Įvadas: instrukcijoms pritaikyta 3B laida
Qwen2.5-VL-3B-Instruct – Qwen2.5-VL šeimos 3B narys. Jis priima tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus, įskaitant struktūrizuotus duomenis. Rinkitės jį aiškiai apibrėžtam klausimui apie vaizdą, duomenų išgavimo iš dokumento užduočiai ar paaiškinimui, siejančiam matomą turinį su naudotojo prašymu. Šis konkretus dydis ir laida išlaiko savąją tapatybę; nereikėtų manyti, kad būtent kitiems dydžiams ar vėlesnėms Qwen kartoms pridėtos funkcijos taikomos ir šiam kontroliniam taškui.
Vaizdų supratimas ir agentų procesai
Qwen aprašo įprastų objektų atpažinimą ir rašto, diagramų, piktogramų, grafikos bei puslapių maketų analizę. Formai nurodykite reikalingus laukus ir tuščios reikšmės prasmę. Diagramai paprašykite ašių, vienetų ir matomų reikšmių, pagrindžiančių išvadą. Konkrečios užklausos išvestį lengviau palyginti su pradiniu vaizdu nei bendro prašymo aprašyti viską.
Šeima taip pat palaiko regos agento samprotavimą ir nurodymus įrankiams kompiuterio ar telefono procesuose. Modelis gali interpretuoti sąsają ir padėti pasirinkti veiksmą; jį atlieka prijungti programos įrankiai. Peržiūrint ekrano kopiją galima klausti, kuris valdiklis atitinka užduotį ir kokia matoma informacija pagrindžia pasirinkimą. Toks vaizdinis samprotavimas savaime nesuteikia įrenginio valdymo.
Ilgi vaizdo įrašai ir įvykių lokalizavimas
Gamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir prašomam įvykiui svarbių segmentų nustatymą. Tai šeimos gebėjimas, o ne besąlyginė medijos įkėlimo riba ar garantija, kad išsaugomas kiekvienas kadras. Parenkite susijusį fragmentą, išlaikykite jo laiko informaciją ir užduokite tikslų klausimą apie įvykį, seką ar pokytį. Modelio vaizdo įrašų apdorojimo metodas naudoja kadrų dažnio informaciją, kad vaizdinius stebėjimus susietų su absoliučiu laiku.
Lokalizavimas ir struktūrizuoti dokumentai
Qwen2.5-VL gali grąžinti objektų vietas kaip ribojančius rėmelius ar taškus su koordinatėmis ir požymiais JSON formatu. Lokalizavimo užduotyje įvardykite ieškomą objektą ir nurodykite, ar rezultatas turi būti taškas, ar rėmelis. Rezultatą naudojančioje programoje aiškiai apibrėžkite koordinačių taisykles, užuot iš savavališkos nuotraukos darę išvadą apie fizinį matmenį.
Gamintojas taip pat dokumentuoja struktūrizuotą duomenų išgavimą iš skenuotų sąskaitų, formų ir lentelių. Pateikite įskaitomą puslapį ir išvesties schemą: pavyzdžiui, lauko pavadinimą, išgautą tekstą ir jį pagrindžiančią matomą sritį. Šaltinyje išlaikykite vienetus, dešimtainius skirtukus ir lentelių antraštes. Neaiškų ar neįskaitomą turinį laikykite peržiūros atveju, užuot prašę modelio išgalvoti trūkstamą reikšmę. Šie parengimo pavyzdžiai taiko dokumentuotus gebėjimus, bet negarantuoja tikslaus išgavimo.
Architektūros pakeitimai
Dinaminė vaizdų raiška išplečiama į vaizdo įrašus mokant su kintamu kadrų dažniu. Atnaujintas daugiarūšis pozicijų kodavimas atvaizduoja laiko seką ir absoliutų laiką, padėdamas nustatyti konkrečius momentus bei greičio pokyčius. Regos koduotuve langinis dėmesys naudojamas kartu su SwiGLU ir RMSNorm. Šie pakeitimai aprašo, kaip modelis apdoroja vaizdinę medžiagą; jie nenustato fiksuotos konkrečios programos delsos.
Vaizdų ir vaizdo įrašų parengimas
Oficialūs pavyzdžiai apima vieną vaizdą, kelis vaizdus, vien tekstinius pokalbius, vaizdo failus ir išrikiuotus kadrų sąrašus. Pažymėkite kelias vaizdines įvestis, kad klausime būtų galima nurodyti kiekvieną. Vaizdų palyginimui prašykite pagal žymas sutvarkytos lentelės ir rezultatą apribokite matomais skirtumais. Vaizdo įrašo laiko juostoje išlaikykite kadrų tvarką ir laiko informaciją, užuot nesusietus paveikslėlius pateikę tarsi jie turėtų žinomą trukmę.
Dokumentuotas vaizdo procesoriaus numatytasis intervalas – nuo keturių iki 16,384 regos žetonų vienam vaizdui. Pavyzdyje pikselių ribomis galima siekti 256–1,280 žetonų. Šiose ribose jis išlaiko kraštinių santykį, o aiškiai nurodyti pakeisti matmenys derinami prie 28 kartotinių. Daugiau detalių naudoja daugiau skaičiavimų ir sekos vietos, todėl mažam teksto laukui gali reikėti didesnės raiškos iškarpos, o bendram scenos aprašymui – ne. Tai gamintojo apdorojimo valdikliai; programos įkėlimo parinktys gali skirtis.
Kontekstas ir esminės ribos
Paskelbto kontrolinio taško konfigūracijoje didžiausias pozicijų skaičius yra 128,000, o lydinčiame ilgo teksto skyriuje vis dar aptariama pradinė 32,768 žetonų konfigūracija. Vadove aprašyta YaRN ekstrapoliacija, tačiau perspėjama, kad ji gali smarkiai paveikti lokalizavimą laike ir erdvėje, todėl toms užduotims šis metodas nerekomenduojamas. Atskirai pažymima, kad vaizdo pozicijų kodavimas gali leisti didesnį pozicijų nustatymą; kaip pavyzdys pateikiamas 64K. Šių skirtingų konfigūracijos aprašymų nereikėtų sutraukti į vieną visuotinai patvirtintą įvesties ribą.
Tekstas, vaizdinė medžiaga ir atsakymas dalijasi baigtiniu sekos biudžetu. Susijusį turinį išlaikykite įskaitomą, palikite vietos rezultatui ir išgautą tekstą, koordinates bei įvykių laikus tikrinkite pagal originalą. Kortelės 128 žetonų generavimo pavyzdys yra iliustracinis ir nenustato atskiros griežtos didžiausios išvesties ribos. Šis modelis grąžina tekstinę analizę ar struktūrizuotą informaciją; jo regos ir kalbos gebėjimai nereiškia, kad jis generuoja vaizdus ar vaizdo įrašus.
", "aboutText": "Įvadas: instrukcijoms pritaikyta 3B laida\n\nQwen2.5-VL-3B-Instruct – Qwen2.5-VL šeimos 3B narys. Jis priima tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus, įskaitant struktūrizuotus duomenis. Rinkitės jį aiškiai apibrėžtam klausimui apie vaizdą, duomenų išgavimo iš dokumento užduočiai ar paaiškinimui, siejančiam matomą turinį su naudotojo prašymu. Šis konkretus dydis ir laida išlaiko savąją tapatybę; nereikėtų manyti, kad būtent kitiems dydžiams ar vėlesnėms Qwen kartoms pridėtos funkcijos taikomos ir šiam kontroliniam taškui.\n\nVaizdų supratimas ir agentų procesai\n\nQwen aprašo įprastų objektų atpažinimą ir rašto, diagramų, piktogramų, grafikos bei puslapių maketų analizę. Formai nurodykite reikalingus laukus ir tuščios reikšmės prasmę. Diagramai paprašykite ašių, vienetų ir matomų reikšmių, pagrindžiančių išvadą. Konkrečios užklausos išvestį lengviau palyginti su pradiniu vaizdu nei bendro prašymo aprašyti viską.\n\nŠeima taip pat palaiko regos agento samprotavimą ir nurodymus įrankiams kompiuterio ar telefono procesuose. Modelis gali interpretuoti sąsają ir padėti pasirinkti veiksmą; jį atlieka prijungti programos įrankiai. Peržiūrint ekrano kopiją galima klausti, kuris valdiklis atitinka užduotį ir kokia matoma informacija pagrindžia pasirinkimą. Toks vaizdinis samprotavimas savaime nesuteikia įrenginio valdymo.\n\nIlgi vaizdo įrašai ir įvykių lokalizavimas\n\nGamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir prašomam įvykiui svarbių segmentų nustatymą. Tai šeimos gebėjimas, o ne besąlyginė medijos įkėlimo riba ar garantija, kad išsaugomas kiekvienas kadras. Parenkite susijusį fragmentą, išlaikykite jo laiko informaciją ir užduokite tikslų klausimą apie įvykį, seką ar pokytį. Modelio vaizdo įrašų apdorojimo metodas naudoja kadrų dažnio informaciją, kad vaizdinius stebėjimus susietų su absoliučiu laiku.\n\nLokalizavimas ir struktūrizuoti dokumentai\n\nQwen2.5-VL gali grąžinti objektų vietas kaip ribojančius rėmelius ar taškus su koordinatėmis ir požymiais JSON formatu. Lokalizavimo užduotyje įvardykite ieškomą objektą ir nurodykite, ar rezultatas turi būti taškas, ar rėmelis. Rezultatą naudojančioje programoje aiškiai apibrėžkite koordinačių taisykles, užuot iš savavališkos nuotraukos darę išvadą apie fizinį matmenį.\n\nGamintojas taip pat dokumentuoja struktūrizuotą duomenų išgavimą iš skenuotų sąskaitų, formų ir lentelių. Pateikite įskaitomą puslapį ir išvesties schemą: pavyzdžiui, lauko pavadinimą, išgautą tekstą ir jį pagrindžiančią matomą sritį. Šaltinyje išlaikykite vienetus, dešimtainius skirtukus ir lentelių antraštes. Neaiškų ar neįskaitomą turinį laikykite peržiūros atveju, užuot prašę modelio išgalvoti trūkstamą reikšmę. Šie parengimo pavyzdžiai taiko dokumentuotus gebėjimus, bet negarantuoja tikslaus išgavimo.\n\nArchitektūros pakeitimai\n\nDinaminė vaizdų raiška išplečiama į vaizdo įrašus mokant su kintamu kadrų dažniu. Atnaujintas daugiarūšis pozicijų kodavimas atvaizduoja laiko seką ir absoliutų laiką, padėdamas nustatyti konkrečius momentus bei greičio pokyčius. Regos koduotuve langinis dėmesys naudojamas kartu su SwiGLU ir RMSNorm. Šie pakeitimai aprašo, kaip modelis apdoroja vaizdinę medžiagą; jie nenustato fiksuotos konkrečios programos delsos.\n\nVaizdų ir vaizdo įrašų parengimas\n\nOficialūs pavyzdžiai apima vieną vaizdą, kelis vaizdus, vien tekstinius pokalbius, vaizdo failus ir išrikiuotus kadrų sąrašus. Pažymėkite kelias vaizdines įvestis, kad klausime būtų galima nurodyti kiekvieną. Vaizdų palyginimui prašykite pagal žymas sutvarkytos lentelės ir rezultatą apribokite matomais skirtumais. Vaizdo įrašo laiko juostoje išlaikykite kadrų tvarką ir laiko informaciją, užuot nesusietus paveikslėlius pateikę tarsi jie turėtų žinomą trukmę.\n\nDokumentuotas vaizdo procesoriaus numatytasis intervalas – nuo keturių iki 16,384 regos žetonų vienam vaizdui. Pavyzdyje pikselių ribomis galima siekti 256–1,280 žetonų. Šiose ribose jis išlaiko kraštinių santykį, o aiškiai nurodyti pakeisti matmenys derinami prie 28 kartotinių. Daugiau detalių naudoja daugiau skaičiavimų ir sekos vietos, todėl mažam teksto laukui gali reikėti didesnės raiškos iškarpos, o bendram scenos aprašymui – ne. Tai gamintojo apdorojimo valdikliai; programos įkėlimo parinktys gali skirtis.\n\nKontekstas ir esminės ribos\n\nPaskelbto kontrolinio taško konfigūracijoje didžiausias pozicijų skaičius yra 128,000, o lydinčiame ilgo teksto skyriuje vis dar aptariama pradinė 32,768 žetonų konfigūracija. Vadove aprašyta YaRN ekstrapoliacija, tačiau perspėjama, kad ji gali smarkiai paveikti lokalizavimą laike ir erdvėje, todėl toms užduotims šis metodas nerekomenduojamas. Atskirai pažymima, kad vaizdo pozicijų kodavimas gali leisti didesnį pozicijų nustatymą; kaip pavyzdys pateikiamas 64K. Šių skirtingų konfigūracijos aprašymų nereikėtų sutraukti į vieną visuotinai patvirtintą įvesties ribą.\n\nTekstas, vaizdinė medžiaga ir atsakymas dalijasi baigtiniu sekos biudžetu. Susijusį turinį išlaikykite įskaitomą, palikite vietos rezultatui ir išgautą tekstą, koordinates bei įvykių laikus tikrinkite pagal originalą. Kortelės 128 žetonų generavimo pavyzdys yra iliustracinis ir nenustato atskiros griežtos didžiausios išvesties ribos. Šis modelis grąžina tekstinę analizę ar struktūrizuotą informaciją; jo regos ir kalbos gebėjimai nereiškia, kad jis generuoja vaizdus ar vaizdo įrašus.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct – kompaktiškas instrukcijoms pritaikytas Qwen regos ir kalbos modelis tekstui, vaizdams bei vaizdo įrašams. Jis grąžina tekstą ir struktūrizuotą vaizdinę informaciją, įskaitant dokumentų laukus, objektų koordinates bei įvykių aprašymus, ir naudoja dinaminę raišką bei laiką įvertinantį vaizdo įrašų apdorojimą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Įvadas: instrukcijoms pritaikyta 3B laida
Qwen2.5-VL-3B-Instruct – Qwen2.5-VL šeimos 3B narys. Jis priima tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus, įskaitant struktūrizuotus duomenis. Rinkitės jį aiškiai apibrėžtam klausimui apie vaizdą, duomenų išgavimo iš dokumento užduočiai ar paaiškinimui, siejančiam matomą turinį su naudotojo prašymu. Šis konkretus dydis ir laida išlaiko savąją tapatybę; nereikėtų manyti, kad būtent kitiems dydžiams ar vėlesnėms Qwen kartoms pridėtos funkcijos taikomos ir šiam kontroliniam taškui.
Vaizdų supratimas ir agentų procesai
Qwen aprašo įprastų objektų atpažinimą ir rašto, diagramų, piktogramų, grafikos bei puslapių maketų analizę. Formai nurodykite reikalingus laukus ir tuščios reikšmės prasmę. Diagramai paprašykite ašių, vienetų ir matomų reikšmių, pagrindžiančių išvadą. Konkrečios užklausos išvestį lengviau palyginti su pradiniu vaizdu nei bendro prašymo aprašyti viską.
Šeima taip pat palaiko regos agento samprotavimą ir nurodymus įrankiams kompiuterio ar telefono procesuose. Modelis gali interpretuoti sąsają ir padėti pasirinkti veiksmą; jį atlieka prijungti programos įrankiai. Peržiūrint ekrano kopiją galima klausti, kuris valdiklis atitinka užduotį ir kokia matoma informacija pagrindžia pasirinkimą. Toks vaizdinis samprotavimas savaime nesuteikia įrenginio valdymo.
Ilgi vaizdo įrašai ir įvykių lokalizavimas
Gamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir prašomam įvykiui svarbių segmentų nustatymą. Tai šeimos gebėjimas, o ne besąlyginė medijos įkėlimo riba ar garantija, kad išsaugomas kiekvienas kadras. Parenkite susijusį fragmentą, išlaikykite jo laiko informaciją ir užduokite tikslų klausimą apie įvykį, seką ar pokytį. Modelio vaizdo įrašų apdorojimo metodas naudoja kadrų dažnio informaciją, kad vaizdinius stebėjimus susietų su absoliučiu laiku.
Lokalizavimas ir struktūrizuoti dokumentai
Qwen2.5-VL gali grąžinti objektų vietas kaip ribojančius rėmelius ar taškus su koordinatėmis ir požymiais JSON formatu. Lokalizavimo užduotyje įvardykite ieškomą objektą ir nurodykite, ar rezultatas turi būti taškas, ar rėmelis. Rezultatą naudojančioje programoje aiškiai apibrėžkite koordinačių taisykles, užuot iš savavališkos nuotraukos darę išvadą apie fizinį matmenį.
Gamintojas taip pat dokumentuoja struktūrizuotą duomenų išgavimą iš skenuotų sąskaitų, formų ir lentelių. Pateikite įskaitomą puslapį ir išvesties schemą: pavyzdžiui, lauko pavadinimą, išgautą tekstą ir jį pagrindžiančią matomą sritį. Šaltinyje išlaikykite vienetus, dešimtainius skirtukus ir lentelių antraštes. Neaiškų ar neįskaitomą turinį laikykite peržiūros atveju, užuot prašę modelio išgalvoti trūkstamą reikšmę. Šie parengimo pavyzdžiai taiko dokumentuotus gebėjimus, bet negarantuoja tikslaus išgavimo.
Architektūros pakeitimai
Dinaminė vaizdų raiška išplečiama į vaizdo įrašus mokant su kintamu kadrų dažniu. Atnaujintas daugiarūšis pozicijų kodavimas atvaizduoja laiko seką ir absoliutų laiką, padėdamas nustatyti konkrečius momentus bei greičio pokyčius. Regos koduotuve langinis dėmesys naudojamas kartu su SwiGLU ir RMSNorm. Šie pakeitimai aprašo, kaip modelis apdoroja vaizdinę medžiagą; jie nenustato fiksuotos konkrečios programos delsos.
Vaizdų ir vaizdo įrašų parengimas
Oficialūs pavyzdžiai apima vieną vaizdą, kelis vaizdus, vien tekstinius pokalbius, vaizdo failus ir išrikiuotus kadrų sąrašus. Pažymėkite kelias vaizdines įvestis, kad klausime būtų galima nurodyti kiekvieną. Vaizdų palyginimui prašykite pagal žymas sutvarkytos lentelės ir rezultatą apribokite matomais skirtumais. Vaizdo įrašo laiko juostoje išlaikykite kadrų tvarką ir laiko informaciją, užuot nesusietus paveikslėlius pateikę tarsi jie turėtų žinomą trukmę.
Dokumentuotas vaizdo procesoriaus numatytasis intervalas – nuo keturių iki 16,384 regos žetonų vienam vaizdui. Pavyzdyje pikselių ribomis galima siekti 256–1,280 žetonų. Šiose ribose jis išlaiko kraštinių santykį, o aiškiai nurodyti pakeisti matmenys derinami prie 28 kartotinių. Daugiau detalių naudoja daugiau skaičiavimų ir sekos vietos, todėl mažam teksto laukui gali reikėti didesnės raiškos iškarpos, o bendram scenos aprašymui – ne. Tai gamintojo apdorojimo valdikliai; programos įkėlimo parinktys gali skirtis.
Kontekstas ir esminės ribos
Paskelbto kontrolinio taško konfigūracijoje didžiausias pozicijų skaičius yra 128,000, o lydinčiame ilgo teksto skyriuje vis dar aptariama pradinė 32,768 žetonų konfigūracija. Vadove aprašyta YaRN ekstrapoliacija, tačiau perspėjama, kad ji gali smarkiai paveikti lokalizavimą laike ir erdvėje, todėl toms užduotims šis metodas nerekomenduojamas. Atskirai pažymima, kad vaizdo pozicijų kodavimas gali leisti didesnį pozicijų nustatymą; kaip pavyzdys pateikiamas 64K. Šių skirtingų konfigūracijos aprašymų nereikėtų sutraukti į vieną visuotinai patvirtintą įvesties ribą.
Tekstas, vaizdinė medžiaga ir atsakymas dalijasi baigtiniu sekos biudžetu. Susijusį turinį išlaikykite įskaitomą, palikite vietos rezultatui ir išgautą tekstą, koordinates bei įvykių laikus tikrinkite pagal originalą. Kortelės 128 žetonų generavimo pavyzdys yra iliustracinis ir nenustato atskiros griežtos didžiausios išvesties ribos. Šis modelis grąžina tekstinę analizę ar struktūrizuotą informaciją; jo regos ir kalbos gebėjimai nereiškia, kad jis generuoja vaizdus ar vaizdo įrašus.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen2.5-vl-3b-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 $0.0004 / 1K tokenų Išvestis · Išvesties tokenai $0.0012 / 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": "qwen2.5-vl-3b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-vl-3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-vl-3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen2.5-vl-3b-instruct
Naudokite aukščiau nurodytus metodų kelius.
qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct – kompaktiškas instrukcijoms pritaikytas Qwen regos ir kalbos modelis tekstui, vaizdams bei vaizdo įrašams. Jis grąžina tekstą ir struktūrizuotą vaizdinę informaciją, įskaitant dokumentų laukus, objektų koordinates bei įvykių aprašymus, ir naudoja dinaminę raišką bei laiką įvertinantį vaizdo įrašų apdorojimą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Įvadas: instrukcijoms pritaikyta 3B laida
Qwen2.5-VL-3B-Instruct – Qwen2.5-VL šeimos 3B narys. Jis priima tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus, įskaitant struktūrizuotus duomenis. Rinkitės jį aiškiai apibrėžtam klausimui apie vaizdą, duomenų išgavimo iš dokumento užduočiai ar paaiškinimui, siejančiam matomą turinį su naudotojo prašymu. Šis konkretus dydis ir laida išlaiko savąją tapatybę; nereikėtų manyti, kad būtent kitiems dydžiams ar vėlesnėms Qwen kartoms pridėtos funkcijos taikomos ir šiam kontroliniam taškui.
Vaizdų supratimas ir agentų procesai
Qwen aprašo įprastų objektų atpažinimą ir rašto, diagramų, piktogramų, grafikos bei puslapių maketų analizę. Formai nurodykite reikalingus laukus ir tuščios reikšmės prasmę. Diagramai paprašykite ašių, vienetų ir matomų reikšmių, pagrindžiančių išvadą. Konkrečios užklausos išvestį lengviau palyginti su pradiniu vaizdu nei bendro prašymo aprašyti viską.
Šeima taip pat palaiko regos agento samprotavimą ir nurodymus įrankiams kompiuterio ar telefono procesuose. Modelis gali interpretuoti sąsają ir padėti pasirinkti veiksmą; jį atlieka prijungti programos įrankiai. Peržiūrint ekrano kopiją galima klausti, kuris valdiklis atitinka užduotį ir kokia matoma informacija pagrindžia pasirinkimą. Toks vaizdinis samprotavimas savaime nesuteikia įrenginio valdymo.
Ilgi vaizdo įrašai ir įvykių lokalizavimas
Gamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir prašomam įvykiui svarbių segmentų nustatymą. Tai šeimos gebėjimas, o ne besąlyginė medijos įkėlimo riba ar garantija, kad išsaugomas kiekvienas kadras. Parenkite susijusį fragmentą, išlaikykite jo laiko informaciją ir užduokite tikslų klausimą apie įvykį, seką ar pokytį. Modelio vaizdo įrašų apdorojimo metodas naudoja kadrų dažnio informaciją, kad vaizdinius stebėjimus susietų su absoliučiu laiku.
Lokalizavimas ir struktūrizuoti dokumentai
Qwen2.5-VL gali grąžinti objektų vietas kaip ribojančius rėmelius ar taškus su koordinatėmis ir požymiais JSON formatu. Lokalizavimo užduotyje įvardykite ieškomą objektą ir nurodykite, ar rezultatas turi būti taškas, ar rėmelis. Rezultatą naudojančioje programoje aiškiai apibrėžkite koordinačių taisykles, užuot iš savavališkos nuotraukos darę išvadą apie fizinį matmenį.
Gamintojas taip pat dokumentuoja struktūrizuotą duomenų išgavimą iš skenuotų sąskaitų, formų ir lentelių. Pateikite įskaitomą puslapį ir išvesties schemą: pavyzdžiui, lauko pavadinimą, išgautą tekstą ir jį pagrindžiančią matomą sritį. Šaltinyje išlaikykite vienetus, dešimtainius skirtukus ir lentelių antraštes. Neaiškų ar neįskaitomą turinį laikykite peržiūros atveju, užuot prašę modelio išgalvoti trūkstamą reikšmę. Šie parengimo pavyzdžiai taiko dokumentuotus gebėjimus, bet negarantuoja tikslaus išgavimo.
Architektūros pakeitimai
Dinaminė vaizdų raiška išplečiama į vaizdo įrašus mokant su kintamu kadrų dažniu. Atnaujintas daugiarūšis pozicijų kodavimas atvaizduoja laiko seką ir absoliutų laiką, padėdamas nustatyti konkrečius momentus bei greičio pokyčius. Regos koduotuve langinis dėmesys naudojamas kartu su SwiGLU ir RMSNorm. Šie pakeitimai aprašo, kaip modelis apdoroja vaizdinę medžiagą; jie nenustato fiksuotos konkrečios programos delsos.
Vaizdų ir vaizdo įrašų parengimas
Oficialūs pavyzdžiai apima vieną vaizdą, kelis vaizdus, vien tekstinius pokalbius, vaizdo failus ir išrikiuotus kadrų sąrašus. Pažymėkite kelias vaizdines įvestis, kad klausime būtų galima nurodyti kiekvieną. Vaizdų palyginimui prašykite pagal žymas sutvarkytos lentelės ir rezultatą apribokite matomais skirtumais. Vaizdo įrašo laiko juostoje išlaikykite kadrų tvarką ir laiko informaciją, užuot nesusietus paveikslėlius pateikę tarsi jie turėtų žinomą trukmę.
Dokumentuotas vaizdo procesoriaus numatytasis intervalas – nuo keturių iki 16,384 regos žetonų vienam vaizdui. Pavyzdyje pikselių ribomis galima siekti 256–1,280 žetonų. Šiose ribose jis išlaiko kraštinių santykį, o aiškiai nurodyti pakeisti matmenys derinami prie 28 kartotinių. Daugiau detalių naudoja daugiau skaičiavimų ir sekos vietos, todėl mažam teksto laukui gali reikėti didesnės raiškos iškarpos, o bendram scenos aprašymui – ne. Tai gamintojo apdorojimo valdikliai; programos įkėlimo parinktys gali skirtis.
Kontekstas ir esminės ribos
Paskelbto kontrolinio taško konfigūracijoje didžiausias pozicijų skaičius yra 128,000, o lydinčiame ilgo teksto skyriuje vis dar aptariama pradinė 32,768 žetonų konfigūracija. Vadove aprašyta YaRN ekstrapoliacija, tačiau perspėjama, kad ji gali smarkiai paveikti lokalizavimą laike ir erdvėje, todėl toms užduotims šis metodas nerekomenduojamas. Atskirai pažymima, kad vaizdo pozicijų kodavimas gali leisti didesnį pozicijų nustatymą; kaip pavyzdys pateikiamas 64K. Šių skirtingų konfigūracijos aprašymų nereikėtų sutraukti į vieną visuotinai patvirtintą įvesties ribą.
Tekstas, vaizdinė medžiaga ir atsakymas dalijasi baigtiniu sekos biudžetu. Susijusį turinį išlaikykite įskaitomą, palikite vietos rezultatui ir išgautą tekstą, koordinates bei įvykių laikus tikrinkite pagal originalą. Kortelės 128 žetonų generavimo pavyzdys yra iliustracinis ir nenustato atskiros griežtos didžiausios išvesties ribos. Šis modelis grąžina tekstinę analizę ar struktūrizuotą informaciją; jo regos ir kalbos gebėjimai nereiškia, kad jis generuoja vaizdus ar vaizdo įrašus.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen2.5-vl-3b-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 $0.0004 / 1K tokenų Išvestis · Išvesties tokenai $0.0012 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "qwen2.5-vl-3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-vl-3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-vl-3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen2.5-vl-3b-instruct
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.