Doubao 1.5 Thinking Vision Pro 250428 ialah identiti dihoskan tepat yang dinamakan oleh ByteDance untuk Seed1.5-VL. Model ini ialah model penglihatan-bahasa untuk pemahaman dan penaakulan multimodal umum. Keupayaan yang diterangkan pembangun merangkumi OCR, pemahaman rajah, pengaitan visual, pemahaman ruang 3D, pemahaman video dan penaakulan visual. Tugasan ini mengembalikan tafsiran serta keputusan berdasarkan bahan visual dan soalan bertulis.
Bekalkan imej dan kenal pasti maklumat untuk diekstrak atau diterangkan. Untuk imej dokumen, namakan teks atau medan yang penting. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk teka-teki visual, nyatakan soalan dan minta kesimpulan yang disokong oleh petunjuk berkaitan.
Pastikan artifak yang diminta jelas: teks yang ditranskripsikan, penerangan hubungan atau penjelasan jawapan. Jika imej mengandungi tulisan tidak jelas atau butiran terlindung, minta respons mengenal pasti ketidakpastian itu. Simpan imej asal bersama hasil supaya perkataan yang diekstrak dan hubungan yang ditafsir boleh disemak.
Pengaitan visual menghubungkan rujukan bertulis dengan objek atau kawasan berkaitan dalam imej. Tugasan yang berguna boleh menamakan objek, menerangkan perbezaannya daripada objek berdekatan dan meminta maklumat lokasi yang dijangkakan oleh aplikasi. Format output aplikasi patut menentukan cara lokasi itu diwakili.
Untuk pemahaman ruang, terangkan hubungan yang penting: kedudukan relatif, orientasi atau susunan objek dalam adegan. Minta bukti yang kelihatan sebelum tafsiran akhir. Bezakan ciri imej yang boleh diperhatikan daripada hubungan tiga dimensi yang diinferenskan.
Pembangun turut menyenaraikan pemahaman video dan menyediakan panduan resipi video khusus. Soalan video patut menamakan peristiwa, objek atau urutan yang diminati serta hasil untuk dihasilkan. Gunakan rujukan masa dalam soalan dan simpan klip sumber bersama jawapan apabila menyemak urutan peristiwa.
Demonstrasi interaktifnya merangkumi kawalan GUI dan permainan. Dalam aplikasi penggunaan komputer, pemahaman visual model menyokong keputusan tentang skrin, sementara aplikasi sekeliling melaksanakan tindakan dan memberikan pemerhatian seterusnya. Menerangkan kawalan atau memutuskan tindakan seterusnya sahaja tidak membuktikan bahawa fail telah disimpan atau operasi skrin selesai.
ByteDance mengenal pasti model dengan pengekod penglihatan 532M parameter dan model bahasa mixture-of-experts dengan 20B parameter aktif. Panduan resipinya memisahkan kawalan rantaian pemikiran panjang, pengaitan, pemahaman ruang, video dan contoh GUI. Gunakan kontrak antara muka yang tepat untuk input dan perwakilan output yang diperlukan tugasan.
Entri ini mengekalkan keluaran 250428 yang dinamakan dalam repositori pembangun. Profil Thinking Pro Vision 250415 terdahulu ialah identiti yang berasingan. Simpan model yang diminta, sumber visual dan tetapan tugasan bersama setiap hasil supaya semakan kemudian boleh dibandingkan dengan keluaran serta bukti yang sama.
", "aboutText": "Doubao 1.5 Thinking Vision Pro 250428 ialah identiti dihoskan tepat yang dinamakan oleh ByteDance untuk Seed1.5-VL. Model ini ialah model penglihatan-bahasa untuk pemahaman dan penaakulan multimodal umum. Keupayaan yang diterangkan pembangun merangkumi OCR, pemahaman rajah, pengaitan visual, pemahaman ruang 3D, pemahaman video dan penaakulan visual. Tugasan ini mengembalikan tafsiran serta keputusan berdasarkan bahan visual dan soalan bertulis.\n\n### Baca dan tafsir sumber visual\n\nBekalkan imej dan kenal pasti maklumat untuk diekstrak atau diterangkan. Untuk imej dokumen, namakan teks atau medan yang penting. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk teka-teki visual, nyatakan soalan dan minta kesimpulan yang disokong oleh petunjuk berkaitan.\n\nPastikan artifak yang diminta jelas: teks yang ditranskripsikan, penerangan hubungan atau penjelasan jawapan. Jika imej mengandungi tulisan tidak jelas atau butiran terlindung, minta respons mengenal pasti ketidakpastian itu. Simpan imej asal bersama hasil supaya perkataan yang diekstrak dan hubungan yang ditafsir boleh disemak.\n\n### Kaitkan soalan dengan objek dan ruang\n\nPengaitan visual menghubungkan rujukan bertulis dengan objek atau kawasan berkaitan dalam imej. Tugasan yang berguna boleh menamakan objek, menerangkan perbezaannya daripada objek berdekatan dan meminta maklumat lokasi yang dijangkakan oleh aplikasi. Format output aplikasi patut menentukan cara lokasi itu diwakili.\n\nUntuk pemahaman ruang, terangkan hubungan yang penting: kedudukan relatif, orientasi atau susunan objek dalam adegan. Minta bukti yang kelihatan sebelum tafsiran akhir. Bezakan ciri imej yang boleh diperhatikan daripada hubungan tiga dimensi yang diinferenskan.\n\n### Bekerja dengan video dan tugasan interaktif\n\nPembangun turut menyenaraikan pemahaman video dan menyediakan panduan resipi video khusus. Soalan video patut menamakan peristiwa, objek atau urutan yang diminati serta hasil untuk dihasilkan. Gunakan rujukan masa dalam soalan dan simpan klip sumber bersama jawapan apabila menyemak urutan peristiwa.\n\nDemonstrasi interaktifnya merangkumi kawalan GUI dan permainan. Dalam aplikasi penggunaan komputer, pemahaman visual model menyokong keputusan tentang skrin, sementara aplikasi sekeliling melaksanakan tindakan dan memberikan pemerhatian seterusnya. Menerangkan kawalan atau memutuskan tindakan seterusnya sahaja tidak membuktikan bahawa fail telah disimpan atau operasi skrin selesai.\n\n### Kekalkan keluaran dan tetapan antara muka\n\nByteDance mengenal pasti model dengan pengekod penglihatan 532M parameter dan model bahasa mixture-of-experts dengan 20B parameter aktif. Panduan resipinya memisahkan kawalan rantaian pemikiran panjang, pengaitan, pemahaman ruang, video dan contoh GUI. Gunakan kontrak antara muka yang tepat untuk input dan perwakilan output yang diperlukan tugasan.\n\nEntri ini mengekalkan keluaran 250428 yang dinamakan dalam repositori pembangun. Profil Thinking Pro Vision 250415 terdahulu ialah identiti yang berasingan. Simpan model yang diminta, sumber visual dan tetapan tugasan bersama setiap hasil supaya semakan kemudian boleh dibandingkan dengan keluaran serta bukti yang sama.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 ialah keluaran penglihatan-bahasa Seed1.5-VL bernama untuk imej, video dan soalan bertulis. Pembangunnya menerangkan OCR, tafsiran rajah, pengaitan visual, pemahaman ruang dan penaakulan berdasarkan bukti visual.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Doubao 1.5 Thinking Vision Pro 250428 ialah identiti dihoskan tepat yang dinamakan oleh ByteDance untuk Seed1.5-VL. Model ini ialah model penglihatan-bahasa untuk pemahaman dan penaakulan multimodal umum. Keupayaan yang diterangkan pembangun merangkumi OCR, pemahaman rajah, pengaitan visual, pemahaman ruang 3D, pemahaman video dan penaakulan visual. Tugasan ini mengembalikan tafsiran serta keputusan berdasarkan bahan visual dan soalan bertulis.
Bekalkan imej dan kenal pasti maklumat untuk diekstrak atau diterangkan. Untuk imej dokumen, namakan teks atau medan yang penting. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk teka-teki visual, nyatakan soalan dan minta kesimpulan yang disokong oleh petunjuk berkaitan.
Pastikan artifak yang diminta jelas: teks yang ditranskripsikan, penerangan hubungan atau penjelasan jawapan. Jika imej mengandungi tulisan tidak jelas atau butiran terlindung, minta respons mengenal pasti ketidakpastian itu. Simpan imej asal bersama hasil supaya perkataan yang diekstrak dan hubungan yang ditafsir boleh disemak.
Pengaitan visual menghubungkan rujukan bertulis dengan objek atau kawasan berkaitan dalam imej. Tugasan yang berguna boleh menamakan objek, menerangkan perbezaannya daripada objek berdekatan dan meminta maklumat lokasi yang dijangkakan oleh aplikasi. Format output aplikasi patut menentukan cara lokasi itu diwakili.
Untuk pemahaman ruang, terangkan hubungan yang penting: kedudukan relatif, orientasi atau susunan objek dalam adegan. Minta bukti yang kelihatan sebelum tafsiran akhir. Bezakan ciri imej yang boleh diperhatikan daripada hubungan tiga dimensi yang diinferenskan.
Pembangun turut menyenaraikan pemahaman video dan menyediakan panduan resipi video khusus. Soalan video patut menamakan peristiwa, objek atau urutan yang diminati serta hasil untuk dihasilkan. Gunakan rujukan masa dalam soalan dan simpan klip sumber bersama jawapan apabila menyemak urutan peristiwa.
Demonstrasi interaktifnya merangkumi kawalan GUI dan permainan. Dalam aplikasi penggunaan komputer, pemahaman visual model menyokong keputusan tentang skrin, sementara aplikasi sekeliling melaksanakan tindakan dan memberikan pemerhatian seterusnya. Menerangkan kawalan atau memutuskan tindakan seterusnya sahaja tidak membuktikan bahawa fail telah disimpan atau operasi skrin selesai.
ByteDance mengenal pasti model dengan pengekod penglihatan 532M parameter dan model bahasa mixture-of-experts dengan 20B parameter aktif. Panduan resipinya memisahkan kawalan rantaian pemikiran panjang, pengaitan, pemahaman ruang, video dan contoh GUI. Gunakan kontrak antara muka yang tepat untuk input dan perwakilan output yang diperlukan tugasan.
Entri ini mengekalkan keluaran 250428 yang dinamakan dalam repositori pembangun. Profil Thinking Pro Vision 250415 terdahulu ialah identiti yang berasingan. Simpan model yang diminta, sumber visual dan tetapan tugasan bersama setiap hasil supaya semakan kemudian boleh dibandingkan dengan keluaran serta bukti yang sama.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had doubao-1-5-thinking-vision-pro-250428 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0011 / 1K token Output · Token output $0.00286 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "doubao-1-5-thinking-vision-pro-250428", "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='doubao-1-5-thinking-vision-pro-250428',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='doubao-1-5-thinking-vision-pro-250428',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Gunakan laluan kaedah yang dipaparkan di atas.
doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 ialah keluaran penglihatan-bahasa Seed1.5-VL bernama untuk imej, video dan soalan bertulis. Pembangunnya menerangkan OCR, tafsiran rajah, pengaitan visual, pemahaman ruang dan penaakulan berdasarkan bukti visual.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Doubao 1.5 Thinking Vision Pro 250428 ialah identiti dihoskan tepat yang dinamakan oleh ByteDance untuk Seed1.5-VL. Model ini ialah model penglihatan-bahasa untuk pemahaman dan penaakulan multimodal umum. Keupayaan yang diterangkan pembangun merangkumi OCR, pemahaman rajah, pengaitan visual, pemahaman ruang 3D, pemahaman video dan penaakulan visual. Tugasan ini mengembalikan tafsiran serta keputusan berdasarkan bahan visual dan soalan bertulis.
Bekalkan imej dan kenal pasti maklumat untuk diekstrak atau diterangkan. Untuk imej dokumen, namakan teks atau medan yang penting. Untuk rajah, tanyakan label dan hubungan tertentu. Untuk teka-teki visual, nyatakan soalan dan minta kesimpulan yang disokong oleh petunjuk berkaitan.
Pastikan artifak yang diminta jelas: teks yang ditranskripsikan, penerangan hubungan atau penjelasan jawapan. Jika imej mengandungi tulisan tidak jelas atau butiran terlindung, minta respons mengenal pasti ketidakpastian itu. Simpan imej asal bersama hasil supaya perkataan yang diekstrak dan hubungan yang ditafsir boleh disemak.
Pengaitan visual menghubungkan rujukan bertulis dengan objek atau kawasan berkaitan dalam imej. Tugasan yang berguna boleh menamakan objek, menerangkan perbezaannya daripada objek berdekatan dan meminta maklumat lokasi yang dijangkakan oleh aplikasi. Format output aplikasi patut menentukan cara lokasi itu diwakili.
Untuk pemahaman ruang, terangkan hubungan yang penting: kedudukan relatif, orientasi atau susunan objek dalam adegan. Minta bukti yang kelihatan sebelum tafsiran akhir. Bezakan ciri imej yang boleh diperhatikan daripada hubungan tiga dimensi yang diinferenskan.
Pembangun turut menyenaraikan pemahaman video dan menyediakan panduan resipi video khusus. Soalan video patut menamakan peristiwa, objek atau urutan yang diminati serta hasil untuk dihasilkan. Gunakan rujukan masa dalam soalan dan simpan klip sumber bersama jawapan apabila menyemak urutan peristiwa.
Demonstrasi interaktifnya merangkumi kawalan GUI dan permainan. Dalam aplikasi penggunaan komputer, pemahaman visual model menyokong keputusan tentang skrin, sementara aplikasi sekeliling melaksanakan tindakan dan memberikan pemerhatian seterusnya. Menerangkan kawalan atau memutuskan tindakan seterusnya sahaja tidak membuktikan bahawa fail telah disimpan atau operasi skrin selesai.
ByteDance mengenal pasti model dengan pengekod penglihatan 532M parameter dan model bahasa mixture-of-experts dengan 20B parameter aktif. Panduan resipinya memisahkan kawalan rantaian pemikiran panjang, pengaitan, pemahaman ruang, video dan contoh GUI. Gunakan kontrak antara muka yang tepat untuk input dan perwakilan output yang diperlukan tugasan.
Entri ini mengekalkan keluaran 250428 yang dinamakan dalam repositori pembangun. Profil Thinking Pro Vision 250415 terdahulu ialah identiti yang berasingan. Simpan model yang diminta, sumber visual dan tetapan tugasan bersama setiap hasil supaya semakan kemudian boleh dibandingkan dengan keluaran serta bukti yang sama.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had doubao-1-5-thinking-vision-pro-250428 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0011 / 1K token Output · Token output $0.00286 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "doubao-1-5-thinking-vision-pro-250428",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'doubao-1-5-thinking-vision-pro-250428', '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': 'doubao-1-5-thinking-vision-pro-250428', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.