Doubao 1.5 Thinking Vision Pro 250428 — ByteDance Seed1.5-VL үшін атаған нақты орналастырылған идентификатор. Бұл — жалпы мультимодальды түсіну мен пайымдауға арналған көру-тіл моделі. Өндіруші сипаттаған мүмкіндіктерге OCR, диаграмманы түсіну, визуалды нысананы анықтау, 3D кеңістікті түсіну, видеоны түсіну және визуалды пайымдау кіреді. Осы тапсырмалар визуалды материал мен жазбаша сұрақ негізінде түсіндірмелер және шешімдер қайтарады.
Кескінді беріп, шығарылатын немесе түсіндірілетін ақпаратты анықтаңыз. Құжат кескінінде маңызды мәтінді не өрістерді атаңыз. Диаграммада нақты белгілер мен байланыстарды сұраңыз. Визуалды жұмбақта сұрақты көрсетіп, тиісті белгілермен расталған қорытынды сұраңыз.
Сұралған артефактіні анық ұстаңыз: көшірілген мәтін, байланыс сипаттамасы немесе жауап түсіндірмесі. Кескінде түсініксіз жазулар не жабылған бөлшектер болса, жауаптан белгісіздікті анықтауды сұраңыз. Шығарылған сөздер мен түсіндірілген байланыстарды тексеру үшін бастапқы кескінді нәтижемен бірге сақтаңыз.
Визуалды нысананы анықтау жазбаша сілтемені кескіндегі тиісті нысанмен немесе аймақпен байланыстырады. Пайдалы тапсырма нысанды атап, жақын нысандардан айырмасын түсіндіре және қолданба күтетін орналасу ақпаратын сұрай алады. Қолданба шығыс пішімі мұндай орынды қалай көрсететінін анықтауы тиіс.
Кеңістікті түсіну үшін қандай байланыстар маңызды екенін сипаттаңыз: салыстырмалы орын, бағдар немесе көріністегі нысандардың орналасуы. Соңғы түсіндірме алдында көрінетін дәлелді сұраңыз. Кескіннің байқалатын қасиеттерін тұжырымдалған үшөлшемді байланыстан ажыратыңыз.
Өндіруші видеоны түсінуді де атап, арнайы видео нұсқаулығын береді. Видео сұрағы қызықтыратын оқиғаны, нысанды немесе тізбекті және жасалатын нәтижені атауы тиіс. Сұрақта уақыт сілтемелерін пайдаланып, оқиғалар ретін тексергенде бастапқы клипті жауаппен бірге сақтаңыз.
Интерактивті көрсетілімдері GUI басқаруды және ойын ойнауды қамтиды. Компьютер пайдалану қолданбасында модельдің визуалды түсінуі экран туралы шешімді қолдайды, ал қоршаған қолданба әрекеттерді орындап, келесі бақылауды береді. Басқару элементін сипаттау немесе келесі әрекетті таңдау өздігінен файл сақталғанын не экран операциясы аяқталғанын дәлелдемейді.
ByteDance модельде 532M параметрлі көру кодтағышы және белсенді 20B параметрі бар сарапшылар қоспасы тіл моделі бар екенін көрсетеді. Оның практикалық нұсқаулығы ұзақ ой тізбегі тетіктерін, нысананы анықтауды, кеңістікті түсінуді, видео және GUI мысалдарын бөледі. Тапсырмаға қажетті кірістер мен шығыс көрінісі үшін нақты интерфейс келісімін қолданыңыз.
Осы жазба өндіруші репозиторийінде аталған 250428 шығарылымын сақтайды. Бұрынғы 250415 Thinking Pro Vision профилі — бөлек сәйкестік. Кейінгі түзетуді сол шығарылыммен және дәлелдермен салыстыру үшін әр нәтижемен бірге сұралған модельді, визуалды дереккөздерді және тапсырма параметрлерін сақтаңыз.
", "aboutText": "Doubao 1.5 Thinking Vision Pro 250428 — ByteDance Seed1.5-VL үшін атаған нақты орналастырылған идентификатор. Бұл — жалпы мультимодальды түсіну мен пайымдауға арналған көру-тіл моделі. Өндіруші сипаттаған мүмкіндіктерге OCR, диаграмманы түсіну, визуалды нысананы анықтау, 3D кеңістікті түсіну, видеоны түсіну және визуалды пайымдау кіреді. Осы тапсырмалар визуалды материал мен жазбаша сұрақ негізінде түсіндірмелер және шешімдер қайтарады.\n\n### Визуалды дереккөзді оқып, түсіндіріңіз\n\nКескінді беріп, шығарылатын немесе түсіндірілетін ақпаратты анықтаңыз. Құжат кескінінде маңызды мәтінді не өрістерді атаңыз. Диаграммада нақты белгілер мен байланыстарды сұраңыз. Визуалды жұмбақта сұрақты көрсетіп, тиісті белгілермен расталған қорытынды сұраңыз.\n\nСұралған артефактіні анық ұстаңыз: көшірілген мәтін, байланыс сипаттамасы немесе жауап түсіндірмесі. Кескінде түсініксіз жазулар не жабылған бөлшектер болса, жауаптан белгісіздікті анықтауды сұраңыз. Шығарылған сөздер мен түсіндірілген байланыстарды тексеру үшін бастапқы кескінді нәтижемен бірге сақтаңыз.\n\n### Сұрақты нысандар мен кеңістікке байланыстырыңыз\n\nВизуалды нысананы анықтау жазбаша сілтемені кескіндегі тиісті нысанмен немесе аймақпен байланыстырады. Пайдалы тапсырма нысанды атап, жақын нысандардан айырмасын түсіндіре және қолданба күтетін орналасу ақпаратын сұрай алады. Қолданба шығыс пішімі мұндай орынды қалай көрсететінін анықтауы тиіс.\n\nКеңістікті түсіну үшін қандай байланыстар маңызды екенін сипаттаңыз: салыстырмалы орын, бағдар немесе көріністегі нысандардың орналасуы. Соңғы түсіндірме алдында көрінетін дәлелді сұраңыз. Кескіннің байқалатын қасиеттерін тұжырымдалған үшөлшемді байланыстан ажыратыңыз.\n\n### Видеомен және интерактивті тапсырмалармен жұмыс істеңіз\n\nӨндіруші видеоны түсінуді де атап, арнайы видео нұсқаулығын береді. Видео сұрағы қызықтыратын оқиғаны, нысанды немесе тізбекті және жасалатын нәтижені атауы тиіс. Сұрақта уақыт сілтемелерін пайдаланып, оқиғалар ретін тексергенде бастапқы клипті жауаппен бірге сақтаңыз.\n\nИнтерактивті көрсетілімдері GUI басқаруды және ойын ойнауды қамтиды. Компьютер пайдалану қолданбасында модельдің визуалды түсінуі экран туралы шешімді қолдайды, ал қоршаған қолданба әрекеттерді орындап, келесі бақылауды береді. Басқару элементін сипаттау немесе келесі әрекетті таңдау өздігінен файл сақталғанын не экран операциясы аяқталғанын дәлелдемейді.\n\n### Шығарылымды және интерфейс параметрлерін сақтаңыз\n\nByteDance модельде 532M параметрлі көру кодтағышы және белсенді 20B параметрі бар сарапшылар қоспасы тіл моделі бар екенін көрсетеді. Оның практикалық нұсқаулығы ұзақ ой тізбегі тетіктерін, нысананы анықтауды, кеңістікті түсінуді, видео және GUI мысалдарын бөледі. Тапсырмаға қажетті кірістер мен шығыс көрінісі үшін нақты интерфейс келісімін қолданыңыз.\n\nОсы жазба өндіруші репозиторийінде аталған 250428 шығарылымын сақтайды. Бұрынғы 250415 Thinking Pro Vision профилі — бөлек сәйкестік. Кейінгі түзетуді сол шығарылыммен және дәлелдермен салыстыру үшін әр нәтижемен бірге сұралған модельді, визуалды дереккөздерді және тапсырма параметрлерін сақтаңыз.", "editorialOverlay": { "copy_fields": { "practical_html": "Ағылшын тіліндегі техникалық мысал
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 — кескіндерге, видеоға және жазбаша сұрақтарға арналған атаулы Seed1.5-VL көру-тіл шығарылымы. Өндіруші OCR, диаграмма түсіндіру, визуалды нысананы анықтау, кеңістікті түсіну және визуалды дәлелдер төңірегінде пайымдауды сипаттайды.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Doubao 1.5 Thinking Vision Pro 250428 — ByteDance Seed1.5-VL үшін атаған нақты орналастырылған идентификатор. Бұл — жалпы мультимодальды түсіну мен пайымдауға арналған көру-тіл моделі. Өндіруші сипаттаған мүмкіндіктерге OCR, диаграмманы түсіну, визуалды нысананы анықтау, 3D кеңістікті түсіну, видеоны түсіну және визуалды пайымдау кіреді. Осы тапсырмалар визуалды материал мен жазбаша сұрақ негізінде түсіндірмелер және шешімдер қайтарады.
Кескінді беріп, шығарылатын немесе түсіндірілетін ақпаратты анықтаңыз. Құжат кескінінде маңызды мәтінді не өрістерді атаңыз. Диаграммада нақты белгілер мен байланыстарды сұраңыз. Визуалды жұмбақта сұрақты көрсетіп, тиісті белгілермен расталған қорытынды сұраңыз.
Сұралған артефактіні анық ұстаңыз: көшірілген мәтін, байланыс сипаттамасы немесе жауап түсіндірмесі. Кескінде түсініксіз жазулар не жабылған бөлшектер болса, жауаптан белгісіздікті анықтауды сұраңыз. Шығарылған сөздер мен түсіндірілген байланыстарды тексеру үшін бастапқы кескінді нәтижемен бірге сақтаңыз.
Визуалды нысананы анықтау жазбаша сілтемені кескіндегі тиісті нысанмен немесе аймақпен байланыстырады. Пайдалы тапсырма нысанды атап, жақын нысандардан айырмасын түсіндіре және қолданба күтетін орналасу ақпаратын сұрай алады. Қолданба шығыс пішімі мұндай орынды қалай көрсететінін анықтауы тиіс.
Кеңістікті түсіну үшін қандай байланыстар маңызды екенін сипаттаңыз: салыстырмалы орын, бағдар немесе көріністегі нысандардың орналасуы. Соңғы түсіндірме алдында көрінетін дәлелді сұраңыз. Кескіннің байқалатын қасиеттерін тұжырымдалған үшөлшемді байланыстан ажыратыңыз.
Өндіруші видеоны түсінуді де атап, арнайы видео нұсқаулығын береді. Видео сұрағы қызықтыратын оқиғаны, нысанды немесе тізбекті және жасалатын нәтижені атауы тиіс. Сұрақта уақыт сілтемелерін пайдаланып, оқиғалар ретін тексергенде бастапқы клипті жауаппен бірге сақтаңыз.
Интерактивті көрсетілімдері GUI басқаруды және ойын ойнауды қамтиды. Компьютер пайдалану қолданбасында модельдің визуалды түсінуі экран туралы шешімді қолдайды, ал қоршаған қолданба әрекеттерді орындап, келесі бақылауды береді. Басқару элементін сипаттау немесе келесі әрекетті таңдау өздігінен файл сақталғанын не экран операциясы аяқталғанын дәлелдемейді.
ByteDance модельде 532M параметрлі көру кодтағышы және белсенді 20B параметрі бар сарапшылар қоспасы тіл моделі бар екенін көрсетеді. Оның практикалық нұсқаулығы ұзақ ой тізбегі тетіктерін, нысананы анықтауды, кеңістікті түсінуді, видео және GUI мысалдарын бөледі. Тапсырмаға қажетті кірістер мен шығыс көрінісі үшін нақты интерфейс келісімін қолданыңыз.
Осы жазба өндіруші репозиторийінде аталған 250428 шығарылымын сақтайды. Бұрынғы 250415 Thinking Pro Vision профилі — бөлек сәйкестік. Кейінгі түзетуді сол шығарылыммен және дәлелдермен салыстыру үшін әр нәтижемен бірге сұралған модельді, визуалды дереккөздерді және тапсырма параметрлерін сақтаңыз.
POST /v1/chat/completionstexttext| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер doubao-1-5-thinking-vision-pro-250428 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер Элементтердің ең аз саны: 1 | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: system, user, assistant, tool, function Шарттар: Бұл рөлдер бастапқы кодтағы үйлесімділік түрлерінде айқын көрсетілген; рөлдердің нақты жиыны әр модельге байланысты. Модельге байланысты | Әдепкі— |
Өрісmessages[].content | Түріstring|content_part[]|null | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_calls | Түріtool_call[] | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].tool_call_id | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: role=tool; нақты қайтарылған ID мәнін пайдаланыңыз | Әдепкі— |
Өрісmessages[].name | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].reasoning_content | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Мына жағдайда қолданылады: Модель пайымдауды пайдаланса, нақты қайтарылған пайымдауды қайта жіберіңіз | Әдепкі— |
Өрісmessages[].reasoning_details | Түріobject|array | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісmax_completion_tokens | Түріinteger | ТалапМіндетті емес | Мәндер мен шектеулер Ең азы: 1 Модельге байланысты | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Өрісstream_options.include_usage | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtemperature | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtop_p | Түріnumber | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісstop | Түріstring|string[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools | Түріfunction_tool[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісtools[].type | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер function Модельге байланысты | Әдепкі— |
Өрісtools[].function.name | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мына жағдайда қолданылады: функция құралы берілген | Әдепкі— |
Өрісtools[].function.description | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtools[].function.parameters | ТүріJSON_schema | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкі— |
Өрісtool_choice | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісparallel_tool_calls | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісresponse_format | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning_effort | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісreasoning | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісservice_tier | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісinstructions | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Үйлесімділік өрісі | Әдепкі— |
Өрісfunctions | Түріfunction[] | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісfunction_call | Түріstring|object | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісprompt_cache_options | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Модельге байланысты | Әдепкі— |
Өрісmodalities | Түріstring[] | ТалапМіндетті емес | Мәндер мен шектеулер text | Әдепкі— |
Өрісprovider | Түріobject | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Осы Ultra мәтіндік бағытында provider.options қабылданбайды | Әдепкі— |
Өрісcache_control.ttl | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер Шарттар: Сұрау кэшінің нақты орындарында 1h қабылданбайды | Әдепкі— |
Мәтін · UTF8 мәтіні
messages[].content
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрmessages | Параметр талаптарыrole/content құрылымы бар хабарламалар жиымы |
Параметрfile_material | Параметр талаптарынақты UTF-8 құжаты сөзбе-сөз мәтін ретінде енгізіледі; файл ID-і болжанбайды |
Параметрoptional_controls | Параметр талаптарыstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Параметр талаптарымодельге байланысты; пайдаланушының функция құралдары қызмет жағында орындалатын құралдардан өзгеше |
Параметрoutput_modalities | Параметр талаптарыtext |
Параметрhosted_operations | Параметр талаптарыfalse |
Параметрmultimodal_input_binding | Параметр талаптарыnull |
Өмірлік цикл: synchronous_or_streamed
Модельдің дәл ID мәнін messages деректерімен бірге жіберіңіз.
Контекст ұзындығы шығыстың жоғарғы шегі емес.
Мәтіндік файл сөзбе-сөз мәтінді бере алады; кіріс суреттері, аудио және файл нысандары дәл байланыстыруды қажет етеді.
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.0011 / 1K токен Шығыс · Шығыс токендері $0.00286 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
set -eu\n: "${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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Әр жауап нұсқасын оның мазмұнымен, құрал шақыруларымен және пайымдауымен бірге сақтаңыз. SSE өзгерістерін жауап нұсқасы мен құрал индексі бойынша жинап, соңғы аяқталу себебі мен пайдалану деректерін сақтаңыз.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісchoices[].index | Түріinteger |
Өрісchoices[].message.content | Түріstring|null |
Өрісchoices[].message.tool_calls | Түріtool_call[] |
Өрісchoices[].message.reasoning_content | Түріstring |
Өрісchoices[].message.reasoning_details | Түріobject|array |
Өрісchoices[].finish_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 — кескіндерге, видеоға және жазбаша сұрақтарға арналған атаулы Seed1.5-VL көру-тіл шығарылымы. Өндіруші OCR, диаграмма түсіндіру, визуалды нысананы анықтау, кеңістікті түсіну және визуалды дәлелдер төңірегінде пайымдауды сипаттайды.
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Doubao 1.5 Thinking Vision Pro 250428 — ByteDance Seed1.5-VL үшін атаған нақты орналастырылған идентификатор. Бұл — жалпы мультимодальды түсіну мен пайымдауға арналған көру-тіл моделі. Өндіруші сипаттаған мүмкіндіктерге OCR, диаграмманы түсіну, визуалды нысананы анықтау, 3D кеңістікті түсіну, видеоны түсіну және визуалды пайымдау кіреді. Осы тапсырмалар визуалды материал мен жазбаша сұрақ негізінде түсіндірмелер және шешімдер қайтарады.
Кескінді беріп, шығарылатын немесе түсіндірілетін ақпаратты анықтаңыз. Құжат кескінінде маңызды мәтінді не өрістерді атаңыз. Диаграммада нақты белгілер мен байланыстарды сұраңыз. Визуалды жұмбақта сұрақты көрсетіп, тиісті белгілермен расталған қорытынды сұраңыз.
Сұралған артефактіні анық ұстаңыз: көшірілген мәтін, байланыс сипаттамасы немесе жауап түсіндірмесі. Кескінде түсініксіз жазулар не жабылған бөлшектер болса, жауаптан белгісіздікті анықтауды сұраңыз. Шығарылған сөздер мен түсіндірілген байланыстарды тексеру үшін бастапқы кескінді нәтижемен бірге сақтаңыз.
Визуалды нысананы анықтау жазбаша сілтемені кескіндегі тиісті нысанмен немесе аймақпен байланыстырады. Пайдалы тапсырма нысанды атап, жақын нысандардан айырмасын түсіндіре және қолданба күтетін орналасу ақпаратын сұрай алады. Қолданба шығыс пішімі мұндай орынды қалай көрсететінін анықтауы тиіс.
Кеңістікті түсіну үшін қандай байланыстар маңызды екенін сипаттаңыз: салыстырмалы орын, бағдар немесе көріністегі нысандардың орналасуы. Соңғы түсіндірме алдында көрінетін дәлелді сұраңыз. Кескіннің байқалатын қасиеттерін тұжырымдалған үшөлшемді байланыстан ажыратыңыз.
Өндіруші видеоны түсінуді де атап, арнайы видео нұсқаулығын береді. Видео сұрағы қызықтыратын оқиғаны, нысанды немесе тізбекті және жасалатын нәтижені атауы тиіс. Сұрақта уақыт сілтемелерін пайдаланып, оқиғалар ретін тексергенде бастапқы клипті жауаппен бірге сақтаңыз.
Интерактивті көрсетілімдері GUI басқаруды және ойын ойнауды қамтиды. Компьютер пайдалану қолданбасында модельдің визуалды түсінуі экран туралы шешімді қолдайды, ал қоршаған қолданба әрекеттерді орындап, келесі бақылауды береді. Басқару элементін сипаттау немесе келесі әрекетті таңдау өздігінен файл сақталғанын не экран операциясы аяқталғанын дәлелдемейді.
ByteDance модельде 532M параметрлі көру кодтағышы және белсенді 20B параметрі бар сарапшылар қоспасы тіл моделі бар екенін көрсетеді. Оның практикалық нұсқаулығы ұзақ ой тізбегі тетіктерін, нысананы анықтауды, кеңістікті түсінуді, видео және GUI мысалдарын бөледі. Тапсырмаға қажетті кірістер мен шығыс көрінісі үшін нақты интерфейс келісімін қолданыңыз.
Осы жазба өндіруші репозиторийінде аталған 250428 шығарылымын сақтайды. Бұрынғы 250415 Thinking Pro Vision профилі — бөлек сәйкестік. Кейінгі түзетуді сол шығарылыммен және дәлелдермен салыстыру үшін әр нәтижемен бірге сұралған модельді, визуалды дереккөздерді және тапсырма параметрлерін сақтаңыз.
POST /v1/messagestextjson, sse| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер doubao-1-5-thinking-vision-pro-250428 | Әдепкі— |
Өрісmessages | Түріmessage[] | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmessages[].role | Түріstring | ТалапМіндетті | Мәндер мен шектеулер user, assistant | Әдепкі— |
Өрісmessages[].content | Түріstring | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісmax_tokens | Түріinteger | ТалапМіндетті | Мәндер мен шектеулер | Әдепкі— |
Өрісstream | Түріboolean | ТалапМіндетті емес | Мәндер мен шектеулер | Әдепкіfalse |
Мәтін · UTF-8 мәтіні
messages[].content жолы
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, messages, max_tokens |
Параметрoptional_controls | Параметр талаптарыstream |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрtext_file_material | Параметр талаптарыНақты UTF-8 құжатын оқып, оның мәтінін көрсетілген кіріс жолына немесе хабарлама мазмұнының жолына қойыңыз. |
Өмірлік цикл: synchronous_or_streamed
Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.
| Баптау | Мөлшерлемелер кестесі | Төлем |
|---|---|---|
| БаптауТокендердің базалық тарифтері | Мөлшерлемелер кестесіНегізгі мөлшерлеме | Төлем Кіріс · Кіріс токендері $0.0011 / 1K токен Шығыс · Шығыс токендері $0.00286 / 1K токен Кіріс · Кэшті оқу $0 / 1K токен Кіріс · Кэшке жазу $0 / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен |
Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →
{\n "model": "doubao-1-5-thinking-vision-pro-250428",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 немесе SSE
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық мазмұн блоктарын, пайымдау қолтаңбаларын және құрал қолданудың нақты ID мәндерін сақтаңыз. SSE блоктарының барлық өзгерістерін жинаңыз; алғашқы мәтіндік блок толық шығыс емес.
Сұрау мен жауаптың ID мәндерін және тақырыптарын сақтаңыз. Мәтіндік тапсырманы алуға арналған ортақ URL берілмеген.
| Өріс | Түрі |
|---|---|
Өрісid | Түріstring |
Өрісmodel | Түріstring |
Өрісcontent[] | Түріtext|thinking|tool_use|other content block |
Өрісstop_reason | Түріstring|null |
Өрісusage | Түріobject |
| Жауап | Шарт | Келесі қадам |
|---|---|---|
Жауап400 · invalid_request_error | ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате | Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Ағылшын тіліндегі техникалық мысал
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.