Įvadas: 7B regos ir kalbos versija
Qwen2-VL-7B-Instruct – pagal instrukcijas papildomai mokytas 7B Qwen2-VL šeimos narys. Jis derina tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus. Naudingos išvestys – puslapio paaiškinimas, vaizdų palyginimas, matomų įvykių aprašymas ar atsakymas į klausimą apie diagramą. Tai būtent ši Qwen2-VL laida; naujesni Qwen2.5-VL ir Qwen3-VL modelio kontroliniai taškai turi savas galimybes ir tapatybes.
Ką prideda Qwen2-VL
Qwen aprašo vaizdų supratimą esant skirtingai skiriamajai gebai ir kraštinių santykiui, taip pat atsakymus į klausimus apie vaizdo įrašus, dialogą ir turinio kūrimą. Dokumentuotos šeimos vaizdo galimybės apima ilgesnę nei 20 minučių medžiagą. Vien trukmė neparodo, kiek kadrų apdoroja programa, ir negarantuoja visų įvykių atsiminimo. Daugiakalbis vaizdų ir teksto supratimas apima anglų ir kinų, daugelį Europos kalbų, japonų, korėjiečių, arabų bei vietnamiečių kalbas.
Kūrėjas taip pat aprašo integraciją su telefonais, robotais ir kitais įrenginiais per vaizdinius stebėjimus bei tekstines instrukcijas. Tai programos darbo eiga: modelis interpretuoja vaizdinę aplinką ir padeda pasirinkti veiksmus, o prijungta programinė ar aparatinė įranga juos vykdo. Ekrano atpažinimas savaime nesuteikia ekrano valdymo.
Architektūros pakeitimai
Dinaminė skiriamoji geba paverčia vaizdą kintamu vaizdinių žetonų skaičiumi, užuot visas įvestis priverstinai sutalpinus į tą patį atvaizdavimą. M-ROPE atskiria teksto, dvimačių vaizdų ir trimačio vaizdo įrašo pozicinę informaciją, sujungdamas erdvės ir laiko struktūrą. Paskelbtoje 7B konfigūracijoje nurodytos 32 768 pozicijos. Tekstas, vaizdiniai žetonai ir sugeneruota išvestis dalijasi ribotu sekos biudžetu, todėl vaizdo skiriamoji geba ir vaizdo įrašo kadrų atranka veikia užklausoje telpančios medžiagos apimtį.
Vaizdų ir pokalbių paruošimas
Oficialūs pavyzdžiai palaiko vieną vaizdą, kelis vaizdus ir vien tekstinius pokalbius. Pridėkite vaizdą su konkrečiu klausimu, užuot rėmęsi plačia instrukcija, tokia kaip „išanalizuok viską“. Dokumento puslapiui paprašykite įvardytų laukų ir citatose išsaugokite skyrybą. Dvi dizaino ekrano kopijas pažymėkite kaip pirmą ir antrą, tada paprašykite matomų pakeitimų lentelės. Diagramai paprašykite žymų, vienetų ir reikšmių, pagrindžiančių nurodytą tendenciją. Tai praktinis klausimų apie vaizdus taikymas, o ne pažadai išgauti informaciją be klaidų.
Kūrėjo priemonės priima vaizdus iš vietinių failų, koduotų vaizdo duomenų ar vaizdų adresų; dokumentuotame vaizdo įrašo pavyzdyje naudojami vietiniai vaizdo failai arba surikiuotas kadrų sąrašas. Programos įkėlimo formatai išlieka atskiru sąsajos sprendimu. Išsaugokite pradinę kadrų tvarką ir nurodykite, kokį laiko intervalą atvaizduoja kadrų sąrašas. Pavyzdžiai generuoja tekstą; šis modelio kontrolinis taškas neaprašomas kaip vaizdų ar vaizdo įrašų generatorius.
Skiriamoji geba ir vaizdo įrašo paruošimas
Qwen apdorojimo priemonė pagal numatytąsias nuostatas vienam vaizdui naudoja nuo keturių iki 16 384 vaizdinių žetonų. Ji pateikia min_pixels ir max_pixels, leidžiančius derinti detalumą su atminties bei skaičiavimo sąnaudomis; dokumentuotame pavyzdyje siekiama 256–1 280 vaizdinių žetonų. Vaizdų dydis keičiamas pasirinktomis ribomis, išlaikant kraštinių santykį. Aiškiai nurodyti pakeisto dydžio matmenys suapvalinami iki 28 kartotinio. Tankiai lentelei ar smulkiam tekstui gali reikėti pakankamos skiriamosios gebos, kad jie liktų įskaitomi; jos didinimas taip pat sunaudoja daugiau turimo vaizdinio ir konteksto biudžeto.
Vaizdo įrašo pavyzdyje rodoma vieno kadro per sekundę atranka ir konfigūruojama pikselių riba. Tai pavyzdinės nuostatos, o ne universalus privalomas dažnis ar griežta medijos riba. Įvykio peržiūrai pateikite susijusį klipą ir paprašykite nuosekliai aprašyti matomus pokyčius. Arti vienas kito vykstantiems įvykiams gali reikėti tankesnės atrankos nei bendrai scenos santraukai. Qwen2-VL nesupranta vaizdo įrašų garso informacijos, todėl šnekamajam dialogui ar garso efektams reikia atskiros garso darbo eigos.
Žinomi ribojimai
Qwen nurodo, kad vaizdų mokymo duomenys apima laikotarpį iki 2023 m. birželio, ir negarantuoja žinių apie vėlesnius žmones, produktus ar įvykius. Konkrečių asmenų ir intelektinės nuosavybės objektų atpažinimas neišsamus. Sudėtingos daugiapakopės instrukcijos, objektų skaičius perpildytose scenose ir erdviniai ryšiai, ypač trimačiai, yra dokumentuotos silpnybės. Suskaidykite sudėtingą vaizdinę užduotį į aiškius klausimus, paprašykite matomų įrodymų, pagrindžiančių rezultatą, ir patikrinkite išgautus skaičius bei cituojamą tekstą pagal vaizdą. Tikėtino vaizdo aprašo nereikėtų laikyti tiksliu objektų skaičiumi ar išmatuota trimate vieta.
Trumpi kortelės generavimo pavyzdžiai nenustato atskiros griežtos išvesties ribos. Planuokite atsakymo apimtį kartu su tekstine ir vaizdine įvestimi, o šaltinyje išsaugokite pakankamai detalių konkrečiam klausimui. Taip modelio pasirinkimas ir įvesties paruošimas tampa naudingesni nei prielaida, kad bet koks vaizdas ar bet koks ilgas vaizdo įrašas duoda vienodai patikimą atsakymą.
", "aboutText": "Įvadas: 7B regos ir kalbos versija\n\nQwen2-VL-7B-Instruct – pagal instrukcijas papildomai mokytas 7B Qwen2-VL šeimos narys. Jis derina tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus. Naudingos išvestys – puslapio paaiškinimas, vaizdų palyginimas, matomų įvykių aprašymas ar atsakymas į klausimą apie diagramą. Tai būtent ši Qwen2-VL laida; naujesni Qwen2.5-VL ir Qwen3-VL modelio kontroliniai taškai turi savas galimybes ir tapatybes.\n\nKą prideda Qwen2-VL\n\nQwen aprašo vaizdų supratimą esant skirtingai skiriamajai gebai ir kraštinių santykiui, taip pat atsakymus į klausimus apie vaizdo įrašus, dialogą ir turinio kūrimą. Dokumentuotos šeimos vaizdo galimybės apima ilgesnę nei 20 minučių medžiagą. Vien trukmė neparodo, kiek kadrų apdoroja programa, ir negarantuoja visų įvykių atsiminimo. Daugiakalbis vaizdų ir teksto supratimas apima anglų ir kinų, daugelį Europos kalbų, japonų, korėjiečių, arabų bei vietnamiečių kalbas.\n\nKūrėjas taip pat aprašo integraciją su telefonais, robotais ir kitais įrenginiais per vaizdinius stebėjimus bei tekstines instrukcijas. Tai programos darbo eiga: modelis interpretuoja vaizdinę aplinką ir padeda pasirinkti veiksmus, o prijungta programinė ar aparatinė įranga juos vykdo. Ekrano atpažinimas savaime nesuteikia ekrano valdymo.\n\nArchitektūros pakeitimai\n\nDinaminė skiriamoji geba paverčia vaizdą kintamu vaizdinių žetonų skaičiumi, užuot visas įvestis priverstinai sutalpinus į tą patį atvaizdavimą. M-ROPE atskiria teksto, dvimačių vaizdų ir trimačio vaizdo įrašo pozicinę informaciją, sujungdamas erdvės ir laiko struktūrą. Paskelbtoje 7B konfigūracijoje nurodytos 32 768 pozicijos. Tekstas, vaizdiniai žetonai ir sugeneruota išvestis dalijasi ribotu sekos biudžetu, todėl vaizdo skiriamoji geba ir vaizdo įrašo kadrų atranka veikia užklausoje telpančios medžiagos apimtį.\n\nVaizdų ir pokalbių paruošimas\n\nOficialūs pavyzdžiai palaiko vieną vaizdą, kelis vaizdus ir vien tekstinius pokalbius. Pridėkite vaizdą su konkrečiu klausimu, užuot rėmęsi plačia instrukcija, tokia kaip „išanalizuok viską“. Dokumento puslapiui paprašykite įvardytų laukų ir citatose išsaugokite skyrybą. Dvi dizaino ekrano kopijas pažymėkite kaip pirmą ir antrą, tada paprašykite matomų pakeitimų lentelės. Diagramai paprašykite žymų, vienetų ir reikšmių, pagrindžiančių nurodytą tendenciją. Tai praktinis klausimų apie vaizdus taikymas, o ne pažadai išgauti informaciją be klaidų.\n\nKūrėjo priemonės priima vaizdus iš vietinių failų, koduotų vaizdo duomenų ar vaizdų adresų; dokumentuotame vaizdo įrašo pavyzdyje naudojami vietiniai vaizdo failai arba surikiuotas kadrų sąrašas. Programos įkėlimo formatai išlieka atskiru sąsajos sprendimu. Išsaugokite pradinę kadrų tvarką ir nurodykite, kokį laiko intervalą atvaizduoja kadrų sąrašas. Pavyzdžiai generuoja tekstą; šis modelio kontrolinis taškas neaprašomas kaip vaizdų ar vaizdo įrašų generatorius.\n\nSkiriamoji geba ir vaizdo įrašo paruošimas\n\nQwen apdorojimo priemonė pagal numatytąsias nuostatas vienam vaizdui naudoja nuo keturių iki 16 384 vaizdinių žetonų. Ji pateikia min_pixels ir max_pixels, leidžiančius derinti detalumą su atminties bei skaičiavimo sąnaudomis; dokumentuotame pavyzdyje siekiama 256–1 280 vaizdinių žetonų. Vaizdų dydis keičiamas pasirinktomis ribomis, išlaikant kraštinių santykį. Aiškiai nurodyti pakeisto dydžio matmenys suapvalinami iki 28 kartotinio. Tankiai lentelei ar smulkiam tekstui gali reikėti pakankamos skiriamosios gebos, kad jie liktų įskaitomi; jos didinimas taip pat sunaudoja daugiau turimo vaizdinio ir konteksto biudžeto.\n\nVaizdo įrašo pavyzdyje rodoma vieno kadro per sekundę atranka ir konfigūruojama pikselių riba. Tai pavyzdinės nuostatos, o ne universalus privalomas dažnis ar griežta medijos riba. Įvykio peržiūrai pateikite susijusį klipą ir paprašykite nuosekliai aprašyti matomus pokyčius. Arti vienas kito vykstantiems įvykiams gali reikėti tankesnės atrankos nei bendrai scenos santraukai. Qwen2-VL nesupranta vaizdo įrašų garso informacijos, todėl šnekamajam dialogui ar garso efektams reikia atskiros garso darbo eigos.\n\nŽinomi ribojimai\n\nQwen nurodo, kad vaizdų mokymo duomenys apima laikotarpį iki 2023 m. birželio, ir negarantuoja žinių apie vėlesnius žmones, produktus ar įvykius. Konkrečių asmenų ir intelektinės nuosavybės objektų atpažinimas neišsamus. Sudėtingos daugiapakopės instrukcijos, objektų skaičius perpildytose scenose ir erdviniai ryšiai, ypač trimačiai, yra dokumentuotos silpnybės. Suskaidykite sudėtingą vaizdinę užduotį į aiškius klausimus, paprašykite matomų įrodymų, pagrindžiančių rezultatą, ir patikrinkite išgautus skaičius bei cituojamą tekstą pagal vaizdą. Tikėtino vaizdo aprašo nereikėtų laikyti tiksliu objektų skaičiumi ar išmatuota trimate vieta.\n\nTrumpi kortelės generavimo pavyzdžiai nenustato atskiros griežtos išvesties ribos. Planuokite atsakymo apimtį kartu su tekstine ir vaizdine įvestimi, o šaltinyje išsaugokite pakankamai detalių konkrečiam klausimui. Taip modelio pasirinkimas ir įvesties paruošimas tampa naudingesni nei prielaida, kad bet koks vaizdas ar bet koks ilgas vaizdo įrašas duoda vienodai patikimą atsakymą.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct – pagal instrukcijas papildomai mokytas Qwen regos ir kalbos modelis tekstui, vaizdams ir vaizdo įrašams; jis grąžina tekstą. Naudokite jį klausimams apie dokumentų puslapius, vaizdų palyginimui ar matomų įvykių aprašymui; modelis turi dinaminę vaizdų skiriamąją gebą ir dokumentuotų skaičiavimo, erdvinio samprotavimo bei vaizdo įrašų garso supratimo ribojimų.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Įvadas: 7B regos ir kalbos versija
Qwen2-VL-7B-Instruct – pagal instrukcijas papildomai mokytas 7B Qwen2-VL šeimos narys. Jis derina tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus. Naudingos išvestys – puslapio paaiškinimas, vaizdų palyginimas, matomų įvykių aprašymas ar atsakymas į klausimą apie diagramą. Tai būtent ši Qwen2-VL laida; naujesni Qwen2.5-VL ir Qwen3-VL modelio kontroliniai taškai turi savas galimybes ir tapatybes.
Ką prideda Qwen2-VL
Qwen aprašo vaizdų supratimą esant skirtingai skiriamajai gebai ir kraštinių santykiui, taip pat atsakymus į klausimus apie vaizdo įrašus, dialogą ir turinio kūrimą. Dokumentuotos šeimos vaizdo galimybės apima ilgesnę nei 20 minučių medžiagą. Vien trukmė neparodo, kiek kadrų apdoroja programa, ir negarantuoja visų įvykių atsiminimo. Daugiakalbis vaizdų ir teksto supratimas apima anglų ir kinų, daugelį Europos kalbų, japonų, korėjiečių, arabų bei vietnamiečių kalbas.
Kūrėjas taip pat aprašo integraciją su telefonais, robotais ir kitais įrenginiais per vaizdinius stebėjimus bei tekstines instrukcijas. Tai programos darbo eiga: modelis interpretuoja vaizdinę aplinką ir padeda pasirinkti veiksmus, o prijungta programinė ar aparatinė įranga juos vykdo. Ekrano atpažinimas savaime nesuteikia ekrano valdymo.
Architektūros pakeitimai
Dinaminė skiriamoji geba paverčia vaizdą kintamu vaizdinių žetonų skaičiumi, užuot visas įvestis priverstinai sutalpinus į tą patį atvaizdavimą. M-ROPE atskiria teksto, dvimačių vaizdų ir trimačio vaizdo įrašo pozicinę informaciją, sujungdamas erdvės ir laiko struktūrą. Paskelbtoje 7B konfigūracijoje nurodytos 32 768 pozicijos. Tekstas, vaizdiniai žetonai ir sugeneruota išvestis dalijasi ribotu sekos biudžetu, todėl vaizdo skiriamoji geba ir vaizdo įrašo kadrų atranka veikia užklausoje telpančios medžiagos apimtį.
Vaizdų ir pokalbių paruošimas
Oficialūs pavyzdžiai palaiko vieną vaizdą, kelis vaizdus ir vien tekstinius pokalbius. Pridėkite vaizdą su konkrečiu klausimu, užuot rėmęsi plačia instrukcija, tokia kaip „išanalizuok viską“. Dokumento puslapiui paprašykite įvardytų laukų ir citatose išsaugokite skyrybą. Dvi dizaino ekrano kopijas pažymėkite kaip pirmą ir antrą, tada paprašykite matomų pakeitimų lentelės. Diagramai paprašykite žymų, vienetų ir reikšmių, pagrindžiančių nurodytą tendenciją. Tai praktinis klausimų apie vaizdus taikymas, o ne pažadai išgauti informaciją be klaidų.
Kūrėjo priemonės priima vaizdus iš vietinių failų, koduotų vaizdo duomenų ar vaizdų adresų; dokumentuotame vaizdo įrašo pavyzdyje naudojami vietiniai vaizdo failai arba surikiuotas kadrų sąrašas. Programos įkėlimo formatai išlieka atskiru sąsajos sprendimu. Išsaugokite pradinę kadrų tvarką ir nurodykite, kokį laiko intervalą atvaizduoja kadrų sąrašas. Pavyzdžiai generuoja tekstą; šis modelio kontrolinis taškas neaprašomas kaip vaizdų ar vaizdo įrašų generatorius.
Skiriamoji geba ir vaizdo įrašo paruošimas
Qwen apdorojimo priemonė pagal numatytąsias nuostatas vienam vaizdui naudoja nuo keturių iki 16 384 vaizdinių žetonų. Ji pateikia min_pixels ir max_pixels, leidžiančius derinti detalumą su atminties bei skaičiavimo sąnaudomis; dokumentuotame pavyzdyje siekiama 256–1 280 vaizdinių žetonų. Vaizdų dydis keičiamas pasirinktomis ribomis, išlaikant kraštinių santykį. Aiškiai nurodyti pakeisto dydžio matmenys suapvalinami iki 28 kartotinio. Tankiai lentelei ar smulkiam tekstui gali reikėti pakankamos skiriamosios gebos, kad jie liktų įskaitomi; jos didinimas taip pat sunaudoja daugiau turimo vaizdinio ir konteksto biudžeto.
Vaizdo įrašo pavyzdyje rodoma vieno kadro per sekundę atranka ir konfigūruojama pikselių riba. Tai pavyzdinės nuostatos, o ne universalus privalomas dažnis ar griežta medijos riba. Įvykio peržiūrai pateikite susijusį klipą ir paprašykite nuosekliai aprašyti matomus pokyčius. Arti vienas kito vykstantiems įvykiams gali reikėti tankesnės atrankos nei bendrai scenos santraukai. Qwen2-VL nesupranta vaizdo įrašų garso informacijos, todėl šnekamajam dialogui ar garso efektams reikia atskiros garso darbo eigos.
Žinomi ribojimai
Qwen nurodo, kad vaizdų mokymo duomenys apima laikotarpį iki 2023 m. birželio, ir negarantuoja žinių apie vėlesnius žmones, produktus ar įvykius. Konkrečių asmenų ir intelektinės nuosavybės objektų atpažinimas neišsamus. Sudėtingos daugiapakopės instrukcijos, objektų skaičius perpildytose scenose ir erdviniai ryšiai, ypač trimačiai, yra dokumentuotos silpnybės. Suskaidykite sudėtingą vaizdinę užduotį į aiškius klausimus, paprašykite matomų įrodymų, pagrindžiančių rezultatą, ir patikrinkite išgautus skaičius bei cituojamą tekstą pagal vaizdą. Tikėtino vaizdo aprašo nereikėtų laikyti tiksliu objektų skaičiumi ar išmatuota trimate vieta.
Trumpi kortelės generavimo pavyzdžiai nenustato atskiros griežtos išvesties ribos. Planuokite atsakymo apimtį kartu su tekstine ir vaizdine įvestimi, o šaltinyje išsaugokite pakankamai detalių konkrečiam klausimui. Taip modelio pasirinkimas ir įvesties paruošimas tampa naudingesni nei prielaida, kad bet koks vaizdas ar bet koks ilgas vaizdo įrašas duoda vienodai patikimą atsakymą.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K tokenų Išvestis · Išvesties tokenai $0.00142 / 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-VL-7B-Instruct-ultra", "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-VL-7B-Instruct-ultra',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-VL-7B-Instruct-ultra',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-VL-7B-Instruct-ultra
Naudokite aukščiau nurodytus metodų kelius.
Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct – pagal instrukcijas papildomai mokytas Qwen regos ir kalbos modelis tekstui, vaizdams ir vaizdo įrašams; jis grąžina tekstą. Naudokite jį klausimams apie dokumentų puslapius, vaizdų palyginimui ar matomų įvykių aprašymui; modelis turi dinaminę vaizdų skiriamąją gebą ir dokumentuotų skaičiavimo, erdvinio samprotavimo bei vaizdo įrašų garso supratimo ribojimų.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Įvadas: 7B regos ir kalbos versija
Qwen2-VL-7B-Instruct – pagal instrukcijas papildomai mokytas 7B Qwen2-VL šeimos narys. Jis derina tekstines instrukcijas su vaizdais ar vaizdo įrašu ir generuoja tekstinius atsakymus. Naudingos išvestys – puslapio paaiškinimas, vaizdų palyginimas, matomų įvykių aprašymas ar atsakymas į klausimą apie diagramą. Tai būtent ši Qwen2-VL laida; naujesni Qwen2.5-VL ir Qwen3-VL modelio kontroliniai taškai turi savas galimybes ir tapatybes.
Ką prideda Qwen2-VL
Qwen aprašo vaizdų supratimą esant skirtingai skiriamajai gebai ir kraštinių santykiui, taip pat atsakymus į klausimus apie vaizdo įrašus, dialogą ir turinio kūrimą. Dokumentuotos šeimos vaizdo galimybės apima ilgesnę nei 20 minučių medžiagą. Vien trukmė neparodo, kiek kadrų apdoroja programa, ir negarantuoja visų įvykių atsiminimo. Daugiakalbis vaizdų ir teksto supratimas apima anglų ir kinų, daugelį Europos kalbų, japonų, korėjiečių, arabų bei vietnamiečių kalbas.
Kūrėjas taip pat aprašo integraciją su telefonais, robotais ir kitais įrenginiais per vaizdinius stebėjimus bei tekstines instrukcijas. Tai programos darbo eiga: modelis interpretuoja vaizdinę aplinką ir padeda pasirinkti veiksmus, o prijungta programinė ar aparatinė įranga juos vykdo. Ekrano atpažinimas savaime nesuteikia ekrano valdymo.
Architektūros pakeitimai
Dinaminė skiriamoji geba paverčia vaizdą kintamu vaizdinių žetonų skaičiumi, užuot visas įvestis priverstinai sutalpinus į tą patį atvaizdavimą. M-ROPE atskiria teksto, dvimačių vaizdų ir trimačio vaizdo įrašo pozicinę informaciją, sujungdamas erdvės ir laiko struktūrą. Paskelbtoje 7B konfigūracijoje nurodytos 32 768 pozicijos. Tekstas, vaizdiniai žetonai ir sugeneruota išvestis dalijasi ribotu sekos biudžetu, todėl vaizdo skiriamoji geba ir vaizdo įrašo kadrų atranka veikia užklausoje telpančios medžiagos apimtį.
Vaizdų ir pokalbių paruošimas
Oficialūs pavyzdžiai palaiko vieną vaizdą, kelis vaizdus ir vien tekstinius pokalbius. Pridėkite vaizdą su konkrečiu klausimu, užuot rėmęsi plačia instrukcija, tokia kaip „išanalizuok viską“. Dokumento puslapiui paprašykite įvardytų laukų ir citatose išsaugokite skyrybą. Dvi dizaino ekrano kopijas pažymėkite kaip pirmą ir antrą, tada paprašykite matomų pakeitimų lentelės. Diagramai paprašykite žymų, vienetų ir reikšmių, pagrindžiančių nurodytą tendenciją. Tai praktinis klausimų apie vaizdus taikymas, o ne pažadai išgauti informaciją be klaidų.
Kūrėjo priemonės priima vaizdus iš vietinių failų, koduotų vaizdo duomenų ar vaizdų adresų; dokumentuotame vaizdo įrašo pavyzdyje naudojami vietiniai vaizdo failai arba surikiuotas kadrų sąrašas. Programos įkėlimo formatai išlieka atskiru sąsajos sprendimu. Išsaugokite pradinę kadrų tvarką ir nurodykite, kokį laiko intervalą atvaizduoja kadrų sąrašas. Pavyzdžiai generuoja tekstą; šis modelio kontrolinis taškas neaprašomas kaip vaizdų ar vaizdo įrašų generatorius.
Skiriamoji geba ir vaizdo įrašo paruošimas
Qwen apdorojimo priemonė pagal numatytąsias nuostatas vienam vaizdui naudoja nuo keturių iki 16 384 vaizdinių žetonų. Ji pateikia min_pixels ir max_pixels, leidžiančius derinti detalumą su atminties bei skaičiavimo sąnaudomis; dokumentuotame pavyzdyje siekiama 256–1 280 vaizdinių žetonų. Vaizdų dydis keičiamas pasirinktomis ribomis, išlaikant kraštinių santykį. Aiškiai nurodyti pakeisto dydžio matmenys suapvalinami iki 28 kartotinio. Tankiai lentelei ar smulkiam tekstui gali reikėti pakankamos skiriamosios gebos, kad jie liktų įskaitomi; jos didinimas taip pat sunaudoja daugiau turimo vaizdinio ir konteksto biudžeto.
Vaizdo įrašo pavyzdyje rodoma vieno kadro per sekundę atranka ir konfigūruojama pikselių riba. Tai pavyzdinės nuostatos, o ne universalus privalomas dažnis ar griežta medijos riba. Įvykio peržiūrai pateikite susijusį klipą ir paprašykite nuosekliai aprašyti matomus pokyčius. Arti vienas kito vykstantiems įvykiams gali reikėti tankesnės atrankos nei bendrai scenos santraukai. Qwen2-VL nesupranta vaizdo įrašų garso informacijos, todėl šnekamajam dialogui ar garso efektams reikia atskiros garso darbo eigos.
Žinomi ribojimai
Qwen nurodo, kad vaizdų mokymo duomenys apima laikotarpį iki 2023 m. birželio, ir negarantuoja žinių apie vėlesnius žmones, produktus ar įvykius. Konkrečių asmenų ir intelektinės nuosavybės objektų atpažinimas neišsamus. Sudėtingos daugiapakopės instrukcijos, objektų skaičius perpildytose scenose ir erdviniai ryšiai, ypač trimačiai, yra dokumentuotos silpnybės. Suskaidykite sudėtingą vaizdinę užduotį į aiškius klausimus, paprašykite matomų įrodymų, pagrindžiančių rezultatą, ir patikrinkite išgautus skaičius bei cituojamą tekstą pagal vaizdą. Tikėtino vaizdo aprašo nereikėtų laikyti tiksliu objektų skaičiumi ar išmatuota trimate vieta.
Trumpi kortelės generavimo pavyzdžiai nenustato atskiros griežtos išvesties ribos. Planuokite atsakymo apimtį kartu su tekstine ir vaizdine įvestimi, o šaltinyje išsaugokite pakankamai detalių konkrečiam klausimui. Taip modelio pasirinkimas ir įvesties paruošimas tampa naudingesni nei prielaida, kad bet koks vaizdas ar bet koks ilgas vaizdo įrašas duoda vienodai patikimą atsakymą.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K tokenų Išvestis · Išvesties tokenai $0.00142 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "Qwen2-VL-7B-Instruct-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-VL-7B-Instruct-ultra', '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-VL-7B-Instruct-ultra', '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-VL-7B-Instruct-ultra
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.