소개: 지시 튜닝된 3B 에디션
Qwen2.5-VL-3B-Instruct는 Qwen2.5-VL의 3B 모델입니다. 이미지 또는 동영상과 함께 텍스트 지시를 받아 구조화 데이터를 포함한 텍스트 응답을 생성합니다. 명확히 정의된 시각 질문, 문서 추출 작업, 보이는 내용과 사용자 요청을 연결하는 설명에 선택하세요. 이 정확한 크기와 릴리스는 고유한 식별자를 유지합니다. 다른 크기나 이후 Qwen 세대에만 추가된 기능이 이 체크포인트에도 적용된다고 가정하면 안 됩니다.
시각 이해와 에이전트 워크플로
Qwen은 일반 객체 인식과 글자, 차트, 아이콘, 그래픽, 페이지 레이아웃 분석을 설명합니다. 양식에서는 필요한 필드와 빈 값의 의미를 지정하세요. 차트에서는 결론을 뒷받침하는 축, 단위, 보이는 값을 요청하세요. 범위가 명확한 요청은 모든 것을 설명하라는 폭넓은 요청보다 출력을 원본 이미지와 비교하기 쉽게 합니다.
이 제품군은 컴퓨터나 휴대전화 워크플로에서 시각 에이전트 추론과 도구 지시도 지원합니다. 모델은 인터페이스를 해석하고 작업 결정에 도움을 줄 수 있으며, 연결된 애플리케이션 도구가 그 작업을 수행합니다. 스크린샷 검토에서는 어떤 컨트롤이 작업에 해당하고 어떤 보이는 정보가 그 선택을 뒷받침하는지 물어볼 수 있습니다. 이러한 시각 추론 활용 자체가 기기 제어 권한을 부여하지는 않습니다.
긴 동영상과 이벤트 위치 파악
제작사는 1시간이 넘는 동영상을 이해하고 요청 이벤트에 관련된 구간을 식별하는 기능을 설명합니다. 이는 제품군의 기능이며 무조건적인 미디어 업로드 한도나 모든 프레임 유지에 대한 보장이 아닙니다. 관련 클립을 준비하고 시간 정보를 보존하며 이벤트, 순서, 변화에 대한 정확한 질문을 하세요. 모델의 동영상 처리 방식은 프레임률 정보로 시각 관찰을 절대 시간과 정렬합니다.
위치 파악과 구조화 문서
Qwen2.5-VL은 객체 위치를 바운딩 박스나 점으로 반환하고 좌표와 속성을 JSON으로 표현할 수 있습니다. 위치 파악 작업에서는 대상 객체를 명시하고 결과가 점인지 상자인지 지정하세요. 임의의 사진에서 물리적 치수를 추론하는 대신 결과를 사용하는 애플리케이션에서 좌표 규칙을 명확히 유지하세요.
제작사는 스캔한 청구서, 양식, 표의 구조화 추출도 문서화합니다. 읽기 쉬운 페이지와 출력 스키마를 제공하세요. 예를 들면 필드명, 추출 텍스트, 이를 뒷받침하는 보이는 영역입니다. 원본의 단위, 소수 구분자, 표 머리글을 보존하세요. 빠진 값을 만들어 내도록 요구하지 말고 불확실하거나 읽을 수 없는 내용은 검토 대상으로 처리하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출을 보장하지 않습니다.
아키텍처 변경
동적 이미지 해상도는 가변 프레임률 학습을 통해 동영상으로 확장됩니다. 갱신된 멀티모달 위치 인코딩은 시간적 순서와 절대 시간을 표현해 특정 순간과 속도 변화를 식별하는 데 도움을 줍니다. 비전 인코더는 윈도 어텐션과 함께 SwiGLU, RMSNorm을 사용합니다. 이 변경 사항은 모델이 시각 자료를 처리하는 방법을 설명하며 특정 애플리케이션의 고정 지연 시간을 확립하지는 않습니다.
이미지와 동영상 준비하기
공식 예시는 단일 이미지, 다중 이미지, 텍스트 전용 대화, 동영상 파일, 순서가 있는 프레임 목록을 다룹니다. 질문에서 각각을 참조할 수 있도록 여러 시각 입력에 레이블을 붙이세요. 이미지 비교에서는 레이블별 표를 요청하고 결과를 눈에 보이는 차이로 한정하세요. 동영상 타임라인에서는 연결되지 않은 사진에 알려진 재생 시간이 있는 것처럼 제시하지 말고 프레임 순서와 시간을 보존하세요.
이미지 프로세서에 문서화된 기본 범위는 이미지당 4에서 16,384 시각 토큰입니다. 예시에서는 픽셀 경계를 설정해 256–1,280토큰을 목표로 할 수 있습니다. 그 범위 안에서 종횡비를 유지하며, 명시적인 크기 조정 치수는 28의 배수에 맞춥니다. 세부 정보가 많을수록 더 많은 연산과 시퀀스 공간을 소비하므로 작은 텍스트 필드에는 더 높은 해상도의 잘라낸 이미지가 필요할 수 있고, 넓은 장면 요약에는 그렇지 않을 수 있습니다. 이는 제작사의 처리 제어이며 애플리케이션의 업로드 옵션은 다를 수 있습니다.
컨텍스트와 실질적인 한계
공개된 체크포인트 구성은 최대 위치 수를 128,000으로 설정하지만, 함께 제공된 장문 텍스트 절은 여전히 32,768토큰의 시작 구성을 논의합니다. 가이드는 YaRN 외삽을 설명하면서 시간 및 공간 위치 파악에 큰 영향을 줄 수 있다고 경고하며, 해당 작업에는 이 방법을 권장하지 않습니다. 별도로 동영상 위치 인코딩이 더 큰 위치 설정을 허용할 수 있다고 설명하고 64K를 예시로 듭니다. 이러한 서로 다른 구성 설명을 보편적으로 검증된 하나의 입력 상한으로 합치면 안 됩니다.
텍스트, 시각 자료, 답변은 유한한 시퀀스 예산을 공유합니다. 관련 내용의 가독성을 유지하고 결과 공간을 확보하며 추출 텍스트, 좌표, 이벤트 시각을 원본과 대조하세요. 카드의 128토큰 생성 예시는 설명용이며 별도의 엄격한 출력 최대값을 확립하지 않습니다. 이 모델은 텍스트 분석이나 구조화 정보를 반환합니다. 비전 언어 기능을 갖췄다는 사실이 이미지나 동영상을 생성한다는 뜻은 아닙니다.
", "aboutText": "소개: 지시 튜닝된 3B 에디션\n\nQwen2.5-VL-3B-Instruct는 Qwen2.5-VL의 3B 모델입니다. 이미지 또는 동영상과 함께 텍스트 지시를 받아 구조화 데이터를 포함한 텍스트 응답을 생성합니다. 명확히 정의된 시각 질문, 문서 추출 작업, 보이는 내용과 사용자 요청을 연결하는 설명에 선택하세요. 이 정확한 크기와 릴리스는 고유한 식별자를 유지합니다. 다른 크기나 이후 Qwen 세대에만 추가된 기능이 이 체크포인트에도 적용된다고 가정하면 안 됩니다.\n\n시각 이해와 에이전트 워크플로\n\nQwen은 일반 객체 인식과 글자, 차트, 아이콘, 그래픽, 페이지 레이아웃 분석을 설명합니다. 양식에서는 필요한 필드와 빈 값의 의미를 지정하세요. 차트에서는 결론을 뒷받침하는 축, 단위, 보이는 값을 요청하세요. 범위가 명확한 요청은 모든 것을 설명하라는 폭넓은 요청보다 출력을 원본 이미지와 비교하기 쉽게 합니다.\n\n이 제품군은 컴퓨터나 휴대전화 워크플로에서 시각 에이전트 추론과 도구 지시도 지원합니다. 모델은 인터페이스를 해석하고 작업 결정에 도움을 줄 수 있으며, 연결된 애플리케이션 도구가 그 작업을 수행합니다. 스크린샷 검토에서는 어떤 컨트롤이 작업에 해당하고 어떤 보이는 정보가 그 선택을 뒷받침하는지 물어볼 수 있습니다. 이러한 시각 추론 활용 자체가 기기 제어 권한을 부여하지는 않습니다.\n\n긴 동영상과 이벤트 위치 파악\n\n제작사는 1시간이 넘는 동영상을 이해하고 요청 이벤트에 관련된 구간을 식별하는 기능을 설명합니다. 이는 제품군의 기능이며 무조건적인 미디어 업로드 한도나 모든 프레임 유지에 대한 보장이 아닙니다. 관련 클립을 준비하고 시간 정보를 보존하며 이벤트, 순서, 변화에 대한 정확한 질문을 하세요. 모델의 동영상 처리 방식은 프레임률 정보로 시각 관찰을 절대 시간과 정렬합니다.\n\n위치 파악과 구조화 문서\n\nQwen2.5-VL은 객체 위치를 바운딩 박스나 점으로 반환하고 좌표와 속성을 JSON으로 표현할 수 있습니다. 위치 파악 작업에서는 대상 객체를 명시하고 결과가 점인지 상자인지 지정하세요. 임의의 사진에서 물리적 치수를 추론하는 대신 결과를 사용하는 애플리케이션에서 좌표 규칙을 명확히 유지하세요.\n\n제작사는 스캔한 청구서, 양식, 표의 구조화 추출도 문서화합니다. 읽기 쉬운 페이지와 출력 스키마를 제공하세요. 예를 들면 필드명, 추출 텍스트, 이를 뒷받침하는 보이는 영역입니다. 원본의 단위, 소수 구분자, 표 머리글을 보존하세요. 빠진 값을 만들어 내도록 요구하지 말고 불확실하거나 읽을 수 없는 내용은 검토 대상으로 처리하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출을 보장하지 않습니다.\n\n아키텍처 변경\n\n동적 이미지 해상도는 가변 프레임률 학습을 통해 동영상으로 확장됩니다. 갱신된 멀티모달 위치 인코딩은 시간적 순서와 절대 시간을 표현해 특정 순간과 속도 변화를 식별하는 데 도움을 줍니다. 비전 인코더는 윈도 어텐션과 함께 SwiGLU, RMSNorm을 사용합니다. 이 변경 사항은 모델이 시각 자료를 처리하는 방법을 설명하며 특정 애플리케이션의 고정 지연 시간을 확립하지는 않습니다.\n\n이미지와 동영상 준비하기\n\n공식 예시는 단일 이미지, 다중 이미지, 텍스트 전용 대화, 동영상 파일, 순서가 있는 프레임 목록을 다룹니다. 질문에서 각각을 참조할 수 있도록 여러 시각 입력에 레이블을 붙이세요. 이미지 비교에서는 레이블별 표를 요청하고 결과를 눈에 보이는 차이로 한정하세요. 동영상 타임라인에서는 연결되지 않은 사진에 알려진 재생 시간이 있는 것처럼 제시하지 말고 프레임 순서와 시간을 보존하세요.\n\n이미지 프로세서에 문서화된 기본 범위는 이미지당 4에서 16,384 시각 토큰입니다. 예시에서는 픽셀 경계를 설정해 256–1,280토큰을 목표로 할 수 있습니다. 그 범위 안에서 종횡비를 유지하며, 명시적인 크기 조정 치수는 28의 배수에 맞춥니다. 세부 정보가 많을수록 더 많은 연산과 시퀀스 공간을 소비하므로 작은 텍스트 필드에는 더 높은 해상도의 잘라낸 이미지가 필요할 수 있고, 넓은 장면 요약에는 그렇지 않을 수 있습니다. 이는 제작사의 처리 제어이며 애플리케이션의 업로드 옵션은 다를 수 있습니다.\n\n컨텍스트와 실질적인 한계\n\n공개된 체크포인트 구성은 최대 위치 수를 128,000으로 설정하지만, 함께 제공된 장문 텍스트 절은 여전히 32,768토큰의 시작 구성을 논의합니다. 가이드는 YaRN 외삽을 설명하면서 시간 및 공간 위치 파악에 큰 영향을 줄 수 있다고 경고하며, 해당 작업에는 이 방법을 권장하지 않습니다. 별도로 동영상 위치 인코딩이 더 큰 위치 설정을 허용할 수 있다고 설명하고 64K를 예시로 듭니다. 이러한 서로 다른 구성 설명을 보편적으로 검증된 하나의 입력 상한으로 합치면 안 됩니다.\n\n텍스트, 시각 자료, 답변은 유한한 시퀀스 예산을 공유합니다. 관련 내용의 가독성을 유지하고 결과 공간을 확보하며 추출 텍스트, 좌표, 이벤트 시각을 원본과 대조하세요. 카드의 128토큰 생성 예시는 설명용이며 별도의 엄격한 출력 최대값을 확립하지 않습니다. 이 모델은 텍스트 분석이나 구조화 정보를 반환합니다. 비전 언어 기능을 갖췄다는 사실이 이미지나 동영상을 생성한다는 뜻은 아닙니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct는 텍스트, 이미지, 동영상을 위한 Qwen의 소형 지시 튜닝 비전 언어 모델입니다. 동적 해상도와 시간을 인식하는 동영상 처리를 사용해 문서 필드, 객체 좌표, 이벤트 설명을 포함한 텍스트 및 구조화된 시각 정보를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
소개: 지시 튜닝된 3B 에디션
Qwen2.5-VL-3B-Instruct는 Qwen2.5-VL의 3B 모델입니다. 이미지 또는 동영상과 함께 텍스트 지시를 받아 구조화 데이터를 포함한 텍스트 응답을 생성합니다. 명확히 정의된 시각 질문, 문서 추출 작업, 보이는 내용과 사용자 요청을 연결하는 설명에 선택하세요. 이 정확한 크기와 릴리스는 고유한 식별자를 유지합니다. 다른 크기나 이후 Qwen 세대에만 추가된 기능이 이 체크포인트에도 적용된다고 가정하면 안 됩니다.
시각 이해와 에이전트 워크플로
Qwen은 일반 객체 인식과 글자, 차트, 아이콘, 그래픽, 페이지 레이아웃 분석을 설명합니다. 양식에서는 필요한 필드와 빈 값의 의미를 지정하세요. 차트에서는 결론을 뒷받침하는 축, 단위, 보이는 값을 요청하세요. 범위가 명확한 요청은 모든 것을 설명하라는 폭넓은 요청보다 출력을 원본 이미지와 비교하기 쉽게 합니다.
이 제품군은 컴퓨터나 휴대전화 워크플로에서 시각 에이전트 추론과 도구 지시도 지원합니다. 모델은 인터페이스를 해석하고 작업 결정에 도움을 줄 수 있으며, 연결된 애플리케이션 도구가 그 작업을 수행합니다. 스크린샷 검토에서는 어떤 컨트롤이 작업에 해당하고 어떤 보이는 정보가 그 선택을 뒷받침하는지 물어볼 수 있습니다. 이러한 시각 추론 활용 자체가 기기 제어 권한을 부여하지는 않습니다.
긴 동영상과 이벤트 위치 파악
제작사는 1시간이 넘는 동영상을 이해하고 요청 이벤트에 관련된 구간을 식별하는 기능을 설명합니다. 이는 제품군의 기능이며 무조건적인 미디어 업로드 한도나 모든 프레임 유지에 대한 보장이 아닙니다. 관련 클립을 준비하고 시간 정보를 보존하며 이벤트, 순서, 변화에 대한 정확한 질문을 하세요. 모델의 동영상 처리 방식은 프레임률 정보로 시각 관찰을 절대 시간과 정렬합니다.
위치 파악과 구조화 문서
Qwen2.5-VL은 객체 위치를 바운딩 박스나 점으로 반환하고 좌표와 속성을 JSON으로 표현할 수 있습니다. 위치 파악 작업에서는 대상 객체를 명시하고 결과가 점인지 상자인지 지정하세요. 임의의 사진에서 물리적 치수를 추론하는 대신 결과를 사용하는 애플리케이션에서 좌표 규칙을 명확히 유지하세요.
제작사는 스캔한 청구서, 양식, 표의 구조화 추출도 문서화합니다. 읽기 쉬운 페이지와 출력 스키마를 제공하세요. 예를 들면 필드명, 추출 텍스트, 이를 뒷받침하는 보이는 영역입니다. 원본의 단위, 소수 구분자, 표 머리글을 보존하세요. 빠진 값을 만들어 내도록 요구하지 말고 불확실하거나 읽을 수 없는 내용은 검토 대상으로 처리하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출을 보장하지 않습니다.
아키텍처 변경
동적 이미지 해상도는 가변 프레임률 학습을 통해 동영상으로 확장됩니다. 갱신된 멀티모달 위치 인코딩은 시간적 순서와 절대 시간을 표현해 특정 순간과 속도 변화를 식별하는 데 도움을 줍니다. 비전 인코더는 윈도 어텐션과 함께 SwiGLU, RMSNorm을 사용합니다. 이 변경 사항은 모델이 시각 자료를 처리하는 방법을 설명하며 특정 애플리케이션의 고정 지연 시간을 확립하지는 않습니다.
이미지와 동영상 준비하기
공식 예시는 단일 이미지, 다중 이미지, 텍스트 전용 대화, 동영상 파일, 순서가 있는 프레임 목록을 다룹니다. 질문에서 각각을 참조할 수 있도록 여러 시각 입력에 레이블을 붙이세요. 이미지 비교에서는 레이블별 표를 요청하고 결과를 눈에 보이는 차이로 한정하세요. 동영상 타임라인에서는 연결되지 않은 사진에 알려진 재생 시간이 있는 것처럼 제시하지 말고 프레임 순서와 시간을 보존하세요.
이미지 프로세서에 문서화된 기본 범위는 이미지당 4에서 16,384 시각 토큰입니다. 예시에서는 픽셀 경계를 설정해 256–1,280토큰을 목표로 할 수 있습니다. 그 범위 안에서 종횡비를 유지하며, 명시적인 크기 조정 치수는 28의 배수에 맞춥니다. 세부 정보가 많을수록 더 많은 연산과 시퀀스 공간을 소비하므로 작은 텍스트 필드에는 더 높은 해상도의 잘라낸 이미지가 필요할 수 있고, 넓은 장면 요약에는 그렇지 않을 수 있습니다. 이는 제작사의 처리 제어이며 애플리케이션의 업로드 옵션은 다를 수 있습니다.
컨텍스트와 실질적인 한계
공개된 체크포인트 구성은 최대 위치 수를 128,000으로 설정하지만, 함께 제공된 장문 텍스트 절은 여전히 32,768토큰의 시작 구성을 논의합니다. 가이드는 YaRN 외삽을 설명하면서 시간 및 공간 위치 파악에 큰 영향을 줄 수 있다고 경고하며, 해당 작업에는 이 방법을 권장하지 않습니다. 별도로 동영상 위치 인코딩이 더 큰 위치 설정을 허용할 수 있다고 설명하고 64K를 예시로 듭니다. 이러한 서로 다른 구성 설명을 보편적으로 검증된 하나의 입력 상한으로 합치면 안 됩니다.
텍스트, 시각 자료, 답변은 유한한 시퀀스 예산을 공유합니다. 관련 내용의 가독성을 유지하고 결과 공간을 확보하며 추출 텍스트, 좌표, 이벤트 시각을 원본과 대조하세요. 카드의 128토큰 생성 예시는 설명용이며 별도의 엄격한 출력 최대값을 확립하지 않습니다. 이 모델은 텍스트 분석이나 구조화 정보를 반환합니다. 비전 언어 기능을 갖췄다는 사실이 이미지나 동영상을 생성한다는 뜻은 아닙니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen2.5-vl-3b-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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 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": "qwen2.5-vl-3b-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='qwen2.5-vl-3b-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='qwen2.5-vl-3b-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 qwen2.5-vl-3b-instruct
위에 표시된 메서드 경로를 사용하세요.
qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct는 텍스트, 이미지, 동영상을 위한 Qwen의 소형 지시 튜닝 비전 언어 모델입니다. 동적 해상도와 시간을 인식하는 동영상 처리를 사용해 문서 필드, 객체 좌표, 이벤트 설명을 포함한 텍스트 및 구조화된 시각 정보를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
소개: 지시 튜닝된 3B 에디션
Qwen2.5-VL-3B-Instruct는 Qwen2.5-VL의 3B 모델입니다. 이미지 또는 동영상과 함께 텍스트 지시를 받아 구조화 데이터를 포함한 텍스트 응답을 생성합니다. 명확히 정의된 시각 질문, 문서 추출 작업, 보이는 내용과 사용자 요청을 연결하는 설명에 선택하세요. 이 정확한 크기와 릴리스는 고유한 식별자를 유지합니다. 다른 크기나 이후 Qwen 세대에만 추가된 기능이 이 체크포인트에도 적용된다고 가정하면 안 됩니다.
시각 이해와 에이전트 워크플로
Qwen은 일반 객체 인식과 글자, 차트, 아이콘, 그래픽, 페이지 레이아웃 분석을 설명합니다. 양식에서는 필요한 필드와 빈 값의 의미를 지정하세요. 차트에서는 결론을 뒷받침하는 축, 단위, 보이는 값을 요청하세요. 범위가 명확한 요청은 모든 것을 설명하라는 폭넓은 요청보다 출력을 원본 이미지와 비교하기 쉽게 합니다.
이 제품군은 컴퓨터나 휴대전화 워크플로에서 시각 에이전트 추론과 도구 지시도 지원합니다. 모델은 인터페이스를 해석하고 작업 결정에 도움을 줄 수 있으며, 연결된 애플리케이션 도구가 그 작업을 수행합니다. 스크린샷 검토에서는 어떤 컨트롤이 작업에 해당하고 어떤 보이는 정보가 그 선택을 뒷받침하는지 물어볼 수 있습니다. 이러한 시각 추론 활용 자체가 기기 제어 권한을 부여하지는 않습니다.
긴 동영상과 이벤트 위치 파악
제작사는 1시간이 넘는 동영상을 이해하고 요청 이벤트에 관련된 구간을 식별하는 기능을 설명합니다. 이는 제품군의 기능이며 무조건적인 미디어 업로드 한도나 모든 프레임 유지에 대한 보장이 아닙니다. 관련 클립을 준비하고 시간 정보를 보존하며 이벤트, 순서, 변화에 대한 정확한 질문을 하세요. 모델의 동영상 처리 방식은 프레임률 정보로 시각 관찰을 절대 시간과 정렬합니다.
위치 파악과 구조화 문서
Qwen2.5-VL은 객체 위치를 바운딩 박스나 점으로 반환하고 좌표와 속성을 JSON으로 표현할 수 있습니다. 위치 파악 작업에서는 대상 객체를 명시하고 결과가 점인지 상자인지 지정하세요. 임의의 사진에서 물리적 치수를 추론하는 대신 결과를 사용하는 애플리케이션에서 좌표 규칙을 명확히 유지하세요.
제작사는 스캔한 청구서, 양식, 표의 구조화 추출도 문서화합니다. 읽기 쉬운 페이지와 출력 스키마를 제공하세요. 예를 들면 필드명, 추출 텍스트, 이를 뒷받침하는 보이는 영역입니다. 원본의 단위, 소수 구분자, 표 머리글을 보존하세요. 빠진 값을 만들어 내도록 요구하지 말고 불확실하거나 읽을 수 없는 내용은 검토 대상으로 처리하세요. 이 준비 예시는 문서화된 기능을 활용하는 방법이며 정확한 추출을 보장하지 않습니다.
아키텍처 변경
동적 이미지 해상도는 가변 프레임률 학습을 통해 동영상으로 확장됩니다. 갱신된 멀티모달 위치 인코딩은 시간적 순서와 절대 시간을 표현해 특정 순간과 속도 변화를 식별하는 데 도움을 줍니다. 비전 인코더는 윈도 어텐션과 함께 SwiGLU, RMSNorm을 사용합니다. 이 변경 사항은 모델이 시각 자료를 처리하는 방법을 설명하며 특정 애플리케이션의 고정 지연 시간을 확립하지는 않습니다.
이미지와 동영상 준비하기
공식 예시는 단일 이미지, 다중 이미지, 텍스트 전용 대화, 동영상 파일, 순서가 있는 프레임 목록을 다룹니다. 질문에서 각각을 참조할 수 있도록 여러 시각 입력에 레이블을 붙이세요. 이미지 비교에서는 레이블별 표를 요청하고 결과를 눈에 보이는 차이로 한정하세요. 동영상 타임라인에서는 연결되지 않은 사진에 알려진 재생 시간이 있는 것처럼 제시하지 말고 프레임 순서와 시간을 보존하세요.
이미지 프로세서에 문서화된 기본 범위는 이미지당 4에서 16,384 시각 토큰입니다. 예시에서는 픽셀 경계를 설정해 256–1,280토큰을 목표로 할 수 있습니다. 그 범위 안에서 종횡비를 유지하며, 명시적인 크기 조정 치수는 28의 배수에 맞춥니다. 세부 정보가 많을수록 더 많은 연산과 시퀀스 공간을 소비하므로 작은 텍스트 필드에는 더 높은 해상도의 잘라낸 이미지가 필요할 수 있고, 넓은 장면 요약에는 그렇지 않을 수 있습니다. 이는 제작사의 처리 제어이며 애플리케이션의 업로드 옵션은 다를 수 있습니다.
컨텍스트와 실질적인 한계
공개된 체크포인트 구성은 최대 위치 수를 128,000으로 설정하지만, 함께 제공된 장문 텍스트 절은 여전히 32,768토큰의 시작 구성을 논의합니다. 가이드는 YaRN 외삽을 설명하면서 시간 및 공간 위치 파악에 큰 영향을 줄 수 있다고 경고하며, 해당 작업에는 이 방법을 권장하지 않습니다. 별도로 동영상 위치 인코딩이 더 큰 위치 설정을 허용할 수 있다고 설명하고 64K를 예시로 듭니다. 이러한 서로 다른 구성 설명을 보편적으로 검증된 하나의 입력 상한으로 합치면 안 됩니다.
텍스트, 시각 자료, 답변은 유한한 시퀀스 예산을 공유합니다. 관련 내용의 가독성을 유지하고 결과 공간을 확보하며 추출 텍스트, 좌표, 이벤트 시각을 원본과 대조하세요. 카드의 128토큰 생성 예시는 설명용이며 별도의 엄격한 출력 최대값을 확립하지 않습니다. 이 모델은 텍스트 분석이나 구조화 정보를 반환합니다. 비전 언어 기능을 갖췄다는 사실이 이미지나 동영상을 생성한다는 뜻은 아닙니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen2.5-vl-3b-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.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen2.5-vl-3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-vl-3b-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': 'qwen2.5-vl-3b-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 qwen2.5-vl-3b-instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.