Qwen2.5-VL-72B-Instruct yra instrukcijoms pritaikyta Qwen2.5-VL 72B versija, skirta vaizdinei medžiagai suprasti kartu su tekstu. Qwen aprašo objektų, produktų ir žymių vietų atpažinimą bei teksto, diagramų, piktogramų, grafikos ir išdėstymo vaizduose interpretavimą. Įvestis sujungia rašytinį klausimą su vienu ar keliais vaizdais arba vaizdo įrašu; išvestis yra tekstas, įskaitant struktūrizuotus aprašus ir išskirtą informaciją. Palyginti su Qwen2-VL, kūrėjas pabrėžia geresnį laiko ir vaizdo mastelio suvokimą bei pakeistą dinaminės raiškos vaizdo kodavimo modulį, naudojantį dėmesį languose.
Vaizdinis objektų lokalizavimas yra atskira galimybė nuo paveikslo aprašymo. Modelis gali grąžinti aprėpiančius rėmelius arba taškus su žymomis ir atributais JSON formatu. Qwen2.5-VL naudoja koordinates pagal tikrą vaizdo dydžio mastelį, o ne normalizuotą koordinačių schemą. Įvardykite ieškotinus objektus ir pateikite reikiamus laukus, tokius kaip bbox_2d ir label, kartu su koordinačių interpretacija. Jei prieš analizę pakeičiamas vaizdo dydis, išlaikykite dydžio informaciją su grąžintomis koordinatėmis, kad jas būtų galima interpretuoti pagal tą patį vaizdą. Qwen pavyzdžiai derina aptikimą su skaičiavimu ir objektų aprašais.
Kūrėjas pabrėžia teksto atpažinimą įvairiomis kalbomis, kryptimis ir skirtingose scenose. Pavyzdžiai išskiria teksto eilutes, susieja tekstą su vietomis ir iš kvitų ar formų paima nurodytus laukus. Dokumento užduočiai pateikite aiškų skeną, apibrėžkite laukus ir nurodykite, kaip vaizduoti nepateiktą ar neįskaitomą informaciją. Pavyzdinis rezultatas gali būti struktūrizuotas įrašas su dokumento identifikatoriumi, data ir eilutėmis, neapibrėžtumą atskiriant nuo to, kas matomai pateikta. Pateiktas vaizdas yra šio išskyrimo įrodymas.
Qwen pranešime pristatomas QwenVL HTML dokumentams analizuoti su išdėstymo informacija. Demonstruojami žurnalai, moksliniai straipsniai, tinklalapiai ir mobiliųjų ekranų kopijos, sujungiant antraštes, pastraipas, vaizdus ir formules su aprėpiančių rėmelių informacija. Tai naudinga, kai skaitymo tvarka ir puslapio struktūra tokios pat svarbios kaip žodžiai. Aiškiai paprašykite reprezentacijos: paprasto teksto skaitymui, JSON pasirinktiems laukams ar kūrėjo į išdėstymą orientuoto HTML formato. Nuskenuotą ataskaitą galima suskirstyti į antraštes ir pastraipas prieš vėlesne instrukcija prašant konkrečios dalies santraukos.
Vaizdo įrašams Qwen dokumentuoja ilgesnės kaip viena valanda medžiagos supratimą, įvykių paiešką ir laikinį lokalizavimą sekundžių tikslumu. Mokymas su dinamišku kadrų dažniu ir absoliutaus laiko kodavimas padeda reprezentuoti įvykių tempą bei vietą. Oficialūs pavyzdžiai nustato segmentą, kuriame vyksta aprašytas veiksmas, ir grąžina įvykių seką su pradžios, pabaigos laikais ir aprašais. Įvardykite ieškotiną įvykį ir nurodykite sekundes ar laiko žymos formatą. Praktinė užduotis gali prašyti susijusių segmentų ilgoje demonstracijoje, o po jų – glausto aprašo, kas vyksta kiekviename.
Modelis taip pat pristatomas kaip vaizdinis agentas kompiuteriui ir mobiliajam įrenginiui: jis gali samprotauti pagal ekraną ir nukreipti įrankius į užduotį. Lokalizavimas ir ekrano supratimas gali nustatyti tinkamą valdiklį ar kitą numatytą sąveiką. Programa pateikia ekraną, prieinamus veiksmus ir tikslą, vykdo prašomą veiksmą ir grąžina naują būseną. Pavyzdžiui, užduotis gali prašyti valdiklio, reikalingo konkrečiam rodiniui pasiekti, su jį identifikuojančiu tašku ar rėmeliu. Modelio tekstinis veiksmo aprašas ir programos įvykdyta sąveika yra atskiri etapai.
Qwen procesorius leidžia valdyti vaizdo pikselių skaičių. Dokumentuotas numatytasis intervalas yra nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui; nuo 256 iki 1 280 žetonų yra pavyzdinis nustatymas, o ne universali vaizdo riba. Dydžio keitimas gali išlaikyti kraštinių santykį, o konkretūs matmenys apvalinami iki 28 kartotinio. Didesnė raiška naudoja daugiau skaičiavimo ir gali išsaugoti mažą tekstą ar tankios diagramos detales. Parengimą derinkite su klausimu, palikdami svarbias žymas įskaitomas ir susijusį puslapį ar sritį aiškią. Vaizdo įrašų pavyzdžiai naudoja kadrų sekas arba vaizdo įrašą su kadrų dažnio informacija, svarbia tuomet, kai atsakyme turi būti laiko žymos.
Dabartinė kortelės konfigūracija nustatyta į 32 768 konteksto žetonus. Joje aprašomas YaRN plėtinys, tačiau įspėjama, kad jis gali smarkiai paveikti laikinį ir erdvinį lokalizavimą, todėl šioms užduotims nerekomenduojamas. Atskirai aptariamas pozicijų nustatymo didinimas ilgam vaizdo įrašui. Valandų trukmės vaizdo įrašų supratimas yra dokumentuota galimybė, o ne universali įkėlimo trukmės ar išvesties ilgio riba. Rinkitės rezultatą, išsaugantį vėliau reikalingą informaciją: laukus įrašui, koordinates lokalizavimui, išdėstymą dokumentui arba aprašus su laikais vaizdo įrašui.
", "aboutText": "Qwen2.5-VL-72B-Instruct yra instrukcijoms pritaikyta Qwen2.5-VL 72B versija, skirta vaizdinei medžiagai suprasti kartu su tekstu. Qwen aprašo objektų, produktų ir žymių vietų atpažinimą bei teksto, diagramų, piktogramų, grafikos ir išdėstymo vaizduose interpretavimą. Įvestis sujungia rašytinį klausimą su vienu ar keliais vaizdais arba vaizdo įrašu; išvestis yra tekstas, įskaitant struktūrizuotus aprašus ir išskirtą informaciją. Palyginti su Qwen2-VL, kūrėjas pabrėžia geresnį laiko ir vaizdo mastelio suvokimą bei pakeistą dinaminės raiškos vaizdo kodavimo modulį, naudojantį dėmesį languose.\n\nVaizdinis objektų lokalizavimas yra atskira galimybė nuo paveikslo aprašymo. Modelis gali grąžinti aprėpiančius rėmelius arba taškus su žymomis ir atributais JSON formatu. Qwen2.5-VL naudoja koordinates pagal tikrą vaizdo dydžio mastelį, o ne normalizuotą koordinačių schemą. Įvardykite ieškotinus objektus ir pateikite reikiamus laukus, tokius kaip bbox_2d ir label, kartu su koordinačių interpretacija. Jei prieš analizę pakeičiamas vaizdo dydis, išlaikykite dydžio informaciją su grąžintomis koordinatėmis, kad jas būtų galima interpretuoti pagal tą patį vaizdą. Qwen pavyzdžiai derina aptikimą su skaičiavimu ir objektų aprašais.\n\nKūrėjas pabrėžia teksto atpažinimą įvairiomis kalbomis, kryptimis ir skirtingose scenose. Pavyzdžiai išskiria teksto eilutes, susieja tekstą su vietomis ir iš kvitų ar formų paima nurodytus laukus. Dokumento užduočiai pateikite aiškų skeną, apibrėžkite laukus ir nurodykite, kaip vaizduoti nepateiktą ar neįskaitomą informaciją. Pavyzdinis rezultatas gali būti struktūrizuotas įrašas su dokumento identifikatoriumi, data ir eilutėmis, neapibrėžtumą atskiriant nuo to, kas matomai pateikta. Pateiktas vaizdas yra šio išskyrimo įrodymas.\n\nQwen pranešime pristatomas QwenVL HTML dokumentams analizuoti su išdėstymo informacija. Demonstruojami žurnalai, moksliniai straipsniai, tinklalapiai ir mobiliųjų ekranų kopijos, sujungiant antraštes, pastraipas, vaizdus ir formules su aprėpiančių rėmelių informacija. Tai naudinga, kai skaitymo tvarka ir puslapio struktūra tokios pat svarbios kaip žodžiai. Aiškiai paprašykite reprezentacijos: paprasto teksto skaitymui, JSON pasirinktiems laukams ar kūrėjo į išdėstymą orientuoto HTML formato. Nuskenuotą ataskaitą galima suskirstyti į antraštes ir pastraipas prieš vėlesne instrukcija prašant konkrečios dalies santraukos.\n\nVaizdo įrašams Qwen dokumentuoja ilgesnės kaip viena valanda medžiagos supratimą, įvykių paiešką ir laikinį lokalizavimą sekundžių tikslumu. Mokymas su dinamišku kadrų dažniu ir absoliutaus laiko kodavimas padeda reprezentuoti įvykių tempą bei vietą. Oficialūs pavyzdžiai nustato segmentą, kuriame vyksta aprašytas veiksmas, ir grąžina įvykių seką su pradžios, pabaigos laikais ir aprašais. Įvardykite ieškotiną įvykį ir nurodykite sekundes ar laiko žymos formatą. Praktinė užduotis gali prašyti susijusių segmentų ilgoje demonstracijoje, o po jų – glausto aprašo, kas vyksta kiekviename.\n\nModelis taip pat pristatomas kaip vaizdinis agentas kompiuteriui ir mobiliajam įrenginiui: jis gali samprotauti pagal ekraną ir nukreipti įrankius į užduotį. Lokalizavimas ir ekrano supratimas gali nustatyti tinkamą valdiklį ar kitą numatytą sąveiką. Programa pateikia ekraną, prieinamus veiksmus ir tikslą, vykdo prašomą veiksmą ir grąžina naują būseną. Pavyzdžiui, užduotis gali prašyti valdiklio, reikalingo konkrečiam rodiniui pasiekti, su jį identifikuojančiu tašku ar rėmeliu. Modelio tekstinis veiksmo aprašas ir programos įvykdyta sąveika yra atskiri etapai.\n\nQwen procesorius leidžia valdyti vaizdo pikselių skaičių. Dokumentuotas numatytasis intervalas yra nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui; nuo 256 iki 1 280 žetonų yra pavyzdinis nustatymas, o ne universali vaizdo riba. Dydžio keitimas gali išlaikyti kraštinių santykį, o konkretūs matmenys apvalinami iki 28 kartotinio. Didesnė raiška naudoja daugiau skaičiavimo ir gali išsaugoti mažą tekstą ar tankios diagramos detales. Parengimą derinkite su klausimu, palikdami svarbias žymas įskaitomas ir susijusį puslapį ar sritį aiškią. Vaizdo įrašų pavyzdžiai naudoja kadrų sekas arba vaizdo įrašą su kadrų dažnio informacija, svarbia tuomet, kai atsakyme turi būti laiko žymos.\n\nDabartinė kortelės konfigūracija nustatyta į 32 768 konteksto žetonus. Joje aprašomas YaRN plėtinys, tačiau įspėjama, kad jis gali smarkiai paveikti laikinį ir erdvinį lokalizavimą, todėl šioms užduotims nerekomenduojamas. Atskirai aptariamas pozicijų nustatymo didinimas ilgam vaizdo įrašui. Valandų trukmės vaizdo įrašų supratimas yra dokumentuota galimybė, o ne universali įkėlimo trukmės ar išvesties ilgio riba. Rinkitės rezultatą, išsaugantį vėliau reikalingą informaciją: laukus įrašui, koordinates lokalizavimui, išdėstymą dokumentui arba aprašus su laikais vaizdo įrašui.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
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-Instruct – Qwen vaizdo ir kalbos modelis vaizdams, dokumentams, diagramoms ir vaizdo įrašams. Jis grąžina tekstą, struktūrizuotus išskirtus duomenis ir vaizdines koordinates bei gali surasti įvykius ilgame vaizdo įraše arba samprotauti apie kompiuterio ar mobiliojo įrenginio ekraną.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2.5-VL-72B-Instruct yra instrukcijoms pritaikyta Qwen2.5-VL 72B versija, skirta vaizdinei medžiagai suprasti kartu su tekstu. Qwen aprašo objektų, produktų ir žymių vietų atpažinimą bei teksto, diagramų, piktogramų, grafikos ir išdėstymo vaizduose interpretavimą. Įvestis sujungia rašytinį klausimą su vienu ar keliais vaizdais arba vaizdo įrašu; išvestis yra tekstas, įskaitant struktūrizuotus aprašus ir išskirtą informaciją. Palyginti su Qwen2-VL, kūrėjas pabrėžia geresnį laiko ir vaizdo mastelio suvokimą bei pakeistą dinaminės raiškos vaizdo kodavimo modulį, naudojantį dėmesį languose.
Vaizdinis objektų lokalizavimas yra atskira galimybė nuo paveikslo aprašymo. Modelis gali grąžinti aprėpiančius rėmelius arba taškus su žymomis ir atributais JSON formatu. Qwen2.5-VL naudoja koordinates pagal tikrą vaizdo dydžio mastelį, o ne normalizuotą koordinačių schemą. Įvardykite ieškotinus objektus ir pateikite reikiamus laukus, tokius kaip bbox_2d ir label, kartu su koordinačių interpretacija. Jei prieš analizę pakeičiamas vaizdo dydis, išlaikykite dydžio informaciją su grąžintomis koordinatėmis, kad jas būtų galima interpretuoti pagal tą patį vaizdą. Qwen pavyzdžiai derina aptikimą su skaičiavimu ir objektų aprašais.
Kūrėjas pabrėžia teksto atpažinimą įvairiomis kalbomis, kryptimis ir skirtingose scenose. Pavyzdžiai išskiria teksto eilutes, susieja tekstą su vietomis ir iš kvitų ar formų paima nurodytus laukus. Dokumento užduočiai pateikite aiškų skeną, apibrėžkite laukus ir nurodykite, kaip vaizduoti nepateiktą ar neįskaitomą informaciją. Pavyzdinis rezultatas gali būti struktūrizuotas įrašas su dokumento identifikatoriumi, data ir eilutėmis, neapibrėžtumą atskiriant nuo to, kas matomai pateikta. Pateiktas vaizdas yra šio išskyrimo įrodymas.
Qwen pranešime pristatomas QwenVL HTML dokumentams analizuoti su išdėstymo informacija. Demonstruojami žurnalai, moksliniai straipsniai, tinklalapiai ir mobiliųjų ekranų kopijos, sujungiant antraštes, pastraipas, vaizdus ir formules su aprėpiančių rėmelių informacija. Tai naudinga, kai skaitymo tvarka ir puslapio struktūra tokios pat svarbios kaip žodžiai. Aiškiai paprašykite reprezentacijos: paprasto teksto skaitymui, JSON pasirinktiems laukams ar kūrėjo į išdėstymą orientuoto HTML formato. Nuskenuotą ataskaitą galima suskirstyti į antraštes ir pastraipas prieš vėlesne instrukcija prašant konkrečios dalies santraukos.
Vaizdo įrašams Qwen dokumentuoja ilgesnės kaip viena valanda medžiagos supratimą, įvykių paiešką ir laikinį lokalizavimą sekundžių tikslumu. Mokymas su dinamišku kadrų dažniu ir absoliutaus laiko kodavimas padeda reprezentuoti įvykių tempą bei vietą. Oficialūs pavyzdžiai nustato segmentą, kuriame vyksta aprašytas veiksmas, ir grąžina įvykių seką su pradžios, pabaigos laikais ir aprašais. Įvardykite ieškotiną įvykį ir nurodykite sekundes ar laiko žymos formatą. Praktinė užduotis gali prašyti susijusių segmentų ilgoje demonstracijoje, o po jų – glausto aprašo, kas vyksta kiekviename.
Modelis taip pat pristatomas kaip vaizdinis agentas kompiuteriui ir mobiliajam įrenginiui: jis gali samprotauti pagal ekraną ir nukreipti įrankius į užduotį. Lokalizavimas ir ekrano supratimas gali nustatyti tinkamą valdiklį ar kitą numatytą sąveiką. Programa pateikia ekraną, prieinamus veiksmus ir tikslą, vykdo prašomą veiksmą ir grąžina naują būseną. Pavyzdžiui, užduotis gali prašyti valdiklio, reikalingo konkrečiam rodiniui pasiekti, su jį identifikuojančiu tašku ar rėmeliu. Modelio tekstinis veiksmo aprašas ir programos įvykdyta sąveika yra atskiri etapai.
Qwen procesorius leidžia valdyti vaizdo pikselių skaičių. Dokumentuotas numatytasis intervalas yra nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui; nuo 256 iki 1 280 žetonų yra pavyzdinis nustatymas, o ne universali vaizdo riba. Dydžio keitimas gali išlaikyti kraštinių santykį, o konkretūs matmenys apvalinami iki 28 kartotinio. Didesnė raiška naudoja daugiau skaičiavimo ir gali išsaugoti mažą tekstą ar tankios diagramos detales. Parengimą derinkite su klausimu, palikdami svarbias žymas įskaitomas ir susijusį puslapį ar sritį aiškią. Vaizdo įrašų pavyzdžiai naudoja kadrų sekas arba vaizdo įrašą su kadrų dažnio informacija, svarbia tuomet, kai atsakyme turi būti laiko žymos.
Dabartinė kortelės konfigūracija nustatyta į 32 768 konteksto žetonus. Joje aprašomas YaRN plėtinys, tačiau įspėjama, kad jis gali smarkiai paveikti laikinį ir erdvinį lokalizavimą, todėl šioms užduotims nerekomenduojamas. Atskirai aptariamas pozicijų nustatymo didinimas ilgam vaizdo įrašui. Valandų trukmės vaizdo įrašų supratimas yra dokumentuota galimybė, o ne universali įkėlimo trukmės ar išvesties ilgio riba. Rinkitės rezultatą, išsaugantį vėliau reikalingą informaciją: laukus įrašui, koordinates lokalizavimui, išdėstymą dokumentui arba aprašus su laikais vaizdo įrašui.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen/qwen2.5-vl-72b-instruct | 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.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0016 / 1K tokenų Išvestis · Išvesties tokenai $0.002 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0008 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0016 / 1K tokenų Išvestis · Išvesties tokenai $0.002 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0008 / 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": "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 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 qwen/qwen2.5-vl-72b-instruct
Naudokite aukščiau nurodytus metodų kelius.
qwen/qwen2.5-vl-72b-instructQwen2.5-VL-72B-Instruct – Qwen vaizdo ir kalbos modelis vaizdams, dokumentams, diagramoms ir vaizdo įrašams. Jis grąžina tekstą, struktūrizuotus išskirtus duomenis ir vaizdines koordinates bei gali surasti įvykius ilgame vaizdo įraše arba samprotauti apie kompiuterio ar mobiliojo įrenginio ekraną.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2.5-VL-72B-Instruct yra instrukcijoms pritaikyta Qwen2.5-VL 72B versija, skirta vaizdinei medžiagai suprasti kartu su tekstu. Qwen aprašo objektų, produktų ir žymių vietų atpažinimą bei teksto, diagramų, piktogramų, grafikos ir išdėstymo vaizduose interpretavimą. Įvestis sujungia rašytinį klausimą su vienu ar keliais vaizdais arba vaizdo įrašu; išvestis yra tekstas, įskaitant struktūrizuotus aprašus ir išskirtą informaciją. Palyginti su Qwen2-VL, kūrėjas pabrėžia geresnį laiko ir vaizdo mastelio suvokimą bei pakeistą dinaminės raiškos vaizdo kodavimo modulį, naudojantį dėmesį languose.
Vaizdinis objektų lokalizavimas yra atskira galimybė nuo paveikslo aprašymo. Modelis gali grąžinti aprėpiančius rėmelius arba taškus su žymomis ir atributais JSON formatu. Qwen2.5-VL naudoja koordinates pagal tikrą vaizdo dydžio mastelį, o ne normalizuotą koordinačių schemą. Įvardykite ieškotinus objektus ir pateikite reikiamus laukus, tokius kaip bbox_2d ir label, kartu su koordinačių interpretacija. Jei prieš analizę pakeičiamas vaizdo dydis, išlaikykite dydžio informaciją su grąžintomis koordinatėmis, kad jas būtų galima interpretuoti pagal tą patį vaizdą. Qwen pavyzdžiai derina aptikimą su skaičiavimu ir objektų aprašais.
Kūrėjas pabrėžia teksto atpažinimą įvairiomis kalbomis, kryptimis ir skirtingose scenose. Pavyzdžiai išskiria teksto eilutes, susieja tekstą su vietomis ir iš kvitų ar formų paima nurodytus laukus. Dokumento užduočiai pateikite aiškų skeną, apibrėžkite laukus ir nurodykite, kaip vaizduoti nepateiktą ar neįskaitomą informaciją. Pavyzdinis rezultatas gali būti struktūrizuotas įrašas su dokumento identifikatoriumi, data ir eilutėmis, neapibrėžtumą atskiriant nuo to, kas matomai pateikta. Pateiktas vaizdas yra šio išskyrimo įrodymas.
Qwen pranešime pristatomas QwenVL HTML dokumentams analizuoti su išdėstymo informacija. Demonstruojami žurnalai, moksliniai straipsniai, tinklalapiai ir mobiliųjų ekranų kopijos, sujungiant antraštes, pastraipas, vaizdus ir formules su aprėpiančių rėmelių informacija. Tai naudinga, kai skaitymo tvarka ir puslapio struktūra tokios pat svarbios kaip žodžiai. Aiškiai paprašykite reprezentacijos: paprasto teksto skaitymui, JSON pasirinktiems laukams ar kūrėjo į išdėstymą orientuoto HTML formato. Nuskenuotą ataskaitą galima suskirstyti į antraštes ir pastraipas prieš vėlesne instrukcija prašant konkrečios dalies santraukos.
Vaizdo įrašams Qwen dokumentuoja ilgesnės kaip viena valanda medžiagos supratimą, įvykių paiešką ir laikinį lokalizavimą sekundžių tikslumu. Mokymas su dinamišku kadrų dažniu ir absoliutaus laiko kodavimas padeda reprezentuoti įvykių tempą bei vietą. Oficialūs pavyzdžiai nustato segmentą, kuriame vyksta aprašytas veiksmas, ir grąžina įvykių seką su pradžios, pabaigos laikais ir aprašais. Įvardykite ieškotiną įvykį ir nurodykite sekundes ar laiko žymos formatą. Praktinė užduotis gali prašyti susijusių segmentų ilgoje demonstracijoje, o po jų – glausto aprašo, kas vyksta kiekviename.
Modelis taip pat pristatomas kaip vaizdinis agentas kompiuteriui ir mobiliajam įrenginiui: jis gali samprotauti pagal ekraną ir nukreipti įrankius į užduotį. Lokalizavimas ir ekrano supratimas gali nustatyti tinkamą valdiklį ar kitą numatytą sąveiką. Programa pateikia ekraną, prieinamus veiksmus ir tikslą, vykdo prašomą veiksmą ir grąžina naują būseną. Pavyzdžiui, užduotis gali prašyti valdiklio, reikalingo konkrečiam rodiniui pasiekti, su jį identifikuojančiu tašku ar rėmeliu. Modelio tekstinis veiksmo aprašas ir programos įvykdyta sąveika yra atskiri etapai.
Qwen procesorius leidžia valdyti vaizdo pikselių skaičių. Dokumentuotas numatytasis intervalas yra nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui; nuo 256 iki 1 280 žetonų yra pavyzdinis nustatymas, o ne universali vaizdo riba. Dydžio keitimas gali išlaikyti kraštinių santykį, o konkretūs matmenys apvalinami iki 28 kartotinio. Didesnė raiška naudoja daugiau skaičiavimo ir gali išsaugoti mažą tekstą ar tankios diagramos detales. Parengimą derinkite su klausimu, palikdami svarbias žymas įskaitomas ir susijusį puslapį ar sritį aiškią. Vaizdo įrašų pavyzdžiai naudoja kadrų sekas arba vaizdo įrašą su kadrų dažnio informacija, svarbia tuomet, kai atsakyme turi būti laiko žymos.
Dabartinė kortelės konfigūracija nustatyta į 32 768 konteksto žetonus. Joje aprašomas YaRN plėtinys, tačiau įspėjama, kad jis gali smarkiai paveikti laikinį ir erdvinį lokalizavimą, todėl šioms užduotims nerekomenduojamas. Atskirai aptariamas pozicijų nustatymo didinimas ilgam vaizdo įrašui. Valandų trukmės vaizdo įrašų supratimas yra dokumentuota galimybė, o ne universali įkėlimo trukmės ar išvesties ilgio riba. Rinkitės rezultatą, išsaugantį vėliau reikalingą informaciją: laukus įrašui, koordinates lokalizavimui, išdėstymą dokumentui arba aprašus su laikais vaizdo įrašui.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen/qwen2.5-vl-72b-instruct | 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.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0016 / 1K tokenų Išvestis · Išvesties tokenai $0.002 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0008 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0016 / 1K tokenų Išvestis · Išvesties tokenai $0.002 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0008 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "qwen/qwen2.5-vl-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 qwen/qwen2.5-vl-72b-instruct
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
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.