Doubao 1.5 Vision Pro는 이미지와 텍스트 지시가 결합된 질문에 답하는 ByteDance의 비전 언어 모델입니다. 업데이트된 기능은 시각적 추론, 문서 문자 인식, 세밀한 정보, 복잡한 지시 따르기에 중점을 둡니다. 결과는 장면 설명, 추출 정보 또는 제공된 시각 자료에 근거한 분석을 담은 텍스트 응답입니다.
이미지 세부 사항과 배치. 이 모델은 해상도와 형태가 다른 그림을 처리하기 위해 네이티브 동적 해상도 아키텍처를 사용합니다. 제조사는 특히 고해상도 이미지, 작은 저해상도 그림, 극단적인 가로세로 비율을 설명합니다. 원본이 세로로 긴 문서 페이지, 가로로 넓은 스크린샷, 작은 세부 사항이 담긴 사진일 때 유용합니다. 구할 수 있는 가장 선명한 원본을 제공하고, 질문과 관련된 영역을 보존하며, 모델이 살펴볼 페이지나 영역을 지정하세요. 흐릿한 이미지를 확대해도 빠진 정보가 복원되지는 않으므로, 라벨이나 숫자를 읽을 수 없을 때는 불확실성을 명시하도록 요청하세요.
시각적 지시. 릴리스 설명에서는 사후 학습에 더 다양한 시각 과제를 사용해 지시 수행 능력을 개선했다고 밝힙니다. 요청에는 살펴볼 대상, 보고할 세부 사항, 답변 순서를 지정할 수 있습니다. 포장을 비교할 때는 그림에 A와 B 표시를 붙이고 문구, 배치, 구성 요소에서 눈에 보이는 차이를 표로 요청하세요. 스크린샷을 검토할 때는 의도한 행동을 밝히고, 보이는 조작 요소와 그 행동을 완료하는 데 필요한 정보를 설명하도록 요청하세요. 유용한 출력은 그림에 실제로 보이는 내용에 근거한 비교나 설명입니다.
문서 인식. 읽을 수 있는 페이지와 작업 흐름에 필요한 필드 이름을 함께 제공하세요. 문서 제목, 날짜, 당사자, 품목명, 금액 등이 이에 해당합니다. 추출한 텍스트를 해석과 분리하고 중요한 식별자의 원래 표기를 유지하도록 요청하세요. 여러 페이지로 된 기록에는 페이지 표시를 붙이고 각 추출 값 옆에 해당 페이지 참조를 요청하세요. 그런 다음 텍스트를 원본과 대조하고 불분명한 문자를 확인해 선택한 필드를 후속 애플리케이션에 사용할 수 있도록 준비할 수 있습니다.
이 버전의 기술 업데이트는 멀티모달 데이터 합성, 동적 해상도, 시각 정보와 텍스트 정보의 정렬, 혼합 학습을 다룹니다. 이러한 변경은 이미지 이해와 추론을 위한 것이며, 제조사는 더 간결하고 이해하기 쉬운 응답 방식도 설명합니다. 이를 유용한 결과물로 만들려면 대상 독자와 요청 형식을 지정하세요. 검사 메모, 이미지 설명, 문서 소유자에게 물을 질문 목록 등이 가능합니다.
눈에 보이는 근거를 중심으로 작업을 선택하세요. 제품 사진은 형태, 색상, 라벨, 관찰 가능한 구성 요소를 설명하는 근거가 될 수 있습니다. 답변에 치수나 소재도 필요하다면 사양을 별도로 제공하세요. 문서 이미지는 정보 추출과 설명을 뒷받침할 수 있습니다. 잘라낸 문장이 앞선 정의에 의존한다면 관련된 주변 페이지도 포함하세요. 관찰과 추론을 구분하도록 요청하고 결과를 사용하기 전에 작은 글자와 결정적인 값을 확인하세요.
", "aboutText": "Doubao 1.5 Vision Pro는 이미지와 텍스트 지시가 결합된 질문에 답하는 ByteDance의 비전 언어 모델입니다. 업데이트된 기능은 시각적 추론, 문서 문자 인식, 세밀한 정보, 복잡한 지시 따르기에 중점을 둡니다. 결과는 장면 설명, 추출 정보 또는 제공된 시각 자료에 근거한 분석을 담은 텍스트 응답입니다.\n\n이미지 세부 사항과 배치. 이 모델은 해상도와 형태가 다른 그림을 처리하기 위해 네이티브 동적 해상도 아키텍처를 사용합니다. 제조사는 특히 고해상도 이미지, 작은 저해상도 그림, 극단적인 가로세로 비율을 설명합니다. 원본이 세로로 긴 문서 페이지, 가로로 넓은 스크린샷, 작은 세부 사항이 담긴 사진일 때 유용합니다. 구할 수 있는 가장 선명한 원본을 제공하고, 질문과 관련된 영역을 보존하며, 모델이 살펴볼 페이지나 영역을 지정하세요. 흐릿한 이미지를 확대해도 빠진 정보가 복원되지는 않으므로, 라벨이나 숫자를 읽을 수 없을 때는 불확실성을 명시하도록 요청하세요.\n\n시각적 지시. 릴리스 설명에서는 사후 학습에 더 다양한 시각 과제를 사용해 지시 수행 능력을 개선했다고 밝힙니다. 요청에는 살펴볼 대상, 보고할 세부 사항, 답변 순서를 지정할 수 있습니다. 포장을 비교할 때는 그림에 A와 B 표시를 붙이고 문구, 배치, 구성 요소에서 눈에 보이는 차이를 표로 요청하세요. 스크린샷을 검토할 때는 의도한 행동을 밝히고, 보이는 조작 요소와 그 행동을 완료하는 데 필요한 정보를 설명하도록 요청하세요. 유용한 출력은 그림에 실제로 보이는 내용에 근거한 비교나 설명입니다.\n\n문서 인식. 읽을 수 있는 페이지와 작업 흐름에 필요한 필드 이름을 함께 제공하세요. 문서 제목, 날짜, 당사자, 품목명, 금액 등이 이에 해당합니다. 추출한 텍스트를 해석과 분리하고 중요한 식별자의 원래 표기를 유지하도록 요청하세요. 여러 페이지로 된 기록에는 페이지 표시를 붙이고 각 추출 값 옆에 해당 페이지 참조를 요청하세요. 그런 다음 텍스트를 원본과 대조하고 불분명한 문자를 확인해 선택한 필드를 후속 애플리케이션에 사용할 수 있도록 준비할 수 있습니다.\n\n이 버전의 기술 업데이트는 멀티모달 데이터 합성, 동적 해상도, 시각 정보와 텍스트 정보의 정렬, 혼합 학습을 다룹니다. 이러한 변경은 이미지 이해와 추론을 위한 것이며, 제조사는 더 간결하고 이해하기 쉬운 응답 방식도 설명합니다. 이를 유용한 결과물로 만들려면 대상 독자와 요청 형식을 지정하세요. 검사 메모, 이미지 설명, 문서 소유자에게 물을 질문 목록 등이 가능합니다.\n\n눈에 보이는 근거를 중심으로 작업을 선택하세요. 제품 사진은 형태, 색상, 라벨, 관찰 가능한 구성 요소를 설명하는 근거가 될 수 있습니다. 답변에 치수나 소재도 필요하다면 사양을 별도로 제공하세요. 문서 이미지는 정보 추출과 설명을 뒷받침할 수 있습니다. 잘라낸 문장이 앞선 정의에 의존한다면 관련된 주변 페이지도 포함하세요. 관찰과 추론을 구분하도록 요청하고 결과를 사용하기 전에 작은 글자와 결정적인 값을 확인하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Extract fields from a page transcription\n\nExtract fields from this document transcription, keeping literal values separate from interpretation: Page 1, Delivery note DN-82. Recipient: Lumen Studio. Items: Desk lamp, quantity 4. Delivery date: unclear. Return document_id, recipient, item, quantity and delivery_date, with the page label beside each value. Use unknown for the unclear date.A field table with value and source-page columns, retaining unknown for the delivery date.Compare every populated value to the supplied transcription and confirm that no date is invented.Doubao-1.5-vision-pro-32kDoubao 1.5 Vision Pro 32K는 이미지 이해, 문서 페이지 읽기, 미세한 시각적 세부 사항에 대한 추론을 위한 ByteDance의 비전 언어 모델입니다. 이미지와 정밀한 지시를 함께 제공해 텍스트 설명이나 구조화된 정보 추출 결과를 얻으세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Doubao 1.5 Vision Pro는 이미지와 텍스트 지시가 결합된 질문에 답하는 ByteDance의 비전 언어 모델입니다. 업데이트된 기능은 시각적 추론, 문서 문자 인식, 세밀한 정보, 복잡한 지시 따르기에 중점을 둡니다. 결과는 장면 설명, 추출 정보 또는 제공된 시각 자료에 근거한 분석을 담은 텍스트 응답입니다.
이미지 세부 사항과 배치. 이 모델은 해상도와 형태가 다른 그림을 처리하기 위해 네이티브 동적 해상도 아키텍처를 사용합니다. 제조사는 특히 고해상도 이미지, 작은 저해상도 그림, 극단적인 가로세로 비율을 설명합니다. 원본이 세로로 긴 문서 페이지, 가로로 넓은 스크린샷, 작은 세부 사항이 담긴 사진일 때 유용합니다. 구할 수 있는 가장 선명한 원본을 제공하고, 질문과 관련된 영역을 보존하며, 모델이 살펴볼 페이지나 영역을 지정하세요. 흐릿한 이미지를 확대해도 빠진 정보가 복원되지는 않으므로, 라벨이나 숫자를 읽을 수 없을 때는 불확실성을 명시하도록 요청하세요.
시각적 지시. 릴리스 설명에서는 사후 학습에 더 다양한 시각 과제를 사용해 지시 수행 능력을 개선했다고 밝힙니다. 요청에는 살펴볼 대상, 보고할 세부 사항, 답변 순서를 지정할 수 있습니다. 포장을 비교할 때는 그림에 A와 B 표시를 붙이고 문구, 배치, 구성 요소에서 눈에 보이는 차이를 표로 요청하세요. 스크린샷을 검토할 때는 의도한 행동을 밝히고, 보이는 조작 요소와 그 행동을 완료하는 데 필요한 정보를 설명하도록 요청하세요. 유용한 출력은 그림에 실제로 보이는 내용에 근거한 비교나 설명입니다.
문서 인식. 읽을 수 있는 페이지와 작업 흐름에 필요한 필드 이름을 함께 제공하세요. 문서 제목, 날짜, 당사자, 품목명, 금액 등이 이에 해당합니다. 추출한 텍스트를 해석과 분리하고 중요한 식별자의 원래 표기를 유지하도록 요청하세요. 여러 페이지로 된 기록에는 페이지 표시를 붙이고 각 추출 값 옆에 해당 페이지 참조를 요청하세요. 그런 다음 텍스트를 원본과 대조하고 불분명한 문자를 확인해 선택한 필드를 후속 애플리케이션에 사용할 수 있도록 준비할 수 있습니다.
이 버전의 기술 업데이트는 멀티모달 데이터 합성, 동적 해상도, 시각 정보와 텍스트 정보의 정렬, 혼합 학습을 다룹니다. 이러한 변경은 이미지 이해와 추론을 위한 것이며, 제조사는 더 간결하고 이해하기 쉬운 응답 방식도 설명합니다. 이를 유용한 결과물로 만들려면 대상 독자와 요청 형식을 지정하세요. 검사 메모, 이미지 설명, 문서 소유자에게 물을 질문 목록 등이 가능합니다.
눈에 보이는 근거를 중심으로 작업을 선택하세요. 제품 사진은 형태, 색상, 라벨, 관찰 가능한 구성 요소를 설명하는 근거가 될 수 있습니다. 답변에 치수나 소재도 필요하다면 사양을 별도로 제공하세요. 문서 이미지는 정보 추출과 설명을 뒷받침할 수 있습니다. 잘라낸 문장이 앞선 정의에 의존한다면 관련된 주변 페이지도 포함하세요. 관찰과 추론을 구분하도록 요청하고 결과를 사용하기 전에 작은 글자와 결정적인 값을 확인하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Doubao-1.5-vision-pro-32k | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00086 / 1K 토큰 출력 · 출력 토큰 $0.0026 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-vision-pro-32k", "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-vision-pro-32k',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-vision-pro-32k',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Doubao-1.5-vision-pro-32k
위에 표시된 메서드 경로를 사용하세요.
Doubao-1.5-vision-pro-32kDoubao 1.5 Vision Pro 32K는 이미지 이해, 문서 페이지 읽기, 미세한 시각적 세부 사항에 대한 추론을 위한 ByteDance의 비전 언어 모델입니다. 이미지와 정밀한 지시를 함께 제공해 텍스트 설명이나 구조화된 정보 추출 결과를 얻으세요.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Doubao 1.5 Vision Pro는 이미지와 텍스트 지시가 결합된 질문에 답하는 ByteDance의 비전 언어 모델입니다. 업데이트된 기능은 시각적 추론, 문서 문자 인식, 세밀한 정보, 복잡한 지시 따르기에 중점을 둡니다. 결과는 장면 설명, 추출 정보 또는 제공된 시각 자료에 근거한 분석을 담은 텍스트 응답입니다.
이미지 세부 사항과 배치. 이 모델은 해상도와 형태가 다른 그림을 처리하기 위해 네이티브 동적 해상도 아키텍처를 사용합니다. 제조사는 특히 고해상도 이미지, 작은 저해상도 그림, 극단적인 가로세로 비율을 설명합니다. 원본이 세로로 긴 문서 페이지, 가로로 넓은 스크린샷, 작은 세부 사항이 담긴 사진일 때 유용합니다. 구할 수 있는 가장 선명한 원본을 제공하고, 질문과 관련된 영역을 보존하며, 모델이 살펴볼 페이지나 영역을 지정하세요. 흐릿한 이미지를 확대해도 빠진 정보가 복원되지는 않으므로, 라벨이나 숫자를 읽을 수 없을 때는 불확실성을 명시하도록 요청하세요.
시각적 지시. 릴리스 설명에서는 사후 학습에 더 다양한 시각 과제를 사용해 지시 수행 능력을 개선했다고 밝힙니다. 요청에는 살펴볼 대상, 보고할 세부 사항, 답변 순서를 지정할 수 있습니다. 포장을 비교할 때는 그림에 A와 B 표시를 붙이고 문구, 배치, 구성 요소에서 눈에 보이는 차이를 표로 요청하세요. 스크린샷을 검토할 때는 의도한 행동을 밝히고, 보이는 조작 요소와 그 행동을 완료하는 데 필요한 정보를 설명하도록 요청하세요. 유용한 출력은 그림에 실제로 보이는 내용에 근거한 비교나 설명입니다.
문서 인식. 읽을 수 있는 페이지와 작업 흐름에 필요한 필드 이름을 함께 제공하세요. 문서 제목, 날짜, 당사자, 품목명, 금액 등이 이에 해당합니다. 추출한 텍스트를 해석과 분리하고 중요한 식별자의 원래 표기를 유지하도록 요청하세요. 여러 페이지로 된 기록에는 페이지 표시를 붙이고 각 추출 값 옆에 해당 페이지 참조를 요청하세요. 그런 다음 텍스트를 원본과 대조하고 불분명한 문자를 확인해 선택한 필드를 후속 애플리케이션에 사용할 수 있도록 준비할 수 있습니다.
이 버전의 기술 업데이트는 멀티모달 데이터 합성, 동적 해상도, 시각 정보와 텍스트 정보의 정렬, 혼합 학습을 다룹니다. 이러한 변경은 이미지 이해와 추론을 위한 것이며, 제조사는 더 간결하고 이해하기 쉬운 응답 방식도 설명합니다. 이를 유용한 결과물로 만들려면 대상 독자와 요청 형식을 지정하세요. 검사 메모, 이미지 설명, 문서 소유자에게 물을 질문 목록 등이 가능합니다.
눈에 보이는 근거를 중심으로 작업을 선택하세요. 제품 사진은 형태, 색상, 라벨, 관찰 가능한 구성 요소를 설명하는 근거가 될 수 있습니다. 답변에 치수나 소재도 필요하다면 사양을 별도로 제공하세요. 문서 이미지는 정보 추출과 설명을 뒷받침할 수 있습니다. 잘라낸 문장이 앞선 정의에 의존한다면 관련된 주변 페이지도 포함하세요. 관찰과 추론을 구분하도록 요청하고 결과를 사용하기 전에 작은 글자와 결정적인 값을 확인하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Doubao-1.5-vision-pro-32k | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.00086 / 1K 토큰 출력 · 출력 토큰 $0.0026 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "Doubao-1.5-vision-pro-32k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-vision-pro-32k', '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-vision-pro-32k', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Doubao-1.5-vision-pro-32k
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Extract fields from a page transcription\n\nExtract fields from this document transcription, keeping literal values separate from interpretation: Page 1, Delivery note DN-82. Recipient: Lumen Studio. Items: Desk lamp, quantity 4. Delivery date: unclear. Return document_id, recipient, item, quantity and delivery_date, with the page label beside each value. Use unknown for the unclear date.A field table with value and source-page columns, retaining unknown for the delivery date.Compare every populated value to the supplied transcription and confirm that no date is invented.