Doubao 1.5 Thinking Vision Pro 250428 – tai tikslus ByteDance nurodytas Seed1.5-VL prieglobos identifikatorius. Tai regos ir kalbos modelis, skirtas bendram daugiarūšiam supratimui ir samprotavimui. Gamintojo aprašytos galimybės apima OCR, schemų supratimą, teksto susiejimą su vaizdo objektais, 3D erdvinį supratimą, vaizdo įrašų supratimą ir vaizdinį samprotavimą. Šios užduotys grąžina interpretacijas ir sprendimus, pagrįstus vaizdine medžiaga ir rašytiniu klausimu.
Pateikite vaizdą ir nurodykite informaciją, kurią reikia ištraukti ar paaiškinti. Dokumento vaizdui įvardykite svarbų tekstą ar laukus. Schemai pateikite klausimus apie konkrečias žymas ir ryšius. Vaizdiniam galvosūkiui nurodykite klausimą ir paprašykite išvados, pagrįstos svarbiomis užuominomis.
Aiškiai įvardykite prašomą rezultatą: perrašytą tekstą, ryšio aprašymą ar atsakymo paaiškinimą. Jei vaizde yra neaiškių raidžių ar uždengtų detalių, paprašykite atsakyme pažymėti neapibrėžtumą. Kartu su rezultatu išsaugokite pradinį vaizdą, kad būtų galima patikrinti ištrauktus žodžius ir interpretuotus ryšius.
Vaizdinis susiejimas sujungia rašytinę nuorodą su atitinkamu objektu ar sritimi vaizde. Naudingoje užduotyje galima įvardyti objektą, paaiškinti, kuo jis skiriasi nuo gretimų objektų, ir paprašyti programos numatytos vietos informacijos. Programos išvesties formatas turi apibrėžti, kaip tokia vieta pateikiama.
Erdvinio supratimo užduotyje apibūdinkite svarbius ryšius: santykinę padėtį, orientaciją ar objektų išsidėstymą scenoje. Prieš galutinę interpretaciją paprašykite matomų įrodymų. Atskirkite stebimas vaizdo ypatybes nuo numanomo trimačio ryšio.
Gamintojas taip pat nurodo vaizdo įrašų supratimą ir pateikia jam skirtą pavyzdžių vadovą. Klausime apie vaizdo įrašą reikia įvardyti dominantį įvykį, objektą ar seką ir pageidaujamą rezultatą. Klausime naudokite laiko nuorodas ir tikrindami įvykių seką kartu su atsakymu išsaugokite pradinį įrašą.
Interaktyvios demonstracijos apima GUI valdymą ir žaidimus. Kompiuterio naudojimo programoje modelio vaizdinis supratimas padeda priimti sprendimą dėl ekrano, o supanti programa vykdo veiksmus ir pateikia kitą stebėjimą. Vien valdiklio aprašymas ar sprendimas dėl kito veiksmo nepatvirtina, kad failas išsaugotas ar ekrano operacija užbaigta.
ByteDance nurodo, kad modelis turi 532M parametrų regos koduotuvą ir ekspertų mišinio kalbos modelį su 20B aktyvių parametrų. Pavyzdžių vadove atskirai pateikiamos ilgos samprotavimo grandinės valdymo parinktys, vaizdinis susiejimas, erdvinis supratimas, vaizdo įrašai ir GUI pavyzdžiai. Užduočiai reikalingai įvesčiai ir išvesties pateikimui naudokite tikslų sąsajos kontraktą.
Šiame įraše išlaikytas gamintojo saugykloje nurodytas 250428 leidimas. Ankstesnis 250415 Thinking Pro Vision profilis turi atskirą identifikatorių. Su kiekvienu rezultatu saugokite prašytą modelį, vaizdinius šaltinius ir užduoties nustatymus, kad vėlesnį pakeitimą būtų galima palyginti su tuo pačiu leidimu ir duomenimis.
", "aboutText": "Doubao 1.5 Thinking Vision Pro 250428 – tai tikslus ByteDance nurodytas Seed1.5-VL prieglobos identifikatorius. Tai regos ir kalbos modelis, skirtas bendram daugiarūšiam supratimui ir samprotavimui. Gamintojo aprašytos galimybės apima OCR, schemų supratimą, teksto susiejimą su vaizdo objektais, 3D erdvinį supratimą, vaizdo įrašų supratimą ir vaizdinį samprotavimą. Šios užduotys grąžina interpretacijas ir sprendimus, pagrįstus vaizdine medžiaga ir rašytiniu klausimu.\n\n### Skaitykite ir interpretuokite vaizdinį šaltinį\n\nPateikite vaizdą ir nurodykite informaciją, kurią reikia ištraukti ar paaiškinti. Dokumento vaizdui įvardykite svarbų tekstą ar laukus. Schemai pateikite klausimus apie konkrečias žymas ir ryšius. Vaizdiniam galvosūkiui nurodykite klausimą ir paprašykite išvados, pagrįstos svarbiomis užuominomis.\n\nAiškiai įvardykite prašomą rezultatą: perrašytą tekstą, ryšio aprašymą ar atsakymo paaiškinimą. Jei vaizde yra neaiškių raidžių ar uždengtų detalių, paprašykite atsakyme pažymėti neapibrėžtumą. Kartu su rezultatu išsaugokite pradinį vaizdą, kad būtų galima patikrinti ištrauktus žodžius ir interpretuotus ryšius.\n\n### Susiekite klausimą su objektais ir erdve\n\nVaizdinis susiejimas sujungia rašytinę nuorodą su atitinkamu objektu ar sritimi vaizde. Naudingoje užduotyje galima įvardyti objektą, paaiškinti, kuo jis skiriasi nuo gretimų objektų, ir paprašyti programos numatytos vietos informacijos. Programos išvesties formatas turi apibrėžti, kaip tokia vieta pateikiama.\n\nErdvinio supratimo užduotyje apibūdinkite svarbius ryšius: santykinę padėtį, orientaciją ar objektų išsidėstymą scenoje. Prieš galutinę interpretaciją paprašykite matomų įrodymų. Atskirkite stebimas vaizdo ypatybes nuo numanomo trimačio ryšio.\n\n### Dirbkite su vaizdo įrašais ir interaktyviomis užduotimis\n\nGamintojas taip pat nurodo vaizdo įrašų supratimą ir pateikia jam skirtą pavyzdžių vadovą. Klausime apie vaizdo įrašą reikia įvardyti dominantį įvykį, objektą ar seką ir pageidaujamą rezultatą. Klausime naudokite laiko nuorodas ir tikrindami įvykių seką kartu su atsakymu išsaugokite pradinį įrašą.\n\nInteraktyvios demonstracijos apima GUI valdymą ir žaidimus. Kompiuterio naudojimo programoje modelio vaizdinis supratimas padeda priimti sprendimą dėl ekrano, o supanti programa vykdo veiksmus ir pateikia kitą stebėjimą. Vien valdiklio aprašymas ar sprendimas dėl kito veiksmo nepatvirtina, kad failas išsaugotas ar ekrano operacija užbaigta.\n\n### Išsaugokite leidimą ir sąsajos nustatymus\n\nByteDance nurodo, kad modelis turi 532M parametrų regos koduotuvą ir ekspertų mišinio kalbos modelį su 20B aktyvių parametrų. Pavyzdžių vadove atskirai pateikiamos ilgos samprotavimo grandinės valdymo parinktys, vaizdinis susiejimas, erdvinis supratimas, vaizdo įrašai ir GUI pavyzdžiai. Užduočiai reikalingai įvesčiai ir išvesties pateikimui naudokite tikslų sąsajos kontraktą.\n\nŠiame įraše išlaikytas gamintojo saugykloje nurodytas 250428 leidimas. Ankstesnis 250415 Thinking Pro Vision profilis turi atskirą identifikatorių. Su kiekvienu rezultatu saugokite prašytą modelį, vaizdinius šaltinius ir užduoties nustatymus, kad vėlesnį pakeitimą būtų galima palyginti su tuo pačiu leidimu ir duomenimis.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
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 – tai pavadintas Seed1.5-VL regos ir kalbos leidimas, skirtas vaizdams, vaizdo įrašams ir rašytiniams klausimams. Gamintojas aprašo OCR, schemų interpretavimą, teksto susiejimą su vaizdo objektais, erdvinį supratimą ir samprotavimą pagal vaizdinius duomenis.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Doubao 1.5 Thinking Vision Pro 250428 – tai tikslus ByteDance nurodytas Seed1.5-VL prieglobos identifikatorius. Tai regos ir kalbos modelis, skirtas bendram daugiarūšiam supratimui ir samprotavimui. Gamintojo aprašytos galimybės apima OCR, schemų supratimą, teksto susiejimą su vaizdo objektais, 3D erdvinį supratimą, vaizdo įrašų supratimą ir vaizdinį samprotavimą. Šios užduotys grąžina interpretacijas ir sprendimus, pagrįstus vaizdine medžiaga ir rašytiniu klausimu.
Pateikite vaizdą ir nurodykite informaciją, kurią reikia ištraukti ar paaiškinti. Dokumento vaizdui įvardykite svarbų tekstą ar laukus. Schemai pateikite klausimus apie konkrečias žymas ir ryšius. Vaizdiniam galvosūkiui nurodykite klausimą ir paprašykite išvados, pagrįstos svarbiomis užuominomis.
Aiškiai įvardykite prašomą rezultatą: perrašytą tekstą, ryšio aprašymą ar atsakymo paaiškinimą. Jei vaizde yra neaiškių raidžių ar uždengtų detalių, paprašykite atsakyme pažymėti neapibrėžtumą. Kartu su rezultatu išsaugokite pradinį vaizdą, kad būtų galima patikrinti ištrauktus žodžius ir interpretuotus ryšius.
Vaizdinis susiejimas sujungia rašytinę nuorodą su atitinkamu objektu ar sritimi vaizde. Naudingoje užduotyje galima įvardyti objektą, paaiškinti, kuo jis skiriasi nuo gretimų objektų, ir paprašyti programos numatytos vietos informacijos. Programos išvesties formatas turi apibrėžti, kaip tokia vieta pateikiama.
Erdvinio supratimo užduotyje apibūdinkite svarbius ryšius: santykinę padėtį, orientaciją ar objektų išsidėstymą scenoje. Prieš galutinę interpretaciją paprašykite matomų įrodymų. Atskirkite stebimas vaizdo ypatybes nuo numanomo trimačio ryšio.
Gamintojas taip pat nurodo vaizdo įrašų supratimą ir pateikia jam skirtą pavyzdžių vadovą. Klausime apie vaizdo įrašą reikia įvardyti dominantį įvykį, objektą ar seką ir pageidaujamą rezultatą. Klausime naudokite laiko nuorodas ir tikrindami įvykių seką kartu su atsakymu išsaugokite pradinį įrašą.
Interaktyvios demonstracijos apima GUI valdymą ir žaidimus. Kompiuterio naudojimo programoje modelio vaizdinis supratimas padeda priimti sprendimą dėl ekrano, o supanti programa vykdo veiksmus ir pateikia kitą stebėjimą. Vien valdiklio aprašymas ar sprendimas dėl kito veiksmo nepatvirtina, kad failas išsaugotas ar ekrano operacija užbaigta.
ByteDance nurodo, kad modelis turi 532M parametrų regos koduotuvą ir ekspertų mišinio kalbos modelį su 20B aktyvių parametrų. Pavyzdžių vadove atskirai pateikiamos ilgos samprotavimo grandinės valdymo parinktys, vaizdinis susiejimas, erdvinis supratimas, vaizdo įrašai ir GUI pavyzdžiai. Užduočiai reikalingai įvesčiai ir išvesties pateikimui naudokite tikslų sąsajos kontraktą.
Šiame įraše išlaikytas gamintojo saugykloje nurodytas 250428 leidimas. Ankstesnis 250415 Thinking Pro Vision profilis turi atskirą identifikatorių. Su kiekvienu rezultatu saugokite prašytą modelį, vaizdinius šaltinius ir užduoties nustatymus, kad vėlesnį pakeitimą būtų galima palyginti su tuo pačiu leidimu ir duomenimis.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos doubao-1-5-thinking-vision-pro-250428 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0011 / 1K tokenų Išvestis · Išvesties tokenai $0.00286 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Naudokite aukščiau nurodytus metodų kelius.
doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 – tai pavadintas Seed1.5-VL regos ir kalbos leidimas, skirtas vaizdams, vaizdo įrašams ir rašytiniams klausimams. Gamintojas aprašo OCR, schemų interpretavimą, teksto susiejimą su vaizdo objektais, erdvinį supratimą ir samprotavimą pagal vaizdinius duomenis.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Doubao 1.5 Thinking Vision Pro 250428 – tai tikslus ByteDance nurodytas Seed1.5-VL prieglobos identifikatorius. Tai regos ir kalbos modelis, skirtas bendram daugiarūšiam supratimui ir samprotavimui. Gamintojo aprašytos galimybės apima OCR, schemų supratimą, teksto susiejimą su vaizdo objektais, 3D erdvinį supratimą, vaizdo įrašų supratimą ir vaizdinį samprotavimą. Šios užduotys grąžina interpretacijas ir sprendimus, pagrįstus vaizdine medžiaga ir rašytiniu klausimu.
Pateikite vaizdą ir nurodykite informaciją, kurią reikia ištraukti ar paaiškinti. Dokumento vaizdui įvardykite svarbų tekstą ar laukus. Schemai pateikite klausimus apie konkrečias žymas ir ryšius. Vaizdiniam galvosūkiui nurodykite klausimą ir paprašykite išvados, pagrįstos svarbiomis užuominomis.
Aiškiai įvardykite prašomą rezultatą: perrašytą tekstą, ryšio aprašymą ar atsakymo paaiškinimą. Jei vaizde yra neaiškių raidžių ar uždengtų detalių, paprašykite atsakyme pažymėti neapibrėžtumą. Kartu su rezultatu išsaugokite pradinį vaizdą, kad būtų galima patikrinti ištrauktus žodžius ir interpretuotus ryšius.
Vaizdinis susiejimas sujungia rašytinę nuorodą su atitinkamu objektu ar sritimi vaizde. Naudingoje užduotyje galima įvardyti objektą, paaiškinti, kuo jis skiriasi nuo gretimų objektų, ir paprašyti programos numatytos vietos informacijos. Programos išvesties formatas turi apibrėžti, kaip tokia vieta pateikiama.
Erdvinio supratimo užduotyje apibūdinkite svarbius ryšius: santykinę padėtį, orientaciją ar objektų išsidėstymą scenoje. Prieš galutinę interpretaciją paprašykite matomų įrodymų. Atskirkite stebimas vaizdo ypatybes nuo numanomo trimačio ryšio.
Gamintojas taip pat nurodo vaizdo įrašų supratimą ir pateikia jam skirtą pavyzdžių vadovą. Klausime apie vaizdo įrašą reikia įvardyti dominantį įvykį, objektą ar seką ir pageidaujamą rezultatą. Klausime naudokite laiko nuorodas ir tikrindami įvykių seką kartu su atsakymu išsaugokite pradinį įrašą.
Interaktyvios demonstracijos apima GUI valdymą ir žaidimus. Kompiuterio naudojimo programoje modelio vaizdinis supratimas padeda priimti sprendimą dėl ekrano, o supanti programa vykdo veiksmus ir pateikia kitą stebėjimą. Vien valdiklio aprašymas ar sprendimas dėl kito veiksmo nepatvirtina, kad failas išsaugotas ar ekrano operacija užbaigta.
ByteDance nurodo, kad modelis turi 532M parametrų regos koduotuvą ir ekspertų mišinio kalbos modelį su 20B aktyvių parametrų. Pavyzdžių vadove atskirai pateikiamos ilgos samprotavimo grandinės valdymo parinktys, vaizdinis susiejimas, erdvinis supratimas, vaizdo įrašai ir GUI pavyzdžiai. Užduočiai reikalingai įvesčiai ir išvesties pateikimui naudokite tikslų sąsajos kontraktą.
Šiame įraše išlaikytas gamintojo saugykloje nurodytas 250428 leidimas. Ankstesnis 250415 Thinking Pro Vision profilis turi atskirą identifikatorių. Su kiekvienu rezultatu saugokite prašytą modelį, vaizdinius šaltinius ir užduoties nustatymus, kad vėlesnį pakeitimą būtų galima palyginti su tuo pačiu leidimu ir duomenimis.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos doubao-1-5-thinking-vision-pro-250428 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0011 / 1K tokenų Išvestis · Išvesties tokenai $0.00286 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "doubao-1-5-thinking-vision-pro-250428",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
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.