panjang Qwen2.5-VL atau model Qwen lain.
Keterbatasan substantif
Pengembang secara eksplisit menyatakan bahwa Qwen2-VL tidak memahami audio dalam video. Karena itu, informasi lisan harus diberikan secara terpisah jika pertanyaan bergantung padanya. Dataset pelatihan gambar dijelaskan telah diperbarui hingga Juni 2023; ini adalah pernyataan tentang dataset tersebut, bukan janji pengetahuan visual terkini.
Keterbatasan yang didokumentasikan juga mencakup pengenalan tidak lengkap terhadap orang tertentu atau kekayaan intelektual yang disebutkan, kesulitan dengan instruksi multilangkah yang rumit, kemampuan menghitung yang lemah dalam adegan kompleks, dan keterbatasan penalaran spasial tiga dimensi. Ketika tugas bergantung pada salah satu kemampuan ini, fokuskan pertanyaan pada objek atau hubungan yang diperlukan dan pertahankan bukti visual di samping jawaban. Materi sumber yang jelas dan keluaran yang ditentukan memudahkan pemeriksaan hasil tanpa mengganti keterbatasan tersebut dengan jaminan akurasi.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen/Qwen2-VL-72B-Instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00118 / 1K token Keluaran · Token keluaran $0.00118 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen2-VL-72B-Instruct", "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='Qwen/Qwen2-VL-72B-Instruct',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='Qwen/Qwen2-VL-72B-Instruct',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra Qwen/Qwen2-VL-72B-Instruct
Gunakan jalur metode yang ditampilkan di atas.
Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct menggabungkan teks, gambar, dan video untuk pertanyaan visual, pembacaan dokumen, dan teks multibahasa dalam gambar. Pengembang menjelaskan pemahaman video lebih dari 20 menit, resolusi gambar dinamis, dan integrasi agen visual; jawabannya berupa teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen2-VL-72B-Instruct adalah edisi visi-bahasa 72B yang disesuaikan untuk mengikuti instruksi dan dibangun di sekitar Qwen2. Model menerima teks bersama gambar atau video dan menghasilkan jawaban teks. Pengembang menyoroti pemahaman gambar dengan resolusi dan rasio aspek berbeda, interpretasi teks di dalam gambar, penalaran tentang hubungan yang terlihat, serta jawaban atas pertanyaan tentang video yang lebih panjang dari 20 menit.
Kemampuan gambar dan video
Untuk halaman dokumen, minta isi khusus yang diperlukan: paragraf, baris tabel, rumus, atau ketentuan yang melekat pada pernyataan. Pastikan halaman terbaca dan tentukan apakah hasil perlu menyalin kata-kata, meringkasnya, atau menjelaskan maknanya. Keluaran dokumen yang bermanfaat dapat mempertahankan label bagian asli di samping isi yang diekstrak. Untuk diagram, tanyakan bagaimana elemen berlabel terhubung dan tentukan hubungan yang membutuhkan penjelasan.
Penggunaan video yang didokumentasikan mencakup pertanyaan, dialog, dan isi tertulis berdasarkan urutan yang terlihat. Tentukan peristiwa atau perubahan yang perlu diperiksa: saat objek muncul, hal yang terjadi sebelum langkah tertentu, atau hubungan tindakan yang diperagakan dengan prosedur tertulis. Minta deskripsi peristiwa berurutan atau perbandingan antara langkah yang terlihat dan prosedur yang diberikan. Pernyataan pengembang tentang lebih dari 20 menit menjelaskan pemahaman video panjang; ini bukan durasi video maksimum tetap atau jaminan bahwa setiap klip mentah muat dalam konfigurasi masukan yang tidak berubah.
Penggunaan agen visual
Rilis ini juga memosisikan Qwen2-VL untuk agen visual yang terhubung ke perangkat seluler, robot, dan alat lain. Pengumumannya menjelaskan skenario pemanggilan fungsi dan interpreter kode, seperti menghasilkan kode dari diagram atau memakai pertanyaan visual untuk meminta pencarian eksternal. Aplikasi yang membungkusnya menyediakan alat tersebut, mengeksekusi tindakan yang diusulkan, dan mengembalikan hasil. Respons teks model saja tidak mengeklik kontrol, menggerakkan perangkat, atau mengeksekusi program yang dihasilkan.
Tugas antarmuka praktis dapat memberikan tangkapan layar dan tujuan pengguna, lalu meminta kontrol yang terlihat dan relevan untuk langkah berikutnya serta bukti yang mendukung pilihan tersebut. Pertahankan pengamatan, tindakan yang diusulkan, dan eksekusi sebenarnya sebagai bagian terpisah dalam alur kerja. Ini memakai fokus agen visual sambil membuat hasil yang diminta cukup spesifik agar aplikasi dapat bertindak.
Teks multibahasa dalam gambar
Pengembang menjelaskan pengenalan teks dalam gambar untuk bahasa Inggris dan Tionghoa, sebagian besar bahasa Eropa, serta bahasa termasuk Jepang, Korea, Arab, dan Vietnam. Karena itu, halaman multibahasa dapat ditangani sebagai tugas pembacaan visual. Minta transkripsi asli terlebih dahulu ketika kata-kata persis penting, lalu terjemahan atau penjelasan dalam bahasa yang dipilih. Pertahankan label dan angka, bukan mencampurkan pengenalan dengan penulisan ulang yang tidak ditentukan.
Resolusi dinamis dan informasi posisi
Qwen2-VL menggabungkan encoder visi dengan model bahasa Qwen2. Naive Dynamic Resolution memetakan ukuran gambar berbeda menjadi jumlah token visual berbeda. Multimodal Rotary Position Embedding memisahkan informasi posisi agar model dapat merepresentasikan urutan teks, gambar dua dimensi, serta struktur temporal dan spasial video. Fitur tersebut menjelaskan bagaimana keluarga yang sama menangani halaman, beberapa gambar, atau urutan video.
Pemroses gambar pada kartu model mendokumentasikan rentang bawaan 4 hingga 16.384 token visual per gambar. Aplikasi dapat menyesuaikan piksel minimum dan maksimum sambil mempertahankan rasio aspek, atau meminta dimensi yang dibulatkan ke kelipatan 28. Rentang contoh 256 hingga 1.280 token adalah ilustrasi yang dapat dikonfigurasi, bukan batas gambar universal tersendiri. Detail gambar lebih banyak memakai lebih banyak komputasi dan token visual, jadi pertahankan label, judul, dan objek kecil yang dibutuhkan pertanyaan ketika menyiapkan gambar.
Persiapan masukan dan konteks
Pengembang memperagakan satu gambar, beberapa gambar, video yang diberikan sebagai urutan bingkai atau berkas lokal, serta percakapan dalam batch. Persiapan gambar mencakup berkas lokal, data gambar yang dikodekan, dan referensi gambar. Contoh video pada kartu memakai frame rate yang dipilih; contoh tersebut tidak menetapkan satu laju pengambilan sampel wajib untuk setiap video. Tentukan urutan dan peran beberapa gambar, serta berikan informasi yang diperlukan untuk menafsirkan urutan alih-alih menganggap bingkai yang tidak berkaitan sebagai satu adegan.
Konfigurasi rilis menetapkan posisi maksimum ke 32.768. Materi visual dan instruksi teks harus direncanakan dalam konteks yang benar-benar dikonfigurasi. Contoh generasi 128 token pada kartu hanya pengaturan contoh; contoh ini tidak memublikasikan kapasitas keluaran maksimum terpisah. Edisi 72B perlu mempertahankan konfigurasinya sendiri, bukan mewarisi pengaturan konteks panjang Qwen2.5-VL atau model Qwen lain.
Keterbatasan substantif
Pengembang secara eksplisit menyatakan bahwa Qwen2-VL tidak memahami audio dalam video. Karena itu, informasi lisan harus diberikan secara terpisah jika pertanyaan bergantung padanya. Dataset pelatihan gambar dijelaskan telah diperbarui hingga Juni 2023; ini adalah pernyataan tentang dataset tersebut, bukan janji pengetahuan visual terkini.
Keterbatasan yang didokumentasikan juga mencakup pengenalan tidak lengkap terhadap orang tertentu atau kekayaan intelektual yang disebutkan, kesulitan dengan instruksi multilangkah yang rumit, kemampuan menghitung yang lemah dalam adegan kompleks, dan keterbatasan penalaran spasial tiga dimensi. Ketika tugas bergantung pada salah satu kemampuan ini, fokuskan pertanyaan pada objek atau hubungan yang diperlukan dan pertahankan bukti visual di samping jawaban. Materi sumber yang jelas dan keluaran yang ditentukan memudahkan pemeriksaan hasil tanpa mengganti keterbatasan tersebut dengan jaminan akurasi.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen/Qwen2-VL-72B-Instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00118 / 1K token Keluaran · Token keluaran $0.00118 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "Qwen/Qwen2-VL-72B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Qwen/Qwen2-VL-72B-Instruct', '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': 'Qwen/Qwen2-VL-72B-Instruct', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra Qwen/Qwen2-VL-72B-Instruct
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.