Qwen2-VL-2B-Instruct adalah model bahasa dan visi 2B Qwen yang disesuaikan untuk mengikuti instruksi pada pertanyaan gambar dan teks. Pembuatnya menjelaskan penanganan gambar dengan resolusi dan rasio aspek berbeda serta pemahaman teks dalam beberapa bahasa di dalam gambar. Hasil yang dihasilkan berupa respons tertulis terhadap materi visual dan pertanyaan yang diberikan. Pembuat juga menjelaskan penggunaan agen visual dengan perangkat seperti ponsel dan robot. Untuk alur tersebut, berikan lingkungan visual saat ini dan instruksi teks; aplikasi yang menaungi model menjalankan operasi yang diusulkan dan mengembalikan keadaan yang diamati untuk pertanyaan berikutnya.
Pilih gambar yang memuat bukti yang diperlukan untuk menjawab, lalu tentukan detail yang perlu ditafsirkan. Pertanyaan dokumen dapat menanyakan bagian teks yang terlihat; pertanyaan grafik dapat menentukan seri, sumbu, dan perbandingan yang perlu dijelaskan. Simpan pengenal gambar bersama hasil yang diminta agar respons tetap terkait dengan referensi yang benar.
Pembuat mencantumkan pemahaman gambar dan teks selain bahasa Inggris dan Mandarin, termasuk bahasa-bahasa Eropa, Jepang, Korea, Arab, dan Vietnam. Pertahankan susunan kata dan aksara asli saat meminta transkripsi, penjelasan, atau terjemahan teks yang terlihat. Contoh brief dapat meminta label yang ditampilkan beserta penjelasan terpisah tentang maknanya.
Qwen2-VL menggunakan resolusi dinamis untuk memetakan gambar ke jumlah token visual yang bervariasi. Dalam contoh prosesor bawaan, rentang default adalah 4 hingga 16,384 token visual per gambar. Panduan bawaannya menggambarkan pengaturan piksel minimum dan maksimum, termasuk rentang persiapan token gambar yang lebih sempit, 256 hingga 1,280, untuk menyeimbangkan detail dengan kebutuhan pemrosesan. Pengaturan tersebut mempertahankan rasio aspek saat mengubah ukuran.
Pembuat juga mengizinkan permintaan tinggi dan lebar setelah perubahan ukuran, yang dibulatkan ke kelipatan 28. Pilih persiapan yang membuat label penting tetap terbaca, dan simpan gambar asli saat menggunakan potongan. Contoh bawaan mencakup beberapa gambar dan batch, sehingga referensi terpisah dalam pertanyaan tetap dapat diidentifikasi.
Pembuat menyebutkan keterbatasan dalam instruksi kompleks beberapa langkah, penghitungan objek pada adegan rumit, dan penalaran spasial dalam tiga dimensi. Pembuat juga mencatat pengenalan orang atau merek tertentu yang belum lengkap. Minta pengamatan visual terarah dan periksa hitungan, label, atau posisi relatif khusus yang menjadi dasar hasil.
Pembuat menyatakan bahwa dataset gambar diperbarui hingga Juni 2023. Berikan konteks tertulis yang diperlukan untuk label baru atau asing, alih-alih meminta gambar saja menetapkan informasi tersebut. Bedakan label yang dikutip dari identitas yang disimpulkan dalam catatan hasil.
Konfigurasi checkpoint yang dipublikasikan menetapkan 32,768 posisi maksimum. Siapkan pertanyaan dan masukan visual dengan prosesor model yang sesuai, sambil mempertahankan urutan gambar yang digunakan dalam permintaan. Helper bawaan menerima gambar lokal, base64, dan alamat gambar.
Simpan nama 2B Instruct yang dipilih, referensi, dan jawaban tertulis yang selesai bersama-sama. Untuk tindak lanjut, sertakan materi yang relevan dan tentukan pengamatan atau penafsiran khusus yang perlu direvisi, lalu bandingkan hasil yang diperbaiki dengan sumber tersebut.
Melalui Ailoot, gunakan ID model yang persis ini di /v1/chat/completions dan pertahankan gambar bersama pertanyaannya dalam percakapan. Bentuk konten gambar memakai image_url; sumber gambar yang didukung dapat memuat alamat gambar atau URI data base64. Kumpulkan jawaban JSON lengkap atau seluruh segmen SSE saat stream diaktifkan, dan simpan usage bersama hasil yang telah selesai.
", "aboutText": "Qwen2-VL-2B-Instruct adalah model bahasa dan visi 2B Qwen yang disesuaikan untuk mengikuti instruksi pada pertanyaan gambar dan teks. Pembuatnya menjelaskan penanganan gambar dengan resolusi dan rasio aspek berbeda serta pemahaman teks dalam beberapa bahasa di dalam gambar. Hasil yang dihasilkan berupa respons tertulis terhadap materi visual dan pertanyaan yang diberikan. Pembuat juga menjelaskan penggunaan agen visual dengan perangkat seperti ponsel dan robot. Untuk alur tersebut, berikan lingkungan visual saat ini dan instruksi teks; aplikasi yang menaungi model menjalankan operasi yang diusulkan dan mengembalikan keadaan yang diamati untuk pertanyaan berikutnya.\n\n### Berikan gambar dan pertanyaan yang tepat\n\nPilih gambar yang memuat bukti yang diperlukan untuk menjawab, lalu tentukan detail yang perlu ditafsirkan. Pertanyaan dokumen dapat menanyakan bagian teks yang terlihat; pertanyaan grafik dapat menentukan seri, sumbu, dan perbandingan yang perlu dijelaskan. Simpan pengenal gambar bersama hasil yang diminta agar respons tetap terkait dengan referensi yang benar.\n\nPembuat mencantumkan pemahaman gambar dan teks selain bahasa Inggris dan Mandarin, termasuk bahasa-bahasa Eropa, Jepang, Korea, Arab, dan Vietnam. Pertahankan susunan kata dan aksara asli saat meminta transkripsi, penjelasan, atau terjemahan teks yang terlihat. Contoh brief dapat meminta label yang ditampilkan beserta penjelasan terpisah tentang maknanya.\n\n### Siapkan resolusi dan token visual secara terencana\n\nQwen2-VL menggunakan resolusi dinamis untuk memetakan gambar ke jumlah token visual yang bervariasi. Dalam contoh prosesor bawaan, rentang default adalah 4 hingga 16,384 token visual per gambar. Panduan bawaannya menggambarkan pengaturan piksel minimum dan maksimum, termasuk rentang persiapan token gambar yang lebih sempit, 256 hingga 1,280, untuk menyeimbangkan detail dengan kebutuhan pemrosesan. Pengaturan tersebut mempertahankan rasio aspek saat mengubah ukuran.\n\nPembuat juga mengizinkan permintaan tinggi dan lebar setelah perubahan ukuran, yang dibulatkan ke kelipatan 28. Pilih persiapan yang membuat label penting tetap terbaca, dan simpan gambar asli saat menggunakan potongan. Contoh bawaan mencakup beberapa gambar dan batch, sehingga referensi terpisah dalam pertanyaan tetap dapat diidentifikasi.\n\n### Bekerja dalam batas visual yang didokumentasikan\n\nPembuat menyebutkan keterbatasan dalam instruksi kompleks beberapa langkah, penghitungan objek pada adegan rumit, dan penalaran spasial dalam tiga dimensi. Pembuat juga mencatat pengenalan orang atau merek tertentu yang belum lengkap. Minta pengamatan visual terarah dan periksa hitungan, label, atau posisi relatif khusus yang menjadi dasar hasil.\n\nPembuat menyatakan bahwa dataset gambar diperbarui hingga Juni 2023. Berikan konteks tertulis yang diperlukan untuk label baru atau asing, alih-alih meminta gambar saja menetapkan informasi tersebut. Bedakan label yang dikutip dari identitas yang disimpulkan dalam catatan hasil.\n\n### Simpan masukan yang disiapkan bersama jawaban\n\nKonfigurasi checkpoint yang dipublikasikan menetapkan 32,768 posisi maksimum. Siapkan pertanyaan dan masukan visual dengan prosesor model yang sesuai, sambil mempertahankan urutan gambar yang digunakan dalam permintaan. Helper bawaan menerima gambar lokal, base64, dan alamat gambar.\n\nSimpan nama 2B Instruct yang dipilih, referensi, dan jawaban tertulis yang selesai bersama-sama. Untuk tindak lanjut, sertakan materi yang relevan dan tentukan pengamatan atau penafsiran khusus yang perlu direvisi, lalu bandingkan hasil yang diperbaiki dengan sumber tersebut.\n\nMelalui Ailoot, gunakan ID model yang persis ini di /v1/chat/completions dan pertahankan gambar bersama pertanyaannya dalam percakapan. Bentuk konten gambar memakai image_url; sumber gambar yang didukung dapat memuat alamat gambar atau URI data base64. Kumpulkan jawaban JSON lengkap atau seluruh segmen SSE saat stream diaktifkan, dan simpan usage bersama hasil yang telah selesai.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ebd3418f5ba8b420a608f392386a9c2c358dffb5d760105645236357f9da9d1b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "qwen2-vl-2b-instructQwen2-VL-2B-Instruct adalah model bahasa dan visi Qwen untuk pertanyaan gambar, teks multibahasa dalam gambar, dan penjelasan visual. Berikan gambar yang terbaca dan pertanyaan yang tepat untuk memperoleh hasil tertulis yang terkait dengan bukti yang terlihat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen2-VL-2B-Instruct adalah model bahasa dan visi 2B Qwen yang disesuaikan untuk mengikuti instruksi pada pertanyaan gambar dan teks. Pembuatnya menjelaskan penanganan gambar dengan resolusi dan rasio aspek berbeda serta pemahaman teks dalam beberapa bahasa di dalam gambar. Hasil yang dihasilkan berupa respons tertulis terhadap materi visual dan pertanyaan yang diberikan. Pembuat juga menjelaskan penggunaan agen visual dengan perangkat seperti ponsel dan robot. Untuk alur tersebut, berikan lingkungan visual saat ini dan instruksi teks; aplikasi yang menaungi model menjalankan operasi yang diusulkan dan mengembalikan keadaan yang diamati untuk pertanyaan berikutnya.
Pilih gambar yang memuat bukti yang diperlukan untuk menjawab, lalu tentukan detail yang perlu ditafsirkan. Pertanyaan dokumen dapat menanyakan bagian teks yang terlihat; pertanyaan grafik dapat menentukan seri, sumbu, dan perbandingan yang perlu dijelaskan. Simpan pengenal gambar bersama hasil yang diminta agar respons tetap terkait dengan referensi yang benar.
Pembuat mencantumkan pemahaman gambar dan teks selain bahasa Inggris dan Mandarin, termasuk bahasa-bahasa Eropa, Jepang, Korea, Arab, dan Vietnam. Pertahankan susunan kata dan aksara asli saat meminta transkripsi, penjelasan, atau terjemahan teks yang terlihat. Contoh brief dapat meminta label yang ditampilkan beserta penjelasan terpisah tentang maknanya.
Qwen2-VL menggunakan resolusi dinamis untuk memetakan gambar ke jumlah token visual yang bervariasi. Dalam contoh prosesor bawaan, rentang default adalah 4 hingga 16,384 token visual per gambar. Panduan bawaannya menggambarkan pengaturan piksel minimum dan maksimum, termasuk rentang persiapan token gambar yang lebih sempit, 256 hingga 1,280, untuk menyeimbangkan detail dengan kebutuhan pemrosesan. Pengaturan tersebut mempertahankan rasio aspek saat mengubah ukuran.
Pembuat juga mengizinkan permintaan tinggi dan lebar setelah perubahan ukuran, yang dibulatkan ke kelipatan 28. Pilih persiapan yang membuat label penting tetap terbaca, dan simpan gambar asli saat menggunakan potongan. Contoh bawaan mencakup beberapa gambar dan batch, sehingga referensi terpisah dalam pertanyaan tetap dapat diidentifikasi.
Pembuat menyebutkan keterbatasan dalam instruksi kompleks beberapa langkah, penghitungan objek pada adegan rumit, dan penalaran spasial dalam tiga dimensi. Pembuat juga mencatat pengenalan orang atau merek tertentu yang belum lengkap. Minta pengamatan visual terarah dan periksa hitungan, label, atau posisi relatif khusus yang menjadi dasar hasil.
Pembuat menyatakan bahwa dataset gambar diperbarui hingga Juni 2023. Berikan konteks tertulis yang diperlukan untuk label baru atau asing, alih-alih meminta gambar saja menetapkan informasi tersebut. Bedakan label yang dikutip dari identitas yang disimpulkan dalam catatan hasil.
Konfigurasi checkpoint yang dipublikasikan menetapkan 32,768 posisi maksimum. Siapkan pertanyaan dan masukan visual dengan prosesor model yang sesuai, sambil mempertahankan urutan gambar yang digunakan dalam permintaan. Helper bawaan menerima gambar lokal, base64, dan alamat gambar.
Simpan nama 2B Instruct yang dipilih, referensi, dan jawaban tertulis yang selesai bersama-sama. Untuk tindak lanjut, sertakan materi yang relevan dan tentukan pengamatan atau penafsiran khusus yang perlu direvisi, lalu bandingkan hasil yang diperbaiki dengan sumber tersebut.
Melalui Ailoot, gunakan ID model yang persis ini di /v1/chat/completions dan pertahankan gambar bersama pertanyaannya dalam percakapan. Bentuk konten gambar memakai image_url; sumber gambar yang didukung dapat memuat alamat gambar atau URI data base64. Kumpulkan jawaban JSON lengkap atau seluruh segmen SSE saat stream diaktifkan, dan simpan usage bersama hasil yang telah selesai.
POST /v1/chat/completionstext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen2-vl-2b-instruct Kondisi: Gunakan pemilih perutean Ailoot ini persis seperti yang ditampilkan. | Bawaan— |
Kolommessages | Jenisarray | PersyaratanWajib | Nilai & batasan Kondisi: | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan Kondisi: | Bawaanfalse |
text_input · Wajib: messages
image_with_text · Wajib: messages with actual image content blocks
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional | Kontrakstream |
Parametermaterial_types | Kontraktext, image |
Parameterconditions | KontrakGunakan pemilih perutean Ailoot ini persis seperti yang ditampilkan., Protokol ini membawa konten gambar jika model yang dipilih memang mendukung pengenalan visual. Penerimaan oleh protokol tidak membuktikan bahwa setiap model mendukung gambar. |
Alias metode: /chat/completions
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 / 1K token Keluaran · Token keluaran $0 / 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}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap blok konten, ID pemanggilan alat, tanda tangan penalaran jika dikembalikan, semua delta SSE, dan data penggunaan lengkap. Potongan teks pertama bukanlah hasil keseluruhan.
Simpan X-Client-Request-ID asli, respons, dan header. Hasil yang tidak diketahui atau result_pending_check tidak mengizinkan permintaan pembuatan kedua.
| Kolom | Jenis |
|---|---|
Kolomchoices[] | Jenisobject |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiKolom wajib, pemilih model, tipe, atau bentuk masukan tidak valid. | Langkah berikutnyaPeriksa rincian validasi yang dikembalikan sebelum menyiapkan permintaan terpisah. |
Respons | KondisiPermintaan atau hasil asli tidak diketahui atau perlu diperiksa. | Langkah berikutnyaSimpan pengenal dan header asli; baca hanya catatan status/pustaka yang didukung. Jangan kirim ulang permintaan pembuatan. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions
qwen2-vl-2b-instructQwen2-VL-2B-Instruct adalah model bahasa dan visi Qwen untuk pertanyaan gambar, teks multibahasa dalam gambar, dan penjelasan visual. Berikan gambar yang terbaca dan pertanyaan yang tepat untuk memperoleh hasil tertulis yang terkait dengan bukti yang terlihat.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen2-VL-2B-Instruct adalah model bahasa dan visi 2B Qwen yang disesuaikan untuk mengikuti instruksi pada pertanyaan gambar dan teks. Pembuatnya menjelaskan penanganan gambar dengan resolusi dan rasio aspek berbeda serta pemahaman teks dalam beberapa bahasa di dalam gambar. Hasil yang dihasilkan berupa respons tertulis terhadap materi visual dan pertanyaan yang diberikan. Pembuat juga menjelaskan penggunaan agen visual dengan perangkat seperti ponsel dan robot. Untuk alur tersebut, berikan lingkungan visual saat ini dan instruksi teks; aplikasi yang menaungi model menjalankan operasi yang diusulkan dan mengembalikan keadaan yang diamati untuk pertanyaan berikutnya.
Pilih gambar yang memuat bukti yang diperlukan untuk menjawab, lalu tentukan detail yang perlu ditafsirkan. Pertanyaan dokumen dapat menanyakan bagian teks yang terlihat; pertanyaan grafik dapat menentukan seri, sumbu, dan perbandingan yang perlu dijelaskan. Simpan pengenal gambar bersama hasil yang diminta agar respons tetap terkait dengan referensi yang benar.
Pembuat mencantumkan pemahaman gambar dan teks selain bahasa Inggris dan Mandarin, termasuk bahasa-bahasa Eropa, Jepang, Korea, Arab, dan Vietnam. Pertahankan susunan kata dan aksara asli saat meminta transkripsi, penjelasan, atau terjemahan teks yang terlihat. Contoh brief dapat meminta label yang ditampilkan beserta penjelasan terpisah tentang maknanya.
Qwen2-VL menggunakan resolusi dinamis untuk memetakan gambar ke jumlah token visual yang bervariasi. Dalam contoh prosesor bawaan, rentang default adalah 4 hingga 16,384 token visual per gambar. Panduan bawaannya menggambarkan pengaturan piksel minimum dan maksimum, termasuk rentang persiapan token gambar yang lebih sempit, 256 hingga 1,280, untuk menyeimbangkan detail dengan kebutuhan pemrosesan. Pengaturan tersebut mempertahankan rasio aspek saat mengubah ukuran.
Pembuat juga mengizinkan permintaan tinggi dan lebar setelah perubahan ukuran, yang dibulatkan ke kelipatan 28. Pilih persiapan yang membuat label penting tetap terbaca, dan simpan gambar asli saat menggunakan potongan. Contoh bawaan mencakup beberapa gambar dan batch, sehingga referensi terpisah dalam pertanyaan tetap dapat diidentifikasi.
Pembuat menyebutkan keterbatasan dalam instruksi kompleks beberapa langkah, penghitungan objek pada adegan rumit, dan penalaran spasial dalam tiga dimensi. Pembuat juga mencatat pengenalan orang atau merek tertentu yang belum lengkap. Minta pengamatan visual terarah dan periksa hitungan, label, atau posisi relatif khusus yang menjadi dasar hasil.
Pembuat menyatakan bahwa dataset gambar diperbarui hingga Juni 2023. Berikan konteks tertulis yang diperlukan untuk label baru atau asing, alih-alih meminta gambar saja menetapkan informasi tersebut. Bedakan label yang dikutip dari identitas yang disimpulkan dalam catatan hasil.
Konfigurasi checkpoint yang dipublikasikan menetapkan 32,768 posisi maksimum. Siapkan pertanyaan dan masukan visual dengan prosesor model yang sesuai, sambil mempertahankan urutan gambar yang digunakan dalam permintaan. Helper bawaan menerima gambar lokal, base64, dan alamat gambar.
Simpan nama 2B Instruct yang dipilih, referensi, dan jawaban tertulis yang selesai bersama-sama. Untuk tindak lanjut, sertakan materi yang relevan dan tentukan pengamatan atau penafsiran khusus yang perlu direvisi, lalu bandingkan hasil yang diperbaiki dengan sumber tersebut.
Melalui Ailoot, gunakan ID model yang persis ini di /v1/chat/completions dan pertahankan gambar bersama pertanyaannya dalam percakapan. Bentuk konten gambar memakai image_url; sumber gambar yang didukung dapat memuat alamat gambar atau URI data base64. Kumpulkan jawaban JSON lengkap atau seluruh segmen SSE saat stream diaktifkan, dan simpan usage bersama hasil yang telah selesai.
POST /v1/messagestext, imagejson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen2-vl-2b-instruct Kondisi: Gunakan pemilih perutean Ailoot ini persis seperti yang ditampilkan. | Bawaan— |
Kolommessages | Jenisarray | PersyaratanWajib | Nilai & batasan Kondisi: | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan Kondisi: | Bawaanfalse |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan Minimum: 1 Kondisi: | Bawaan— |
text_input · Wajib: messages
image_with_text · Wajib: messages with actual image content blocks
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional | Kontrakstream |
Parametermaterial_types | Kontraktext, image |
Parameterconditions | KontrakGunakan pemilih perutean Ailoot ini persis seperti yang ditampilkan., Protokol ini membawa konten gambar jika model yang dipilih memang mendukung pengenalan visual. Penerimaan oleh protokol tidak membuktikan bahwa setiap model mendukung gambar. |
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 / 1K token Keluaran · Token keluaran $0 / 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}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap blok konten, ID pemanggilan alat, tanda tangan penalaran jika dikembalikan, semua delta SSE, dan data penggunaan lengkap. Potongan teks pertama bukanlah hasil keseluruhan.
Simpan X-Client-Request-ID asli, respons, dan header. Hasil yang tidak diketahui atau result_pending_check tidak mengizinkan permintaan pembuatan kedua.
| Kolom | Jenis |
|---|---|
Kolomcontent[] | Jenisobject |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiKolom wajib, pemilih model, tipe, atau bentuk masukan tidak valid. | Langkah berikutnyaPeriksa rincian validasi yang dikembalikan sebelum menyiapkan permintaan terpisah. |
Respons | KondisiPermintaan atau hasil asli tidak diketahui atau perlu diperiksa. | Langkah berikutnyaSimpan pengenal dan header asli; baca hanya catatan status/pustaka yang didukung. Jangan kirim ulang permintaan pembuatan. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions