Qwen2.5-VL-72B-Instruct ialah edisi 72B Qwen2.5-VL yang ditala untuk arahan, direka untuk memahami bahan visual bersama teks. Qwen menerangkan pengecaman objek, produk dan mercu tanda serta pentafsiran teks, carta, ikon, grafik dan susun atur dalam imej. Input menggabungkan soalan bertulis dengan satu atau lebih imej atau video; output ialah teks, termasuk penerangan berstruktur dan maklumat yang diekstrak. Berbanding Qwen2-VL, pengeluar menekankan persepsi masa dan skala imej yang lebih baik serta pengekod penglihatan resolusi dinamik yang disemak menggunakan perhatian bertetingkap.
Penentuan lokasi visual ialah keupayaan yang berasingan daripada menerangkan gambar. Model boleh mengembalikan kotak pembatas atau titik dengan label dan atribut dalam JSON. Qwen2.5-VL menggunakan koordinat pada skala saiz sebenar imej, bukannya skim koordinat ternormal. Namakan objek untuk dicari dan berikan medan yang diperlukan, seperti bbox_2d dan label, bersama pentafsiran koordinat. Jika saiz imej diubah sebelum analisis, simpan maklumat saiz itu bersama koordinat yang dikembalikan supaya boleh ditafsirkan terhadap imej yang sama. Contoh Qwen menggabungkan pengesanan dengan pengiraan bilangan dan penerangan objek.
Pengeluar menekankan pengecaman teks merentas bahasa, orientasi dan pelbagai jenis adegan. Contohnya mengekstrak baris teks, mengaitkan teks dengan lokasi dan menarik medan yang ditentukan daripada resit atau borang. Untuk taklimat dokumen, berikan imbasan jelas, tentukan medan dan nyatakan cara mewakili maklumat yang tiada atau tidak boleh dibaca. Hasil contoh boleh berupa rekod berstruktur yang mengandungi pengecam dokumen, tarikh dan butiran baris, dengan ketidakpastian dipisahkan daripada perkara yang terlihat. Imej yang dibekalkan menyediakan bukti untuk pengekstrakan itu.
Pengumuman Qwen memperkenalkan QwenVL HTML untuk penghuraian dokumen dengan maklumat susun atur. Ia menunjukkan majalah, makalah penyelidikan, halaman web dan tangkapan skrin mudah alih, menggabungkan tajuk, perenggan, imej dan formula dengan maklumat kotak pembatas. Ini berguna apabila turutan bacaan dan struktur halaman sama penting dengan perkataan. Minta perwakilan secara jelas: teks biasa untuk bacaan, JSON untuk medan terpilih atau format HTML pengeluar yang berorientasikan susun atur. Laporan imbasan boleh disusun kepada tajuk dan perenggan sebelum arahan seterusnya meminta ringkasan bahagian tertentu.
Untuk video, Qwen mendokumenkan pemahaman bahan lebih panjang daripada satu jam, carian peristiwa dan penentuan lokasi masa sehingga ketepatan saat. Latihan kadar bingkai dinamik dan pengekodan masa mutlak membantu mewakili rentak serta kedudukan peristiwa. Contoh rasmi mengenal pasti segmen yang mengandungi tindakan yang diterangkan dan mengembalikan siri peristiwa dengan masa mula, masa tamat serta penerangan. Namakan peristiwa untuk dicari dan tentukan saat atau format cap masa. Taklimat praktikal boleh meminta segmen yang berkaitan dalam demonstrasi panjang, diikuti penerangan ringkas tentang kejadian dalam setiap segmen.
Model turut dipersembahkan sebagai ejen visual untuk penggunaan komputer dan mudah alih: ia boleh membuat penaakulan daripada skrin dan mengarahkan alat ke arah tugas. Penentuan lokasi dan pemahaman skrin boleh mengenal pasti kawalan relevan atau interaksi seterusnya yang dimaksudkan. Aplikasi membekalkan skrin, tindakan tersedia dan matlamat, melaksanakan tindakan yang diminta serta mengembalikan keadaan baharu. Contohnya, taklimat boleh meminta kawalan yang diperlukan untuk mencapai paparan tertentu dengan titik atau kotak yang mengenal pastinya. Penerangan tindakan teks model dan interaksi yang dilaksanakan aplikasi ialah peringkat berasingan.
Pemproses Qwen membenarkan kawalan bilangan piksel imej. Julat lalai yang didokumenkan ialah 4 hingga 16,384 token visual bagi setiap imej; 256 hingga 1,280 token ialah tetapan contoh, bukan had imej universal. Pengubahan saiz boleh mengekalkan nisbah aspek, dan dimensi yang ditentukan dibundarkan kepada gandaan 28. Resolusi lebih tinggi menggunakan lebih banyak pengiraan dan mungkin mengekalkan teks kecil atau butiran rajah padat. Padankan persediaan dengan soalan, pastikan label penting boleh dibaca serta halaman atau kawasan relevan jelas. Contoh video menggunakan urutan bingkai atau video dengan maklumat kadar bingkai, yang penting apabila jawapan mesti mengandungi cap masa.
Konfigurasi semasa kad ditetapkan kepada 32,768 token konteks. Kad menerangkan peluasan YaRN tetapi memberi amaran bahawa ini boleh mempengaruhi penentuan lokasi masa dan ruang dengan ketara, dan tidak mengesyorkannya untuk tugas tersebut. Ia membincangkan pembesaran tetapan kedudukan untuk video panjang secara berasingan. Pemahaman video yang tempohnya diukur dalam jam ialah keupayaan yang didokumenkan, bukannya had tempoh muat naik atau panjang output universal. Pilih hasil yang mengekalkan maklumat yang diperlukan selepasnya: medan untuk rekod, koordinat untuk penentuan lokasi, susun atur untuk dokumen atau penerangan bermasa untuk video.
", "aboutText": "Qwen2.5-VL-72B-Instruct ialah edisi 72B Qwen2.5-VL yang ditala untuk arahan, direka untuk memahami bahan visual bersama teks. Qwen menerangkan pengecaman objek, produk dan mercu tanda serta pentafsiran teks, carta, ikon, grafik dan susun atur dalam imej. Input menggabungkan soalan bertulis dengan satu atau lebih imej atau video; output ialah teks, termasuk penerangan berstruktur dan maklumat yang diekstrak. Berbanding Qwen2-VL, pengeluar menekankan persepsi masa dan skala imej yang lebih baik serta pengekod penglihatan resolusi dinamik yang disemak menggunakan perhatian bertetingkap.\n\nPenentuan lokasi visual ialah keupayaan yang berasingan daripada menerangkan gambar. Model boleh mengembalikan kotak pembatas atau titik dengan label dan atribut dalam JSON. Qwen2.5-VL menggunakan koordinat pada skala saiz sebenar imej, bukannya skim koordinat ternormal. Namakan objek untuk dicari dan berikan medan yang diperlukan, seperti bbox_2d dan label, bersama pentafsiran koordinat. Jika saiz imej diubah sebelum analisis, simpan maklumat saiz itu bersama koordinat yang dikembalikan supaya boleh ditafsirkan terhadap imej yang sama. Contoh Qwen menggabungkan pengesanan dengan pengiraan bilangan dan penerangan objek.\n\nPengeluar menekankan pengecaman teks merentas bahasa, orientasi dan pelbagai jenis adegan. Contohnya mengekstrak baris teks, mengaitkan teks dengan lokasi dan menarik medan yang ditentukan daripada resit atau borang. Untuk taklimat dokumen, berikan imbasan jelas, tentukan medan dan nyatakan cara mewakili maklumat yang tiada atau tidak boleh dibaca. Hasil contoh boleh berupa rekod berstruktur yang mengandungi pengecam dokumen, tarikh dan butiran baris, dengan ketidakpastian dipisahkan daripada perkara yang terlihat. Imej yang dibekalkan menyediakan bukti untuk pengekstrakan itu.\n\nPengumuman Qwen memperkenalkan QwenVL HTML untuk penghuraian dokumen dengan maklumat susun atur. Ia menunjukkan majalah, makalah penyelidikan, halaman web dan tangkapan skrin mudah alih, menggabungkan tajuk, perenggan, imej dan formula dengan maklumat kotak pembatas. Ini berguna apabila turutan bacaan dan struktur halaman sama penting dengan perkataan. Minta perwakilan secara jelas: teks biasa untuk bacaan, JSON untuk medan terpilih atau format HTML pengeluar yang berorientasikan susun atur. Laporan imbasan boleh disusun kepada tajuk dan perenggan sebelum arahan seterusnya meminta ringkasan bahagian tertentu.\n\nUntuk video, Qwen mendokumenkan pemahaman bahan lebih panjang daripada satu jam, carian peristiwa dan penentuan lokasi masa sehingga ketepatan saat. Latihan kadar bingkai dinamik dan pengekodan masa mutlak membantu mewakili rentak serta kedudukan peristiwa. Contoh rasmi mengenal pasti segmen yang mengandungi tindakan yang diterangkan dan mengembalikan siri peristiwa dengan masa mula, masa tamat serta penerangan. Namakan peristiwa untuk dicari dan tentukan saat atau format cap masa. Taklimat praktikal boleh meminta segmen yang berkaitan dalam demonstrasi panjang, diikuti penerangan ringkas tentang kejadian dalam setiap segmen.\n\nModel turut dipersembahkan sebagai ejen visual untuk penggunaan komputer dan mudah alih: ia boleh membuat penaakulan daripada skrin dan mengarahkan alat ke arah tugas. Penentuan lokasi dan pemahaman skrin boleh mengenal pasti kawalan relevan atau interaksi seterusnya yang dimaksudkan. Aplikasi membekalkan skrin, tindakan tersedia dan matlamat, melaksanakan tindakan yang diminta serta mengembalikan keadaan baharu. Contohnya, taklimat boleh meminta kawalan yang diperlukan untuk mencapai paparan tertentu dengan titik atau kotak yang mengenal pastinya. Penerangan tindakan teks model dan interaksi yang dilaksanakan aplikasi ialah peringkat berasingan.\n\nPemproses Qwen membenarkan kawalan bilangan piksel imej. Julat lalai yang didokumenkan ialah 4 hingga 16,384 token visual bagi setiap imej; 256 hingga 1,280 token ialah tetapan contoh, bukan had imej universal. Pengubahan saiz boleh mengekalkan nisbah aspek, dan dimensi yang ditentukan dibundarkan kepada gandaan 28. Resolusi lebih tinggi menggunakan lebih banyak pengiraan dan mungkin mengekalkan teks kecil atau butiran rajah padat. Padankan persediaan dengan soalan, pastikan label penting boleh dibaca serta halaman atau kawasan relevan jelas. Contoh video menggunakan urutan bingkai atau video dengan maklumat kadar bingkai, yang penting apabila jawapan mesti mengandungi cap masa.\n\nKonfigurasi semasa kad ditetapkan kepada 32,768 token konteks. Kad menerangkan peluasan YaRN tetapi memberi amaran bahawa ini boleh mempengaruhi penentuan lokasi masa dan ruang dengan ketara, dan tidak mengesyorkannya untuk tugas tersebut. Ia membincangkan pembesaran tetapan kedudukan untuk video panjang secara berasingan. Pemahaman video yang tempohnya diukur dalam jam ialah keupayaan yang didokumenkan, bukannya had tempoh muat naik atau panjang output universal. Pilih hasil yang mengekalkan maklumat yang diperlukan selepasnya: medan untuk rekod, koordinat untuk penentuan lokasi, susun atur untuk dokumen atau penerangan bermasa untuk video.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract fields from a receipt transcription\n\nExtract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field.A field record with line-item details, preserved date text, source phrases and an explicit unknown currency.Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total.qwen/qwen2.5-vl-72b-instructQwen2.5-VL-72B-Instruct ialah model penglihatan-bahasa Qwen untuk imej, dokumen, carta dan video. Model mengembalikan teks, data diekstrak berstruktur dan koordinat visual, serta boleh mencari peristiwa dalam video panjang atau membuat penaakulan tentang skrin komputer atau mudah alih.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5-VL-72B-Instruct ialah edisi 72B Qwen2.5-VL yang ditala untuk arahan, direka untuk memahami bahan visual bersama teks. Qwen menerangkan pengecaman objek, produk dan mercu tanda serta pentafsiran teks, carta, ikon, grafik dan susun atur dalam imej. Input menggabungkan soalan bertulis dengan satu atau lebih imej atau video; output ialah teks, termasuk penerangan berstruktur dan maklumat yang diekstrak. Berbanding Qwen2-VL, pengeluar menekankan persepsi masa dan skala imej yang lebih baik serta pengekod penglihatan resolusi dinamik yang disemak menggunakan perhatian bertetingkap.
Penentuan lokasi visual ialah keupayaan yang berasingan daripada menerangkan gambar. Model boleh mengembalikan kotak pembatas atau titik dengan label dan atribut dalam JSON. Qwen2.5-VL menggunakan koordinat pada skala saiz sebenar imej, bukannya skim koordinat ternormal. Namakan objek untuk dicari dan berikan medan yang diperlukan, seperti bbox_2d dan label, bersama pentafsiran koordinat. Jika saiz imej diubah sebelum analisis, simpan maklumat saiz itu bersama koordinat yang dikembalikan supaya boleh ditafsirkan terhadap imej yang sama. Contoh Qwen menggabungkan pengesanan dengan pengiraan bilangan dan penerangan objek.
Pengeluar menekankan pengecaman teks merentas bahasa, orientasi dan pelbagai jenis adegan. Contohnya mengekstrak baris teks, mengaitkan teks dengan lokasi dan menarik medan yang ditentukan daripada resit atau borang. Untuk taklimat dokumen, berikan imbasan jelas, tentukan medan dan nyatakan cara mewakili maklumat yang tiada atau tidak boleh dibaca. Hasil contoh boleh berupa rekod berstruktur yang mengandungi pengecam dokumen, tarikh dan butiran baris, dengan ketidakpastian dipisahkan daripada perkara yang terlihat. Imej yang dibekalkan menyediakan bukti untuk pengekstrakan itu.
Pengumuman Qwen memperkenalkan QwenVL HTML untuk penghuraian dokumen dengan maklumat susun atur. Ia menunjukkan majalah, makalah penyelidikan, halaman web dan tangkapan skrin mudah alih, menggabungkan tajuk, perenggan, imej dan formula dengan maklumat kotak pembatas. Ini berguna apabila turutan bacaan dan struktur halaman sama penting dengan perkataan. Minta perwakilan secara jelas: teks biasa untuk bacaan, JSON untuk medan terpilih atau format HTML pengeluar yang berorientasikan susun atur. Laporan imbasan boleh disusun kepada tajuk dan perenggan sebelum arahan seterusnya meminta ringkasan bahagian tertentu.
Untuk video, Qwen mendokumenkan pemahaman bahan lebih panjang daripada satu jam, carian peristiwa dan penentuan lokasi masa sehingga ketepatan saat. Latihan kadar bingkai dinamik dan pengekodan masa mutlak membantu mewakili rentak serta kedudukan peristiwa. Contoh rasmi mengenal pasti segmen yang mengandungi tindakan yang diterangkan dan mengembalikan siri peristiwa dengan masa mula, masa tamat serta penerangan. Namakan peristiwa untuk dicari dan tentukan saat atau format cap masa. Taklimat praktikal boleh meminta segmen yang berkaitan dalam demonstrasi panjang, diikuti penerangan ringkas tentang kejadian dalam setiap segmen.
Model turut dipersembahkan sebagai ejen visual untuk penggunaan komputer dan mudah alih: ia boleh membuat penaakulan daripada skrin dan mengarahkan alat ke arah tugas. Penentuan lokasi dan pemahaman skrin boleh mengenal pasti kawalan relevan atau interaksi seterusnya yang dimaksudkan. Aplikasi membekalkan skrin, tindakan tersedia dan matlamat, melaksanakan tindakan yang diminta serta mengembalikan keadaan baharu. Contohnya, taklimat boleh meminta kawalan yang diperlukan untuk mencapai paparan tertentu dengan titik atau kotak yang mengenal pastinya. Penerangan tindakan teks model dan interaksi yang dilaksanakan aplikasi ialah peringkat berasingan.
Pemproses Qwen membenarkan kawalan bilangan piksel imej. Julat lalai yang didokumenkan ialah 4 hingga 16,384 token visual bagi setiap imej; 256 hingga 1,280 token ialah tetapan contoh, bukan had imej universal. Pengubahan saiz boleh mengekalkan nisbah aspek, dan dimensi yang ditentukan dibundarkan kepada gandaan 28. Resolusi lebih tinggi menggunakan lebih banyak pengiraan dan mungkin mengekalkan teks kecil atau butiran rajah padat. Padankan persediaan dengan soalan, pastikan label penting boleh dibaca serta halaman atau kawasan relevan jelas. Contoh video menggunakan urutan bingkai atau video dengan maklumat kadar bingkai, yang penting apabila jawapan mesti mengandungi cap masa.
Konfigurasi semasa kad ditetapkan kepada 32,768 token konteks. Kad menerangkan peluasan YaRN tetapi memberi amaran bahawa ini boleh mempengaruhi penentuan lokasi masa dan ruang dengan ketara, dan tidak mengesyorkannya untuk tugas tersebut. Ia membincangkan pembesaran tetapan kedudukan untuk video panjang secara berasingan. Pemahaman video yang tempohnya diukur dalam jam ialah keupayaan yang didokumenkan, bukannya had tempoh muat naik atau panjang output universal. Pilih hasil yang mengekalkan maklumat yang diperlukan selepasnya: medan untuk rekod, koordinat untuk penentuan lokasi, susun atur untuk dokumen atau penerangan bermasa untuk video.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen2.5-vl-72b-instruct | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0016 / 1K token Output · Token output $0.002 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0016 / 1K token Output · Token output $0.002 / 1K token Input · Bacaan cache $0.0008 / 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": "qwen/qwen2.5-vl-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen2.5-vl-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen2.5-vl-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen/qwen2.5-vl-72b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
qwen/qwen2.5-vl-72b-instructQwen2.5-VL-72B-Instruct ialah model penglihatan-bahasa Qwen untuk imej, dokumen, carta dan video. Model mengembalikan teks, data diekstrak berstruktur dan koordinat visual, serta boleh mencari peristiwa dalam video panjang atau membuat penaakulan tentang skrin komputer atau mudah alih.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5-VL-72B-Instruct ialah edisi 72B Qwen2.5-VL yang ditala untuk arahan, direka untuk memahami bahan visual bersama teks. Qwen menerangkan pengecaman objek, produk dan mercu tanda serta pentafsiran teks, carta, ikon, grafik dan susun atur dalam imej. Input menggabungkan soalan bertulis dengan satu atau lebih imej atau video; output ialah teks, termasuk penerangan berstruktur dan maklumat yang diekstrak. Berbanding Qwen2-VL, pengeluar menekankan persepsi masa dan skala imej yang lebih baik serta pengekod penglihatan resolusi dinamik yang disemak menggunakan perhatian bertetingkap.
Penentuan lokasi visual ialah keupayaan yang berasingan daripada menerangkan gambar. Model boleh mengembalikan kotak pembatas atau titik dengan label dan atribut dalam JSON. Qwen2.5-VL menggunakan koordinat pada skala saiz sebenar imej, bukannya skim koordinat ternormal. Namakan objek untuk dicari dan berikan medan yang diperlukan, seperti bbox_2d dan label, bersama pentafsiran koordinat. Jika saiz imej diubah sebelum analisis, simpan maklumat saiz itu bersama koordinat yang dikembalikan supaya boleh ditafsirkan terhadap imej yang sama. Contoh Qwen menggabungkan pengesanan dengan pengiraan bilangan dan penerangan objek.
Pengeluar menekankan pengecaman teks merentas bahasa, orientasi dan pelbagai jenis adegan. Contohnya mengekstrak baris teks, mengaitkan teks dengan lokasi dan menarik medan yang ditentukan daripada resit atau borang. Untuk taklimat dokumen, berikan imbasan jelas, tentukan medan dan nyatakan cara mewakili maklumat yang tiada atau tidak boleh dibaca. Hasil contoh boleh berupa rekod berstruktur yang mengandungi pengecam dokumen, tarikh dan butiran baris, dengan ketidakpastian dipisahkan daripada perkara yang terlihat. Imej yang dibekalkan menyediakan bukti untuk pengekstrakan itu.
Pengumuman Qwen memperkenalkan QwenVL HTML untuk penghuraian dokumen dengan maklumat susun atur. Ia menunjukkan majalah, makalah penyelidikan, halaman web dan tangkapan skrin mudah alih, menggabungkan tajuk, perenggan, imej dan formula dengan maklumat kotak pembatas. Ini berguna apabila turutan bacaan dan struktur halaman sama penting dengan perkataan. Minta perwakilan secara jelas: teks biasa untuk bacaan, JSON untuk medan terpilih atau format HTML pengeluar yang berorientasikan susun atur. Laporan imbasan boleh disusun kepada tajuk dan perenggan sebelum arahan seterusnya meminta ringkasan bahagian tertentu.
Untuk video, Qwen mendokumenkan pemahaman bahan lebih panjang daripada satu jam, carian peristiwa dan penentuan lokasi masa sehingga ketepatan saat. Latihan kadar bingkai dinamik dan pengekodan masa mutlak membantu mewakili rentak serta kedudukan peristiwa. Contoh rasmi mengenal pasti segmen yang mengandungi tindakan yang diterangkan dan mengembalikan siri peristiwa dengan masa mula, masa tamat serta penerangan. Namakan peristiwa untuk dicari dan tentukan saat atau format cap masa. Taklimat praktikal boleh meminta segmen yang berkaitan dalam demonstrasi panjang, diikuti penerangan ringkas tentang kejadian dalam setiap segmen.
Model turut dipersembahkan sebagai ejen visual untuk penggunaan komputer dan mudah alih: ia boleh membuat penaakulan daripada skrin dan mengarahkan alat ke arah tugas. Penentuan lokasi dan pemahaman skrin boleh mengenal pasti kawalan relevan atau interaksi seterusnya yang dimaksudkan. Aplikasi membekalkan skrin, tindakan tersedia dan matlamat, melaksanakan tindakan yang diminta serta mengembalikan keadaan baharu. Contohnya, taklimat boleh meminta kawalan yang diperlukan untuk mencapai paparan tertentu dengan titik atau kotak yang mengenal pastinya. Penerangan tindakan teks model dan interaksi yang dilaksanakan aplikasi ialah peringkat berasingan.
Pemproses Qwen membenarkan kawalan bilangan piksel imej. Julat lalai yang didokumenkan ialah 4 hingga 16,384 token visual bagi setiap imej; 256 hingga 1,280 token ialah tetapan contoh, bukan had imej universal. Pengubahan saiz boleh mengekalkan nisbah aspek, dan dimensi yang ditentukan dibundarkan kepada gandaan 28. Resolusi lebih tinggi menggunakan lebih banyak pengiraan dan mungkin mengekalkan teks kecil atau butiran rajah padat. Padankan persediaan dengan soalan, pastikan label penting boleh dibaca serta halaman atau kawasan relevan jelas. Contoh video menggunakan urutan bingkai atau video dengan maklumat kadar bingkai, yang penting apabila jawapan mesti mengandungi cap masa.
Konfigurasi semasa kad ditetapkan kepada 32,768 token konteks. Kad menerangkan peluasan YaRN tetapi memberi amaran bahawa ini boleh mempengaruhi penentuan lokasi masa dan ruang dengan ketara, dan tidak mengesyorkannya untuk tugas tersebut. Ia membincangkan pembesaran tetapan kedudukan untuk video panjang secara berasingan. Pemahaman video yang tempohnya diukur dalam jam ialah keupayaan yang didokumenkan, bukannya had tempoh muat naik atau panjang output universal. Pilih hasil yang mengekalkan maklumat yang diperlukan selepasnya: medan untuk rekod, koordinat untuk penentuan lokasi, susun atur untuk dokumen atau penerangan bermasa untuk video.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen/qwen2.5-vl-72b-instruct | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0016 / 1K token Output · Token output $0.002 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0016 / 1K token Output · Token output $0.002 / 1K token Input · Bacaan cache $0.0008 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen/qwen2.5-vl-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen2.5-vl-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen2.5-vl-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen/qwen2.5-vl-72b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract fields from a receipt transcription\n\nExtract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field.A field record with line-item details, preserved date text, source phrases and an explicit unknown currency.Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total.