Qwen2.5-VL-7B-Instruct – instrukcijoms pritaikyta Qwen2.5-VL 7B laida. Ji susieja tekstinę instrukciją su vaizdais ar vaizdo įrašu ir grąžina tekstinį rezultatą. Pagrindiniai gamintojo nurodomi patobulinimai apima objektų ir vaizdo detalių atpažinimą, teksto ir maketų analizę, regos agento užduotis, ilgų vaizdo įrašų įvykių supratimą, objektų lokalizavimą ir struktūrizuotą duomenų išgavimą iš dokumentų.
Vaizdinio turinio supratimas
Šeima geba daugiau nei nustatyti pagrindinį nuotraukos objektą. Dokumentuotos užduotys apima teksto, diagramų, piktogramų, grafikos ir elementų išdėstymo vaizde analizę. Diagramai nurodykite analizuotiną duomenų seką ar ryšį ir išlaikykite ašis, legendą bei vienetus. Schemai paprašykite paaiškinti, kaip susiję pažymėti komponentai ir ką matomas išdėstymas pasako apie procesą.
Naudingam palyginimui galima pateikti pradinį ir pataisytą dizainą, nurodyti, kuris yra kuris, ir paprašyti įvardyti matomus pakeitimus pagal trumpą reikalavimų sąrašą. Prašykite kartu pateikti stebėjimą ir susijusią vaizdo sritį. Taip atsakymas įgauna konkrečią paskirtį, užuot prašius bendro dviejų nesusijusių paveikslėlių aprašymo.
Regos agento procesai
Gamintojas pristato Qwen2.5-VL kaip regos agentą, galintį samprotauti apie ekraną ir nurodyti įrankiams veiksmus dirbant kompiuteriu ar telefonu. Modelis pateikia interpretaciją ir siūlomą operaciją; jį supanti agento programa suteikia valdiklius, įvykdo operaciją ir grąžina naują būseną. Taigi tekstinis atsakymas ar prognozuota koordinatė yra tik viena šio integruoto proceso dalis.
Klausdami apie sąsają pateikite ekrano kopiją ir tikrąjį tikslą, tada paprašykite nurodyti susijusį matomą valdiklį ir kitą veiksmą. Prašoma išvestis turi būti konkreti: valdiklio užrašas, jo vieta ir numatomas veiksmas. Jei programa tą veiksmą atlieka, kita ekrano kopija pateikia atnaujintą vaizdinę įvestį vėlesniam sprendimui.
Ilgi vaizdo įrašai ir įvykių lokalizavimas
Gamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir segmento, kuriame yra prašomas įvykis, nustatymą. Taip vaizdo įrašo aprašymas išplečiamas iki lokalizavimo laike. Užduotyje galima klausti, kada pirmą kartą pasirodo objektas, kur demonstracija pasiekia tam tikrą žingsnį arba kuris matomas įvykis vyksta prieš kitą. Nurodykite, ar reikia santraukos, išrikiuoto įvykių sąrašo, ar pradžios ir pabaigos laikų su įvykio aprašymu.
Šeima mokoma dinamiškai atrenkant kadrus pagal jų dažnį ir laiko pozicijų informaciją derinant su absoliučiu laiku. Todėl kadrų dažnio informacija priklauso vaizdo įrašo parengimui; tai nėra savavališka žyma, kurią galima atmesti, kai svarbios laiko žymos. Dokumentuotas ilgų vaizdo įrašų gebėjimas nėra universali failo dydžio ar didžiausios trukmės specifikacija kiekvienam įvesties keliui.
Objektų lokalizavimas ir struktūrizuoti dokumentai
Qwen2.5-VL gali grąžinti ribojančius rėmelius ar taškus, o koordinates ir požymius sutvarkyti JSON formatu. Laidoje naudojamos tikrojo vaizdo dydžio mastelio koordinatės, o ne įprastos normalizuotos koordinatės. Nurodykite, ar reikia objektą apimančio rėmelio, konkretaus taško ar objekto aprašymo, ir išsaugokite vaizdo matmenis bei dydžio keitimo informaciją, reikalingą grąžintai vietai interpretuoti.
Pavyzdžiui, vaizdinės inventorizacijos užklausoje galima prašyti kiekvieno ieškomo objekto, jo rėmelio ir matomo požymio. Taškais pagrįstoje užduotyje galima prašyti pažymėto valdiklio ar nurodytos objekto dalies vietos. Tai siūlomi išvesties variantai, o ne fiksuoti laukų pavadinimai, privalomi kiekvienai užklausai. Pateikę kelis vaizdus kiekvieną koordinatę susiekite su jos pradiniu vaizdu.
Gamintojas atskirai pabrėžia struktūrizuotą duomenų išgavimą iš sąskaitų skenuočių, formų ir lentelių. Apibrėžkite laukus, išlaikykite pradines žymas ir paprašykite aiškiai pažymėti atvejus, kai reikšmės neįmanoma perskaityti. Lentelėje kartu su prašomomis eilutėmis išlaikykite stulpelių antraštes ir vienetus. Praktiškame įraše gali būti dokumento identifikatorius, lauko žyma, išgauta reikšmė ir vieta, kad išvestį būtų galima vėliau lyginti ar tikrinti žmogui.
Architektūra ir įvesties parengimas
Modelis dinaminę vaizdų raišką ir dinaminę vaizdo įrašų kadrų atranką derina su atnaujinta daugiarūše sukamąja pozicijų informacija. Regos koduotuve naudojamas langinis dėmesys, SwiGLU ir RMSNorm. Šie architektūros pakeitimai padeda apdoroti vaizdus ir laiką; jie nesuteikia garso įvesties ar vaizdų generavimo dokumentuotam procesui su tekstiniu rezultatu.
Kortelėje demonstruojamas vienas vaizdas, keli vaizdai, vaizdo įrašo kadrų seka, vaizdo failas ar nuoroda ir paketai su pokalbiais. Vaizdo procesoriui dokumentuotas numatytasis intervalas nuo 4 iki 16,384 regos žetonų vienam vaizdui. Mažiausio ir didžiausio pikselių kiekio nustatymai išlaiko kraštinių santykį; prašomi tikslūs matmenys suapvalinami iki 28 kartotinio. Pavyzdinis 256–1,280 regos žetonų intervalas yra reguliuojama iliustracija, o ne atskira griežta vaizdo riba. Rinkdamiesi dydžio pakeitimą išlaikykite klausimui reikalingas detales.
Kontekstas ir lokalizavimui jautrūs nustatymai
Išleistoje konfigūracijoje didžiausias pozicijų skaičius yra 128,000. Modelio kortelės ilgo teksto skyriuje atskirai aprašytas 32,768 žetonų pradinis dydis ir YaRN išplėtimo pavyzdys. Jame aiškiai perspėjama, kad šis išplėtimas smarkiai veikia lokalizavimą laike ir erdvėje, todėl jo naudoti nerekomenduojama. Vadove taip pat aptariamas didžiausio pozicijų skaičiaus keitimas ilgiems vaizdo įrašams; tai konfigūracijos pastabos, o ne viena besąlyginė įvesties riba visoms užduotims.
Konkrečios laidos konfigūraciją ir vaizdų išankstinį apdorojimą derinkite su užduotimi, ypač kai svarbios koordinatės ar įvykių laikai. Kortelės 128 žetonų generavimo pavyzdys nenurodo atskiros didžiausios išvesties talpos. Qwen2.5-VL-7B-Instruct kuria tekstą, koordinates ir struktūrizuotus rezultatus; išoriniam veiksmui, atvaizduotam vaizdui, vaizdo įrašui ar žodiniam atsakymui reikia kito programos komponento.
", "aboutText": "Qwen2.5-VL-7B-Instruct – instrukcijoms pritaikyta Qwen2.5-VL 7B laida. Ji susieja tekstinę instrukciją su vaizdais ar vaizdo įrašu ir grąžina tekstinį rezultatą. Pagrindiniai gamintojo nurodomi patobulinimai apima objektų ir vaizdo detalių atpažinimą, teksto ir maketų analizę, regos agento užduotis, ilgų vaizdo įrašų įvykių supratimą, objektų lokalizavimą ir struktūrizuotą duomenų išgavimą iš dokumentų.\n\nVaizdinio turinio supratimas\n\nŠeima geba daugiau nei nustatyti pagrindinį nuotraukos objektą. Dokumentuotos užduotys apima teksto, diagramų, piktogramų, grafikos ir elementų išdėstymo vaizde analizę. Diagramai nurodykite analizuotiną duomenų seką ar ryšį ir išlaikykite ašis, legendą bei vienetus. Schemai paprašykite paaiškinti, kaip susiję pažymėti komponentai ir ką matomas išdėstymas pasako apie procesą.\n\nNaudingam palyginimui galima pateikti pradinį ir pataisytą dizainą, nurodyti, kuris yra kuris, ir paprašyti įvardyti matomus pakeitimus pagal trumpą reikalavimų sąrašą. Prašykite kartu pateikti stebėjimą ir susijusią vaizdo sritį. Taip atsakymas įgauna konkrečią paskirtį, užuot prašius bendro dviejų nesusijusių paveikslėlių aprašymo.\n\nRegos agento procesai\n\nGamintojas pristato Qwen2.5-VL kaip regos agentą, galintį samprotauti apie ekraną ir nurodyti įrankiams veiksmus dirbant kompiuteriu ar telefonu. Modelis pateikia interpretaciją ir siūlomą operaciją; jį supanti agento programa suteikia valdiklius, įvykdo operaciją ir grąžina naują būseną. Taigi tekstinis atsakymas ar prognozuota koordinatė yra tik viena šio integruoto proceso dalis.\n\nKlausdami apie sąsają pateikite ekrano kopiją ir tikrąjį tikslą, tada paprašykite nurodyti susijusį matomą valdiklį ir kitą veiksmą. Prašoma išvestis turi būti konkreti: valdiklio užrašas, jo vieta ir numatomas veiksmas. Jei programa tą veiksmą atlieka, kita ekrano kopija pateikia atnaujintą vaizdinę įvestį vėlesniam sprendimui.\n\nIlgi vaizdo įrašai ir įvykių lokalizavimas\n\nGamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir segmento, kuriame yra prašomas įvykis, nustatymą. Taip vaizdo įrašo aprašymas išplečiamas iki lokalizavimo laike. Užduotyje galima klausti, kada pirmą kartą pasirodo objektas, kur demonstracija pasiekia tam tikrą žingsnį arba kuris matomas įvykis vyksta prieš kitą. Nurodykite, ar reikia santraukos, išrikiuoto įvykių sąrašo, ar pradžios ir pabaigos laikų su įvykio aprašymu.\n\nŠeima mokoma dinamiškai atrenkant kadrus pagal jų dažnį ir laiko pozicijų informaciją derinant su absoliučiu laiku. Todėl kadrų dažnio informacija priklauso vaizdo įrašo parengimui; tai nėra savavališka žyma, kurią galima atmesti, kai svarbios laiko žymos. Dokumentuotas ilgų vaizdo įrašų gebėjimas nėra universali failo dydžio ar didžiausios trukmės specifikacija kiekvienam įvesties keliui.\n\nObjektų lokalizavimas ir struktūrizuoti dokumentai\n\nQwen2.5-VL gali grąžinti ribojančius rėmelius ar taškus, o koordinates ir požymius sutvarkyti JSON formatu. Laidoje naudojamos tikrojo vaizdo dydžio mastelio koordinatės, o ne įprastos normalizuotos koordinatės. Nurodykite, ar reikia objektą apimančio rėmelio, konkretaus taško ar objekto aprašymo, ir išsaugokite vaizdo matmenis bei dydžio keitimo informaciją, reikalingą grąžintai vietai interpretuoti.\n\nPavyzdžiui, vaizdinės inventorizacijos užklausoje galima prašyti kiekvieno ieškomo objekto, jo rėmelio ir matomo požymio. Taškais pagrįstoje užduotyje galima prašyti pažymėto valdiklio ar nurodytos objekto dalies vietos. Tai siūlomi išvesties variantai, o ne fiksuoti laukų pavadinimai, privalomi kiekvienai užklausai. Pateikę kelis vaizdus kiekvieną koordinatę susiekite su jos pradiniu vaizdu.\n\nGamintojas atskirai pabrėžia struktūrizuotą duomenų išgavimą iš sąskaitų skenuočių, formų ir lentelių. Apibrėžkite laukus, išlaikykite pradines žymas ir paprašykite aiškiai pažymėti atvejus, kai reikšmės neįmanoma perskaityti. Lentelėje kartu su prašomomis eilutėmis išlaikykite stulpelių antraštes ir vienetus. Praktiškame įraše gali būti dokumento identifikatorius, lauko žyma, išgauta reikšmė ir vieta, kad išvestį būtų galima vėliau lyginti ar tikrinti žmogui.\n\nArchitektūra ir įvesties parengimas\n\nModelis dinaminę vaizdų raišką ir dinaminę vaizdo įrašų kadrų atranką derina su atnaujinta daugiarūše sukamąja pozicijų informacija. Regos koduotuve naudojamas langinis dėmesys, SwiGLU ir RMSNorm. Šie architektūros pakeitimai padeda apdoroti vaizdus ir laiką; jie nesuteikia garso įvesties ar vaizdų generavimo dokumentuotam procesui su tekstiniu rezultatu.\n\nKortelėje demonstruojamas vienas vaizdas, keli vaizdai, vaizdo įrašo kadrų seka, vaizdo failas ar nuoroda ir paketai su pokalbiais. Vaizdo procesoriui dokumentuotas numatytasis intervalas nuo 4 iki 16,384 regos žetonų vienam vaizdui. Mažiausio ir didžiausio pikselių kiekio nustatymai išlaiko kraštinių santykį; prašomi tikslūs matmenys suapvalinami iki 28 kartotinio. Pavyzdinis 256–1,280 regos žetonų intervalas yra reguliuojama iliustracija, o ne atskira griežta vaizdo riba. Rinkdamiesi dydžio pakeitimą išlaikykite klausimui reikalingas detales.\n\nKontekstas ir lokalizavimui jautrūs nustatymai\n\nIšleistoje konfigūracijoje didžiausias pozicijų skaičius yra 128,000. Modelio kortelės ilgo teksto skyriuje atskirai aprašytas 32,768 žetonų pradinis dydis ir YaRN išplėtimo pavyzdys. Jame aiškiai perspėjama, kad šis išplėtimas smarkiai veikia lokalizavimą laike ir erdvėje, todėl jo naudoti nerekomenduojama. Vadove taip pat aptariamas didžiausio pozicijų skaičiaus keitimas ilgiems vaizdo įrašams; tai konfigūracijos pastabos, o ne viena besąlyginė įvesties riba visoms užduotims.\n\nKonkrečios laidos konfigūraciją ir vaizdų išankstinį apdorojimą derinkite su užduotimi, ypač kai svarbios koordinatės ar įvykių laikai. Kortelės 128 žetonų generavimo pavyzdys nenurodo atskiros didžiausios išvesties talpos. Qwen2.5-VL-7B-Instruct kuria tekstą, koordinates ir struktūrizuotus rezultatus; išoriniam veiksmui, atvaizduotam vaizdui, vaizdo įrašui ar žodiniam atsakymui reikia kito programos komponento.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Extract a transcribed invoice table\n\nExtract line items from this invoice transcription: "Invoice N-33; item | quantity | unit price; Clip | 4 | 2.50; Folder | 2 | unreadable." Return each item with quantity, unit price and source invoice ID. Mark the unreadable price explicitly and do not infer it from a total. No image is supplied.A two-row field table retaining N-33 and an explicit unreadable value for the folder unit price.Verify quantities are not swapped and the unreadable price is neither zero nor a guessed amount.qwen2.5-vl-7b-instructQwen2.5-VL-7B-Instruct – regos ir kalbos modelis vaizdams, dokumentams bei vaizdo įrašams. Jis kuria tekstą ir struktūrizuotus rezultatus, įskaitant objektų rėmelius, taškus ir požymius; 7B laidai suteikia įvykių lokalizavimą laike ir regos agento gebėjimus.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2.5-VL-7B-Instruct – instrukcijoms pritaikyta Qwen2.5-VL 7B laida. Ji susieja tekstinę instrukciją su vaizdais ar vaizdo įrašu ir grąžina tekstinį rezultatą. Pagrindiniai gamintojo nurodomi patobulinimai apima objektų ir vaizdo detalių atpažinimą, teksto ir maketų analizę, regos agento užduotis, ilgų vaizdo įrašų įvykių supratimą, objektų lokalizavimą ir struktūrizuotą duomenų išgavimą iš dokumentų.
Vaizdinio turinio supratimas
Šeima geba daugiau nei nustatyti pagrindinį nuotraukos objektą. Dokumentuotos užduotys apima teksto, diagramų, piktogramų, grafikos ir elementų išdėstymo vaizde analizę. Diagramai nurodykite analizuotiną duomenų seką ar ryšį ir išlaikykite ašis, legendą bei vienetus. Schemai paprašykite paaiškinti, kaip susiję pažymėti komponentai ir ką matomas išdėstymas pasako apie procesą.
Naudingam palyginimui galima pateikti pradinį ir pataisytą dizainą, nurodyti, kuris yra kuris, ir paprašyti įvardyti matomus pakeitimus pagal trumpą reikalavimų sąrašą. Prašykite kartu pateikti stebėjimą ir susijusią vaizdo sritį. Taip atsakymas įgauna konkrečią paskirtį, užuot prašius bendro dviejų nesusijusių paveikslėlių aprašymo.
Regos agento procesai
Gamintojas pristato Qwen2.5-VL kaip regos agentą, galintį samprotauti apie ekraną ir nurodyti įrankiams veiksmus dirbant kompiuteriu ar telefonu. Modelis pateikia interpretaciją ir siūlomą operaciją; jį supanti agento programa suteikia valdiklius, įvykdo operaciją ir grąžina naują būseną. Taigi tekstinis atsakymas ar prognozuota koordinatė yra tik viena šio integruoto proceso dalis.
Klausdami apie sąsają pateikite ekrano kopiją ir tikrąjį tikslą, tada paprašykite nurodyti susijusį matomą valdiklį ir kitą veiksmą. Prašoma išvestis turi būti konkreti: valdiklio užrašas, jo vieta ir numatomas veiksmas. Jei programa tą veiksmą atlieka, kita ekrano kopija pateikia atnaujintą vaizdinę įvestį vėlesniam sprendimui.
Ilgi vaizdo įrašai ir įvykių lokalizavimas
Gamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir segmento, kuriame yra prašomas įvykis, nustatymą. Taip vaizdo įrašo aprašymas išplečiamas iki lokalizavimo laike. Užduotyje galima klausti, kada pirmą kartą pasirodo objektas, kur demonstracija pasiekia tam tikrą žingsnį arba kuris matomas įvykis vyksta prieš kitą. Nurodykite, ar reikia santraukos, išrikiuoto įvykių sąrašo, ar pradžios ir pabaigos laikų su įvykio aprašymu.
Šeima mokoma dinamiškai atrenkant kadrus pagal jų dažnį ir laiko pozicijų informaciją derinant su absoliučiu laiku. Todėl kadrų dažnio informacija priklauso vaizdo įrašo parengimui; tai nėra savavališka žyma, kurią galima atmesti, kai svarbios laiko žymos. Dokumentuotas ilgų vaizdo įrašų gebėjimas nėra universali failo dydžio ar didžiausios trukmės specifikacija kiekvienam įvesties keliui.
Objektų lokalizavimas ir struktūrizuoti dokumentai
Qwen2.5-VL gali grąžinti ribojančius rėmelius ar taškus, o koordinates ir požymius sutvarkyti JSON formatu. Laidoje naudojamos tikrojo vaizdo dydžio mastelio koordinatės, o ne įprastos normalizuotos koordinatės. Nurodykite, ar reikia objektą apimančio rėmelio, konkretaus taško ar objekto aprašymo, ir išsaugokite vaizdo matmenis bei dydžio keitimo informaciją, reikalingą grąžintai vietai interpretuoti.
Pavyzdžiui, vaizdinės inventorizacijos užklausoje galima prašyti kiekvieno ieškomo objekto, jo rėmelio ir matomo požymio. Taškais pagrįstoje užduotyje galima prašyti pažymėto valdiklio ar nurodytos objekto dalies vietos. Tai siūlomi išvesties variantai, o ne fiksuoti laukų pavadinimai, privalomi kiekvienai užklausai. Pateikę kelis vaizdus kiekvieną koordinatę susiekite su jos pradiniu vaizdu.
Gamintojas atskirai pabrėžia struktūrizuotą duomenų išgavimą iš sąskaitų skenuočių, formų ir lentelių. Apibrėžkite laukus, išlaikykite pradines žymas ir paprašykite aiškiai pažymėti atvejus, kai reikšmės neįmanoma perskaityti. Lentelėje kartu su prašomomis eilutėmis išlaikykite stulpelių antraštes ir vienetus. Praktiškame įraše gali būti dokumento identifikatorius, lauko žyma, išgauta reikšmė ir vieta, kad išvestį būtų galima vėliau lyginti ar tikrinti žmogui.
Architektūra ir įvesties parengimas
Modelis dinaminę vaizdų raišką ir dinaminę vaizdo įrašų kadrų atranką derina su atnaujinta daugiarūše sukamąja pozicijų informacija. Regos koduotuve naudojamas langinis dėmesys, SwiGLU ir RMSNorm. Šie architektūros pakeitimai padeda apdoroti vaizdus ir laiką; jie nesuteikia garso įvesties ar vaizdų generavimo dokumentuotam procesui su tekstiniu rezultatu.
Kortelėje demonstruojamas vienas vaizdas, keli vaizdai, vaizdo įrašo kadrų seka, vaizdo failas ar nuoroda ir paketai su pokalbiais. Vaizdo procesoriui dokumentuotas numatytasis intervalas nuo 4 iki 16,384 regos žetonų vienam vaizdui. Mažiausio ir didžiausio pikselių kiekio nustatymai išlaiko kraštinių santykį; prašomi tikslūs matmenys suapvalinami iki 28 kartotinio. Pavyzdinis 256–1,280 regos žetonų intervalas yra reguliuojama iliustracija, o ne atskira griežta vaizdo riba. Rinkdamiesi dydžio pakeitimą išlaikykite klausimui reikalingas detales.
Kontekstas ir lokalizavimui jautrūs nustatymai
Išleistoje konfigūracijoje didžiausias pozicijų skaičius yra 128,000. Modelio kortelės ilgo teksto skyriuje atskirai aprašytas 32,768 žetonų pradinis dydis ir YaRN išplėtimo pavyzdys. Jame aiškiai perspėjama, kad šis išplėtimas smarkiai veikia lokalizavimą laike ir erdvėje, todėl jo naudoti nerekomenduojama. Vadove taip pat aptariamas didžiausio pozicijų skaičiaus keitimas ilgiems vaizdo įrašams; tai konfigūracijos pastabos, o ne viena besąlyginė įvesties riba visoms užduotims.
Konkrečios laidos konfigūraciją ir vaizdų išankstinį apdorojimą derinkite su užduotimi, ypač kai svarbios koordinatės ar įvykių laikai. Kortelės 128 žetonų generavimo pavyzdys nenurodo atskiros didžiausios išvesties talpos. Qwen2.5-VL-7B-Instruct kuria tekstą, koordinates ir struktūrizuotus rezultatus; išoriniam veiksmui, atvaizduotam vaizdui, vaizdo įrašui ar žodiniam atsakymui reikia kito programos komponento.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen2.5-vl-7b-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 $0.0001 / 1K tokenų Išvestis · Išvesties tokenai $0.0001 / 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-7b-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-7b-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-7b-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-7b-instruct
Naudokite aukščiau nurodytus metodų kelius.
qwen2.5-vl-7b-instructQwen2.5-VL-7B-Instruct – regos ir kalbos modelis vaizdams, dokumentams bei vaizdo įrašams. Jis kuria tekstą ir struktūrizuotus rezultatus, įskaitant objektų rėmelius, taškus ir požymius; 7B laidai suteikia įvykių lokalizavimą laike ir regos agento gebėjimus.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2.5-VL-7B-Instruct – instrukcijoms pritaikyta Qwen2.5-VL 7B laida. Ji susieja tekstinę instrukciją su vaizdais ar vaizdo įrašu ir grąžina tekstinį rezultatą. Pagrindiniai gamintojo nurodomi patobulinimai apima objektų ir vaizdo detalių atpažinimą, teksto ir maketų analizę, regos agento užduotis, ilgų vaizdo įrašų įvykių supratimą, objektų lokalizavimą ir struktūrizuotą duomenų išgavimą iš dokumentų.
Vaizdinio turinio supratimas
Šeima geba daugiau nei nustatyti pagrindinį nuotraukos objektą. Dokumentuotos užduotys apima teksto, diagramų, piktogramų, grafikos ir elementų išdėstymo vaizde analizę. Diagramai nurodykite analizuotiną duomenų seką ar ryšį ir išlaikykite ašis, legendą bei vienetus. Schemai paprašykite paaiškinti, kaip susiję pažymėti komponentai ir ką matomas išdėstymas pasako apie procesą.
Naudingam palyginimui galima pateikti pradinį ir pataisytą dizainą, nurodyti, kuris yra kuris, ir paprašyti įvardyti matomus pakeitimus pagal trumpą reikalavimų sąrašą. Prašykite kartu pateikti stebėjimą ir susijusią vaizdo sritį. Taip atsakymas įgauna konkrečią paskirtį, užuot prašius bendro dviejų nesusijusių paveikslėlių aprašymo.
Regos agento procesai
Gamintojas pristato Qwen2.5-VL kaip regos agentą, galintį samprotauti apie ekraną ir nurodyti įrankiams veiksmus dirbant kompiuteriu ar telefonu. Modelis pateikia interpretaciją ir siūlomą operaciją; jį supanti agento programa suteikia valdiklius, įvykdo operaciją ir grąžina naują būseną. Taigi tekstinis atsakymas ar prognozuota koordinatė yra tik viena šio integruoto proceso dalis.
Klausdami apie sąsają pateikite ekrano kopiją ir tikrąjį tikslą, tada paprašykite nurodyti susijusį matomą valdiklį ir kitą veiksmą. Prašoma išvestis turi būti konkreti: valdiklio užrašas, jo vieta ir numatomas veiksmas. Jei programa tą veiksmą atlieka, kita ekrano kopija pateikia atnaujintą vaizdinę įvestį vėlesniam sprendimui.
Ilgi vaizdo įrašai ir įvykių lokalizavimas
Gamintojas aprašo ilgesnių nei vienos valandos vaizdo įrašų supratimą ir segmento, kuriame yra prašomas įvykis, nustatymą. Taip vaizdo įrašo aprašymas išplečiamas iki lokalizavimo laike. Užduotyje galima klausti, kada pirmą kartą pasirodo objektas, kur demonstracija pasiekia tam tikrą žingsnį arba kuris matomas įvykis vyksta prieš kitą. Nurodykite, ar reikia santraukos, išrikiuoto įvykių sąrašo, ar pradžios ir pabaigos laikų su įvykio aprašymu.
Šeima mokoma dinamiškai atrenkant kadrus pagal jų dažnį ir laiko pozicijų informaciją derinant su absoliučiu laiku. Todėl kadrų dažnio informacija priklauso vaizdo įrašo parengimui; tai nėra savavališka žyma, kurią galima atmesti, kai svarbios laiko žymos. Dokumentuotas ilgų vaizdo įrašų gebėjimas nėra universali failo dydžio ar didžiausios trukmės specifikacija kiekvienam įvesties keliui.
Objektų lokalizavimas ir struktūrizuoti dokumentai
Qwen2.5-VL gali grąžinti ribojančius rėmelius ar taškus, o koordinates ir požymius sutvarkyti JSON formatu. Laidoje naudojamos tikrojo vaizdo dydžio mastelio koordinatės, o ne įprastos normalizuotos koordinatės. Nurodykite, ar reikia objektą apimančio rėmelio, konkretaus taško ar objekto aprašymo, ir išsaugokite vaizdo matmenis bei dydžio keitimo informaciją, reikalingą grąžintai vietai interpretuoti.
Pavyzdžiui, vaizdinės inventorizacijos užklausoje galima prašyti kiekvieno ieškomo objekto, jo rėmelio ir matomo požymio. Taškais pagrįstoje užduotyje galima prašyti pažymėto valdiklio ar nurodytos objekto dalies vietos. Tai siūlomi išvesties variantai, o ne fiksuoti laukų pavadinimai, privalomi kiekvienai užklausai. Pateikę kelis vaizdus kiekvieną koordinatę susiekite su jos pradiniu vaizdu.
Gamintojas atskirai pabrėžia struktūrizuotą duomenų išgavimą iš sąskaitų skenuočių, formų ir lentelių. Apibrėžkite laukus, išlaikykite pradines žymas ir paprašykite aiškiai pažymėti atvejus, kai reikšmės neįmanoma perskaityti. Lentelėje kartu su prašomomis eilutėmis išlaikykite stulpelių antraštes ir vienetus. Praktiškame įraše gali būti dokumento identifikatorius, lauko žyma, išgauta reikšmė ir vieta, kad išvestį būtų galima vėliau lyginti ar tikrinti žmogui.
Architektūra ir įvesties parengimas
Modelis dinaminę vaizdų raišką ir dinaminę vaizdo įrašų kadrų atranką derina su atnaujinta daugiarūše sukamąja pozicijų informacija. Regos koduotuve naudojamas langinis dėmesys, SwiGLU ir RMSNorm. Šie architektūros pakeitimai padeda apdoroti vaizdus ir laiką; jie nesuteikia garso įvesties ar vaizdų generavimo dokumentuotam procesui su tekstiniu rezultatu.
Kortelėje demonstruojamas vienas vaizdas, keli vaizdai, vaizdo įrašo kadrų seka, vaizdo failas ar nuoroda ir paketai su pokalbiais. Vaizdo procesoriui dokumentuotas numatytasis intervalas nuo 4 iki 16,384 regos žetonų vienam vaizdui. Mažiausio ir didžiausio pikselių kiekio nustatymai išlaiko kraštinių santykį; prašomi tikslūs matmenys suapvalinami iki 28 kartotinio. Pavyzdinis 256–1,280 regos žetonų intervalas yra reguliuojama iliustracija, o ne atskira griežta vaizdo riba. Rinkdamiesi dydžio pakeitimą išlaikykite klausimui reikalingas detales.
Kontekstas ir lokalizavimui jautrūs nustatymai
Išleistoje konfigūracijoje didžiausias pozicijų skaičius yra 128,000. Modelio kortelės ilgo teksto skyriuje atskirai aprašytas 32,768 žetonų pradinis dydis ir YaRN išplėtimo pavyzdys. Jame aiškiai perspėjama, kad šis išplėtimas smarkiai veikia lokalizavimą laike ir erdvėje, todėl jo naudoti nerekomenduojama. Vadove taip pat aptariamas didžiausio pozicijų skaičiaus keitimas ilgiems vaizdo įrašams; tai konfigūracijos pastabos, o ne viena besąlyginė įvesties riba visoms užduotims.
Konkrečios laidos konfigūraciją ir vaizdų išankstinį apdorojimą derinkite su užduotimi, ypač kai svarbios koordinatės ar įvykių laikai. Kortelės 128 žetonų generavimo pavyzdys nenurodo atskiros didžiausios išvesties talpos. Qwen2.5-VL-7B-Instruct kuria tekstą, koordinates ir struktūrizuotus rezultatus; išoriniam veiksmui, atvaizduotam vaizdui, vaizdo įrašui ar žodiniam atsakymui reikia kito programos komponento.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen2.5-vl-7b-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 $0.0001 / 1K tokenų Išvestis · Išvesties tokenai $0.0001 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "qwen2.5-vl-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-7b-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-7b-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-7b-instruct
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Extract a transcribed invoice table\n\nExtract line items from this invoice transcription: "Invoice N-33; item | quantity | unit price; Clip | 4 | 2.50; Folder | 2 | unreadable." Return each item with quantity, unit price and source invoice ID. Mark the unreadable price explicitly and do not infer it from a total. No image is supplied.A two-row field table retaining N-33 and an explicit unreadable value for the folder unit price.Verify quantities are not swapped and the unreadable price is neither zero nor a guessed amount.