Qwen2-VL-72B-Instruct yra instrukcijoms pritaikyta 72B vaizdo ir kalbos versija, sukurta Qwen2 pagrindu. Ji gauna tekstą kartu su vaizdais ar vaizdo įrašu ir generuoja tekstinį atsakymą. Kūrėjas pabrėžia skirtingos raiškos ir kraštinių santykio vaizdų supratimą, teksto vaizduose interpretavimą, samprotavimą apie matomas sąsajas ir atsakymus į klausimus apie ilgesnius kaip 20 minučių vaizdo įrašus.
Vaizdų ir vaizdo įrašų galimybės
Dokumento puslapiui paprašykite konkretaus reikalingo turinio: pastraipos, lentelės eilutės, formulės ar teiginiui priskirtų sąlygų. Puslapis turi būti įskaitomas, o užduotyje nurodykite, ar rezultatui reikia perrašyti tekstą, jį apibendrinti ar paaiškinti prasmę. Naudinga dokumento išvestis gali išlaikyti originalią skyriaus žymą šalia išskirto turinio. Diagramai paprašykite paaiškinti, kaip susiję pažymėti elementai, ir nurodykite aiškintiną ryšį.
Dokumentuotas vaizdo įrašų naudojimas apima klausimus, dialogą ir rašytinį turinį pagal matomą seką. Apibrėžkite nagrinėtiną įvykį ar pokytį: kada atsiranda objektas, kas įvyksta prieš konkretų žingsnį ar kaip demonstruojamas veiksmas susijęs su rašytine procedūra. Paprašykite nuoseklaus įvykių aprašo arba matomų žingsnių palyginimo su pateikta procedūra. Kūrėjo teiginys apie daugiau kaip 20 minučių aprašo ilgų vaizdo įrašų supratimą; tai nėra fiksuota didžiausia vaizdo trukmė ar garantija, kad kiekvienas neapdorotas klipas tilps į nepakeistą įvesties konfigūraciją.
Vaizdinių agentų naudojimas
Laidoje Qwen2-VL taip pat pristatomas vaizdiniams agentams, prijungtiems prie mobiliųjų įrenginių, robotų ir kitų įrankių. Pranešime aprašyti funkcijų iškvietimo ir kodo interpretatoriaus scenarijai, pavyzdžiui, kodo kūrimas pagal diagramą ar išorinės paieškos prašymas pagal vaizdinį klausimą. Modelį naudojanti programa teikia tuos įrankius, vykdo siūlomą veiksmą ir grąžina rezultatą. Vien modelio tekstinis atsakymas nespaudžia valdiklio, nejudina įrenginio ir nevykdo sugeneruotos programos.
Praktinei sąsajos užduočiai galima pateikti ekrano kopiją ir vartotojo tikslą, tada paprašyti matomo valdiklio, susijusio su kitu žingsniu, bei šį pasirinkimą pagrindžiančių įrodymų. Stebėjimą, siūlomą veiksmą ir tikrą vykdymą išlaikykite atskiromis darbo eigos dalimis. Taip naudojama vaizdinio agento paskirtis, o prašomas rezultatas tampa pakankamai konkretus, kad programa galėtų imtis veiksmo.
Daugiakalbis tekstas vaizduose
Kūrėjas aprašo teksto vaizduose atpažinimą anglų ir kinų, dauguma Europos kalbų bei tokiomis kalbomis kaip japonų, korėjiečių, arabų ir vietnamiečių. Todėl daugiakalbį puslapį galima nagrinėti kaip vaizdinio skaitymo užduotį. Kai svarbi tiksli formuluotė, pirmiausia paprašykite originalaus teksto perrašymo, tada vertimo ar paaiškinimo pasirinkta kalba. Išsaugokite žymas ir skaičius, užuot maišę atpažinimą su neapibrėžtu perrašymu.
Dinaminė raiška ir pozicijų informacija
Qwen2-VL sujungia vaizdo kodavimo modulį su Qwen2 kalbos modeliu. Naive Dynamic Resolution susieja skirtingus vaizdo dydžius su skirtingu vaizdinių žetonų skaičiumi. Multimodal Rotary Position Embedding atskiria pozicijų informaciją, kad modelis galėtų reprezentuoti teksto tvarką, dvimačius vaizdus ir vaizdo įrašo laikinę bei erdvinę struktūrą. Šios funkcijos paaiškina, kaip ta pati šeima apdoroja puslapį, kelis vaizdus ar vaizdo įrašo seką.
Modelio kortelės vaizdo procesorius dokumentuoja numatytąjį intervalą nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui. Programa gali keisti minimalų ir maksimalų pikselių skaičių, išlaikydama kraštinių santykį, arba paprašyti matmenų, suapvalintų iki 28 kartotinio. Pavyzdinis intervalas nuo 256 iki 1 280 žetonų yra konfigūruojama iliustracija, o ne atskira universali vaizdo riba. Daugiau vaizdo detalių reikalauja daugiau skaičiavimo ir vaizdinių žetonų, todėl rengdami vaizdą išsaugokite klausimui reikalingas žymas, antraštes ir mažus objektus.
Įvesties parengimas ir kontekstas
Kūrėjas demonstruoja vieną vaizdą, kelis vaizdus, vaizdo įrašą kaip kadrų seką ar vietinį failą ir pokalbius paketais. Vaizdo parengimas apima vietinius failus, užkoduotus vaizdo duomenis ir vaizdų nuorodas. Kortelės vaizdo įrašo pavyzdyje naudojamas pasirinktas kadrų dažnis; jis nenustato vieno privalomo kadrų atrankos dažnio visiems vaizdo įrašams. Nurodykite kelių vaizdų tvarką ir vaidmenį bei pateikite sekai interpretuoti reikalingą informaciją, užuot laikę nesusijusius kadrus viena scena.
Išleistoje konfigūracijoje maksimalus pozicijų skaičius nustatytas į 32 768. Vaizdinė medžiaga ir tekstinės instrukcijos turi būti planuojamos pagal tikrą sukonfigūruotą kontekstą. Kortelės 128 žetonų generavimo pavyzdys yra tik pavyzdinis nustatymas; jame nepaskelbta atskira maksimali išvesties talpa. 72B versija turėtų išlaikyti savo konfigūraciją, o ne perimti Qwen2.5-VL ar kito Qwen modelio ilgo konteksto nustatymus.
Esminiai apribojimai
Kūrėjas aiškiai nurodo, kad Qwen2-VL nesupranta garso vaizdo įrašuose. Todėl sakytinė informacija turi būti pateikta atskirai, jei klausimas nuo jos priklauso. Vaizdų mokymo duomenų rinkinys aprašytas kaip atnaujintas iki 2023 m. birželio; tai teiginys apie tą duomenų rinkinį, o ne pažadas apie aktualias vaizdines žinias.
Dokumentuoti apribojimai taip pat apima nevisišką tam tikrų žmonių ar įvardytų intelektinės nuosavybės objektų atpažinimą, sunkumus su sudėtingomis kelių žingsnių instrukcijomis, silpną skaičiavimą sudėtingose scenose ir trimačio erdvinio samprotavimo ribas. Kai užduotis priklauso nuo vieno iš šių gebėjimų, klausimą sutelkite į reikiamus objektus ar ryšį ir išsaugokite vaizdinius įrodymus šalia atsakymo. Aiški šaltinio medžiaga ir apibrėžta išvestis palengvina rezultato tikrinimą, nepakeisdamos šių apribojimų tikslumo garantija.
", "aboutText": "Qwen2-VL-72B-Instruct yra instrukcijoms pritaikyta 72B vaizdo ir kalbos versija, sukurta Qwen2 pagrindu. Ji gauna tekstą kartu su vaizdais ar vaizdo įrašu ir generuoja tekstinį atsakymą. Kūrėjas pabrėžia skirtingos raiškos ir kraštinių santykio vaizdų supratimą, teksto vaizduose interpretavimą, samprotavimą apie matomas sąsajas ir atsakymus į klausimus apie ilgesnius kaip 20 minučių vaizdo įrašus.\n\nVaizdų ir vaizdo įrašų galimybės\n\nDokumento puslapiui paprašykite konkretaus reikalingo turinio: pastraipos, lentelės eilutės, formulės ar teiginiui priskirtų sąlygų. Puslapis turi būti įskaitomas, o užduotyje nurodykite, ar rezultatui reikia perrašyti tekstą, jį apibendrinti ar paaiškinti prasmę. Naudinga dokumento išvestis gali išlaikyti originalią skyriaus žymą šalia išskirto turinio. Diagramai paprašykite paaiškinti, kaip susiję pažymėti elementai, ir nurodykite aiškintiną ryšį.\n\nDokumentuotas vaizdo įrašų naudojimas apima klausimus, dialogą ir rašytinį turinį pagal matomą seką. Apibrėžkite nagrinėtiną įvykį ar pokytį: kada atsiranda objektas, kas įvyksta prieš konkretų žingsnį ar kaip demonstruojamas veiksmas susijęs su rašytine procedūra. Paprašykite nuoseklaus įvykių aprašo arba matomų žingsnių palyginimo su pateikta procedūra. Kūrėjo teiginys apie daugiau kaip 20 minučių aprašo ilgų vaizdo įrašų supratimą; tai nėra fiksuota didžiausia vaizdo trukmė ar garantija, kad kiekvienas neapdorotas klipas tilps į nepakeistą įvesties konfigūraciją.\n\nVaizdinių agentų naudojimas\n\nLaidoje Qwen2-VL taip pat pristatomas vaizdiniams agentams, prijungtiems prie mobiliųjų įrenginių, robotų ir kitų įrankių. Pranešime aprašyti funkcijų iškvietimo ir kodo interpretatoriaus scenarijai, pavyzdžiui, kodo kūrimas pagal diagramą ar išorinės paieškos prašymas pagal vaizdinį klausimą. Modelį naudojanti programa teikia tuos įrankius, vykdo siūlomą veiksmą ir grąžina rezultatą. Vien modelio tekstinis atsakymas nespaudžia valdiklio, nejudina įrenginio ir nevykdo sugeneruotos programos.\n\nPraktinei sąsajos užduočiai galima pateikti ekrano kopiją ir vartotojo tikslą, tada paprašyti matomo valdiklio, susijusio su kitu žingsniu, bei šį pasirinkimą pagrindžiančių įrodymų. Stebėjimą, siūlomą veiksmą ir tikrą vykdymą išlaikykite atskiromis darbo eigos dalimis. Taip naudojama vaizdinio agento paskirtis, o prašomas rezultatas tampa pakankamai konkretus, kad programa galėtų imtis veiksmo.\n\nDaugiakalbis tekstas vaizduose\n\nKūrėjas aprašo teksto vaizduose atpažinimą anglų ir kinų, dauguma Europos kalbų bei tokiomis kalbomis kaip japonų, korėjiečių, arabų ir vietnamiečių. Todėl daugiakalbį puslapį galima nagrinėti kaip vaizdinio skaitymo užduotį. Kai svarbi tiksli formuluotė, pirmiausia paprašykite originalaus teksto perrašymo, tada vertimo ar paaiškinimo pasirinkta kalba. Išsaugokite žymas ir skaičius, užuot maišę atpažinimą su neapibrėžtu perrašymu.\n\nDinaminė raiška ir pozicijų informacija\n\nQwen2-VL sujungia vaizdo kodavimo modulį su Qwen2 kalbos modeliu. Naive Dynamic Resolution susieja skirtingus vaizdo dydžius su skirtingu vaizdinių žetonų skaičiumi. Multimodal Rotary Position Embedding atskiria pozicijų informaciją, kad modelis galėtų reprezentuoti teksto tvarką, dvimačius vaizdus ir vaizdo įrašo laikinę bei erdvinę struktūrą. Šios funkcijos paaiškina, kaip ta pati šeima apdoroja puslapį, kelis vaizdus ar vaizdo įrašo seką.\n\nModelio kortelės vaizdo procesorius dokumentuoja numatytąjį intervalą nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui. Programa gali keisti minimalų ir maksimalų pikselių skaičių, išlaikydama kraštinių santykį, arba paprašyti matmenų, suapvalintų iki 28 kartotinio. Pavyzdinis intervalas nuo 256 iki 1 280 žetonų yra konfigūruojama iliustracija, o ne atskira universali vaizdo riba. Daugiau vaizdo detalių reikalauja daugiau skaičiavimo ir vaizdinių žetonų, todėl rengdami vaizdą išsaugokite klausimui reikalingas žymas, antraštes ir mažus objektus.\n\nĮvesties parengimas ir kontekstas\n\nKūrėjas demonstruoja vieną vaizdą, kelis vaizdus, vaizdo įrašą kaip kadrų seką ar vietinį failą ir pokalbius paketais. Vaizdo parengimas apima vietinius failus, užkoduotus vaizdo duomenis ir vaizdų nuorodas. Kortelės vaizdo įrašo pavyzdyje naudojamas pasirinktas kadrų dažnis; jis nenustato vieno privalomo kadrų atrankos dažnio visiems vaizdo įrašams. Nurodykite kelių vaizdų tvarką ir vaidmenį bei pateikite sekai interpretuoti reikalingą informaciją, užuot laikę nesusijusius kadrus viena scena.\n\nIšleistoje konfigūracijoje maksimalus pozicijų skaičius nustatytas į 32 768. Vaizdinė medžiaga ir tekstinės instrukcijos turi būti planuojamos pagal tikrą sukonfigūruotą kontekstą. Kortelės 128 žetonų generavimo pavyzdys yra tik pavyzdinis nustatymas; jame nepaskelbta atskira maksimali išvesties talpa. 72B versija turėtų išlaikyti savo konfigūraciją, o ne perimti Qwen2.5-VL ar kito Qwen modelio ilgo konteksto nustatymus.\n\nEsminiai apribojimai\n\nKūrėjas aiškiai nurodo, kad Qwen2-VL nesupranta garso vaizdo įrašuose. Todėl sakytinė informacija turi būti pateikta atskirai, jei klausimas nuo jos priklauso. Vaizdų mokymo duomenų rinkinys aprašytas kaip atnaujintas iki 2023 m. birželio; tai teiginys apie tą duomenų rinkinį, o ne pažadas apie aktualias vaizdines žinias.\n\nDokumentuoti apribojimai taip pat apima nevisišką tam tikrų žmonių ar įvardytų intelektinės nuosavybės objektų atpažinimą, sunkumus su sudėtingomis kelių žingsnių instrukcijomis, silpną skaičiavimą sudėtingose scenose ir trimačio erdvinio samprotavimo ribas. Kai užduotis priklauso nuo vieno iš šių gebėjimų, klausimą sutelkite į reikiamus objektus ar ryšį ir išsaugokite vaizdinius įrodymus šalia atsakymo. Aiški šaltinio medžiaga ir apibrėžta išvestis palengvina rezultato tikrinimą, nepakeisdamos šių apribojimų tikslumo garantija.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct derina tekstą, vaizdus ir vaizdo įrašus vaizdiniams klausimams, dokumentų skaitymui ir daugiakalbiam tekstui vaizduose. Kūrėjas aprašo ilgesnių kaip 20 minučių vaizdo įrašų supratimą, dinaminę vaizdo raišką ir vaizdinių agentų integracijas; atsakymas yra tekstas.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2-VL-72B-Instruct yra instrukcijoms pritaikyta 72B vaizdo ir kalbos versija, sukurta Qwen2 pagrindu. Ji gauna tekstą kartu su vaizdais ar vaizdo įrašu ir generuoja tekstinį atsakymą. Kūrėjas pabrėžia skirtingos raiškos ir kraštinių santykio vaizdų supratimą, teksto vaizduose interpretavimą, samprotavimą apie matomas sąsajas ir atsakymus į klausimus apie ilgesnius kaip 20 minučių vaizdo įrašus.
Vaizdų ir vaizdo įrašų galimybės
Dokumento puslapiui paprašykite konkretaus reikalingo turinio: pastraipos, lentelės eilutės, formulės ar teiginiui priskirtų sąlygų. Puslapis turi būti įskaitomas, o užduotyje nurodykite, ar rezultatui reikia perrašyti tekstą, jį apibendrinti ar paaiškinti prasmę. Naudinga dokumento išvestis gali išlaikyti originalią skyriaus žymą šalia išskirto turinio. Diagramai paprašykite paaiškinti, kaip susiję pažymėti elementai, ir nurodykite aiškintiną ryšį.
Dokumentuotas vaizdo įrašų naudojimas apima klausimus, dialogą ir rašytinį turinį pagal matomą seką. Apibrėžkite nagrinėtiną įvykį ar pokytį: kada atsiranda objektas, kas įvyksta prieš konkretų žingsnį ar kaip demonstruojamas veiksmas susijęs su rašytine procedūra. Paprašykite nuoseklaus įvykių aprašo arba matomų žingsnių palyginimo su pateikta procedūra. Kūrėjo teiginys apie daugiau kaip 20 minučių aprašo ilgų vaizdo įrašų supratimą; tai nėra fiksuota didžiausia vaizdo trukmė ar garantija, kad kiekvienas neapdorotas klipas tilps į nepakeistą įvesties konfigūraciją.
Vaizdinių agentų naudojimas
Laidoje Qwen2-VL taip pat pristatomas vaizdiniams agentams, prijungtiems prie mobiliųjų įrenginių, robotų ir kitų įrankių. Pranešime aprašyti funkcijų iškvietimo ir kodo interpretatoriaus scenarijai, pavyzdžiui, kodo kūrimas pagal diagramą ar išorinės paieškos prašymas pagal vaizdinį klausimą. Modelį naudojanti programa teikia tuos įrankius, vykdo siūlomą veiksmą ir grąžina rezultatą. Vien modelio tekstinis atsakymas nespaudžia valdiklio, nejudina įrenginio ir nevykdo sugeneruotos programos.
Praktinei sąsajos užduočiai galima pateikti ekrano kopiją ir vartotojo tikslą, tada paprašyti matomo valdiklio, susijusio su kitu žingsniu, bei šį pasirinkimą pagrindžiančių įrodymų. Stebėjimą, siūlomą veiksmą ir tikrą vykdymą išlaikykite atskiromis darbo eigos dalimis. Taip naudojama vaizdinio agento paskirtis, o prašomas rezultatas tampa pakankamai konkretus, kad programa galėtų imtis veiksmo.
Daugiakalbis tekstas vaizduose
Kūrėjas aprašo teksto vaizduose atpažinimą anglų ir kinų, dauguma Europos kalbų bei tokiomis kalbomis kaip japonų, korėjiečių, arabų ir vietnamiečių. Todėl daugiakalbį puslapį galima nagrinėti kaip vaizdinio skaitymo užduotį. Kai svarbi tiksli formuluotė, pirmiausia paprašykite originalaus teksto perrašymo, tada vertimo ar paaiškinimo pasirinkta kalba. Išsaugokite žymas ir skaičius, užuot maišę atpažinimą su neapibrėžtu perrašymu.
Dinaminė raiška ir pozicijų informacija
Qwen2-VL sujungia vaizdo kodavimo modulį su Qwen2 kalbos modeliu. Naive Dynamic Resolution susieja skirtingus vaizdo dydžius su skirtingu vaizdinių žetonų skaičiumi. Multimodal Rotary Position Embedding atskiria pozicijų informaciją, kad modelis galėtų reprezentuoti teksto tvarką, dvimačius vaizdus ir vaizdo įrašo laikinę bei erdvinę struktūrą. Šios funkcijos paaiškina, kaip ta pati šeima apdoroja puslapį, kelis vaizdus ar vaizdo įrašo seką.
Modelio kortelės vaizdo procesorius dokumentuoja numatytąjį intervalą nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui. Programa gali keisti minimalų ir maksimalų pikselių skaičių, išlaikydama kraštinių santykį, arba paprašyti matmenų, suapvalintų iki 28 kartotinio. Pavyzdinis intervalas nuo 256 iki 1 280 žetonų yra konfigūruojama iliustracija, o ne atskira universali vaizdo riba. Daugiau vaizdo detalių reikalauja daugiau skaičiavimo ir vaizdinių žetonų, todėl rengdami vaizdą išsaugokite klausimui reikalingas žymas, antraštes ir mažus objektus.
Įvesties parengimas ir kontekstas
Kūrėjas demonstruoja vieną vaizdą, kelis vaizdus, vaizdo įrašą kaip kadrų seką ar vietinį failą ir pokalbius paketais. Vaizdo parengimas apima vietinius failus, užkoduotus vaizdo duomenis ir vaizdų nuorodas. Kortelės vaizdo įrašo pavyzdyje naudojamas pasirinktas kadrų dažnis; jis nenustato vieno privalomo kadrų atrankos dažnio visiems vaizdo įrašams. Nurodykite kelių vaizdų tvarką ir vaidmenį bei pateikite sekai interpretuoti reikalingą informaciją, užuot laikę nesusijusius kadrus viena scena.
Išleistoje konfigūracijoje maksimalus pozicijų skaičius nustatytas į 32 768. Vaizdinė medžiaga ir tekstinės instrukcijos turi būti planuojamos pagal tikrą sukonfigūruotą kontekstą. Kortelės 128 žetonų generavimo pavyzdys yra tik pavyzdinis nustatymas; jame nepaskelbta atskira maksimali išvesties talpa. 72B versija turėtų išlaikyti savo konfigūraciją, o ne perimti Qwen2.5-VL ar kito Qwen modelio ilgo konteksto nustatymus.
Esminiai apribojimai
Kūrėjas aiškiai nurodo, kad Qwen2-VL nesupranta garso vaizdo įrašuose. Todėl sakytinė informacija turi būti pateikta atskirai, jei klausimas nuo jos priklauso. Vaizdų mokymo duomenų rinkinys aprašytas kaip atnaujintas iki 2023 m. birželio; tai teiginys apie tą duomenų rinkinį, o ne pažadas apie aktualias vaizdines žinias.
Dokumentuoti apribojimai taip pat apima nevisišką tam tikrų žmonių ar įvardytų intelektinės nuosavybės objektų atpažinimą, sunkumus su sudėtingomis kelių žingsnių instrukcijomis, silpną skaičiavimą sudėtingose scenose ir trimačio erdvinio samprotavimo ribas. Kai užduotis priklauso nuo vieno iš šių gebėjimų, klausimą sutelkite į reikiamus objektus ar ryšį ir išsaugokite vaizdinius įrodymus šalia atsakymo. Aiški šaltinio medžiaga ir apibrėžta išvestis palengvina rezultato tikrinimą, nepakeisdamos šių apribojimų tikslumo garantija.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Qwen/Qwen2-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.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.00118 / 1K tokenų Išvestis · Išvesties tokenai $0.00118 / 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": "Qwen/Qwen2-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-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-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-VL-72B-Instruct
Naudokite aukščiau nurodytus metodų kelius.
Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct derina tekstą, vaizdus ir vaizdo įrašus vaizdiniams klausimams, dokumentų skaitymui ir daugiakalbiam tekstui vaizduose. Kūrėjas aprašo ilgesnių kaip 20 minučių vaizdo įrašų supratimą, dinaminę vaizdo raišką ir vaizdinių agentų integracijas; atsakymas yra tekstas.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2-VL-72B-Instruct yra instrukcijoms pritaikyta 72B vaizdo ir kalbos versija, sukurta Qwen2 pagrindu. Ji gauna tekstą kartu su vaizdais ar vaizdo įrašu ir generuoja tekstinį atsakymą. Kūrėjas pabrėžia skirtingos raiškos ir kraštinių santykio vaizdų supratimą, teksto vaizduose interpretavimą, samprotavimą apie matomas sąsajas ir atsakymus į klausimus apie ilgesnius kaip 20 minučių vaizdo įrašus.
Vaizdų ir vaizdo įrašų galimybės
Dokumento puslapiui paprašykite konkretaus reikalingo turinio: pastraipos, lentelės eilutės, formulės ar teiginiui priskirtų sąlygų. Puslapis turi būti įskaitomas, o užduotyje nurodykite, ar rezultatui reikia perrašyti tekstą, jį apibendrinti ar paaiškinti prasmę. Naudinga dokumento išvestis gali išlaikyti originalią skyriaus žymą šalia išskirto turinio. Diagramai paprašykite paaiškinti, kaip susiję pažymėti elementai, ir nurodykite aiškintiną ryšį.
Dokumentuotas vaizdo įrašų naudojimas apima klausimus, dialogą ir rašytinį turinį pagal matomą seką. Apibrėžkite nagrinėtiną įvykį ar pokytį: kada atsiranda objektas, kas įvyksta prieš konkretų žingsnį ar kaip demonstruojamas veiksmas susijęs su rašytine procedūra. Paprašykite nuoseklaus įvykių aprašo arba matomų žingsnių palyginimo su pateikta procedūra. Kūrėjo teiginys apie daugiau kaip 20 minučių aprašo ilgų vaizdo įrašų supratimą; tai nėra fiksuota didžiausia vaizdo trukmė ar garantija, kad kiekvienas neapdorotas klipas tilps į nepakeistą įvesties konfigūraciją.
Vaizdinių agentų naudojimas
Laidoje Qwen2-VL taip pat pristatomas vaizdiniams agentams, prijungtiems prie mobiliųjų įrenginių, robotų ir kitų įrankių. Pranešime aprašyti funkcijų iškvietimo ir kodo interpretatoriaus scenarijai, pavyzdžiui, kodo kūrimas pagal diagramą ar išorinės paieškos prašymas pagal vaizdinį klausimą. Modelį naudojanti programa teikia tuos įrankius, vykdo siūlomą veiksmą ir grąžina rezultatą. Vien modelio tekstinis atsakymas nespaudžia valdiklio, nejudina įrenginio ir nevykdo sugeneruotos programos.
Praktinei sąsajos užduočiai galima pateikti ekrano kopiją ir vartotojo tikslą, tada paprašyti matomo valdiklio, susijusio su kitu žingsniu, bei šį pasirinkimą pagrindžiančių įrodymų. Stebėjimą, siūlomą veiksmą ir tikrą vykdymą išlaikykite atskiromis darbo eigos dalimis. Taip naudojama vaizdinio agento paskirtis, o prašomas rezultatas tampa pakankamai konkretus, kad programa galėtų imtis veiksmo.
Daugiakalbis tekstas vaizduose
Kūrėjas aprašo teksto vaizduose atpažinimą anglų ir kinų, dauguma Europos kalbų bei tokiomis kalbomis kaip japonų, korėjiečių, arabų ir vietnamiečių. Todėl daugiakalbį puslapį galima nagrinėti kaip vaizdinio skaitymo užduotį. Kai svarbi tiksli formuluotė, pirmiausia paprašykite originalaus teksto perrašymo, tada vertimo ar paaiškinimo pasirinkta kalba. Išsaugokite žymas ir skaičius, užuot maišę atpažinimą su neapibrėžtu perrašymu.
Dinaminė raiška ir pozicijų informacija
Qwen2-VL sujungia vaizdo kodavimo modulį su Qwen2 kalbos modeliu. Naive Dynamic Resolution susieja skirtingus vaizdo dydžius su skirtingu vaizdinių žetonų skaičiumi. Multimodal Rotary Position Embedding atskiria pozicijų informaciją, kad modelis galėtų reprezentuoti teksto tvarką, dvimačius vaizdus ir vaizdo įrašo laikinę bei erdvinę struktūrą. Šios funkcijos paaiškina, kaip ta pati šeima apdoroja puslapį, kelis vaizdus ar vaizdo įrašo seką.
Modelio kortelės vaizdo procesorius dokumentuoja numatytąjį intervalą nuo 4 iki 16 384 vaizdinių žetonų vienam vaizdui. Programa gali keisti minimalų ir maksimalų pikselių skaičių, išlaikydama kraštinių santykį, arba paprašyti matmenų, suapvalintų iki 28 kartotinio. Pavyzdinis intervalas nuo 256 iki 1 280 žetonų yra konfigūruojama iliustracija, o ne atskira universali vaizdo riba. Daugiau vaizdo detalių reikalauja daugiau skaičiavimo ir vaizdinių žetonų, todėl rengdami vaizdą išsaugokite klausimui reikalingas žymas, antraštes ir mažus objektus.
Įvesties parengimas ir kontekstas
Kūrėjas demonstruoja vieną vaizdą, kelis vaizdus, vaizdo įrašą kaip kadrų seką ar vietinį failą ir pokalbius paketais. Vaizdo parengimas apima vietinius failus, užkoduotus vaizdo duomenis ir vaizdų nuorodas. Kortelės vaizdo įrašo pavyzdyje naudojamas pasirinktas kadrų dažnis; jis nenustato vieno privalomo kadrų atrankos dažnio visiems vaizdo įrašams. Nurodykite kelių vaizdų tvarką ir vaidmenį bei pateikite sekai interpretuoti reikalingą informaciją, užuot laikę nesusijusius kadrus viena scena.
Išleistoje konfigūracijoje maksimalus pozicijų skaičius nustatytas į 32 768. Vaizdinė medžiaga ir tekstinės instrukcijos turi būti planuojamos pagal tikrą sukonfigūruotą kontekstą. Kortelės 128 žetonų generavimo pavyzdys yra tik pavyzdinis nustatymas; jame nepaskelbta atskira maksimali išvesties talpa. 72B versija turėtų išlaikyti savo konfigūraciją, o ne perimti Qwen2.5-VL ar kito Qwen modelio ilgo konteksto nustatymus.
Esminiai apribojimai
Kūrėjas aiškiai nurodo, kad Qwen2-VL nesupranta garso vaizdo įrašuose. Todėl sakytinė informacija turi būti pateikta atskirai, jei klausimas nuo jos priklauso. Vaizdų mokymo duomenų rinkinys aprašytas kaip atnaujintas iki 2023 m. birželio; tai teiginys apie tą duomenų rinkinį, o ne pažadas apie aktualias vaizdines žinias.
Dokumentuoti apribojimai taip pat apima nevisišką tam tikrų žmonių ar įvardytų intelektinės nuosavybės objektų atpažinimą, sunkumus su sudėtingomis kelių žingsnių instrukcijomis, silpną skaičiavimą sudėtingose scenose ir trimačio erdvinio samprotavimo ribas. Kai užduotis priklauso nuo vieno iš šių gebėjimų, klausimą sutelkite į reikiamus objektus ar ryšį ir išsaugokite vaizdinius įrodymus šalia atsakymo. Aiški šaltinio medžiaga ir apibrėžta išvestis palengvina rezultato tikrinimą, nepakeisdamos šių apribojimų tikslumo garantija.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Qwen/Qwen2-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.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.00118 / 1K tokenų Išvestis · Išvesties tokenai $0.00118 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "Qwen/Qwen2-VL-72B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-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-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-VL-72B-Instruct
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.