Doubao 1.5 Thinking Vision Pro 250428 è l'identità ospitata esatta nominata da ByteDance per Seed1.5-VL. È un modello visione-linguaggio per comprensione multimodale generale e ragionamento. Le capacità descritte dal produttore includono OCR, comprensione dei diagrammi, grounding visivo, comprensione spaziale 3D, comprensione dei video e ragionamento visivo. Queste attività restituiscono interpretazioni e decisioni basate su materiale visivo e una domanda scritta.
Fornisci l'immagine e identifica le informazioni da estrarre o spiegare. Per l'immagine di un documento, nomina il testo o i campi rilevanti. Per un diagramma, chiedi etichette e relazioni specifiche. Per un rompicapo visivo, formula la domanda e richiedi una conclusione sostenuta dagli indizi pertinenti.
Mantieni chiaro l'artefatto richiesto: testo trascritto, descrizione di una relazione o spiegazione di una risposta. Se l'immagine contiene scritte poco chiare o dettagli nascosti, chiedi alla risposta di identificare l'incertezza. Conserva l'immagine originale con il risultato, così che le parole estratte e le relazioni interpretate possano essere verificate.
Il grounding visivo collega un riferimento scritto all'oggetto o alla regione pertinente in un'immagine. Un'attività utile può nominare l'oggetto, spiegare la distinzione dagli oggetti vicini e richiedere le informazioni di posizione attese dall'applicazione. Il formato di output dell'applicazione deve definire come rappresentare tale posizione.
Per la comprensione spaziale, descrivi quali relazioni contano: posizione relativa, orientamento o disposizione degli oggetti nella scena. Chiedi le prove visibili prima dell'interpretazione finale. Mantieni una distinzione tra le caratteristiche osservabili dell'immagine e una relazione tridimensionale dedotta.
Il produttore elenca anche la comprensione dei video e fornisce un ricettario dedicato ai video. Una domanda su un video deve nominare l'evento, l'oggetto o la sequenza di interesse e il risultato da produrre. Usa riferimenti temporali nella domanda e conserva la clip sorgente insieme alla risposta quando verifichi una sequenza di eventi.
Le sue dimostrazioni interattive comprendono controllo GUI e gioco. In un'applicazione di uso del computer, la comprensione visiva del modello sostiene una decisione sullo schermo, mentre l'applicazione circostante esegue azioni e fornisce l'osservazione successiva. Descrivere un controllo o decidere un'azione successiva non stabilisce da solo che un file sia stato salvato o un'operazione sullo schermo completata.
ByteDance identifica il modello con un encoder visivo da 532M parametri e un modello linguistico mixture-of-experts con 20B parametri attivi. Il suo ricettario separa controlli per catene di ragionamento lunghe, grounding, comprensione spaziale, video ed esempi GUI. Usa il contratto esatto dell'interfaccia per gli input e la rappresentazione di output richiesti da un'attività.
Questa voce mantiene la versione 250428 nominata nel repository del produttore. Il precedente profilo 250415 Thinking Pro Vision è un'identità separata. Conserva il modello richiesto, le fonti visive e le impostazioni dell'attività con ogni risultato, così che una revisione successiva possa essere confrontata con la stessa versione e le stesse prove.
", "aboutText": "Doubao 1.5 Thinking Vision Pro 250428 è l'identità ospitata esatta nominata da ByteDance per Seed1.5-VL. È un modello visione-linguaggio per comprensione multimodale generale e ragionamento. Le capacità descritte dal produttore includono OCR, comprensione dei diagrammi, grounding visivo, comprensione spaziale 3D, comprensione dei video e ragionamento visivo. Queste attività restituiscono interpretazioni e decisioni basate su materiale visivo e una domanda scritta.\n\n### Leggi e interpreta la fonte visiva\n\nFornisci l'immagine e identifica le informazioni da estrarre o spiegare. Per l'immagine di un documento, nomina il testo o i campi rilevanti. Per un diagramma, chiedi etichette e relazioni specifiche. Per un rompicapo visivo, formula la domanda e richiedi una conclusione sostenuta dagli indizi pertinenti.\n\nMantieni chiaro l'artefatto richiesto: testo trascritto, descrizione di una relazione o spiegazione di una risposta. Se l'immagine contiene scritte poco chiare o dettagli nascosti, chiedi alla risposta di identificare l'incertezza. Conserva l'immagine originale con il risultato, così che le parole estratte e le relazioni interpretate possano essere verificate.\n\n### Ancora una domanda a oggetti e spazio\n\nIl grounding visivo collega un riferimento scritto all'oggetto o alla regione pertinente in un'immagine. Un'attività utile può nominare l'oggetto, spiegare la distinzione dagli oggetti vicini e richiedere le informazioni di posizione attese dall'applicazione. Il formato di output dell'applicazione deve definire come rappresentare tale posizione.\n\nPer la comprensione spaziale, descrivi quali relazioni contano: posizione relativa, orientamento o disposizione degli oggetti nella scena. Chiedi le prove visibili prima dell'interpretazione finale. Mantieni una distinzione tra le caratteristiche osservabili dell'immagine e una relazione tridimensionale dedotta.\n\n### Lavora con video e attività interattive\n\nIl produttore elenca anche la comprensione dei video e fornisce un ricettario dedicato ai video. Una domanda su un video deve nominare l'evento, l'oggetto o la sequenza di interesse e il risultato da produrre. Usa riferimenti temporali nella domanda e conserva la clip sorgente insieme alla risposta quando verifichi una sequenza di eventi.\n\nLe sue dimostrazioni interattive comprendono controllo GUI e gioco. In un'applicazione di uso del computer, la comprensione visiva del modello sostiene una decisione sullo schermo, mentre l'applicazione circostante esegue azioni e fornisce l'osservazione successiva. Descrivere un controllo o decidere un'azione successiva non stabilisce da solo che un file sia stato salvato o un'operazione sullo schermo completata.\n\n### Preserva la versione e le impostazioni dell'interfaccia\n\nByteDance identifica il modello con un encoder visivo da 532M parametri e un modello linguistico mixture-of-experts con 20B parametri attivi. Il suo ricettario separa controlli per catene di ragionamento lunghe, grounding, comprensione spaziale, video ed esempi GUI. Usa il contratto esatto dell'interfaccia per gli input e la rappresentazione di output richiesti da un'attività.\n\nQuesta voce mantiene la versione 250428 nominata nel repository del produttore. Il precedente profilo 250415 Thinking Pro Vision è un'identità separata. Conserva il modello richiesto, le fonti visive e le impostazioni dell'attività con ogni risultato, così che una revisione successiva possa essere confrontata con la stessa versione e le stesse prove.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 è la versione visione-linguaggio nominata Seed1.5-VL per immagini, video e domande scritte. Il produttore descrive OCR, interpretazione di diagrammi, grounding visivo, comprensione spaziale e ragionamento sulle prove visive.
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.
Doubao 1.5 Thinking Vision Pro 250428 è l'identità ospitata esatta nominata da ByteDance per Seed1.5-VL. È un modello visione-linguaggio per comprensione multimodale generale e ragionamento. Le capacità descritte dal produttore includono OCR, comprensione dei diagrammi, grounding visivo, comprensione spaziale 3D, comprensione dei video e ragionamento visivo. Queste attività restituiscono interpretazioni e decisioni basate su materiale visivo e una domanda scritta.
Fornisci l'immagine e identifica le informazioni da estrarre o spiegare. Per l'immagine di un documento, nomina il testo o i campi rilevanti. Per un diagramma, chiedi etichette e relazioni specifiche. Per un rompicapo visivo, formula la domanda e richiedi una conclusione sostenuta dagli indizi pertinenti.
Mantieni chiaro l'artefatto richiesto: testo trascritto, descrizione di una relazione o spiegazione di una risposta. Se l'immagine contiene scritte poco chiare o dettagli nascosti, chiedi alla risposta di identificare l'incertezza. Conserva l'immagine originale con il risultato, così che le parole estratte e le relazioni interpretate possano essere verificate.
Il grounding visivo collega un riferimento scritto all'oggetto o alla regione pertinente in un'immagine. Un'attività utile può nominare l'oggetto, spiegare la distinzione dagli oggetti vicini e richiedere le informazioni di posizione attese dall'applicazione. Il formato di output dell'applicazione deve definire come rappresentare tale posizione.
Per la comprensione spaziale, descrivi quali relazioni contano: posizione relativa, orientamento o disposizione degli oggetti nella scena. Chiedi le prove visibili prima dell'interpretazione finale. Mantieni una distinzione tra le caratteristiche osservabili dell'immagine e una relazione tridimensionale dedotta.
Il produttore elenca anche la comprensione dei video e fornisce un ricettario dedicato ai video. Una domanda su un video deve nominare l'evento, l'oggetto o la sequenza di interesse e il risultato da produrre. Usa riferimenti temporali nella domanda e conserva la clip sorgente insieme alla risposta quando verifichi una sequenza di eventi.
Le sue dimostrazioni interattive comprendono controllo GUI e gioco. In un'applicazione di uso del computer, la comprensione visiva del modello sostiene una decisione sullo schermo, mentre l'applicazione circostante esegue azioni e fornisce l'osservazione successiva. Descrivere un controllo o decidere un'azione successiva non stabilisce da solo che un file sia stato salvato o un'operazione sullo schermo completata.
ByteDance identifica il modello con un encoder visivo da 532M parametri e un modello linguistico mixture-of-experts con 20B parametri attivi. Il suo ricettario separa controlli per catene di ragionamento lunghe, grounding, comprensione spaziale, video ed esempi GUI. Usa il contratto esatto dell'interfaccia per gli input e la rappresentazione di output richiesti da un'attività.
Questa voce mantiene la versione 250428 nominata nel repository del produttore. Il precedente profilo 250415 Thinking Pro Vision è un'identità separata. Conserva il modello richiesto, le fonti visive e le impostazioni dell'attività con ogni risultato, così che una revisione successiva possa essere confrontata con la stessa versione e le stesse prove.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti doubao-1-5-thinking-vision-pro-250428 | 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 $0.0011 / 1K token Output · Token in output $0.00286 / 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": "doubao-1-5-thinking-vision-pro-250428", "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='doubao-1-5-thinking-vision-pro-250428',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='doubao-1-5-thinking-vision-pro-250428',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 doubao-1-5-thinking-vision-pro-250428
Usa i percorsi dei metodi indicati sopra.
doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 è la versione visione-linguaggio nominata Seed1.5-VL per immagini, video e domande scritte. Il produttore descrive OCR, interpretazione di diagrammi, grounding visivo, comprensione spaziale e ragionamento sulle prove visive.
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.
Doubao 1.5 Thinking Vision Pro 250428 è l'identità ospitata esatta nominata da ByteDance per Seed1.5-VL. È un modello visione-linguaggio per comprensione multimodale generale e ragionamento. Le capacità descritte dal produttore includono OCR, comprensione dei diagrammi, grounding visivo, comprensione spaziale 3D, comprensione dei video e ragionamento visivo. Queste attività restituiscono interpretazioni e decisioni basate su materiale visivo e una domanda scritta.
Fornisci l'immagine e identifica le informazioni da estrarre o spiegare. Per l'immagine di un documento, nomina il testo o i campi rilevanti. Per un diagramma, chiedi etichette e relazioni specifiche. Per un rompicapo visivo, formula la domanda e richiedi una conclusione sostenuta dagli indizi pertinenti.
Mantieni chiaro l'artefatto richiesto: testo trascritto, descrizione di una relazione o spiegazione di una risposta. Se l'immagine contiene scritte poco chiare o dettagli nascosti, chiedi alla risposta di identificare l'incertezza. Conserva l'immagine originale con il risultato, così che le parole estratte e le relazioni interpretate possano essere verificate.
Il grounding visivo collega un riferimento scritto all'oggetto o alla regione pertinente in un'immagine. Un'attività utile può nominare l'oggetto, spiegare la distinzione dagli oggetti vicini e richiedere le informazioni di posizione attese dall'applicazione. Il formato di output dell'applicazione deve definire come rappresentare tale posizione.
Per la comprensione spaziale, descrivi quali relazioni contano: posizione relativa, orientamento o disposizione degli oggetti nella scena. Chiedi le prove visibili prima dell'interpretazione finale. Mantieni una distinzione tra le caratteristiche osservabili dell'immagine e una relazione tridimensionale dedotta.
Il produttore elenca anche la comprensione dei video e fornisce un ricettario dedicato ai video. Una domanda su un video deve nominare l'evento, l'oggetto o la sequenza di interesse e il risultato da produrre. Usa riferimenti temporali nella domanda e conserva la clip sorgente insieme alla risposta quando verifichi una sequenza di eventi.
Le sue dimostrazioni interattive comprendono controllo GUI e gioco. In un'applicazione di uso del computer, la comprensione visiva del modello sostiene una decisione sullo schermo, mentre l'applicazione circostante esegue azioni e fornisce l'osservazione successiva. Descrivere un controllo o decidere un'azione successiva non stabilisce da solo che un file sia stato salvato o un'operazione sullo schermo completata.
ByteDance identifica il modello con un encoder visivo da 532M parametri e un modello linguistico mixture-of-experts con 20B parametri attivi. Il suo ricettario separa controlli per catene di ragionamento lunghe, grounding, comprensione spaziale, video ed esempi GUI. Usa il contratto esatto dell'interfaccia per gli input e la rappresentazione di output richiesti da un'attività.
Questa voce mantiene la versione 250428 nominata nel repository del produttore. Il precedente profilo 250415 Thinking Pro Vision è un'identità separata. Conserva il modello richiesto, le fonti visive e le impostazioni dell'attività con ogni risultato, così che una revisione successiva possa essere confrontata con la stessa versione e le stesse prove.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti doubao-1-5-thinking-vision-pro-250428 | 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 $0.0011 / 1K token Output · Token in output $0.00286 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "doubao-1-5-thinking-vision-pro-250428",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'doubao-1-5-thinking-vision-pro-250428', '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': 'doubao-1-5-thinking-vision-pro-250428', '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 doubao-1-5-thinking-vision-pro-250428
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.