Inleiding: de op instructies afgestemde 3B-editie
Qwen2.5-VL-3B-Instruct is het 3B-lid van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk gedefinieerde visuele vraag, een documentextractietaak of een uitleg die zichtbare inhoud met het verzoek van de gebruiker verbindt. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet voor dit checkpoint worden verondersteld.
Visueel begrip en agentworkflows
Qwen beschrijft herkenning van gewone objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Specificeer voor een formulier de vereiste velden en de betekenis van een lege waarde. Vraag voor een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer makkelijker vergelijkbaar met de oorspronkelijke afbeelding dan een breed verzoek om alles te beschrijven.
De familie ondersteunt ook visueel redeneren door agents en het aansturen van tools voor computer- of telefoonworkflows. Het model kan een interface interpreteren en helpen een handeling te kiezen; gekoppelde toepassingstools voeren die handeling uit. Bij een schermafbeeldingsbeoordeling kun je vragen welk besturingselement bij een taak hoort en welke zichtbare informatie de keuze ondersteunt. Dat gebruik van visueel redeneren verleent op zichzelf geen controle over een toestel.
Lange video en gebeurtenislokalisatie
De maker beschrijft begrip van video’s langer dan één uur en het identificeren van segmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een familiemogelijkheid, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame wordt bewaard. Bereid het relevante fragment voor, bewaar de timinginformatie en stel een precieze vraag over de gebeurtenis, reeks of verandering. De videoverwerkingsaanpak van het model gebruikt informatie over de framefrequentie om visuele waarnemingen op absolute tijd af te stemmen.
Lokalisatie en gestructureerde documenten
Qwen2.5-VL kan objectlocaties als begrenzingskaders of punten teruggeven, met coördinaten en attributen in JSON. Benoem voor een lokalisatietaak het doelobject en specificeer of het resultaat een punt of een kader moet zijn. Houd de coördinatenconventie expliciet in de verwerkende toepassing in plaats van een fysieke meting uit een willekeurige foto af te leiden.
De maker documenteert ook gestructureerde extractie uit gescande facturen, formulieren en tabellen. Lever een leesbare pagina en een uitvoerschema aan: bijvoorbeeld veldnaam, geëxtraheerde tekst en het zichtbare gebied dat die onderbouwt. Bewaar eenheden, decimaalscheidingstekens en tabelkoppen in de bron. Behandel onzekere of onleesbare inhoud als een geval voor beoordeling in plaats van het model een ontbrekende waarde te laten verzinnen. Deze voorbereidingsvoorbeelden passen gedocumenteerde mogelijkheden toe; ze garanderen geen exacte extractie.
Architectuurwijzigingen
Dynamische afbeeldingsresolutie wordt naar video uitgebreid via training met variabele framefrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt temporele volgorde en absolute tijd en helpt specifieke momenten en snelheidswijzigingen te identificeren. De visuele encoder gebruikt window attention samen met SwiGLU en RMSNorm. Die wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze bewijzen geen vaste latentie voor een bepaalde toepassing.
Afbeeldingen en video voorbereiden
De officiële voorbeelden omvatten afzonderlijke afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Label meerdere visuele invoeritems zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens de labels is georganiseerd en beperk het resultaat tot zichtbare verschillen. Bewaar voor een videotijdlijn de framevolgorde en timing in plaats van losstaande afbeeldingen voor te stellen alsof ze een bekende duur hebben.
Het gedocumenteerde standaardbereik van de afbeeldingsprocessor loopt van vier tot 16,384 visuele tokens per afbeelding. Het voorbeeld kan op 256–1,280 tokens mikken door pixelgrenzen in te stellen. Het behoudt de beeldverhouding binnen die grenzen, terwijl expliciete herschaalde afmetingen op veelvouden van 28 worden afgestemd. Meer detail vergt meer berekening en reeksruimte, zodat een klein tekstveld een uitsnede met hogere resolutie kan vereisen terwijl een brede scènesamenvatting dat mogelijk niet nodig heeft. Dat zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.
Context en inhoudelijke beperkingen
De gepubliceerde checkpointconfiguratie stelt het maximum aantal posities in op 128,000, terwijl de bijbehorende sectie over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie maar waarschuwt dat die temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en beveelt die methode voor zulke taken niet aan. Ze vermeldt afzonderlijk dat videopositiecodering een hogere positie-instelling kan toestaan en geeft 64K als voorbeeld. Die verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerd invoerplafond.
Tekst, visueel materiaal en het antwoord delen een eindig reeksbudget. Houd relevante inhoud leesbaar, reserveer ruimte voor het resultaat en controleer geëxtraheerde tekst, coördinaten en gebeurtenistijden aan de hand van het origineel. Het generatievoorbeeld met 128 tokens op de kaart is illustratief en bewijst geen afzonderlijk hard uitvoermaximum. Dit model geeft tekstuele analyse of gestructureerde informatie terug; de visueel-talige mogelijkheden betekenen niet dat het afbeeldingen of video genereert.
", "aboutText": "Inleiding: de op instructies afgestemde 3B-editie\n\nQwen2.5-VL-3B-Instruct is het 3B-lid van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk gedefinieerde visuele vraag, een documentextractietaak of een uitleg die zichtbare inhoud met het verzoek van de gebruiker verbindt. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet voor dit checkpoint worden verondersteld.\n\nVisueel begrip en agentworkflows\n\nQwen beschrijft herkenning van gewone objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Specificeer voor een formulier de vereiste velden en de betekenis van een lege waarde. Vraag voor een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer makkelijker vergelijkbaar met de oorspronkelijke afbeelding dan een breed verzoek om alles te beschrijven.\n\nDe familie ondersteunt ook visueel redeneren door agents en het aansturen van tools voor computer- of telefoonworkflows. Het model kan een interface interpreteren en helpen een handeling te kiezen; gekoppelde toepassingstools voeren die handeling uit. Bij een schermafbeeldingsbeoordeling kun je vragen welk besturingselement bij een taak hoort en welke zichtbare informatie de keuze ondersteunt. Dat gebruik van visueel redeneren verleent op zichzelf geen controle over een toestel.\n\nLange video en gebeurtenislokalisatie\n\nDe maker beschrijft begrip van video’s langer dan één uur en het identificeren van segmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een familiemogelijkheid, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame wordt bewaard. Bereid het relevante fragment voor, bewaar de timinginformatie en stel een precieze vraag over de gebeurtenis, reeks of verandering. De videoverwerkingsaanpak van het model gebruikt informatie over de framefrequentie om visuele waarnemingen op absolute tijd af te stemmen.\n\nLokalisatie en gestructureerde documenten\n\nQwen2.5-VL kan objectlocaties als begrenzingskaders of punten teruggeven, met coördinaten en attributen in JSON. Benoem voor een lokalisatietaak het doelobject en specificeer of het resultaat een punt of een kader moet zijn. Houd de coördinatenconventie expliciet in de verwerkende toepassing in plaats van een fysieke meting uit een willekeurige foto af te leiden.\n\nDe maker documenteert ook gestructureerde extractie uit gescande facturen, formulieren en tabellen. Lever een leesbare pagina en een uitvoerschema aan: bijvoorbeeld veldnaam, geëxtraheerde tekst en het zichtbare gebied dat die onderbouwt. Bewaar eenheden, decimaalscheidingstekens en tabelkoppen in de bron. Behandel onzekere of onleesbare inhoud als een geval voor beoordeling in plaats van het model een ontbrekende waarde te laten verzinnen. Deze voorbereidingsvoorbeelden passen gedocumenteerde mogelijkheden toe; ze garanderen geen exacte extractie.\n\nArchitectuurwijzigingen\n\nDynamische afbeeldingsresolutie wordt naar video uitgebreid via training met variabele framefrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt temporele volgorde en absolute tijd en helpt specifieke momenten en snelheidswijzigingen te identificeren. De visuele encoder gebruikt window attention samen met SwiGLU en RMSNorm. Die wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze bewijzen geen vaste latentie voor een bepaalde toepassing.\n\nAfbeeldingen en video voorbereiden\n\nDe officiële voorbeelden omvatten afzonderlijke afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Label meerdere visuele invoeritems zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens de labels is georganiseerd en beperk het resultaat tot zichtbare verschillen. Bewaar voor een videotijdlijn de framevolgorde en timing in plaats van losstaande afbeeldingen voor te stellen alsof ze een bekende duur hebben.\n\nHet gedocumenteerde standaardbereik van de afbeeldingsprocessor loopt van vier tot 16,384 visuele tokens per afbeelding. Het voorbeeld kan op 256–1,280 tokens mikken door pixelgrenzen in te stellen. Het behoudt de beeldverhouding binnen die grenzen, terwijl expliciete herschaalde afmetingen op veelvouden van 28 worden afgestemd. Meer detail vergt meer berekening en reeksruimte, zodat een klein tekstveld een uitsnede met hogere resolutie kan vereisen terwijl een brede scènesamenvatting dat mogelijk niet nodig heeft. Dat zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.\n\nContext en inhoudelijke beperkingen\n\nDe gepubliceerde checkpointconfiguratie stelt het maximum aantal posities in op 128,000, terwijl de bijbehorende sectie over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie maar waarschuwt dat die temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en beveelt die methode voor zulke taken niet aan. Ze vermeldt afzonderlijk dat videopositiecodering een hogere positie-instelling kan toestaan en geeft 64K als voorbeeld. Die verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerd invoerplafond.\n\nTekst, visueel materiaal en het antwoord delen een eindig reeksbudget. Houd relevante inhoud leesbaar, reserveer ruimte voor het resultaat en controleer geëxtraheerde tekst, coördinaten en gebeurtenistijden aan de hand van het origineel. Het generatievoorbeeld met 128 tokens op de kaart is illustratief en bewijst geen afzonderlijk hard uitvoermaximum. Dit model geeft tekstuele analyse of gestructureerde informatie terug; de visueel-talige mogelijkheden betekenen niet dat het afbeeldingen of video genereert.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct is Qwen’s compacte, op instructies afgestemde visueel-talige model voor tekst, afbeeldingen en video. Het geeft tekst en gestructureerde visuele informatie terug, waaronder documentvelden, objectcoördinaten en gebeurtenisbeschrijvingen, met dynamische resolutie en tijdbewuste videoverwerking.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Inleiding: de op instructies afgestemde 3B-editie
Qwen2.5-VL-3B-Instruct is het 3B-lid van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk gedefinieerde visuele vraag, een documentextractietaak of een uitleg die zichtbare inhoud met het verzoek van de gebruiker verbindt. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet voor dit checkpoint worden verondersteld.
Visueel begrip en agentworkflows
Qwen beschrijft herkenning van gewone objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Specificeer voor een formulier de vereiste velden en de betekenis van een lege waarde. Vraag voor een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer makkelijker vergelijkbaar met de oorspronkelijke afbeelding dan een breed verzoek om alles te beschrijven.
De familie ondersteunt ook visueel redeneren door agents en het aansturen van tools voor computer- of telefoonworkflows. Het model kan een interface interpreteren en helpen een handeling te kiezen; gekoppelde toepassingstools voeren die handeling uit. Bij een schermafbeeldingsbeoordeling kun je vragen welk besturingselement bij een taak hoort en welke zichtbare informatie de keuze ondersteunt. Dat gebruik van visueel redeneren verleent op zichzelf geen controle over een toestel.
Lange video en gebeurtenislokalisatie
De maker beschrijft begrip van video’s langer dan één uur en het identificeren van segmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een familiemogelijkheid, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame wordt bewaard. Bereid het relevante fragment voor, bewaar de timinginformatie en stel een precieze vraag over de gebeurtenis, reeks of verandering. De videoverwerkingsaanpak van het model gebruikt informatie over de framefrequentie om visuele waarnemingen op absolute tijd af te stemmen.
Lokalisatie en gestructureerde documenten
Qwen2.5-VL kan objectlocaties als begrenzingskaders of punten teruggeven, met coördinaten en attributen in JSON. Benoem voor een lokalisatietaak het doelobject en specificeer of het resultaat een punt of een kader moet zijn. Houd de coördinatenconventie expliciet in de verwerkende toepassing in plaats van een fysieke meting uit een willekeurige foto af te leiden.
De maker documenteert ook gestructureerde extractie uit gescande facturen, formulieren en tabellen. Lever een leesbare pagina en een uitvoerschema aan: bijvoorbeeld veldnaam, geëxtraheerde tekst en het zichtbare gebied dat die onderbouwt. Bewaar eenheden, decimaalscheidingstekens en tabelkoppen in de bron. Behandel onzekere of onleesbare inhoud als een geval voor beoordeling in plaats van het model een ontbrekende waarde te laten verzinnen. Deze voorbereidingsvoorbeelden passen gedocumenteerde mogelijkheden toe; ze garanderen geen exacte extractie.
Architectuurwijzigingen
Dynamische afbeeldingsresolutie wordt naar video uitgebreid via training met variabele framefrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt temporele volgorde en absolute tijd en helpt specifieke momenten en snelheidswijzigingen te identificeren. De visuele encoder gebruikt window attention samen met SwiGLU en RMSNorm. Die wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze bewijzen geen vaste latentie voor een bepaalde toepassing.
Afbeeldingen en video voorbereiden
De officiële voorbeelden omvatten afzonderlijke afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Label meerdere visuele invoeritems zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens de labels is georganiseerd en beperk het resultaat tot zichtbare verschillen. Bewaar voor een videotijdlijn de framevolgorde en timing in plaats van losstaande afbeeldingen voor te stellen alsof ze een bekende duur hebben.
Het gedocumenteerde standaardbereik van de afbeeldingsprocessor loopt van vier tot 16,384 visuele tokens per afbeelding. Het voorbeeld kan op 256–1,280 tokens mikken door pixelgrenzen in te stellen. Het behoudt de beeldverhouding binnen die grenzen, terwijl expliciete herschaalde afmetingen op veelvouden van 28 worden afgestemd. Meer detail vergt meer berekening en reeksruimte, zodat een klein tekstveld een uitsnede met hogere resolutie kan vereisen terwijl een brede scènesamenvatting dat mogelijk niet nodig heeft. Dat zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.
Context en inhoudelijke beperkingen
De gepubliceerde checkpointconfiguratie stelt het maximum aantal posities in op 128,000, terwijl de bijbehorende sectie over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie maar waarschuwt dat die temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en beveelt die methode voor zulke taken niet aan. Ze vermeldt afzonderlijk dat videopositiecodering een hogere positie-instelling kan toestaan en geeft 64K als voorbeeld. Die verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerd invoerplafond.
Tekst, visueel materiaal en het antwoord delen een eindig reeksbudget. Houd relevante inhoud leesbaar, reserveer ruimte voor het resultaat en controleer geëxtraheerde tekst, coördinaten en gebeurtenistijden aan de hand van het origineel. Het generatievoorbeeld met 128 tokens op de kaart is illustratief en bewijst geen afzonderlijk hard uitvoermaximum. Dit model geeft tekstuele analyse of gestructureerde informatie terug; de visueel-talige mogelijkheden betekenen niet dat het afbeeldingen of video genereert.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-vl-3b-instruct | 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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 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": "qwen2.5-vl-3b-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='qwen2.5-vl-3b-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='qwen2.5-vl-3b-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 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 qwen2.5-vl-3b-instruct
Gebruik de hierboven getoonde methodepaden.
qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct is Qwen’s compacte, op instructies afgestemde visueel-talige model voor tekst, afbeeldingen en video. Het geeft tekst en gestructureerde visuele informatie terug, waaronder documentvelden, objectcoördinaten en gebeurtenisbeschrijvingen, met dynamische resolutie en tijdbewuste videoverwerking.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Inleiding: de op instructies afgestemde 3B-editie
Qwen2.5-VL-3B-Instruct is het 3B-lid van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk gedefinieerde visuele vraag, een documentextractietaak of een uitleg die zichtbare inhoud met het verzoek van de gebruiker verbindt. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet voor dit checkpoint worden verondersteld.
Visueel begrip en agentworkflows
Qwen beschrijft herkenning van gewone objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Specificeer voor een formulier de vereiste velden en de betekenis van een lege waarde. Vraag voor een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer makkelijker vergelijkbaar met de oorspronkelijke afbeelding dan een breed verzoek om alles te beschrijven.
De familie ondersteunt ook visueel redeneren door agents en het aansturen van tools voor computer- of telefoonworkflows. Het model kan een interface interpreteren en helpen een handeling te kiezen; gekoppelde toepassingstools voeren die handeling uit. Bij een schermafbeeldingsbeoordeling kun je vragen welk besturingselement bij een taak hoort en welke zichtbare informatie de keuze ondersteunt. Dat gebruik van visueel redeneren verleent op zichzelf geen controle over een toestel.
Lange video en gebeurtenislokalisatie
De maker beschrijft begrip van video’s langer dan één uur en het identificeren van segmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een familiemogelijkheid, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame wordt bewaard. Bereid het relevante fragment voor, bewaar de timinginformatie en stel een precieze vraag over de gebeurtenis, reeks of verandering. De videoverwerkingsaanpak van het model gebruikt informatie over de framefrequentie om visuele waarnemingen op absolute tijd af te stemmen.
Lokalisatie en gestructureerde documenten
Qwen2.5-VL kan objectlocaties als begrenzingskaders of punten teruggeven, met coördinaten en attributen in JSON. Benoem voor een lokalisatietaak het doelobject en specificeer of het resultaat een punt of een kader moet zijn. Houd de coördinatenconventie expliciet in de verwerkende toepassing in plaats van een fysieke meting uit een willekeurige foto af te leiden.
De maker documenteert ook gestructureerde extractie uit gescande facturen, formulieren en tabellen. Lever een leesbare pagina en een uitvoerschema aan: bijvoorbeeld veldnaam, geëxtraheerde tekst en het zichtbare gebied dat die onderbouwt. Bewaar eenheden, decimaalscheidingstekens en tabelkoppen in de bron. Behandel onzekere of onleesbare inhoud als een geval voor beoordeling in plaats van het model een ontbrekende waarde te laten verzinnen. Deze voorbereidingsvoorbeelden passen gedocumenteerde mogelijkheden toe; ze garanderen geen exacte extractie.
Architectuurwijzigingen
Dynamische afbeeldingsresolutie wordt naar video uitgebreid via training met variabele framefrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt temporele volgorde en absolute tijd en helpt specifieke momenten en snelheidswijzigingen te identificeren. De visuele encoder gebruikt window attention samen met SwiGLU en RMSNorm. Die wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze bewijzen geen vaste latentie voor een bepaalde toepassing.
Afbeeldingen en video voorbereiden
De officiële voorbeelden omvatten afzonderlijke afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Label meerdere visuele invoeritems zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens de labels is georganiseerd en beperk het resultaat tot zichtbare verschillen. Bewaar voor een videotijdlijn de framevolgorde en timing in plaats van losstaande afbeeldingen voor te stellen alsof ze een bekende duur hebben.
Het gedocumenteerde standaardbereik van de afbeeldingsprocessor loopt van vier tot 16,384 visuele tokens per afbeelding. Het voorbeeld kan op 256–1,280 tokens mikken door pixelgrenzen in te stellen. Het behoudt de beeldverhouding binnen die grenzen, terwijl expliciete herschaalde afmetingen op veelvouden van 28 worden afgestemd. Meer detail vergt meer berekening en reeksruimte, zodat een klein tekstveld een uitsnede met hogere resolutie kan vereisen terwijl een brede scènesamenvatting dat mogelijk niet nodig heeft. Dat zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.
Context en inhoudelijke beperkingen
De gepubliceerde checkpointconfiguratie stelt het maximum aantal posities in op 128,000, terwijl de bijbehorende sectie over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie maar waarschuwt dat die temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en beveelt die methode voor zulke taken niet aan. Ze vermeldt afzonderlijk dat videopositiecodering een hogere positie-instelling kan toestaan en geeft 64K als voorbeeld. Die verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerd invoerplafond.
Tekst, visueel materiaal en het antwoord delen een eindig reeksbudget. Houd relevante inhoud leesbaar, reserveer ruimte voor het resultaat en controleer geëxtraheerde tekst, coördinaten en gebeurtenistijden aan de hand van het origineel. Het generatievoorbeeld met 128 tokens op de kaart is illustratief en bewijst geen afzonderlijk hard uitvoermaximum. Dit model geeft tekstuele analyse of gestructureerde informatie terug; de visueel-talige mogelijkheden betekenen niet dat het afbeeldingen of video genereert.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-vl-3b-instruct | 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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen2.5-vl-3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-vl-3b-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': 'qwen2.5-vl-3b-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 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 qwen2.5-vl-3b-instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.