Qwen2.5-VL-72B-Instruct는 텍스트와 함께 시각 자료를 이해하도록 설계된 Qwen2.5-VL의 지시 튜닝 72B 에디션입니다. Qwen은 객체, 제품, 랜드마크의 인식과 이미지 안의 텍스트, 차트, 아이콘, 그래픽, 배치 해석을 설명합니다. 입력은 글로 작성한 질문과 하나 이상의 이미지 또는 동영상을 결합합니다. 출력은 구조화된 설명과 추출 정보를 포함한 텍스트입니다. 제작사는 Qwen2-VL과 비교해 시간과 이미지 크기 인식의 개선, 윈도 어텐션을 사용하는 수정된 동적 해상도 비전 인코더를 강조합니다.
시각적 위치 지정은 그림을 설명하는 것과 별개의 기능입니다. 모델은 라벨과 속성을 포함한 바운딩 박스나 점을 JSON으로 반환할 수 있습니다. Qwen2.5-VL은 정규화된 좌표 방식 대신 이미지의 실제 크기 스케일에 맞는 좌표를 사용합니다. 찾을 객체를 지정하고 좌표 해석과 함께 bbox_2d와 label 같은 필요한 필드를 제공하세요. 분석 전에 이미지를 리사이즈했다면 반환된 좌표와 함께 해당 크기 정보를 유지하여 같은 이미지에 맞춰 해석할 수 있도록 하세요. Qwen의 예시는 탐지와 개수 세기, 객체 설명을 결합합니다.
제작사는 여러 언어, 방향, 장면 유형에서의 텍스트 인식을 강조합니다. 예시는 텍스트 줄을 추출하고 텍스트를 위치와 연결하며 영수증이나 양식에서 지정된 필드를 가져옵니다. 문서 요청에는 선명한 스캔을 제공하고, 필드를 정하며, 없거나 읽을 수 없는 정보를 어떻게 표현할지 밝히세요. 예시 결과는 문서 식별자, 날짜, 항목들을 포함한 구조화된 레코드가 될 수 있으며, 불확실성은 실제로 보이는 내용과 구분합니다. 제공된 이미지가 추출의 증거를 제공합니다.
Qwen 발표는 배치 정보를 포함한 문서 파싱을 위해 QwenVL HTML을 소개합니다. 잡지, 연구 논문, 웹페이지, 모바일 스크린샷을 예시로 보여 주며, 제목·문단·이미지·수식과 바운딩 박스 정보를 결합합니다. 단어뿐 아니라 읽기 순서와 페이지 구조가 중요할 때 유용합니다. 읽기를 위한 일반 텍스트, 선택한 필드를 위한 JSON, 제작사의 배치 중심 HTML 형식 중 원하는 표현을 명확히 요청하세요. 스캔한 보고서를 제목과 문단으로 정리한 뒤, 추가 지시로 특정 섹션의 요약을 요청할 수 있습니다.
동영상에서는 Qwen이 한 시간을 넘는 자료의 이해, 사건 검색, 초 단위의 시간 위치 지정을 문서화합니다. 동적 프레임률 학습과 절대 시간 인코딩은 사건의 속도와 위치를 표현하는 데 도움이 됩니다. 공식 예시는 설명한 동작이 일어나는 구간을 찾고 시작 시간, 종료 시간, 설명을 포함한 사건 목록을 반환합니다. 찾을 사건을 지정하고 초 단위나 타임스탬프 형식을 정하세요. 실용적인 요청은 긴 시연에서 관련 구간을 찾고 각 구간에서 일어나는 일을 간결하게 설명하도록 할 수 있습니다.
모델은 컴퓨터와 모바일 사용을 위한 시각 에이전트로도 소개됩니다. 화면을 바탕으로 추론하고 작업을 위해 도구를 지시할 수 있습니다. 시각적 위치 지정과 화면 이해는 관련 조작 요소나 다음에 의도한 상호작용을 식별할 수 있습니다. 애플리케이션이 화면, 사용 가능한 동작, 목표를 제공하고 요청된 동작을 실행한 뒤 새 상태를 반환합니다. 예를 들어 요청에서 지정한 화면에 도달하는 데 필요한 조작 요소와 이를 가리키는 점이나 박스를 요구할 수 있습니다. 모델의 텍스트 동작 설명과 애플리케이션이 실행한 상호작용은 별도의 단계입니다.
Qwen의 프로세서는 이미지 픽셀 수를 제어할 수 있게 합니다. 문서에 명시된 기본 범위는 이미지당 시각 토큰 4부터 16,384까지이며, 256부터 1,280토큰까지는 예시 설정이지 보편적인 이미지 제한이 아닙니다. 리사이즈는 종횡비를 유지할 수 있고, 명시한 크기는 28의 배수로 반올림됩니다. 더 높은 해상도는 더 많은 계산을 사용하며 작은 텍스트나 복잡한 도식 디테일을 보존할 수 있습니다. 중요한 라벨을 읽을 수 있게 하고 관련 페이지나 영역을 선명하게 유지하면서 질문에 맞게 준비하세요. 동영상 예시는 프레임 시퀀스나 프레임률 정보가 있는 동영상을 사용하며, 답변에 타임스탬프가 필요할 때 이 정보가 중요합니다.
카드의 현재 설정은 컨텍스트 32,768토큰입니다. YaRN 확장을 설명하지만 시간·공간 위치 지정에 큰 영향을 줄 수 있다고 주의하며, 해당 작업에는 권장하지 않습니다. 긴 동영상을 위한 위치 설정 확대는 별도로 다룹니다. 시간 단위 분량의 이해는 문서화된 기능이며, 보편적인 업로드 길이나 출력 길이 제한이 아닙니다. 후속 처리에 필요한 정보를 유지하는 결과를 선택하세요. 레코드용 필드, 위치 지정용 좌표, 문서용 배치, 동영상용 시간 정보가 있는 설명 등이 될 수 있습니다.
", "aboutText": "Qwen2.5-VL-72B-Instruct는 텍스트와 함께 시각 자료를 이해하도록 설계된 Qwen2.5-VL의 지시 튜닝 72B 에디션입니다. Qwen은 객체, 제품, 랜드마크의 인식과 이미지 안의 텍스트, 차트, 아이콘, 그래픽, 배치 해석을 설명합니다. 입력은 글로 작성한 질문과 하나 이상의 이미지 또는 동영상을 결합합니다. 출력은 구조화된 설명과 추출 정보를 포함한 텍스트입니다. 제작사는 Qwen2-VL과 비교해 시간과 이미지 크기 인식의 개선, 윈도 어텐션을 사용하는 수정된 동적 해상도 비전 인코더를 강조합니다.\n\n시각적 위치 지정은 그림을 설명하는 것과 별개의 기능입니다. 모델은 라벨과 속성을 포함한 바운딩 박스나 점을 JSON으로 반환할 수 있습니다. Qwen2.5-VL은 정규화된 좌표 방식 대신 이미지의 실제 크기 스케일에 맞는 좌표를 사용합니다. 찾을 객체를 지정하고 좌표 해석과 함께 bbox_2d와 label 같은 필요한 필드를 제공하세요. 분석 전에 이미지를 리사이즈했다면 반환된 좌표와 함께 해당 크기 정보를 유지하여 같은 이미지에 맞춰 해석할 수 있도록 하세요. Qwen의 예시는 탐지와 개수 세기, 객체 설명을 결합합니다.\n\n제작사는 여러 언어, 방향, 장면 유형에서의 텍스트 인식을 강조합니다. 예시는 텍스트 줄을 추출하고 텍스트를 위치와 연결하며 영수증이나 양식에서 지정된 필드를 가져옵니다. 문서 요청에는 선명한 스캔을 제공하고, 필드를 정하며, 없거나 읽을 수 없는 정보를 어떻게 표현할지 밝히세요. 예시 결과는 문서 식별자, 날짜, 항목들을 포함한 구조화된 레코드가 될 수 있으며, 불확실성은 실제로 보이는 내용과 구분합니다. 제공된 이미지가 추출의 증거를 제공합니다.\n\nQwen 발표는 배치 정보를 포함한 문서 파싱을 위해 QwenVL HTML을 소개합니다. 잡지, 연구 논문, 웹페이지, 모바일 스크린샷을 예시로 보여 주며, 제목·문단·이미지·수식과 바운딩 박스 정보를 결합합니다. 단어뿐 아니라 읽기 순서와 페이지 구조가 중요할 때 유용합니다. 읽기를 위한 일반 텍스트, 선택한 필드를 위한 JSON, 제작사의 배치 중심 HTML 형식 중 원하는 표현을 명확히 요청하세요. 스캔한 보고서를 제목과 문단으로 정리한 뒤, 추가 지시로 특정 섹션의 요약을 요청할 수 있습니다.\n\n동영상에서는 Qwen이 한 시간을 넘는 자료의 이해, 사건 검색, 초 단위의 시간 위치 지정을 문서화합니다. 동적 프레임률 학습과 절대 시간 인코딩은 사건의 속도와 위치를 표현하는 데 도움이 됩니다. 공식 예시는 설명한 동작이 일어나는 구간을 찾고 시작 시간, 종료 시간, 설명을 포함한 사건 목록을 반환합니다. 찾을 사건을 지정하고 초 단위나 타임스탬프 형식을 정하세요. 실용적인 요청은 긴 시연에서 관련 구간을 찾고 각 구간에서 일어나는 일을 간결하게 설명하도록 할 수 있습니다.\n\n모델은 컴퓨터와 모바일 사용을 위한 시각 에이전트로도 소개됩니다. 화면을 바탕으로 추론하고 작업을 위해 도구를 지시할 수 있습니다. 시각적 위치 지정과 화면 이해는 관련 조작 요소나 다음에 의도한 상호작용을 식별할 수 있습니다. 애플리케이션이 화면, 사용 가능한 동작, 목표를 제공하고 요청된 동작을 실행한 뒤 새 상태를 반환합니다. 예를 들어 요청에서 지정한 화면에 도달하는 데 필요한 조작 요소와 이를 가리키는 점이나 박스를 요구할 수 있습니다. 모델의 텍스트 동작 설명과 애플리케이션이 실행한 상호작용은 별도의 단계입니다.\n\nQwen의 프로세서는 이미지 픽셀 수를 제어할 수 있게 합니다. 문서에 명시된 기본 범위는 이미지당 시각 토큰 4부터 16,384까지이며, 256부터 1,280토큰까지는 예시 설정이지 보편적인 이미지 제한이 아닙니다. 리사이즈는 종횡비를 유지할 수 있고, 명시한 크기는 28의 배수로 반올림됩니다. 더 높은 해상도는 더 많은 계산을 사용하며 작은 텍스트나 복잡한 도식 디테일을 보존할 수 있습니다. 중요한 라벨을 읽을 수 있게 하고 관련 페이지나 영역을 선명하게 유지하면서 질문에 맞게 준비하세요. 동영상 예시는 프레임 시퀀스나 프레임률 정보가 있는 동영상을 사용하며, 답변에 타임스탬프가 필요할 때 이 정보가 중요합니다.\n\n카드의 현재 설정은 컨텍스트 32,768토큰입니다. YaRN 확장을 설명하지만 시간·공간 위치 지정에 큰 영향을 줄 수 있다고 주의하며, 해당 작업에는 권장하지 않습니다. 긴 동영상을 위한 위치 설정 확대는 별도로 다룹니다. 시간 단위 분량의 이해는 문서화된 기능이며, 보편적인 업로드 길이나 출력 길이 제한이 아닙니다. 후속 처리에 필요한 정보를 유지하는 결과를 선택하세요. 레코드용 필드, 위치 지정용 좌표, 문서용 배치, 동영상용 시간 정보가 있는 설명 등이 될 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Extract fields from a receipt transcription\n\nExtract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field.A field record with line-item details, preserved date text, source phrases and an explicit unknown currency.Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total.qwen/qwen2.5-vl-72b-instructQwen2.5-VL-72B-Instruct는 이미지, 문서, 차트, 동영상을 위한 Qwen의 비전 언어 모델입니다. 텍스트, 구조화된 추출 데이터, 시각 좌표를 반환하며, 긴 동영상에서 사건을 찾거나 컴퓨터·모바일 화면에 대해 추론할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-VL-72B-Instruct는 텍스트와 함께 시각 자료를 이해하도록 설계된 Qwen2.5-VL의 지시 튜닝 72B 에디션입니다. Qwen은 객체, 제품, 랜드마크의 인식과 이미지 안의 텍스트, 차트, 아이콘, 그래픽, 배치 해석을 설명합니다. 입력은 글로 작성한 질문과 하나 이상의 이미지 또는 동영상을 결합합니다. 출력은 구조화된 설명과 추출 정보를 포함한 텍스트입니다. 제작사는 Qwen2-VL과 비교해 시간과 이미지 크기 인식의 개선, 윈도 어텐션을 사용하는 수정된 동적 해상도 비전 인코더를 강조합니다.
시각적 위치 지정은 그림을 설명하는 것과 별개의 기능입니다. 모델은 라벨과 속성을 포함한 바운딩 박스나 점을 JSON으로 반환할 수 있습니다. Qwen2.5-VL은 정규화된 좌표 방식 대신 이미지의 실제 크기 스케일에 맞는 좌표를 사용합니다. 찾을 객체를 지정하고 좌표 해석과 함께 bbox_2d와 label 같은 필요한 필드를 제공하세요. 분석 전에 이미지를 리사이즈했다면 반환된 좌표와 함께 해당 크기 정보를 유지하여 같은 이미지에 맞춰 해석할 수 있도록 하세요. Qwen의 예시는 탐지와 개수 세기, 객체 설명을 결합합니다.
제작사는 여러 언어, 방향, 장면 유형에서의 텍스트 인식을 강조합니다. 예시는 텍스트 줄을 추출하고 텍스트를 위치와 연결하며 영수증이나 양식에서 지정된 필드를 가져옵니다. 문서 요청에는 선명한 스캔을 제공하고, 필드를 정하며, 없거나 읽을 수 없는 정보를 어떻게 표현할지 밝히세요. 예시 결과는 문서 식별자, 날짜, 항목들을 포함한 구조화된 레코드가 될 수 있으며, 불확실성은 실제로 보이는 내용과 구분합니다. 제공된 이미지가 추출의 증거를 제공합니다.
Qwen 발표는 배치 정보를 포함한 문서 파싱을 위해 QwenVL HTML을 소개합니다. 잡지, 연구 논문, 웹페이지, 모바일 스크린샷을 예시로 보여 주며, 제목·문단·이미지·수식과 바운딩 박스 정보를 결합합니다. 단어뿐 아니라 읽기 순서와 페이지 구조가 중요할 때 유용합니다. 읽기를 위한 일반 텍스트, 선택한 필드를 위한 JSON, 제작사의 배치 중심 HTML 형식 중 원하는 표현을 명확히 요청하세요. 스캔한 보고서를 제목과 문단으로 정리한 뒤, 추가 지시로 특정 섹션의 요약을 요청할 수 있습니다.
동영상에서는 Qwen이 한 시간을 넘는 자료의 이해, 사건 검색, 초 단위의 시간 위치 지정을 문서화합니다. 동적 프레임률 학습과 절대 시간 인코딩은 사건의 속도와 위치를 표현하는 데 도움이 됩니다. 공식 예시는 설명한 동작이 일어나는 구간을 찾고 시작 시간, 종료 시간, 설명을 포함한 사건 목록을 반환합니다. 찾을 사건을 지정하고 초 단위나 타임스탬프 형식을 정하세요. 실용적인 요청은 긴 시연에서 관련 구간을 찾고 각 구간에서 일어나는 일을 간결하게 설명하도록 할 수 있습니다.
모델은 컴퓨터와 모바일 사용을 위한 시각 에이전트로도 소개됩니다. 화면을 바탕으로 추론하고 작업을 위해 도구를 지시할 수 있습니다. 시각적 위치 지정과 화면 이해는 관련 조작 요소나 다음에 의도한 상호작용을 식별할 수 있습니다. 애플리케이션이 화면, 사용 가능한 동작, 목표를 제공하고 요청된 동작을 실행한 뒤 새 상태를 반환합니다. 예를 들어 요청에서 지정한 화면에 도달하는 데 필요한 조작 요소와 이를 가리키는 점이나 박스를 요구할 수 있습니다. 모델의 텍스트 동작 설명과 애플리케이션이 실행한 상호작용은 별도의 단계입니다.
Qwen의 프로세서는 이미지 픽셀 수를 제어할 수 있게 합니다. 문서에 명시된 기본 범위는 이미지당 시각 토큰 4부터 16,384까지이며, 256부터 1,280토큰까지는 예시 설정이지 보편적인 이미지 제한이 아닙니다. 리사이즈는 종횡비를 유지할 수 있고, 명시한 크기는 28의 배수로 반올림됩니다. 더 높은 해상도는 더 많은 계산을 사용하며 작은 텍스트나 복잡한 도식 디테일을 보존할 수 있습니다. 중요한 라벨을 읽을 수 있게 하고 관련 페이지나 영역을 선명하게 유지하면서 질문에 맞게 준비하세요. 동영상 예시는 프레임 시퀀스나 프레임률 정보가 있는 동영상을 사용하며, 답변에 타임스탬프가 필요할 때 이 정보가 중요합니다.
카드의 현재 설정은 컨텍스트 32,768토큰입니다. YaRN 확장을 설명하지만 시간·공간 위치 지정에 큰 영향을 줄 수 있다고 주의하며, 해당 작업에는 권장하지 않습니다. 긴 동영상을 위한 위치 설정 확대는 별도로 다룹니다. 시간 단위 분량의 이해는 문서화된 기능이며, 보편적인 업로드 길이나 출력 길이 제한이 아닙니다. 후속 처리에 필요한 정보를 유지하는 결과를 선택하세요. 레코드용 필드, 위치 지정용 좌표, 문서용 배치, 동영상용 시간 정보가 있는 설명 등이 될 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen2.5-vl-72b-instruct | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.002 / 1K 토큰 입력 · 캐시 읽기 $0.0008 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.002 / 1K 토큰 입력 · 캐시 읽기 $0.0008 / 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": "qwen/qwen2.5-vl-72b-instruct", "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='qwen/qwen2.5-vl-72b-instruct',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='qwen/qwen2.5-vl-72b-instruct',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 qwen/qwen2.5-vl-72b-instruct
위에 표시된 메서드 경로를 사용하세요.
qwen/qwen2.5-vl-72b-instructQwen2.5-VL-72B-Instruct는 이미지, 문서, 차트, 동영상을 위한 Qwen의 비전 언어 모델입니다. 텍스트, 구조화된 추출 데이터, 시각 좌표를 반환하며, 긴 동영상에서 사건을 찾거나 컴퓨터·모바일 화면에 대해 추론할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-VL-72B-Instruct는 텍스트와 함께 시각 자료를 이해하도록 설계된 Qwen2.5-VL의 지시 튜닝 72B 에디션입니다. Qwen은 객체, 제품, 랜드마크의 인식과 이미지 안의 텍스트, 차트, 아이콘, 그래픽, 배치 해석을 설명합니다. 입력은 글로 작성한 질문과 하나 이상의 이미지 또는 동영상을 결합합니다. 출력은 구조화된 설명과 추출 정보를 포함한 텍스트입니다. 제작사는 Qwen2-VL과 비교해 시간과 이미지 크기 인식의 개선, 윈도 어텐션을 사용하는 수정된 동적 해상도 비전 인코더를 강조합니다.
시각적 위치 지정은 그림을 설명하는 것과 별개의 기능입니다. 모델은 라벨과 속성을 포함한 바운딩 박스나 점을 JSON으로 반환할 수 있습니다. Qwen2.5-VL은 정규화된 좌표 방식 대신 이미지의 실제 크기 스케일에 맞는 좌표를 사용합니다. 찾을 객체를 지정하고 좌표 해석과 함께 bbox_2d와 label 같은 필요한 필드를 제공하세요. 분석 전에 이미지를 리사이즈했다면 반환된 좌표와 함께 해당 크기 정보를 유지하여 같은 이미지에 맞춰 해석할 수 있도록 하세요. Qwen의 예시는 탐지와 개수 세기, 객체 설명을 결합합니다.
제작사는 여러 언어, 방향, 장면 유형에서의 텍스트 인식을 강조합니다. 예시는 텍스트 줄을 추출하고 텍스트를 위치와 연결하며 영수증이나 양식에서 지정된 필드를 가져옵니다. 문서 요청에는 선명한 스캔을 제공하고, 필드를 정하며, 없거나 읽을 수 없는 정보를 어떻게 표현할지 밝히세요. 예시 결과는 문서 식별자, 날짜, 항목들을 포함한 구조화된 레코드가 될 수 있으며, 불확실성은 실제로 보이는 내용과 구분합니다. 제공된 이미지가 추출의 증거를 제공합니다.
Qwen 발표는 배치 정보를 포함한 문서 파싱을 위해 QwenVL HTML을 소개합니다. 잡지, 연구 논문, 웹페이지, 모바일 스크린샷을 예시로 보여 주며, 제목·문단·이미지·수식과 바운딩 박스 정보를 결합합니다. 단어뿐 아니라 읽기 순서와 페이지 구조가 중요할 때 유용합니다. 읽기를 위한 일반 텍스트, 선택한 필드를 위한 JSON, 제작사의 배치 중심 HTML 형식 중 원하는 표현을 명확히 요청하세요. 스캔한 보고서를 제목과 문단으로 정리한 뒤, 추가 지시로 특정 섹션의 요약을 요청할 수 있습니다.
동영상에서는 Qwen이 한 시간을 넘는 자료의 이해, 사건 검색, 초 단위의 시간 위치 지정을 문서화합니다. 동적 프레임률 학습과 절대 시간 인코딩은 사건의 속도와 위치를 표현하는 데 도움이 됩니다. 공식 예시는 설명한 동작이 일어나는 구간을 찾고 시작 시간, 종료 시간, 설명을 포함한 사건 목록을 반환합니다. 찾을 사건을 지정하고 초 단위나 타임스탬프 형식을 정하세요. 실용적인 요청은 긴 시연에서 관련 구간을 찾고 각 구간에서 일어나는 일을 간결하게 설명하도록 할 수 있습니다.
모델은 컴퓨터와 모바일 사용을 위한 시각 에이전트로도 소개됩니다. 화면을 바탕으로 추론하고 작업을 위해 도구를 지시할 수 있습니다. 시각적 위치 지정과 화면 이해는 관련 조작 요소나 다음에 의도한 상호작용을 식별할 수 있습니다. 애플리케이션이 화면, 사용 가능한 동작, 목표를 제공하고 요청된 동작을 실행한 뒤 새 상태를 반환합니다. 예를 들어 요청에서 지정한 화면에 도달하는 데 필요한 조작 요소와 이를 가리키는 점이나 박스를 요구할 수 있습니다. 모델의 텍스트 동작 설명과 애플리케이션이 실행한 상호작용은 별도의 단계입니다.
Qwen의 프로세서는 이미지 픽셀 수를 제어할 수 있게 합니다. 문서에 명시된 기본 범위는 이미지당 시각 토큰 4부터 16,384까지이며, 256부터 1,280토큰까지는 예시 설정이지 보편적인 이미지 제한이 아닙니다. 리사이즈는 종횡비를 유지할 수 있고, 명시한 크기는 28의 배수로 반올림됩니다. 더 높은 해상도는 더 많은 계산을 사용하며 작은 텍스트나 복잡한 도식 디테일을 보존할 수 있습니다. 중요한 라벨을 읽을 수 있게 하고 관련 페이지나 영역을 선명하게 유지하면서 질문에 맞게 준비하세요. 동영상 예시는 프레임 시퀀스나 프레임률 정보가 있는 동영상을 사용하며, 답변에 타임스탬프가 필요할 때 이 정보가 중요합니다.
카드의 현재 설정은 컨텍스트 32,768토큰입니다. YaRN 확장을 설명하지만 시간·공간 위치 지정에 큰 영향을 줄 수 있다고 주의하며, 해당 작업에는 권장하지 않습니다. 긴 동영상을 위한 위치 설정 확대는 별도로 다룹니다. 시간 단위 분량의 이해는 문서화된 기능이며, 보편적인 업로드 길이나 출력 길이 제한이 아닙니다. 후속 처리에 필요한 정보를 유지하는 결과를 선택하세요. 레코드용 필드, 위치 지정용 좌표, 문서용 배치, 동영상용 시간 정보가 있는 설명 등이 될 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen/qwen2.5-vl-72b-instruct | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.002 / 1K 토큰 입력 · 캐시 읽기 $0.0008 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0016 / 1K 토큰 출력 · 출력 토큰 $0.002 / 1K 토큰 입력 · 캐시 읽기 $0.0008 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen/qwen2.5-vl-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen/qwen2.5-vl-72b-instruct', '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': 'qwen/qwen2.5-vl-72b-instruct', '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 qwen/qwen2.5-vl-72b-instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Extract fields from a receipt transcription\n\nExtract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field.A field record with line-item details, preserved date text, source phrases and an explicit unknown currency.Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total.