Pengantar: edisi visi-bahasa 7B
Qwen2-VL-7B-Instruct adalah anggota 7B dari Qwen2-VL yang disetel untuk mengikuti instruksi. Model ini menggabungkan instruksi teks dengan gambar atau video dan menghasilkan jawaban teks. Keluaran yang berguna mencakup penjelasan halaman, perbandingan gambar, deskripsi peristiwa yang terlihat, atau jawaban atas pertanyaan tentang grafik. Model ini tetap merupakan rilis Qwen2-VL yang persis ini; checkpoint Qwen2.5-VL dan Qwen3-VL yang lebih baru memiliki kemampuan dan identitasnya sendiri.
Tambahan yang dibawa Qwen2-VL
Qwen menjelaskan pemahaman visual pada berbagai resolusi dan rasio aspek gambar, serta tanya jawab, dialog, dan pembuatan konten berbasis video. Kemampuan video keluarga ini yang didokumentasikan mencakup materi berdurasi lebih dari 20 menit. Durasi saja tidak menentukan berapa banyak frame yang diproses aplikasi atau menjamin ingatan terhadap setiap peristiwa. Pemahaman teks dalam gambar secara multibahasa mencakup bahasa Inggris dan Mandarin, banyak bahasa Eropa, Jepang, Korea, Arab, dan Vietnam.
Pengembang juga menjelaskan integrasi dengan ponsel, robot, dan perangkat lain melalui pengamatan visual dan instruksi teks. Ini adalah alur kerja aplikasi: model menafsirkan lingkungan visual dan membantu memilih tindakan, sedangkan perangkat lunak atau perangkat keras yang terhubung menjalankannya. Mengenali layar tidak dengan sendirinya memberi model kendali atas layar tersebut.
Perubahan arsitektur
Resolusi dinamis mengubah gambar menjadi jumlah token visual yang bervariasi alih-alih memaksa setiap masukan ke dalam representasi yang sama. M-ROPE memisahkan informasi posisi untuk teks, gambar dua dimensi, dan informasi video tiga dimensi, dengan menggabungkan struktur spasial dan temporal. Konfigurasi 7B yang diterbitkan mencantumkan 32.768 posisi. Teks, token visual, dan keluaran yang dihasilkan berbagi alokasi urutan yang terbatas, sehingga resolusi gambar dan pengambilan sampel video memengaruhi jumlah materi yang dapat disertakan dalam permintaan.
Menyiapkan gambar dan percakapan
Contoh resmi mendukung satu gambar, beberapa gambar, dan percakapan teks saja. Lampirkan gambar dengan pertanyaan spesifik, alih-alih mengandalkan instruksi luas seperti “analisis semuanya.” Untuk halaman dokumen, minta bidang tertentu dan pertahankan tanda baca dalam kutipan. Untuk dua tangkapan layar desain, beri label pertama dan kedua, lalu minta tabel perubahan yang terlihat. Untuk grafik, minta label, satuan, dan nilai yang mendukung tren yang disebutkan. Ini adalah penerapan praktis tanya jawab visual, bukan janji ekstraksi tanpa kesalahan.
Utilitas pengembang menerima gambar dari berkas lokal, data gambar terenkode, atau lokasi gambar; contoh video yang didokumentasikan menggunakan berkas video lokal atau daftar frame berurutan. Format unggahan aplikasi tetap merupakan keputusan antarmuka tersendiri. Pertahankan urutan frame asli dan nyatakan interval waktu yang diwakili daftar frame. Contoh tersebut menghasilkan teks; checkpoint ini tidak dijelaskan sebagai pembuat gambar atau video.
Resolusi dan persiapan video
Prosesor Qwen menggunakan rentang bawaan empat hingga 16.384 token visual per gambar. Prosesor ini menyediakan min_pixels dan max_pixels untuk menyeimbangkan detail dengan memori serta komputasi, dengan contoh terdokumentasi yang menargetkan 256–1.280 token visual. Ukuran gambar diubah dalam batas yang dipilih sambil mempertahankan rasio aspeknya. Dimensi hasil pengubahan ukuran yang ditetapkan secara eksplisit dibulatkan ke kelipatan 28. Tabel padat atau tulisan kecil mungkin memerlukan resolusi yang cukup agar tetap terbaca; meningkatkannya juga menghabiskan lebih banyak alokasi visual dan konteks yang tersedia.
Contoh video menunjukkan laju pengambilan sampel satu frame per detik dan batas piksel yang dapat dikonfigurasi. Ini adalah pengaturan contoh, bukan laju wajib universal atau batas media mutlak. Untuk peninjauan peristiwa, berikan klip yang relevan dan minta uraian berurutan tentang perubahan yang terlihat. Peristiwa yang berdekatan mungkin memerlukan pengambilan sampel lebih rapat daripada ringkasan adegan secara umum. Qwen2-VL tidak memahami informasi audio di dalam video, sehingga dialog lisan atau efek suara memerlukan alur kerja audio terpisah.
Keterbatasan yang diketahui
Qwen mencatat batas waktu data pelatihan gambar pada Juni 2023, tanpa jaminan pengetahuan tentang orang, produk, atau peristiwa sesudahnya. Pengenalan individu tertentu dan kekayaan intelektual belum lengkap. Instruksi bertahap yang kompleks, jumlah objek dalam adegan ramai, dan hubungan spasial—terutama dalam tiga dimensi—merupakan kelemahan yang didokumentasikan. Pecah tugas visual yang rumit menjadi pertanyaan yang jelas, minta bukti visual pendukung hasil, lalu periksa angka yang diekstrak dan teks yang dikutip terhadap gambar. Keterangan yang masuk akal tidak boleh diperlakukan sebagai hitungan presisi atau lokasi tiga dimensi yang terukur.
Contoh generasi singkat pada kartu tidak menetapkan batas keluaran mutlak tersendiri. Rencanakan ukuran jawaban bersama masukan teks dan visual, serta pertahankan detail sumber yang memadai untuk pertanyaan tertentu. Hal ini membuat pemilihan model dan persiapan masukan lebih berguna daripada menganggap setiap gambar atau video panjang memberikan jawaban yang sama andalnya.
", "aboutText": "Pengantar: edisi visi-bahasa 7B\n\nQwen2-VL-7B-Instruct adalah anggota 7B dari Qwen2-VL yang disetel untuk mengikuti instruksi. Model ini menggabungkan instruksi teks dengan gambar atau video dan menghasilkan jawaban teks. Keluaran yang berguna mencakup penjelasan halaman, perbandingan gambar, deskripsi peristiwa yang terlihat, atau jawaban atas pertanyaan tentang grafik. Model ini tetap merupakan rilis Qwen2-VL yang persis ini; checkpoint Qwen2.5-VL dan Qwen3-VL yang lebih baru memiliki kemampuan dan identitasnya sendiri.\n\nTambahan yang dibawa Qwen2-VL\n\nQwen menjelaskan pemahaman visual pada berbagai resolusi dan rasio aspek gambar, serta tanya jawab, dialog, dan pembuatan konten berbasis video. Kemampuan video keluarga ini yang didokumentasikan mencakup materi berdurasi lebih dari 20 menit. Durasi saja tidak menentukan berapa banyak frame yang diproses aplikasi atau menjamin ingatan terhadap setiap peristiwa. Pemahaman teks dalam gambar secara multibahasa mencakup bahasa Inggris dan Mandarin, banyak bahasa Eropa, Jepang, Korea, Arab, dan Vietnam.\n\nPengembang juga menjelaskan integrasi dengan ponsel, robot, dan perangkat lain melalui pengamatan visual dan instruksi teks. Ini adalah alur kerja aplikasi: model menafsirkan lingkungan visual dan membantu memilih tindakan, sedangkan perangkat lunak atau perangkat keras yang terhubung menjalankannya. Mengenali layar tidak dengan sendirinya memberi model kendali atas layar tersebut.\n\nPerubahan arsitektur\n\nResolusi dinamis mengubah gambar menjadi jumlah token visual yang bervariasi alih-alih memaksa setiap masukan ke dalam representasi yang sama. M-ROPE memisahkan informasi posisi untuk teks, gambar dua dimensi, dan informasi video tiga dimensi, dengan menggabungkan struktur spasial dan temporal. Konfigurasi 7B yang diterbitkan mencantumkan 32.768 posisi. Teks, token visual, dan keluaran yang dihasilkan berbagi alokasi urutan yang terbatas, sehingga resolusi gambar dan pengambilan sampel video memengaruhi jumlah materi yang dapat disertakan dalam permintaan.\n\nMenyiapkan gambar dan percakapan\n\nContoh resmi mendukung satu gambar, beberapa gambar, dan percakapan teks saja. Lampirkan gambar dengan pertanyaan spesifik, alih-alih mengandalkan instruksi luas seperti “analisis semuanya.” Untuk halaman dokumen, minta bidang tertentu dan pertahankan tanda baca dalam kutipan. Untuk dua tangkapan layar desain, beri label pertama dan kedua, lalu minta tabel perubahan yang terlihat. Untuk grafik, minta label, satuan, dan nilai yang mendukung tren yang disebutkan. Ini adalah penerapan praktis tanya jawab visual, bukan janji ekstraksi tanpa kesalahan.\n\nUtilitas pengembang menerima gambar dari berkas lokal, data gambar terenkode, atau lokasi gambar; contoh video yang didokumentasikan menggunakan berkas video lokal atau daftar frame berurutan. Format unggahan aplikasi tetap merupakan keputusan antarmuka tersendiri. Pertahankan urutan frame asli dan nyatakan interval waktu yang diwakili daftar frame. Contoh tersebut menghasilkan teks; checkpoint ini tidak dijelaskan sebagai pembuat gambar atau video.\n\nResolusi dan persiapan video\n\nProsesor Qwen menggunakan rentang bawaan empat hingga 16.384 token visual per gambar. Prosesor ini menyediakan min_pixels dan max_pixels untuk menyeimbangkan detail dengan memori serta komputasi, dengan contoh terdokumentasi yang menargetkan 256–1.280 token visual. Ukuran gambar diubah dalam batas yang dipilih sambil mempertahankan rasio aspeknya. Dimensi hasil pengubahan ukuran yang ditetapkan secara eksplisit dibulatkan ke kelipatan 28. Tabel padat atau tulisan kecil mungkin memerlukan resolusi yang cukup agar tetap terbaca; meningkatkannya juga menghabiskan lebih banyak alokasi visual dan konteks yang tersedia.\n\nContoh video menunjukkan laju pengambilan sampel satu frame per detik dan batas piksel yang dapat dikonfigurasi. Ini adalah pengaturan contoh, bukan laju wajib universal atau batas media mutlak. Untuk peninjauan peristiwa, berikan klip yang relevan dan minta uraian berurutan tentang perubahan yang terlihat. Peristiwa yang berdekatan mungkin memerlukan pengambilan sampel lebih rapat daripada ringkasan adegan secara umum. Qwen2-VL tidak memahami informasi audio di dalam video, sehingga dialog lisan atau efek suara memerlukan alur kerja audio terpisah.\n\nKeterbatasan yang diketahui\n\nQwen mencatat batas waktu data pelatihan gambar pada Juni 2023, tanpa jaminan pengetahuan tentang orang, produk, atau peristiwa sesudahnya. Pengenalan individu tertentu dan kekayaan intelektual belum lengkap. Instruksi bertahap yang kompleks, jumlah objek dalam adegan ramai, dan hubungan spasial—terutama dalam tiga dimensi—merupakan kelemahan yang didokumentasikan. Pecah tugas visual yang rumit menjadi pertanyaan yang jelas, minta bukti visual pendukung hasil, lalu periksa angka yang diekstrak dan teks yang dikutip terhadap gambar. Keterangan yang masuk akal tidak boleh diperlakukan sebagai hitungan presisi atau lokasi tiga dimensi yang terukur.\n\nContoh generasi singkat pada kartu tidak menetapkan batas keluaran mutlak tersendiri. Rencanakan ukuran jawaban bersama masukan teks dan visual, serta pertahankan detail sumber yang memadai untuk pertanyaan tertentu. Hal ini membuat pemilihan model dan persiapan masukan lebih berguna daripada menganggap setiap gambar atau video panjang memberikan jawaban yang sama andalnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct adalah model visi-bahasa Qwen yang disetel untuk mengikuti instruksi, menerima teks, gambar, dan video, serta mengembalikan teks. Gunakan untuk bertanya tentang halaman dokumen, membandingkan gambar, atau mendeskripsikan peristiwa visual, dengan resolusi gambar dinamis dan keterbatasan terdokumentasi dalam penghitungan, penalaran spasial, serta pemahaman audio dalam video.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Pengantar: edisi visi-bahasa 7B
Qwen2-VL-7B-Instruct adalah anggota 7B dari Qwen2-VL yang disetel untuk mengikuti instruksi. Model ini menggabungkan instruksi teks dengan gambar atau video dan menghasilkan jawaban teks. Keluaran yang berguna mencakup penjelasan halaman, perbandingan gambar, deskripsi peristiwa yang terlihat, atau jawaban atas pertanyaan tentang grafik. Model ini tetap merupakan rilis Qwen2-VL yang persis ini; checkpoint Qwen2.5-VL dan Qwen3-VL yang lebih baru memiliki kemampuan dan identitasnya sendiri.
Tambahan yang dibawa Qwen2-VL
Qwen menjelaskan pemahaman visual pada berbagai resolusi dan rasio aspek gambar, serta tanya jawab, dialog, dan pembuatan konten berbasis video. Kemampuan video keluarga ini yang didokumentasikan mencakup materi berdurasi lebih dari 20 menit. Durasi saja tidak menentukan berapa banyak frame yang diproses aplikasi atau menjamin ingatan terhadap setiap peristiwa. Pemahaman teks dalam gambar secara multibahasa mencakup bahasa Inggris dan Mandarin, banyak bahasa Eropa, Jepang, Korea, Arab, dan Vietnam.
Pengembang juga menjelaskan integrasi dengan ponsel, robot, dan perangkat lain melalui pengamatan visual dan instruksi teks. Ini adalah alur kerja aplikasi: model menafsirkan lingkungan visual dan membantu memilih tindakan, sedangkan perangkat lunak atau perangkat keras yang terhubung menjalankannya. Mengenali layar tidak dengan sendirinya memberi model kendali atas layar tersebut.
Perubahan arsitektur
Resolusi dinamis mengubah gambar menjadi jumlah token visual yang bervariasi alih-alih memaksa setiap masukan ke dalam representasi yang sama. M-ROPE memisahkan informasi posisi untuk teks, gambar dua dimensi, dan informasi video tiga dimensi, dengan menggabungkan struktur spasial dan temporal. Konfigurasi 7B yang diterbitkan mencantumkan 32.768 posisi. Teks, token visual, dan keluaran yang dihasilkan berbagi alokasi urutan yang terbatas, sehingga resolusi gambar dan pengambilan sampel video memengaruhi jumlah materi yang dapat disertakan dalam permintaan.
Menyiapkan gambar dan percakapan
Contoh resmi mendukung satu gambar, beberapa gambar, dan percakapan teks saja. Lampirkan gambar dengan pertanyaan spesifik, alih-alih mengandalkan instruksi luas seperti “analisis semuanya.” Untuk halaman dokumen, minta bidang tertentu dan pertahankan tanda baca dalam kutipan. Untuk dua tangkapan layar desain, beri label pertama dan kedua, lalu minta tabel perubahan yang terlihat. Untuk grafik, minta label, satuan, dan nilai yang mendukung tren yang disebutkan. Ini adalah penerapan praktis tanya jawab visual, bukan janji ekstraksi tanpa kesalahan.
Utilitas pengembang menerima gambar dari berkas lokal, data gambar terenkode, atau lokasi gambar; contoh video yang didokumentasikan menggunakan berkas video lokal atau daftar frame berurutan. Format unggahan aplikasi tetap merupakan keputusan antarmuka tersendiri. Pertahankan urutan frame asli dan nyatakan interval waktu yang diwakili daftar frame. Contoh tersebut menghasilkan teks; checkpoint ini tidak dijelaskan sebagai pembuat gambar atau video.
Resolusi dan persiapan video
Prosesor Qwen menggunakan rentang bawaan empat hingga 16.384 token visual per gambar. Prosesor ini menyediakan min_pixels dan max_pixels untuk menyeimbangkan detail dengan memori serta komputasi, dengan contoh terdokumentasi yang menargetkan 256–1.280 token visual. Ukuran gambar diubah dalam batas yang dipilih sambil mempertahankan rasio aspeknya. Dimensi hasil pengubahan ukuran yang ditetapkan secara eksplisit dibulatkan ke kelipatan 28. Tabel padat atau tulisan kecil mungkin memerlukan resolusi yang cukup agar tetap terbaca; meningkatkannya juga menghabiskan lebih banyak alokasi visual dan konteks yang tersedia.
Contoh video menunjukkan laju pengambilan sampel satu frame per detik dan batas piksel yang dapat dikonfigurasi. Ini adalah pengaturan contoh, bukan laju wajib universal atau batas media mutlak. Untuk peninjauan peristiwa, berikan klip yang relevan dan minta uraian berurutan tentang perubahan yang terlihat. Peristiwa yang berdekatan mungkin memerlukan pengambilan sampel lebih rapat daripada ringkasan adegan secara umum. Qwen2-VL tidak memahami informasi audio di dalam video, sehingga dialog lisan atau efek suara memerlukan alur kerja audio terpisah.
Keterbatasan yang diketahui
Qwen mencatat batas waktu data pelatihan gambar pada Juni 2023, tanpa jaminan pengetahuan tentang orang, produk, atau peristiwa sesudahnya. Pengenalan individu tertentu dan kekayaan intelektual belum lengkap. Instruksi bertahap yang kompleks, jumlah objek dalam adegan ramai, dan hubungan spasial—terutama dalam tiga dimensi—merupakan kelemahan yang didokumentasikan. Pecah tugas visual yang rumit menjadi pertanyaan yang jelas, minta bukti visual pendukung hasil, lalu periksa angka yang diekstrak dan teks yang dikutip terhadap gambar. Keterangan yang masuk akal tidak boleh diperlakukan sebagai hitungan presisi atau lokasi tiga dimensi yang terukur.
Contoh generasi singkat pada kartu tidak menetapkan batas keluaran mutlak tersendiri. Rencanakan ukuran jawaban bersama masukan teks dan visual, serta pertahankan detail sumber yang memadai untuk pertanyaan tertentu. Hal ini membuat pemilihan model dan persiapan masukan lebih berguna daripada menganggap setiap gambar atau video panjang memberikan jawaban yang sama andalnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K token Keluaran · Token keluaran $0.00142 / 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": "Qwen2-VL-7B-Instruct-ultra", "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='Qwen2-VL-7B-Instruct-ultra',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='Qwen2-VL-7B-Instruct-ultra',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 Qwen2-VL-7B-Instruct-ultra
Gunakan jalur metode yang ditampilkan di atas.
Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct adalah model visi-bahasa Qwen yang disetel untuk mengikuti instruksi, menerima teks, gambar, dan video, serta mengembalikan teks. Gunakan untuk bertanya tentang halaman dokumen, membandingkan gambar, atau mendeskripsikan peristiwa visual, dengan resolusi gambar dinamis dan keterbatasan terdokumentasi dalam penghitungan, penalaran spasial, serta pemahaman audio dalam video.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Pengantar: edisi visi-bahasa 7B
Qwen2-VL-7B-Instruct adalah anggota 7B dari Qwen2-VL yang disetel untuk mengikuti instruksi. Model ini menggabungkan instruksi teks dengan gambar atau video dan menghasilkan jawaban teks. Keluaran yang berguna mencakup penjelasan halaman, perbandingan gambar, deskripsi peristiwa yang terlihat, atau jawaban atas pertanyaan tentang grafik. Model ini tetap merupakan rilis Qwen2-VL yang persis ini; checkpoint Qwen2.5-VL dan Qwen3-VL yang lebih baru memiliki kemampuan dan identitasnya sendiri.
Tambahan yang dibawa Qwen2-VL
Qwen menjelaskan pemahaman visual pada berbagai resolusi dan rasio aspek gambar, serta tanya jawab, dialog, dan pembuatan konten berbasis video. Kemampuan video keluarga ini yang didokumentasikan mencakup materi berdurasi lebih dari 20 menit. Durasi saja tidak menentukan berapa banyak frame yang diproses aplikasi atau menjamin ingatan terhadap setiap peristiwa. Pemahaman teks dalam gambar secara multibahasa mencakup bahasa Inggris dan Mandarin, banyak bahasa Eropa, Jepang, Korea, Arab, dan Vietnam.
Pengembang juga menjelaskan integrasi dengan ponsel, robot, dan perangkat lain melalui pengamatan visual dan instruksi teks. Ini adalah alur kerja aplikasi: model menafsirkan lingkungan visual dan membantu memilih tindakan, sedangkan perangkat lunak atau perangkat keras yang terhubung menjalankannya. Mengenali layar tidak dengan sendirinya memberi model kendali atas layar tersebut.
Perubahan arsitektur
Resolusi dinamis mengubah gambar menjadi jumlah token visual yang bervariasi alih-alih memaksa setiap masukan ke dalam representasi yang sama. M-ROPE memisahkan informasi posisi untuk teks, gambar dua dimensi, dan informasi video tiga dimensi, dengan menggabungkan struktur spasial dan temporal. Konfigurasi 7B yang diterbitkan mencantumkan 32.768 posisi. Teks, token visual, dan keluaran yang dihasilkan berbagi alokasi urutan yang terbatas, sehingga resolusi gambar dan pengambilan sampel video memengaruhi jumlah materi yang dapat disertakan dalam permintaan.
Menyiapkan gambar dan percakapan
Contoh resmi mendukung satu gambar, beberapa gambar, dan percakapan teks saja. Lampirkan gambar dengan pertanyaan spesifik, alih-alih mengandalkan instruksi luas seperti “analisis semuanya.” Untuk halaman dokumen, minta bidang tertentu dan pertahankan tanda baca dalam kutipan. Untuk dua tangkapan layar desain, beri label pertama dan kedua, lalu minta tabel perubahan yang terlihat. Untuk grafik, minta label, satuan, dan nilai yang mendukung tren yang disebutkan. Ini adalah penerapan praktis tanya jawab visual, bukan janji ekstraksi tanpa kesalahan.
Utilitas pengembang menerima gambar dari berkas lokal, data gambar terenkode, atau lokasi gambar; contoh video yang didokumentasikan menggunakan berkas video lokal atau daftar frame berurutan. Format unggahan aplikasi tetap merupakan keputusan antarmuka tersendiri. Pertahankan urutan frame asli dan nyatakan interval waktu yang diwakili daftar frame. Contoh tersebut menghasilkan teks; checkpoint ini tidak dijelaskan sebagai pembuat gambar atau video.
Resolusi dan persiapan video
Prosesor Qwen menggunakan rentang bawaan empat hingga 16.384 token visual per gambar. Prosesor ini menyediakan min_pixels dan max_pixels untuk menyeimbangkan detail dengan memori serta komputasi, dengan contoh terdokumentasi yang menargetkan 256–1.280 token visual. Ukuran gambar diubah dalam batas yang dipilih sambil mempertahankan rasio aspeknya. Dimensi hasil pengubahan ukuran yang ditetapkan secara eksplisit dibulatkan ke kelipatan 28. Tabel padat atau tulisan kecil mungkin memerlukan resolusi yang cukup agar tetap terbaca; meningkatkannya juga menghabiskan lebih banyak alokasi visual dan konteks yang tersedia.
Contoh video menunjukkan laju pengambilan sampel satu frame per detik dan batas piksel yang dapat dikonfigurasi. Ini adalah pengaturan contoh, bukan laju wajib universal atau batas media mutlak. Untuk peninjauan peristiwa, berikan klip yang relevan dan minta uraian berurutan tentang perubahan yang terlihat. Peristiwa yang berdekatan mungkin memerlukan pengambilan sampel lebih rapat daripada ringkasan adegan secara umum. Qwen2-VL tidak memahami informasi audio di dalam video, sehingga dialog lisan atau efek suara memerlukan alur kerja audio terpisah.
Keterbatasan yang diketahui
Qwen mencatat batas waktu data pelatihan gambar pada Juni 2023, tanpa jaminan pengetahuan tentang orang, produk, atau peristiwa sesudahnya. Pengenalan individu tertentu dan kekayaan intelektual belum lengkap. Instruksi bertahap yang kompleks, jumlah objek dalam adegan ramai, dan hubungan spasial—terutama dalam tiga dimensi—merupakan kelemahan yang didokumentasikan. Pecah tugas visual yang rumit menjadi pertanyaan yang jelas, minta bukti visual pendukung hasil, lalu periksa angka yang diekstrak dan teks yang dikutip terhadap gambar. Keterangan yang masuk akal tidak boleh diperlakukan sebagai hitungan presisi atau lokasi tiga dimensi yang terukur.
Contoh generasi singkat pada kartu tidak menetapkan batas keluaran mutlak tersendiri. Rencanakan ukuran jawaban bersama masukan teks dan visual, serta pertahankan detail sumber yang memadai untuk pertanyaan tertentu. Hal ini membuat pemilihan model dan persiapan masukan lebih berguna daripada menganggap setiap gambar atau video panjang memberikan jawaban yang sama andalnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K token Keluaran · Token keluaran $0.00142 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "Qwen2-VL-7B-Instruct-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Qwen2-VL-7B-Instruct-ultra', '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': 'Qwen2-VL-7B-Instruct-ultra', '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 Qwen2-VL-7B-Instruct-ultra
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.