Doubao 1.5 Thinking Vision Pro 250428 is de exacte gehoste identiteit die ByteDance voor Seed1.5-VL benoemt. Het is een visie-taalmodel voor algemeen multimodaal begrip en redeneren. De door de maker beschreven mogelijkheden omvatten OCR, begrip van schema's, visuele lokalisatie, 3D-ruimtelijk begrip, videobegrip en visueel redeneren. Deze opdrachten leveren interpretaties en beslissingen op basis van visueel materiaal en een schriftelijke vraag op.
Bezorg de afbeelding en geef aan welke informatie moet worden geëxtraheerd of uitgelegd. Benoem bij een documentafbeelding de tekst of velden die van belang zijn. Vraag bij een schema naar specifieke labels en verbanden. Vermeld bij een visuele puzzel de vraag en vraag om een conclusie die door de relevante aanwijzingen wordt ondersteund.
Houd het gevraagde resultaat duidelijk: getranscribeerde tekst, een beschrijving van een verband of een uitleg van een antwoord. Als de afbeelding onduidelijke letters of verborgen details bevat, vraag dan om de onzekerheid in het antwoord te benoemen. Bewaar de oorspronkelijke afbeelding bij het resultaat, zodat geëxtraheerde woorden en geïnterpreteerde verbanden kunnen worden gecontroleerd.
Visuele lokalisatie koppelt een schriftelijke verwijzing aan het relevante object of de relevante zone in een afbeelding. Een nuttige opdracht kan het object benoemen, het verschil met nabije objecten uitleggen en de locatie-informatie vragen die de toepassing verwacht. Het uitvoerformaat van de toepassing moet bepalen hoe zo'n locatie wordt weergegeven.
Beschrijf voor ruimtelijk begrip welke verbanden van belang zijn: relatieve positie, oriëntatie of de ordening van objecten in de scène. Vraag om het zichtbare bewijs vóór de uiteindelijke interpretatie. Maak onderscheid tussen de waarneembare kenmerken van de afbeelding en een afgeleide driedimensionale relatie.
De maker vermeldt ook videobegrip en biedt een specifiek videoreceptenboek aan. Een videovraag moet de gebeurtenis, het object of de relevante reeks benoemen en het te produceren resultaat aangeven. Gebruik tijdverwijzingen in de vraag en bewaar de bronclip bij het antwoord wanneer je een reeks gebeurtenissen controleert.
De interactieve demonstraties omvatten GUI-bediening en gameplay. In een computer-use-toepassing ondersteunt het visuele begrip van het model een beslissing over het scherm, terwijl de omringende toepassing handelingen uitvoert en de volgende waarneming aanlevert. Een bedieningselement beschrijven of een volgende handeling kiezen toont op zichzelf niet aan dat een bestand is opgeslagen of een schermhandeling is voltooid.
ByteDance beschrijft het model met een beeldencoder van 532 miljoen parameters en een mixture-of-experts-taalmodel met 20 miljard actieve parameters. Het receptenboek scheidt instellingen voor lange redeneerketens, lokalisatie, ruimtelijk begrip, video- en GUI-voorbeelden. Gebruik het exacte interfacecontract voor de invoer en uitvoerweergave die een opdracht nodig heeft.
Deze vermelding behoudt de release 250428 die in de repository van de maker wordt benoemd. Het eerdere profiel 250415 Thinking Pro Vision is een afzonderlijke identiteit. Bewaar het aangevraagde model, de visuele bronnen en de opdrachtinstellingen bij elk resultaat, zodat een latere herwerking met dezelfde release en hetzelfde bewijs kan worden vergeleken.
", "aboutText": "Doubao 1.5 Thinking Vision Pro 250428 is de exacte gehoste identiteit die ByteDance voor Seed1.5-VL benoemt. Het is een visie-taalmodel voor algemeen multimodaal begrip en redeneren. De door de maker beschreven mogelijkheden omvatten OCR, begrip van schema's, visuele lokalisatie, 3D-ruimtelijk begrip, videobegrip en visueel redeneren. Deze opdrachten leveren interpretaties en beslissingen op basis van visueel materiaal en een schriftelijke vraag op.\n\n### Lees en interpreteer de visuele bron\n\nBezorg de afbeelding en geef aan welke informatie moet worden geëxtraheerd of uitgelegd. Benoem bij een documentafbeelding de tekst of velden die van belang zijn. Vraag bij een schema naar specifieke labels en verbanden. Vermeld bij een visuele puzzel de vraag en vraag om een conclusie die door de relevante aanwijzingen wordt ondersteund.\n\nHoud het gevraagde resultaat duidelijk: getranscribeerde tekst, een beschrijving van een verband of een uitleg van een antwoord. Als de afbeelding onduidelijke letters of verborgen details bevat, vraag dan om de onzekerheid in het antwoord te benoemen. Bewaar de oorspronkelijke afbeelding bij het resultaat, zodat geëxtraheerde woorden en geïnterpreteerde verbanden kunnen worden gecontroleerd.\n\n### Verbind een vraag met objecten en ruimte\n\nVisuele lokalisatie koppelt een schriftelijke verwijzing aan het relevante object of de relevante zone in een afbeelding. Een nuttige opdracht kan het object benoemen, het verschil met nabije objecten uitleggen en de locatie-informatie vragen die de toepassing verwacht. Het uitvoerformaat van de toepassing moet bepalen hoe zo'n locatie wordt weergegeven.\n\nBeschrijf voor ruimtelijk begrip welke verbanden van belang zijn: relatieve positie, oriëntatie of de ordening van objecten in de scène. Vraag om het zichtbare bewijs vóór de uiteindelijke interpretatie. Maak onderscheid tussen de waarneembare kenmerken van de afbeelding en een afgeleide driedimensionale relatie.\n\n### Werk met video en interactieve opdrachten\n\nDe maker vermeldt ook videobegrip en biedt een specifiek videoreceptenboek aan. Een videovraag moet de gebeurtenis, het object of de relevante reeks benoemen en het te produceren resultaat aangeven. Gebruik tijdverwijzingen in de vraag en bewaar de bronclip bij het antwoord wanneer je een reeks gebeurtenissen controleert.\n\nDe interactieve demonstraties omvatten GUI-bediening en gameplay. In een computer-use-toepassing ondersteunt het visuele begrip van het model een beslissing over het scherm, terwijl de omringende toepassing handelingen uitvoert en de volgende waarneming aanlevert. Een bedieningselement beschrijven of een volgende handeling kiezen toont op zichzelf niet aan dat een bestand is opgeslagen of een schermhandeling is voltooid.\n\n### Behoud de release en interface-instellingen\n\nByteDance beschrijft het model met een beeldencoder van 532 miljoen parameters en een mixture-of-experts-taalmodel met 20 miljard actieve parameters. Het receptenboek scheidt instellingen voor lange redeneerketens, lokalisatie, ruimtelijk begrip, video- en GUI-voorbeelden. Gebruik het exacte interfacecontract voor de invoer en uitvoerweergave die een opdracht nodig heeft.\n\nDeze vermelding behoudt de release 250428 die in de repository van de maker wordt benoemd. Het eerdere profiel 250415 Thinking Pro Vision is een afzonderlijke identiteit. Bewaar het aangevraagde model, de visuele bronnen en de opdrachtinstellingen bij elk resultaat, zodat een latere herwerking met dezelfde release en hetzelfde bewijs kan worden vergeleken.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is de specifieke Seed1.5-VL-release van het visie-taalmodel voor afbeeldingen, video en schriftelijke vragen. De maker beschrijft OCR, interpretatie van schema's, visuele lokalisatie, ruimtelijk begrip en redeneren op basis van visueel bewijs.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Doubao 1.5 Thinking Vision Pro 250428 is de exacte gehoste identiteit die ByteDance voor Seed1.5-VL benoemt. Het is een visie-taalmodel voor algemeen multimodaal begrip en redeneren. De door de maker beschreven mogelijkheden omvatten OCR, begrip van schema's, visuele lokalisatie, 3D-ruimtelijk begrip, videobegrip en visueel redeneren. Deze opdrachten leveren interpretaties en beslissingen op basis van visueel materiaal en een schriftelijke vraag op.
Bezorg de afbeelding en geef aan welke informatie moet worden geëxtraheerd of uitgelegd. Benoem bij een documentafbeelding de tekst of velden die van belang zijn. Vraag bij een schema naar specifieke labels en verbanden. Vermeld bij een visuele puzzel de vraag en vraag om een conclusie die door de relevante aanwijzingen wordt ondersteund.
Houd het gevraagde resultaat duidelijk: getranscribeerde tekst, een beschrijving van een verband of een uitleg van een antwoord. Als de afbeelding onduidelijke letters of verborgen details bevat, vraag dan om de onzekerheid in het antwoord te benoemen. Bewaar de oorspronkelijke afbeelding bij het resultaat, zodat geëxtraheerde woorden en geïnterpreteerde verbanden kunnen worden gecontroleerd.
Visuele lokalisatie koppelt een schriftelijke verwijzing aan het relevante object of de relevante zone in een afbeelding. Een nuttige opdracht kan het object benoemen, het verschil met nabije objecten uitleggen en de locatie-informatie vragen die de toepassing verwacht. Het uitvoerformaat van de toepassing moet bepalen hoe zo'n locatie wordt weergegeven.
Beschrijf voor ruimtelijk begrip welke verbanden van belang zijn: relatieve positie, oriëntatie of de ordening van objecten in de scène. Vraag om het zichtbare bewijs vóór de uiteindelijke interpretatie. Maak onderscheid tussen de waarneembare kenmerken van de afbeelding en een afgeleide driedimensionale relatie.
De maker vermeldt ook videobegrip en biedt een specifiek videoreceptenboek aan. Een videovraag moet de gebeurtenis, het object of de relevante reeks benoemen en het te produceren resultaat aangeven. Gebruik tijdverwijzingen in de vraag en bewaar de bronclip bij het antwoord wanneer je een reeks gebeurtenissen controleert.
De interactieve demonstraties omvatten GUI-bediening en gameplay. In een computer-use-toepassing ondersteunt het visuele begrip van het model een beslissing over het scherm, terwijl de omringende toepassing handelingen uitvoert en de volgende waarneming aanlevert. Een bedieningselement beschrijven of een volgende handeling kiezen toont op zichzelf niet aan dat een bestand is opgeslagen of een schermhandeling is voltooid.
ByteDance beschrijft het model met een beeldencoder van 532 miljoen parameters en een mixture-of-experts-taalmodel met 20 miljard actieve parameters. Het receptenboek scheidt instellingen voor lange redeneerketens, lokalisatie, ruimtelijk begrip, video- en GUI-voorbeelden. Gebruik het exacte interfacecontract voor de invoer en uitvoerweergave die een opdracht nodig heeft.
Deze vermelding behoudt de release 250428 die in de repository van de maker wordt benoemd. Het eerdere profiel 250415 Thinking Pro Vision is een afzonderlijke identiteit. Bewaar het aangevraagde model, de visuele bronnen en de opdrachtinstellingen bij elk resultaat, zodat een latere herwerking met dezelfde release en hetzelfde bewijs kan worden vergeleken.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten doubao-1-5-thinking-vision-pro-250428 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0011 / 1K tokens Uitvoer · Uitvoertokens $0.00286 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Gebruik de hierboven getoonde methodepaden.
doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 is de specifieke Seed1.5-VL-release van het visie-taalmodel voor afbeeldingen, video en schriftelijke vragen. De maker beschrijft OCR, interpretatie van schema's, visuele lokalisatie, ruimtelijk begrip en redeneren op basis van visueel bewijs.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Doubao 1.5 Thinking Vision Pro 250428 is de exacte gehoste identiteit die ByteDance voor Seed1.5-VL benoemt. Het is een visie-taalmodel voor algemeen multimodaal begrip en redeneren. De door de maker beschreven mogelijkheden omvatten OCR, begrip van schema's, visuele lokalisatie, 3D-ruimtelijk begrip, videobegrip en visueel redeneren. Deze opdrachten leveren interpretaties en beslissingen op basis van visueel materiaal en een schriftelijke vraag op.
Bezorg de afbeelding en geef aan welke informatie moet worden geëxtraheerd of uitgelegd. Benoem bij een documentafbeelding de tekst of velden die van belang zijn. Vraag bij een schema naar specifieke labels en verbanden. Vermeld bij een visuele puzzel de vraag en vraag om een conclusie die door de relevante aanwijzingen wordt ondersteund.
Houd het gevraagde resultaat duidelijk: getranscribeerde tekst, een beschrijving van een verband of een uitleg van een antwoord. Als de afbeelding onduidelijke letters of verborgen details bevat, vraag dan om de onzekerheid in het antwoord te benoemen. Bewaar de oorspronkelijke afbeelding bij het resultaat, zodat geëxtraheerde woorden en geïnterpreteerde verbanden kunnen worden gecontroleerd.
Visuele lokalisatie koppelt een schriftelijke verwijzing aan het relevante object of de relevante zone in een afbeelding. Een nuttige opdracht kan het object benoemen, het verschil met nabije objecten uitleggen en de locatie-informatie vragen die de toepassing verwacht. Het uitvoerformaat van de toepassing moet bepalen hoe zo'n locatie wordt weergegeven.
Beschrijf voor ruimtelijk begrip welke verbanden van belang zijn: relatieve positie, oriëntatie of de ordening van objecten in de scène. Vraag om het zichtbare bewijs vóór de uiteindelijke interpretatie. Maak onderscheid tussen de waarneembare kenmerken van de afbeelding en een afgeleide driedimensionale relatie.
De maker vermeldt ook videobegrip en biedt een specifiek videoreceptenboek aan. Een videovraag moet de gebeurtenis, het object of de relevante reeks benoemen en het te produceren resultaat aangeven. Gebruik tijdverwijzingen in de vraag en bewaar de bronclip bij het antwoord wanneer je een reeks gebeurtenissen controleert.
De interactieve demonstraties omvatten GUI-bediening en gameplay. In een computer-use-toepassing ondersteunt het visuele begrip van het model een beslissing over het scherm, terwijl de omringende toepassing handelingen uitvoert en de volgende waarneming aanlevert. Een bedieningselement beschrijven of een volgende handeling kiezen toont op zichzelf niet aan dat een bestand is opgeslagen of een schermhandeling is voltooid.
ByteDance beschrijft het model met een beeldencoder van 532 miljoen parameters en een mixture-of-experts-taalmodel met 20 miljard actieve parameters. Het receptenboek scheidt instellingen voor lange redeneerketens, lokalisatie, ruimtelijk begrip, video- en GUI-voorbeelden. Gebruik het exacte interfacecontract voor de invoer en uitvoerweergave die een opdracht nodig heeft.
Deze vermelding behoudt de release 250428 die in de repository van de maker wordt benoemd. Het eerdere profiel 250415 Thinking Pro Vision is een afzonderlijke identiteit. Bewaar het aangevraagde model, de visuele bronnen en de opdrachtinstellingen bij elk resultaat, zodat een latere herwerking met dezelfde release en hetzelfde bewijs kan worden vergeleken.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten doubao-1-5-thinking-vision-pro-250428 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0011 / 1K tokens Uitvoer · Uitvoertokens $0.00286 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "doubao-1-5-thinking-vision-pro-250428",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.