ERNIE-4.5-VL-28B-A3B è il componente visivo-linguistico post-addestrato di Baidu della famiglia ERNIE 4.5. Le sue basi combinano preaddestramento testuale e visivo con una mixture-of-experts eterogenea. L'instradamento isolato per modalità e obiettivi di addestramento bilanciati supportano l'interazione fra linguaggio e visione mantenendo distinte le loro rappresentazioni. Il modello risultante accetta testo e immagini e produce una risposta testuale fondata sul materiale visivo fornito. La tabella ufficiale dei modelli di Baidu elenca anche il video accanto agli input testuali e di immagini per questa edizione VL; l'output resta testuale.
Il post-addestramento pone l'accento sulla comprensione delle immagini, sull'adattamento specifico per compito e sul ragionamento multimodale. La famiglia usa fine-tuning supervisionato e ottimizzazione basata sulle preferenze, mentre questa edizione VL incorpora anche apprendimento per rinforzo con ricompense verificabili. Le modalità con e senza ragionamento offrono modi diversi di elaborare il compito visivo. La modalità appartiene alla versione visivo-linguistica e non equivale a sostituirla con il modello testuale Thinking denominato separatamente.
La configurazione ha 28 miliardi di parametri totali e 3 miliardi attivati per ciascun token. Comprende 28 livelli, 20 teste per le query e quattro teste per chiavi/valori. Le configurazioni degli esperti testuali e visivi indicano ciascuna 64 esperti con sei selezionati, insieme a due esperti condivisi. La configurazione pubblicata del modello assegna una finestra di contesto di 131.072 token. La scheda ospitata configurata separatamente da Baidu descrive un contesto di 32K per la stessa linea VL denominata; configurazione del modello e limiti del servizio ospitato restano quindi specifiche numeriche distinte.
Per l'immagine di un documento, definisci le informazioni da trovare: l'intestazione pertinente, una voce di tabella, la spiegazione di un diagramma o un confronto fra sezioni visibili. Per uno screenshot dell'interfaccia, indica l'obiettivo dell'utente e chiedi una spiegazione dei componenti visibili o del loro rapporto con il requisito. Per una fotografia di prodotto, richiedi una descrizione degli oggetti e delle caratteristiche effettivamente mostrati. Se più immagini formano un unico compito, etichettane l'ordine e usa gli stessi criteri, così che la risposta possa confrontarle in modo coerente.
Per un compito visivo-linguistico, abbina il materiale visivo a un obiettivo scritto concreto. Scegli l'elaborato testuale prima dell'analisi: una spiegazione, una tabella delle caratteristiche, una descrizione o un elenco di osservazioni. Chiedi i dettagli visibili che sostengono ogni conclusione e distinguili dall'interpretazione. Dove conta un'etichetta o una regione piccola, fornisci un'immagine di origine leggibile e identifica l'area di interesse. Questo collega la risposta al materiale che può essere esaminato.
L'esempio d'uso di Baidu combina testo e un'immagine e seleziona la modalità senza ragionamento nel processore. Il produttore distribuisce formati distinti di pesi per i framework di esecuzione e rilascia la raccolta ERNIE 4.5 sotto Apache 2.0. L'identità VL-28B-A3B mantiene separati scopo visivo-linguistico, modalità e configurazione rispetto alle versioni ERNIE solo testuali. La scheda del modello verificata non stabilisce un limite massimo separato di token in output né un limite nativo alla durata dei video.
", "aboutText": "ERNIE-4.5-VL-28B-A3B è il componente visivo-linguistico post-addestrato di Baidu della famiglia ERNIE 4.5. Le sue basi combinano preaddestramento testuale e visivo con una mixture-of-experts eterogenea. L'instradamento isolato per modalità e obiettivi di addestramento bilanciati supportano l'interazione fra linguaggio e visione mantenendo distinte le loro rappresentazioni. Il modello risultante accetta testo e immagini e produce una risposta testuale fondata sul materiale visivo fornito. La tabella ufficiale dei modelli di Baidu elenca anche il video accanto agli input testuali e di immagini per questa edizione VL; l'output resta testuale.\n\nIl post-addestramento pone l'accento sulla comprensione delle immagini, sull'adattamento specifico per compito e sul ragionamento multimodale. La famiglia usa fine-tuning supervisionato e ottimizzazione basata sulle preferenze, mentre questa edizione VL incorpora anche apprendimento per rinforzo con ricompense verificabili. Le modalità con e senza ragionamento offrono modi diversi di elaborare il compito visivo. La modalità appartiene alla versione visivo-linguistica e non equivale a sostituirla con il modello testuale Thinking denominato separatamente.\n\nLa configurazione ha 28 miliardi di parametri totali e 3 miliardi attivati per ciascun token. Comprende 28 livelli, 20 teste per le query e quattro teste per chiavi/valori. Le configurazioni degli esperti testuali e visivi indicano ciascuna 64 esperti con sei selezionati, insieme a due esperti condivisi. La configurazione pubblicata del modello assegna una finestra di contesto di 131.072 token. La scheda ospitata configurata separatamente da Baidu descrive un contesto di 32K per la stessa linea VL denominata; configurazione del modello e limiti del servizio ospitato restano quindi specifiche numeriche distinte.\n\nPer l'immagine di un documento, definisci le informazioni da trovare: l'intestazione pertinente, una voce di tabella, la spiegazione di un diagramma o un confronto fra sezioni visibili. Per uno screenshot dell'interfaccia, indica l'obiettivo dell'utente e chiedi una spiegazione dei componenti visibili o del loro rapporto con il requisito. Per una fotografia di prodotto, richiedi una descrizione degli oggetti e delle caratteristiche effettivamente mostrati. Se più immagini formano un unico compito, etichettane l'ordine e usa gli stessi criteri, così che la risposta possa confrontarle in modo coerente.\n\nPer un compito visivo-linguistico, abbina il materiale visivo a un obiettivo scritto concreto. Scegli l'elaborato testuale prima dell'analisi: una spiegazione, una tabella delle caratteristiche, una descrizione o un elenco di osservazioni. Chiedi i dettagli visibili che sostengono ogni conclusione e distinguili dall'interpretazione. Dove conta un'etichetta o una regione piccola, fornisci un'immagine di origine leggibile e identifica l'area di interesse. Questo collega la risposta al materiale che può essere esaminato.\n\nL'esempio d'uso di Baidu combina testo e un'immagine e seleziona la modalità senza ragionamento nel processore. Il produttore distribuisce formati distinti di pesi per i framework di esecuzione e rilascia la raccolta ERNIE 4.5 sotto Apache 2.0. L'identità VL-28B-A3B mantiene separati scopo visivo-linguistico, modalità e configurazione rispetto alle versioni ERNIE solo testuali. La scheda del modello verificata non stabilisce un limite massimo separato di token in output né un limite nativo alla durata dei video.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Explain a transcribed inspection table\n\nAnalyze this text transcription of an inspection table: batch A, sealed 48, leaking 2; batch B, sealed 35, leaking 5. Calculate the leakage rate for each batch and write a short comparison for the warehouse manager. Treat the transcription as the complete input and identify which batch needs inspection first using only leakage rate.A two-row table with totals and leakage percentages, followed by a short prioritization explanation.Each percentage uses leaking divided by sealed plus leaking, and the priority follows that comparison.baidu/ernie-4.5-vl-28b-a3bIl modello visivo-linguistico ERNIE 4.5 di Baidu collega domande testuali al contenuto delle immagini e restituisce testo. Usa una mixture-of-experts da 28B/3B e supporta modalità con e senza ragionamento, con limiti di contesto specifici dell'edizione per il modello e il servizio ospitato.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
ERNIE-4.5-VL-28B-A3B è il componente visivo-linguistico post-addestrato di Baidu della famiglia ERNIE 4.5. Le sue basi combinano preaddestramento testuale e visivo con una mixture-of-experts eterogenea. L'instradamento isolato per modalità e obiettivi di addestramento bilanciati supportano l'interazione fra linguaggio e visione mantenendo distinte le loro rappresentazioni. Il modello risultante accetta testo e immagini e produce una risposta testuale fondata sul materiale visivo fornito. La tabella ufficiale dei modelli di Baidu elenca anche il video accanto agli input testuali e di immagini per questa edizione VL; l'output resta testuale.
Il post-addestramento pone l'accento sulla comprensione delle immagini, sull'adattamento specifico per compito e sul ragionamento multimodale. La famiglia usa fine-tuning supervisionato e ottimizzazione basata sulle preferenze, mentre questa edizione VL incorpora anche apprendimento per rinforzo con ricompense verificabili. Le modalità con e senza ragionamento offrono modi diversi di elaborare il compito visivo. La modalità appartiene alla versione visivo-linguistica e non equivale a sostituirla con il modello testuale Thinking denominato separatamente.
La configurazione ha 28 miliardi di parametri totali e 3 miliardi attivati per ciascun token. Comprende 28 livelli, 20 teste per le query e quattro teste per chiavi/valori. Le configurazioni degli esperti testuali e visivi indicano ciascuna 64 esperti con sei selezionati, insieme a due esperti condivisi. La configurazione pubblicata del modello assegna una finestra di contesto di 131.072 token. La scheda ospitata configurata separatamente da Baidu descrive un contesto di 32K per la stessa linea VL denominata; configurazione del modello e limiti del servizio ospitato restano quindi specifiche numeriche distinte.
Per l'immagine di un documento, definisci le informazioni da trovare: l'intestazione pertinente, una voce di tabella, la spiegazione di un diagramma o un confronto fra sezioni visibili. Per uno screenshot dell'interfaccia, indica l'obiettivo dell'utente e chiedi una spiegazione dei componenti visibili o del loro rapporto con il requisito. Per una fotografia di prodotto, richiedi una descrizione degli oggetti e delle caratteristiche effettivamente mostrati. Se più immagini formano un unico compito, etichettane l'ordine e usa gli stessi criteri, così che la risposta possa confrontarle in modo coerente.
Per un compito visivo-linguistico, abbina il materiale visivo a un obiettivo scritto concreto. Scegli l'elaborato testuale prima dell'analisi: una spiegazione, una tabella delle caratteristiche, una descrizione o un elenco di osservazioni. Chiedi i dettagli visibili che sostengono ogni conclusione e distinguili dall'interpretazione. Dove conta un'etichetta o una regione piccola, fornisci un'immagine di origine leggibile e identifica l'area di interesse. Questo collega la risposta al materiale che può essere esaminato.
L'esempio d'uso di Baidu combina testo e un'immagine e seleziona la modalità senza ragionamento nel processore. Il produttore distribuisce formati distinti di pesi per i framework di esecuzione e rilascia la raccolta ERNIE 4.5 sotto Apache 2.0. L'identità VL-28B-A3B mantiene separati scopo visivo-linguistico, modalità e configurazione rispetto alle versioni ERNIE solo testuali. La scheda del modello verificata non stabilisce un limite massimo separato di token in output né un limite nativo alla durata dei video.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti baidu/ernie-4.5-vl-28b-a3b | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.000286 / 1K token Output · Token in output $0.001144 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "baidu/ernie-4.5-vl-28b-a3b", "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='baidu/ernie-4.5-vl-28b-a3b',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='baidu/ernie-4.5-vl-28b-a3b',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra baidu/ernie-4.5-vl-28b-a3b
Usa i percorsi dei metodi indicati sopra.
baidu/ernie-4.5-vl-28b-a3bIl modello visivo-linguistico ERNIE 4.5 di Baidu collega domande testuali al contenuto delle immagini e restituisce testo. Usa una mixture-of-experts da 28B/3B e supporta modalità con e senza ragionamento, con limiti di contesto specifici dell'edizione per il modello e il servizio ospitato.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
ERNIE-4.5-VL-28B-A3B è il componente visivo-linguistico post-addestrato di Baidu della famiglia ERNIE 4.5. Le sue basi combinano preaddestramento testuale e visivo con una mixture-of-experts eterogenea. L'instradamento isolato per modalità e obiettivi di addestramento bilanciati supportano l'interazione fra linguaggio e visione mantenendo distinte le loro rappresentazioni. Il modello risultante accetta testo e immagini e produce una risposta testuale fondata sul materiale visivo fornito. La tabella ufficiale dei modelli di Baidu elenca anche il video accanto agli input testuali e di immagini per questa edizione VL; l'output resta testuale.
Il post-addestramento pone l'accento sulla comprensione delle immagini, sull'adattamento specifico per compito e sul ragionamento multimodale. La famiglia usa fine-tuning supervisionato e ottimizzazione basata sulle preferenze, mentre questa edizione VL incorpora anche apprendimento per rinforzo con ricompense verificabili. Le modalità con e senza ragionamento offrono modi diversi di elaborare il compito visivo. La modalità appartiene alla versione visivo-linguistica e non equivale a sostituirla con il modello testuale Thinking denominato separatamente.
La configurazione ha 28 miliardi di parametri totali e 3 miliardi attivati per ciascun token. Comprende 28 livelli, 20 teste per le query e quattro teste per chiavi/valori. Le configurazioni degli esperti testuali e visivi indicano ciascuna 64 esperti con sei selezionati, insieme a due esperti condivisi. La configurazione pubblicata del modello assegna una finestra di contesto di 131.072 token. La scheda ospitata configurata separatamente da Baidu descrive un contesto di 32K per la stessa linea VL denominata; configurazione del modello e limiti del servizio ospitato restano quindi specifiche numeriche distinte.
Per l'immagine di un documento, definisci le informazioni da trovare: l'intestazione pertinente, una voce di tabella, la spiegazione di un diagramma o un confronto fra sezioni visibili. Per uno screenshot dell'interfaccia, indica l'obiettivo dell'utente e chiedi una spiegazione dei componenti visibili o del loro rapporto con il requisito. Per una fotografia di prodotto, richiedi una descrizione degli oggetti e delle caratteristiche effettivamente mostrati. Se più immagini formano un unico compito, etichettane l'ordine e usa gli stessi criteri, così che la risposta possa confrontarle in modo coerente.
Per un compito visivo-linguistico, abbina il materiale visivo a un obiettivo scritto concreto. Scegli l'elaborato testuale prima dell'analisi: una spiegazione, una tabella delle caratteristiche, una descrizione o un elenco di osservazioni. Chiedi i dettagli visibili che sostengono ogni conclusione e distinguili dall'interpretazione. Dove conta un'etichetta o una regione piccola, fornisci un'immagine di origine leggibile e identifica l'area di interesse. Questo collega la risposta al materiale che può essere esaminato.
L'esempio d'uso di Baidu combina testo e un'immagine e seleziona la modalità senza ragionamento nel processore. Il produttore distribuisce formati distinti di pesi per i framework di esecuzione e rilascia la raccolta ERNIE 4.5 sotto Apache 2.0. L'identità VL-28B-A3B mantiene separati scopo visivo-linguistico, modalità e configurazione rispetto alle versioni ERNIE solo testuali. La scheda del modello verificata non stabilisce un limite massimo separato di token in output né un limite nativo alla durata dei video.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti baidu/ernie-4.5-vl-28b-a3b | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.000286 / 1K token Output · Token in output $0.001144 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "baidu/ernie-4.5-vl-28b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'baidu/ernie-4.5-vl-28b-a3b', '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': 'baidu/ernie-4.5-vl-28b-a3b', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra baidu/ernie-4.5-vl-28b-a3b
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Explain a transcribed inspection table\n\nAnalyze this text transcription of an inspection table: batch A, sealed 48, leaking 2; batch B, sealed 35, leaking 5. Calculate the leakage rate for each batch and write a short comparison for the warehouse manager. Treat the transcription as the complete input and identify which batch needs inspection first using only leakage rate.A two-row table with totals and leakage percentages, followed by a short prioritization explanation.Each percentage uses leaking divided by sealed plus leaking, and the priority follows that comparison.