Qwen2-VL-2B-Instruct è il modello visione-linguaggio da 2B di Qwen, ottimizzato per seguire le istruzioni, per domande basate su immagini e testo. Il produttore descrive la gestione di immagini con risoluzioni e rapporti d’aspetto diversi e la comprensione di testo in più lingue all’interno delle immagini. Il risultato generato è una risposta scritta al materiale visivo e alla domanda forniti. Il produttore descrive inoltre l’impiego come agente visivo con dispositivi quali telefoni e robot. Per questo flusso, fornisci l’ambiente visivo corrente e un’istruzione testuale; l’applicazione circostante esegue l’operazione proposta e restituisce lo stato osservato per la domanda successiva.
Scegli l’immagine contenente le prove necessarie alla risposta, quindi identifica il dettaglio da interpretare. Una domanda su un documento può riguardare un passaggio visibile; una domanda su un grafico può identificare serie, assi e confronto da spiegare. Mantieni l’identificativo dell’immagine insieme al risultato richiesto, così che la risposta resti legata al riferimento corretto.
Il produttore elenca la comprensione di immagini e testo oltre all’inglese e al cinese, comprese lingue europee, giapponese, coreano, arabo e vietnamita. Conserva formulazione e sistema di scrittura originali quando chiedi la trascrizione, spiegazione o traduzione del testo visibile. Un brief esemplificativo può richiedere l’etichetta mostrata e una spiegazione separata del suo significato.
Qwen2-VL usa la risoluzione dinamica per associare un’immagine a un numero variabile di token visivi. Nell’esempio del processore nativo, l’intervallo predefinito va da 4 a 16,384 token visivi per immagine. La guida nativa illustra impostazioni di pixel minimi e massimi, compreso un intervallo più ristretto di preparazione di 256–1,280 token immagine, per bilanciare i dettagli con le esigenze di elaborazione. Queste impostazioni preservano il rapporto d’aspetto durante il ridimensionamento.
Il produttore consente anche di richiedere altezza e larghezza ridimensionate, arrotondate a un multiplo di 28. Scegli una preparazione che lasci leggibili le etichette importanti e conserva l’immagine originale quando usi un ritaglio. Gli esempi nativi includono immagini multiple e batch, permettendo alla domanda di mantenere identificati i diversi riferimenti.
Il produttore identifica limiti nelle istruzioni complesse a più passaggi, nel conteggio degli oggetti in scene complicate e nel ragionamento spaziale in tre dimensioni. Segnala inoltre un riconoscimento incompleto di persone o marchi specifici. Chiedi un’osservazione visiva mirata e controlla il conteggio, l’etichetta o la posizione relativa da cui dipende il risultato.
Il produttore dichiara che il dataset di immagini è stato aggiornato fino a giugno 2023. Fornisci il contesto scritto necessario per un’etichetta recente o poco familiare, invece di chiedere alla sola immagine di stabilire quell’informazione. Nella nota restituita, mantieni distinguibile un’etichetta citata da un’identità dedotta.
La configurazione del checkpoint pubblicato stabilisce un massimo di 32,768 posizioni. Prepara la domanda e gli input visivi con il processore corrispondente al modello, conservando l’ordine delle immagini usato nella richiesta. L’utilità nativa accetta immagini locali, base64 e indirizzi immagine.
Salva insieme il nome 2B Instruct selezionato, i riferimenti e la risposta scritta completata. Per una richiesta successiva, includi il materiale pertinente e identifica l’osservazione o l’interpretazione specifica da rivedere, quindi confronta il risultato corretto con quella fonte.
Tramite Ailoot, usa l’esatto ID del modello in /v1/chat/completions e mantieni l’immagine insieme alla sua domanda nella conversazione. Il formato del contenuto immagine usa image_url; le fonti supportate possono contenere un indirizzo immagine oppure un URI dati base64. Raccogli la risposta JSON completa o tutti i segmenti SSE quando stream è abilitato e conserva usage insieme al risultato completato.
", "aboutText": "Qwen2-VL-2B-Instruct è il modello visione-linguaggio da 2B di Qwen, ottimizzato per seguire le istruzioni, per domande basate su immagini e testo. Il produttore descrive la gestione di immagini con risoluzioni e rapporti d’aspetto diversi e la comprensione di testo in più lingue all’interno delle immagini. Il risultato generato è una risposta scritta al materiale visivo e alla domanda forniti. Il produttore descrive inoltre l’impiego come agente visivo con dispositivi quali telefoni e robot. Per questo flusso, fornisci l’ambiente visivo corrente e un’istruzione testuale; l’applicazione circostante esegue l’operazione proposta e restituisce lo stato osservato per la domanda successiva.\n\n### Fornisci l’immagine e una domanda precisa\n\nScegli l’immagine contenente le prove necessarie alla risposta, quindi identifica il dettaglio da interpretare. Una domanda su un documento può riguardare un passaggio visibile; una domanda su un grafico può identificare serie, assi e confronto da spiegare. Mantieni l’identificativo dell’immagine insieme al risultato richiesto, così che la risposta resti legata al riferimento corretto.\n\nIl produttore elenca la comprensione di immagini e testo oltre all’inglese e al cinese, comprese lingue europee, giapponese, coreano, arabo e vietnamita. Conserva formulazione e sistema di scrittura originali quando chiedi la trascrizione, spiegazione o traduzione del testo visibile. Un brief esemplificativo può richiedere l’etichetta mostrata e una spiegazione separata del suo significato.\n\n### Prepara consapevolmente risoluzione e token visivi\n\nQwen2-VL usa la risoluzione dinamica per associare un’immagine a un numero variabile di token visivi. Nell’esempio del processore nativo, l’intervallo predefinito va da 4 a 16,384 token visivi per immagine. La guida nativa illustra impostazioni di pixel minimi e massimi, compreso un intervallo più ristretto di preparazione di 256–1,280 token immagine, per bilanciare i dettagli con le esigenze di elaborazione. Queste impostazioni preservano il rapporto d’aspetto durante il ridimensionamento.\n\nIl produttore consente anche di richiedere altezza e larghezza ridimensionate, arrotondate a un multiplo di 28. Scegli una preparazione che lasci leggibili le etichette importanti e conserva l’immagine originale quando usi un ritaglio. Gli esempi nativi includono immagini multiple e batch, permettendo alla domanda di mantenere identificati i diversi riferimenti.\n\n### Rispetta i limiti visivi documentati\n\nIl produttore identifica limiti nelle istruzioni complesse a più passaggi, nel conteggio degli oggetti in scene complicate e nel ragionamento spaziale in tre dimensioni. Segnala inoltre un riconoscimento incompleto di persone o marchi specifici. Chiedi un’osservazione visiva mirata e controlla il conteggio, l’etichetta o la posizione relativa da cui dipende il risultato.\n\nIl produttore dichiara che il dataset di immagini è stato aggiornato fino a giugno 2023. Fornisci il contesto scritto necessario per un’etichetta recente o poco familiare, invece di chiedere alla sola immagine di stabilire quell’informazione. Nella nota restituita, mantieni distinguibile un’etichetta citata da un’identità dedotta.\n\n### Conserva gli input preparati insieme alla risposta\n\nLa configurazione del checkpoint pubblicato stabilisce un massimo di 32,768 posizioni. Prepara la domanda e gli input visivi con il processore corrispondente al modello, conservando l’ordine delle immagini usato nella richiesta. L’utilità nativa accetta immagini locali, base64 e indirizzi immagine.\n\nSalva insieme il nome 2B Instruct selezionato, i riferimenti e la risposta scritta completata. Per una richiesta successiva, includi il materiale pertinente e identifica l’osservazione o l’interpretazione specifica da rivedere, quindi confronta il risultato corretto con quella fonte.\n\nTramite Ailoot, usa l’esatto ID del modello in /v1/chat/completions e mantieni l’immagine insieme alla sua domanda nella conversazione. Il formato del contenuto immagine usa image_url; le fonti supportate possono contenere un indirizzo immagine oppure un URI dati base64. Raccogli la risposta JSON completa o tutti i segmenti SSE quando stream è abilitato e conserva usage insieme al risultato completato.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5dbfd2607aaa28b38585beda6d3cc0ca873499c6af21a5a49fd41ea024d4932b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "qwen2-vl-2b-instructQwen2-VL-2B-Instruct è il modello visione-linguaggio di Qwen per domande sulle immagini, testo multilingue nelle figure e spiegazioni visive. Fornisci un’immagine leggibile e una domanda precisa per ottenere un risultato scritto legato alle prove visibili.
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.
Qwen2-VL-2B-Instruct è il modello visione-linguaggio da 2B di Qwen, ottimizzato per seguire le istruzioni, per domande basate su immagini e testo. Il produttore descrive la gestione di immagini con risoluzioni e rapporti d’aspetto diversi e la comprensione di testo in più lingue all’interno delle immagini. Il risultato generato è una risposta scritta al materiale visivo e alla domanda forniti. Il produttore descrive inoltre l’impiego come agente visivo con dispositivi quali telefoni e robot. Per questo flusso, fornisci l’ambiente visivo corrente e un’istruzione testuale; l’applicazione circostante esegue l’operazione proposta e restituisce lo stato osservato per la domanda successiva.
Scegli l’immagine contenente le prove necessarie alla risposta, quindi identifica il dettaglio da interpretare. Una domanda su un documento può riguardare un passaggio visibile; una domanda su un grafico può identificare serie, assi e confronto da spiegare. Mantieni l’identificativo dell’immagine insieme al risultato richiesto, così che la risposta resti legata al riferimento corretto.
Il produttore elenca la comprensione di immagini e testo oltre all’inglese e al cinese, comprese lingue europee, giapponese, coreano, arabo e vietnamita. Conserva formulazione e sistema di scrittura originali quando chiedi la trascrizione, spiegazione o traduzione del testo visibile. Un brief esemplificativo può richiedere l’etichetta mostrata e una spiegazione separata del suo significato.
Qwen2-VL usa la risoluzione dinamica per associare un’immagine a un numero variabile di token visivi. Nell’esempio del processore nativo, l’intervallo predefinito va da 4 a 16,384 token visivi per immagine. La guida nativa illustra impostazioni di pixel minimi e massimi, compreso un intervallo più ristretto di preparazione di 256–1,280 token immagine, per bilanciare i dettagli con le esigenze di elaborazione. Queste impostazioni preservano il rapporto d’aspetto durante il ridimensionamento.
Il produttore consente anche di richiedere altezza e larghezza ridimensionate, arrotondate a un multiplo di 28. Scegli una preparazione che lasci leggibili le etichette importanti e conserva l’immagine originale quando usi un ritaglio. Gli esempi nativi includono immagini multiple e batch, permettendo alla domanda di mantenere identificati i diversi riferimenti.
Il produttore identifica limiti nelle istruzioni complesse a più passaggi, nel conteggio degli oggetti in scene complicate e nel ragionamento spaziale in tre dimensioni. Segnala inoltre un riconoscimento incompleto di persone o marchi specifici. Chiedi un’osservazione visiva mirata e controlla il conteggio, l’etichetta o la posizione relativa da cui dipende il risultato.
Il produttore dichiara che il dataset di immagini è stato aggiornato fino a giugno 2023. Fornisci il contesto scritto necessario per un’etichetta recente o poco familiare, invece di chiedere alla sola immagine di stabilire quell’informazione. Nella nota restituita, mantieni distinguibile un’etichetta citata da un’identità dedotta.
La configurazione del checkpoint pubblicato stabilisce un massimo di 32,768 posizioni. Prepara la domanda e gli input visivi con il processore corrispondente al modello, conservando l’ordine delle immagini usato nella richiesta. L’utilità nativa accetta immagini locali, base64 e indirizzi immagine.
Salva insieme il nome 2B Instruct selezionato, i riferimenti e la risposta scritta completata. Per una richiesta successiva, includi il materiale pertinente e identifica l’osservazione o l’interpretazione specifica da rivedere, quindi confronta il risultato corretto con quella fonte.
Tramite Ailoot, usa l’esatto ID del modello in /v1/chat/completions e mantieni l’immagine insieme alla sua domanda nella conversazione. Il formato del contenuto immagine usa image_url; le fonti supportate possono contenere un indirizzo immagine oppure un URI dati base64. Raccogli la risposta JSON completa o tutti i segmenti SSE quando stream è abilitato e conserva usage insieme al risultato completato.
POST /v1/chat/completionstext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen2-vl-2b-instruct Condizioni: Usa esattamente questo selettore di instradamento di Ailoot. | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti Condizioni: | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti Condizioni: | Predefinitofalse |
text_input · Obbligatorio: messages
image_with_text · Obbligatorio: messages with actual image content blocks
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametrooptional | Contrattostream |
Parametromaterial_types | Contrattotext, image |
Parametroconditions | ContrattoUsa esattamente questo selettore di instradamento di Ailoot., Questo protocollo trasporta contenuti di immagine quando lo specifico modello selezionato supporta la visione. L’accettazione delle richieste da parte del protocollo non dimostra che tutti i modelli possano elaborare immagini. |
Alias del metodo: /chat/completions
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 base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0 / 1K token Output · Token in output $0 / 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}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, gli ID delle chiamate agli strumenti, le firme del ragionamento quando vengono restituite, tutti gli incrementi SSE e i dati completi di consumo. Il primo frammento di testo non è il risultato completo.
Conserva l’X-Client-Request-ID originale, la risposta e le intestazioni. Un esito sconosciuto o result_pending_check non autorizza una seconda creazione.
| Campo | Tipo |
|---|---|
Campochoices[] | Tipoobject |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneUn campo obbligatorio, il selettore del modello, il tipo o la rappresentazione dei dati in ingresso non è valido. | Passaggio successivoEsamina i dettagli di validazione restituiti prima di preparare una richiesta separata. |
Risposta | CondizioneLa richiesta originale o il relativo risultato è sconosciuto o richiede una verifica. | Passaggio successivoConserva gli identificatori e le intestazioni originali; consulta solo i record di stato o della libreria supportati. Non inviare di nuovo la richiesta di creazione. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions
qwen2-vl-2b-instructQwen2-VL-2B-Instruct è il modello visione-linguaggio di Qwen per domande sulle immagini, testo multilingue nelle figure e spiegazioni visive. Fornisci un’immagine leggibile e una domanda precisa per ottenere un risultato scritto legato alle prove visibili.
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.
Qwen2-VL-2B-Instruct è il modello visione-linguaggio da 2B di Qwen, ottimizzato per seguire le istruzioni, per domande basate su immagini e testo. Il produttore descrive la gestione di immagini con risoluzioni e rapporti d’aspetto diversi e la comprensione di testo in più lingue all’interno delle immagini. Il risultato generato è una risposta scritta al materiale visivo e alla domanda forniti. Il produttore descrive inoltre l’impiego come agente visivo con dispositivi quali telefoni e robot. Per questo flusso, fornisci l’ambiente visivo corrente e un’istruzione testuale; l’applicazione circostante esegue l’operazione proposta e restituisce lo stato osservato per la domanda successiva.
Scegli l’immagine contenente le prove necessarie alla risposta, quindi identifica il dettaglio da interpretare. Una domanda su un documento può riguardare un passaggio visibile; una domanda su un grafico può identificare serie, assi e confronto da spiegare. Mantieni l’identificativo dell’immagine insieme al risultato richiesto, così che la risposta resti legata al riferimento corretto.
Il produttore elenca la comprensione di immagini e testo oltre all’inglese e al cinese, comprese lingue europee, giapponese, coreano, arabo e vietnamita. Conserva formulazione e sistema di scrittura originali quando chiedi la trascrizione, spiegazione o traduzione del testo visibile. Un brief esemplificativo può richiedere l’etichetta mostrata e una spiegazione separata del suo significato.
Qwen2-VL usa la risoluzione dinamica per associare un’immagine a un numero variabile di token visivi. Nell’esempio del processore nativo, l’intervallo predefinito va da 4 a 16,384 token visivi per immagine. La guida nativa illustra impostazioni di pixel minimi e massimi, compreso un intervallo più ristretto di preparazione di 256–1,280 token immagine, per bilanciare i dettagli con le esigenze di elaborazione. Queste impostazioni preservano il rapporto d’aspetto durante il ridimensionamento.
Il produttore consente anche di richiedere altezza e larghezza ridimensionate, arrotondate a un multiplo di 28. Scegli una preparazione che lasci leggibili le etichette importanti e conserva l’immagine originale quando usi un ritaglio. Gli esempi nativi includono immagini multiple e batch, permettendo alla domanda di mantenere identificati i diversi riferimenti.
Il produttore identifica limiti nelle istruzioni complesse a più passaggi, nel conteggio degli oggetti in scene complicate e nel ragionamento spaziale in tre dimensioni. Segnala inoltre un riconoscimento incompleto di persone o marchi specifici. Chiedi un’osservazione visiva mirata e controlla il conteggio, l’etichetta o la posizione relativa da cui dipende il risultato.
Il produttore dichiara che il dataset di immagini è stato aggiornato fino a giugno 2023. Fornisci il contesto scritto necessario per un’etichetta recente o poco familiare, invece di chiedere alla sola immagine di stabilire quell’informazione. Nella nota restituita, mantieni distinguibile un’etichetta citata da un’identità dedotta.
La configurazione del checkpoint pubblicato stabilisce un massimo di 32,768 posizioni. Prepara la domanda e gli input visivi con il processore corrispondente al modello, conservando l’ordine delle immagini usato nella richiesta. L’utilità nativa accetta immagini locali, base64 e indirizzi immagine.
Salva insieme il nome 2B Instruct selezionato, i riferimenti e la risposta scritta completata. Per una richiesta successiva, includi il materiale pertinente e identifica l’osservazione o l’interpretazione specifica da rivedere, quindi confronta il risultato corretto con quella fonte.
Tramite Ailoot, usa l’esatto ID del modello in /v1/chat/completions e mantieni l’immagine insieme alla sua domanda nella conversazione. Il formato del contenuto immagine usa image_url; le fonti supportate possono contenere un indirizzo immagine oppure un URI dati base64. Raccogli la risposta JSON completa o tutti i segmenti SSE quando stream è abilitato e conserva usage insieme al risultato completato.
POST /v1/messagestext, imagejson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen2-vl-2b-instruct Condizioni: Usa esattamente questo selettore di instradamento di Ailoot. | Predefinito— |
Campomessages | Tipoarray | RequisitoObbligatorio | Valori e limiti Condizioni: | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti Condizioni: | Predefinitofalse |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Condizioni: | Predefinito— |
text_input · Obbligatorio: messages
image_with_text · Obbligatorio: messages with actual image content blocks
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional | Contrattostream |
Parametromaterial_types | Contrattotext, image |
Parametroconditions | ContrattoUsa esattamente questo selettore di instradamento di Ailoot., Questo protocollo trasporta contenuti di immagine quando lo specifico modello selezionato supporta la visione. L’accettazione delle richieste da parte del protocollo non dimostra che tutti i modelli possano elaborare immagini. |
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 base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0 / 1K token Output · Token in output $0 / 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}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, gli ID delle chiamate agli strumenti, le firme del ragionamento quando vengono restituite, tutti gli incrementi SSE e i dati completi di consumo. Il primo frammento di testo non è il risultato completo.
Conserva l’X-Client-Request-ID originale, la risposta e le intestazioni. Un esito sconosciuto o result_pending_check non autorizza una seconda creazione.
| Campo | Tipo |
|---|---|
Campocontent[] | Tipoobject |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneUn campo obbligatorio, il selettore del modello, il tipo o la rappresentazione dei dati in ingresso non è valido. | Passaggio successivoEsamina i dettagli di validazione restituiti prima di preparare una richiesta separata. |
Risposta | CondizioneLa richiesta originale o il relativo risultato è sconosciuto o richiede una verifica. | Passaggio successivoConserva gli identificatori e le intestazioni originali; consulta solo i record di stato o della libreria supportati. Non inviare di nuovo la richiesta di creazione. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions