Qwen2-VL-2B-Instruct er Qwens instruksjonstilpassede syns- og språkmodell på 2B for spørsmål med bilder og tekst. Produsenten beskriver håndtering av bilder med ulike oppløsninger og sideforhold, og forståelse av tekst på flere språk i bilder. Det genererte resultatet er et skriftlig svar på det vedlagte visuelle materialet og spørsmålet. Produsenten beskriver også bruk som visuell agent med enheter som telefoner og roboter. For denne arbeidsflyten legger du ved det aktuelle visuelle miljøet og en tekstinstruksjon; applikasjonen rundt modellen utfører den foreslåtte operasjonen og returnerer den observerte tilstanden til neste spørsmål.
Velg bildet som inneholder belegget svaret trenger, og angi deretter detaljen som skal tolkes. Et dokumentspørsmål kan gjelde en synlig passasje; et diagramspørsmål kan angi serien, aksene og sammenligningen som skal forklares. Behold bildeidentifikatoren sammen med ønsket resultat, slik at svaret fortsatt er knyttet til riktig referanse.
Produsenten oppgir bilde- og tekstforståelse utover engelsk og kinesisk, inkludert europeiske språk, japansk, koreansk, arabisk og vietnamesisk. Bevar original ordlyd og skrift når du ber om transkripsjon, forklaring eller oversettelse av synlig tekst. En eksempelbeskrivelse kan be om den viste etiketten og en egen forklaring av dens betydning.
Qwen2-VL bruker dynamisk oppløsning til å representere et bilde med et variabelt antall visuelle tokener. I eksemplet med den opprinnelige prosessoren er standardintervallet 4 til 16,384 visuelle tokener per bilde. Den opprinnelige veiledningen viser innstillinger for minimum og maksimum antall piksler, inkludert et smalere klargjøringsintervall på 256 til 1,280 bildetokener, for å balansere detaljer mot behandlingsbehov. Disse innstillingene bevarer sideforholdet ved skalering.
Produsenten tillater også ønsket skalert høyde og bredde, avrundet til et multiplum av 28. Velg en klargjøring som lar viktige etiketter forbli lesbare, og behold originalbildet når du bruker et utsnitt. De opprinnelige eksemplene inkluderer flere bilder og batcher, slik at en forespørsel kan holde de separate referansene identifiserbare.
Produsenten peker på begrensninger i komplekse instruksjoner over flere trinn, objekttelling i kompliserte scener og romlig resonnering i tre dimensjoner. Den nevner også ufullstendig gjenkjenning av bestemte personer eller merkevarer. Be om en avgrenset visuell observasjon, og undersøk det konkrete antallet, etiketten eller den relative posisjonen resultatet bygger på.
Produsenten oppgir at bildedatasettet ble oppdatert til og med juni 2023. Legg ved den skriftlige konteksten som trengs for en nylig eller ukjent etikett, fremfor å be bildet alene etablere denne informasjonen. Hold en sitert etikett tydelig atskilt fra en utledet identitet i den returnerte merknaden.
Den publiserte sjekkpunktkonfigurasjonen setter 32,768 maksimale posisjoner. Klargjør spørsmålet og de visuelle inndataene med den tilhørende modellprosessoren, og behold bilderekkefølgen som ble brukt i forespørselen. Det opprinnelige hjelpeverktøyet godtar lokale bilder, base64 og bildeadresser.
Lagre det valgte navnet 2B Instruct, referansene og det ferdige skriftlige svaret sammen. For en oppfølging tar du med relevant materiale og angir den konkrete observasjonen eller tolkningen som skal revideres, og sammenligner deretter det korrigerte resultatet med denne kilden.
Gjennom Ailoot bruker du den nøyaktige modell-ID-en i /v1/chat/completions og holder bildet sammen med spørsmålet i samtalen. Bildeinnholdet angis med image_url; støttede bildekilder kan inneholde en bildeadresse eller en base64-data-URI. Samle hele JSON-svaret eller alle SSE-segmentene når stream er aktivert, og behold usage sammen med det ferdige resultatet.
", "aboutText": "Qwen2-VL-2B-Instruct er Qwens instruksjonstilpassede syns- og språkmodell på 2B for spørsmål med bilder og tekst. Produsenten beskriver håndtering av bilder med ulike oppløsninger og sideforhold, og forståelse av tekst på flere språk i bilder. Det genererte resultatet er et skriftlig svar på det vedlagte visuelle materialet og spørsmålet. Produsenten beskriver også bruk som visuell agent med enheter som telefoner og roboter. For denne arbeidsflyten legger du ved det aktuelle visuelle miljøet og en tekstinstruksjon; applikasjonen rundt modellen utfører den foreslåtte operasjonen og returnerer den observerte tilstanden til neste spørsmål.\n\n### Legg ved bildet og et presist spørsmål\n\nVelg bildet som inneholder belegget svaret trenger, og angi deretter detaljen som skal tolkes. Et dokumentspørsmål kan gjelde en synlig passasje; et diagramspørsmål kan angi serien, aksene og sammenligningen som skal forklares. Behold bildeidentifikatoren sammen med ønsket resultat, slik at svaret fortsatt er knyttet til riktig referanse.\n\nProdusenten oppgir bilde- og tekstforståelse utover engelsk og kinesisk, inkludert europeiske språk, japansk, koreansk, arabisk og vietnamesisk. Bevar original ordlyd og skrift når du ber om transkripsjon, forklaring eller oversettelse av synlig tekst. En eksempelbeskrivelse kan be om den viste etiketten og en egen forklaring av dens betydning.\n\n### Klargjør oppløsning og visuelle tokener bevisst\n\nQwen2-VL bruker dynamisk oppløsning til å representere et bilde med et variabelt antall visuelle tokener. I eksemplet med den opprinnelige prosessoren er standardintervallet 4 til 16,384 visuelle tokener per bilde. Den opprinnelige veiledningen viser innstillinger for minimum og maksimum antall piksler, inkludert et smalere klargjøringsintervall på 256 til 1,280 bildetokener, for å balansere detaljer mot behandlingsbehov. Disse innstillingene bevarer sideforholdet ved skalering.\n\nProdusenten tillater også ønsket skalert høyde og bredde, avrundet til et multiplum av 28. Velg en klargjøring som lar viktige etiketter forbli lesbare, og behold originalbildet når du bruker et utsnitt. De opprinnelige eksemplene inkluderer flere bilder og batcher, slik at en forespørsel kan holde de separate referansene identifiserbare.\n\n### Arbeid innenfor de dokumenterte visuelle begrensningene\n\nProdusenten peker på begrensninger i komplekse instruksjoner over flere trinn, objekttelling i kompliserte scener og romlig resonnering i tre dimensjoner. Den nevner også ufullstendig gjenkjenning av bestemte personer eller merkevarer. Be om en avgrenset visuell observasjon, og undersøk det konkrete antallet, etiketten eller den relative posisjonen resultatet bygger på.\n\nProdusenten oppgir at bildedatasettet ble oppdatert til og med juni 2023. Legg ved den skriftlige konteksten som trengs for en nylig eller ukjent etikett, fremfor å be bildet alene etablere denne informasjonen. Hold en sitert etikett tydelig atskilt fra en utledet identitet i den returnerte merknaden.\n\n### Behold de klargjorte inndataene sammen med svaret\n\nDen publiserte sjekkpunktkonfigurasjonen setter 32,768 maksimale posisjoner. Klargjør spørsmålet og de visuelle inndataene med den tilhørende modellprosessoren, og behold bilderekkefølgen som ble brukt i forespørselen. Det opprinnelige hjelpeverktøyet godtar lokale bilder, base64 og bildeadresser.\n\nLagre det valgte navnet 2B Instruct, referansene og det ferdige skriftlige svaret sammen. For en oppfølging tar du med relevant materiale og angir den konkrete observasjonen eller tolkningen som skal revideres, og sammenligner deretter det korrigerte resultatet med denne kilden.\n\nGjennom Ailoot bruker du den nøyaktige modell-ID-en i /v1/chat/completions og holder bildet sammen med spørsmålet i samtalen. Bildeinnholdet angis med image_url; støttede bildekilder kan inneholde en bildeadresse eller en base64-data-URI. Samle hele JSON-svaret eller alle SSE-segmentene når stream er aktivert, og behold usage sammen med det ferdige resultatet.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "90b91550cc6cc6b5fb31a07ec3a492caf5790b43a2d0f0f7a4bf27fe444a520e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "qwen2-vl-2b-instructQwen2-VL-2B-Instruct er Qwens syns- og språkmodell for bildespørsmål, flerspråklig tekst i bilder og visuelle forklaringer. Legg ved et lesbart bilde og et presist spørsmål for et skriftlig resultat knyttet til det synlige belegget.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2-VL-2B-Instruct er Qwens instruksjonstilpassede syns- og språkmodell på 2B for spørsmål med bilder og tekst. Produsenten beskriver håndtering av bilder med ulike oppløsninger og sideforhold, og forståelse av tekst på flere språk i bilder. Det genererte resultatet er et skriftlig svar på det vedlagte visuelle materialet og spørsmålet. Produsenten beskriver også bruk som visuell agent med enheter som telefoner og roboter. For denne arbeidsflyten legger du ved det aktuelle visuelle miljøet og en tekstinstruksjon; applikasjonen rundt modellen utfører den foreslåtte operasjonen og returnerer den observerte tilstanden til neste spørsmål.
Velg bildet som inneholder belegget svaret trenger, og angi deretter detaljen som skal tolkes. Et dokumentspørsmål kan gjelde en synlig passasje; et diagramspørsmål kan angi serien, aksene og sammenligningen som skal forklares. Behold bildeidentifikatoren sammen med ønsket resultat, slik at svaret fortsatt er knyttet til riktig referanse.
Produsenten oppgir bilde- og tekstforståelse utover engelsk og kinesisk, inkludert europeiske språk, japansk, koreansk, arabisk og vietnamesisk. Bevar original ordlyd og skrift når du ber om transkripsjon, forklaring eller oversettelse av synlig tekst. En eksempelbeskrivelse kan be om den viste etiketten og en egen forklaring av dens betydning.
Qwen2-VL bruker dynamisk oppløsning til å representere et bilde med et variabelt antall visuelle tokener. I eksemplet med den opprinnelige prosessoren er standardintervallet 4 til 16,384 visuelle tokener per bilde. Den opprinnelige veiledningen viser innstillinger for minimum og maksimum antall piksler, inkludert et smalere klargjøringsintervall på 256 til 1,280 bildetokener, for å balansere detaljer mot behandlingsbehov. Disse innstillingene bevarer sideforholdet ved skalering.
Produsenten tillater også ønsket skalert høyde og bredde, avrundet til et multiplum av 28. Velg en klargjøring som lar viktige etiketter forbli lesbare, og behold originalbildet når du bruker et utsnitt. De opprinnelige eksemplene inkluderer flere bilder og batcher, slik at en forespørsel kan holde de separate referansene identifiserbare.
Produsenten peker på begrensninger i komplekse instruksjoner over flere trinn, objekttelling i kompliserte scener og romlig resonnering i tre dimensjoner. Den nevner også ufullstendig gjenkjenning av bestemte personer eller merkevarer. Be om en avgrenset visuell observasjon, og undersøk det konkrete antallet, etiketten eller den relative posisjonen resultatet bygger på.
Produsenten oppgir at bildedatasettet ble oppdatert til og med juni 2023. Legg ved den skriftlige konteksten som trengs for en nylig eller ukjent etikett, fremfor å be bildet alene etablere denne informasjonen. Hold en sitert etikett tydelig atskilt fra en utledet identitet i den returnerte merknaden.
Den publiserte sjekkpunktkonfigurasjonen setter 32,768 maksimale posisjoner. Klargjør spørsmålet og de visuelle inndataene med den tilhørende modellprosessoren, og behold bilderekkefølgen som ble brukt i forespørselen. Det opprinnelige hjelpeverktøyet godtar lokale bilder, base64 og bildeadresser.
Lagre det valgte navnet 2B Instruct, referansene og det ferdige skriftlige svaret sammen. For en oppfølging tar du med relevant materiale og angir den konkrete observasjonen eller tolkningen som skal revideres, og sammenligner deretter det korrigerte resultatet med denne kilden.
Gjennom Ailoot bruker du den nøyaktige modell-ID-en i /v1/chat/completions og holder bildet sammen med spørsmålet i samtalen. Bildeinnholdet angis med image_url; støttede bildekilder kan inneholde en bildeadresse eller en base64-data-URI. Samle hele JSON-svaret eller alle SSE-segmentene når stream er aktivert, og behold usage sammen med det ferdige resultatet.
POST /v1/chat/completionstext, imagetext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen2-vl-2b-instruct Vilkår: Bruk nøyaktig denne rutingsvelgeren for Ailoot. | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser Vilkår: | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser Vilkår: | Standardfalse |
text_input · Påkrevd: messages
image_with_text · Påkrevd: messages with actual image content blocks
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parameteroptional | Avtalestream |
Parametermaterial_types | Avtaletext, image |
Parameterconditions | AvtaleBruk nøyaktig denne rutingsvelgeren for Ailoot., Denne protokollen overfører bildeinnhold når akkurat den valgte modellen støtter bildeforståelse. At protokollen godtas, betyr ikke at alle modeller støtter bilder. |
Metodealiaser: /chat/completions
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hver innholdsblokk, verktøykallets ID, resonneringssignaturen når den returneres, alle SSE-deltaer og fullstendige bruksdata. Det første tekstfragmentet er ikke hele resultatet.
Behold opprinnelig X-Client-Request-ID, svaret og hodene. Et ukjent resultat eller result_pending_check gir ikke tillatelse til en ny opprettelsesforespørsel.
| Felt | Type |
|---|---|
Feltchoices[] | Typeobject |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårEt obligatorisk felt, en modellvelger, en type eller en representasjon av inndata er ugyldig. | Neste trinnUndersøk de returnerte valideringsdetaljene før du forbereder en separat forespørsel. |
Svar | VilkårDen opprinnelige forespørselen eller resultatet er ukjent eller må kontrolleres. | Neste trinnBehold opprinnelige identifikatorer og hoder; les bare status- eller biblioteksposter som støttes. Ikke send opprettelsesforespørselen på nytt. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions
qwen2-vl-2b-instructQwen2-VL-2B-Instruct er Qwens syns- og språkmodell for bildespørsmål, flerspråklig tekst i bilder og visuelle forklaringer. Legg ved et lesbart bilde og et presist spørsmål for et skriftlig resultat knyttet til det synlige belegget.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2-VL-2B-Instruct er Qwens instruksjonstilpassede syns- og språkmodell på 2B for spørsmål med bilder og tekst. Produsenten beskriver håndtering av bilder med ulike oppløsninger og sideforhold, og forståelse av tekst på flere språk i bilder. Det genererte resultatet er et skriftlig svar på det vedlagte visuelle materialet og spørsmålet. Produsenten beskriver også bruk som visuell agent med enheter som telefoner og roboter. For denne arbeidsflyten legger du ved det aktuelle visuelle miljøet og en tekstinstruksjon; applikasjonen rundt modellen utfører den foreslåtte operasjonen og returnerer den observerte tilstanden til neste spørsmål.
Velg bildet som inneholder belegget svaret trenger, og angi deretter detaljen som skal tolkes. Et dokumentspørsmål kan gjelde en synlig passasje; et diagramspørsmål kan angi serien, aksene og sammenligningen som skal forklares. Behold bildeidentifikatoren sammen med ønsket resultat, slik at svaret fortsatt er knyttet til riktig referanse.
Produsenten oppgir bilde- og tekstforståelse utover engelsk og kinesisk, inkludert europeiske språk, japansk, koreansk, arabisk og vietnamesisk. Bevar original ordlyd og skrift når du ber om transkripsjon, forklaring eller oversettelse av synlig tekst. En eksempelbeskrivelse kan be om den viste etiketten og en egen forklaring av dens betydning.
Qwen2-VL bruker dynamisk oppløsning til å representere et bilde med et variabelt antall visuelle tokener. I eksemplet med den opprinnelige prosessoren er standardintervallet 4 til 16,384 visuelle tokener per bilde. Den opprinnelige veiledningen viser innstillinger for minimum og maksimum antall piksler, inkludert et smalere klargjøringsintervall på 256 til 1,280 bildetokener, for å balansere detaljer mot behandlingsbehov. Disse innstillingene bevarer sideforholdet ved skalering.
Produsenten tillater også ønsket skalert høyde og bredde, avrundet til et multiplum av 28. Velg en klargjøring som lar viktige etiketter forbli lesbare, og behold originalbildet når du bruker et utsnitt. De opprinnelige eksemplene inkluderer flere bilder og batcher, slik at en forespørsel kan holde de separate referansene identifiserbare.
Produsenten peker på begrensninger i komplekse instruksjoner over flere trinn, objekttelling i kompliserte scener og romlig resonnering i tre dimensjoner. Den nevner også ufullstendig gjenkjenning av bestemte personer eller merkevarer. Be om en avgrenset visuell observasjon, og undersøk det konkrete antallet, etiketten eller den relative posisjonen resultatet bygger på.
Produsenten oppgir at bildedatasettet ble oppdatert til og med juni 2023. Legg ved den skriftlige konteksten som trengs for en nylig eller ukjent etikett, fremfor å be bildet alene etablere denne informasjonen. Hold en sitert etikett tydelig atskilt fra en utledet identitet i den returnerte merknaden.
Den publiserte sjekkpunktkonfigurasjonen setter 32,768 maksimale posisjoner. Klargjør spørsmålet og de visuelle inndataene med den tilhørende modellprosessoren, og behold bilderekkefølgen som ble brukt i forespørselen. Det opprinnelige hjelpeverktøyet godtar lokale bilder, base64 og bildeadresser.
Lagre det valgte navnet 2B Instruct, referansene og det ferdige skriftlige svaret sammen. For en oppfølging tar du med relevant materiale og angir den konkrete observasjonen eller tolkningen som skal revideres, og sammenligner deretter det korrigerte resultatet med denne kilden.
Gjennom Ailoot bruker du den nøyaktige modell-ID-en i /v1/chat/completions og holder bildet sammen med spørsmålet i samtalen. Bildeinnholdet angis med image_url; støttede bildekilder kan inneholde en bildeadresse eller en base64-data-URI. Samle hele JSON-svaret eller alle SSE-segmentene når stream er aktivert, og behold usage sammen med det ferdige resultatet.
POST /v1/messagestext, imagejson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen2-vl-2b-instruct Vilkår: Bruk nøyaktig denne rutingsvelgeren for Ailoot. | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser Vilkår: | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser Vilkår: | Standardfalse |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser Minimum: 1 Vilkår: | Standard— |
text_input · Påkrevd: messages
image_with_text · Påkrevd: messages with actual image content blocks
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional | Avtalestream |
Parametermaterial_types | Avtaletext, image |
Parameterconditions | AvtaleBruk nøyaktig denne rutingsvelgeren for Ailoot., Denne protokollen overfører bildeinnhold når akkurat den valgte modellen støtter bildeforståelse. At protokollen godtas, betyr ikke at alle modeller støtter bilder. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hver innholdsblokk, verktøykallets ID, resonneringssignaturen når den returneres, alle SSE-deltaer og fullstendige bruksdata. Det første tekstfragmentet er ikke hele resultatet.
Behold opprinnelig X-Client-Request-ID, svaret og hodene. Et ukjent resultat eller result_pending_check gir ikke tillatelse til en ny opprettelsesforespørsel.
| Felt | Type |
|---|---|
Feltcontent[] | Typeobject |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårEt obligatorisk felt, en modellvelger, en type eller en representasjon av inndata er ugyldig. | Neste trinnUndersøk de returnerte valideringsdetaljene før du forbereder en separat forespørsel. |
Svar | VilkårDen opprinnelige forespørselen eller resultatet er ukjent eller må kontrolleres. | Neste trinnBehold opprinnelige identifikatorer og hoder; les bare status- eller biblioteksposter som støttes. Ikke send opprettelsesforespørselen på nytt. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions