Qwen2-VL-72B-Instruct is de op instructies afgestemde 72B-editie voor beeld en taal, gebouwd rond Qwen2. Het ontvangt tekst samen met afbeeldingen of video en genereert een tekstantwoord. De maker benadrukt begrip van afbeeldingen met verschillende resoluties en beeldverhoudingen, interpretatie van tekst in beelden, redeneren over zichtbare relaties en vragen beantwoorden over video’s van meer dan 20 minuten.
Beeld- en videomogelijkheden
Vraag bij een documentpagina om de specifieke inhoud die je nodig hebt: een alinea, een tabelrij, een formule of de voorwaarden bij een uitspraak. Houd de pagina leesbaar en geef aan of het resultaat de formulering moet transcriberen, samenvatten of de betekenis uitleggen. Een bruikbare documentuitvoer kan het oorspronkelijke sectielabel naast de geëxtraheerde inhoud bewaren. Vraag bij een diagram hoe de gelabelde elementen verbonden zijn en benoem de relatie die uitleg nodig heeft.
Gedocumenteerd videogebruik omvat vragen, dialoog en geschreven inhoud op basis van de zichtbare reeks. Definieer de gebeurtenis of verandering die moet worden onderzocht: wanneer een object verschijnt, wat vóór een bepaalde stap gebeurt of hoe een getoonde handeling aansluit op een geschreven procedure. Vraag om een geordende gebeurtenisbeschrijving of een vergelijking tussen de zichtbare stappen en de aangeleverde procedure. De uitspraak van de maker over meer dan 20 minuten beschrijft begrip van lange video; het is geen vaste maximale videoduur of garantie dat elk onbewerkt fragment in een ongewijzigde invoerconfiguratie past.
Gebruik als visuele agent
De release positioneert Qwen2-VL ook voor visuele agents die met mobiele apparaten, robots en andere tools zijn verbonden. De aankondiging beschrijft functieaanroepen en code-interpreterscenario’s, zoals code uit een diagram produceren of met een visuele vraag een externe zoekopdracht aanvragen. De omringende toepassing levert die tools, voert de voorgestelde actie uit en geeft het resultaat terug. Het tekstantwoord van het model alleen klikt niet op een bedieningselement, beweegt geen apparaat en voert het gegenereerde programma niet uit.
Een praktische interfacetaak kan een schermafbeelding en het doel van de gebruiker aanleveren en vervolgens vragen om het zichtbare bedieningselement dat voor de volgende stap relevant is en het bewijs dat die keuze ondersteunt. Houd observatie, voorgestelde actie en daadwerkelijke uitvoering als afzonderlijke onderdelen van de werkstroom. Dit benut de focus op visuele agents terwijl het gewenste resultaat specifiek genoeg wordt om de toepassing ermee te laten handelen.
Meertalige tekst in afbeeldingen
De maker beschrijft herkenning van tekst in afbeeldingen in Engels en Chinees, de meeste Europese talen en onder meer Japans, Koreaans, Arabisch en Vietnamees. Een meertalige pagina kan dus als visuele leestaak worden behandeld. Vraag eerst om de oorspronkelijke transcriptie als exacte formuleringen belangrijk zijn en daarna om een vertaling of uitleg in de gekozen taal. Behoud labels en cijfers in plaats van herkenning met een ongespecificeerde herschrijving te vermengen.
Dynamische resolutie en positie-informatie
Qwen2-VL combineert een visuele encoder met het Qwen2-taalmodel. Naive Dynamic Resolution zet verschillende afbeeldingsgroottes om in verschillende aantallen visuele tokens. Multimodal Rotary Position Embedding scheidt positie-informatie zodat het model tekstvolgorde, tweedimensionale beelden en de temporele en ruimtelijke structuur van video kan weergeven. Deze functies verklaren hoe dezelfde familie een pagina, meerdere afbeeldingen of een videoreeks verwerkt.
De beeldprocessor op de modelkaart documenteert een standaardbereik van 4 tot 16.384 visuele tokens per afbeelding. De toepassing kan minimale en maximale pixels aanpassen met behoud van de beeldverhouding of afmetingen vragen die op een veelvoud van 28 worden afgerond. Het voorbeeldbereik van 256 tot 1.280 tokens is een configureerbare illustratie, geen aparte universele beeldlimiet. Meer beelddetail gebruikt meer berekening en visuele tokens; behoud daarom bij het voorbereiden van het beeld de labels, koppen en kleine objecten die voor de vraag nodig zijn.
Invoervoorbereiding en context
De maker toont één afbeelding, meerdere afbeeldingen, video als een framereeks of lokaal bestand en gesprekken in batches. Beeldvoorbereiding omvat lokale bestanden, gecodeerde beeldgegevens en beeldreferenties. Het videovoorbeeld op de kaart gebruikt een gekozen framerate; dat voorbeeld stelt niet één vereiste samplefrequentie voor elke video vast. Geef de volgorde en rol van meerdere afbeeldingen aan en lever de informatie die nodig is om een reeks te interpreteren, in plaats van ongerelateerde frames als één scène te behandelen.
De vrijgegeven configuratie stelt het maximale aantal posities in op 32.768. Visueel materiaal en tekstinstructies moeten binnen de daadwerkelijk geconfigureerde context worden gepland. Het voorbeeld op de kaart met 128 gegenereerde tokens is alleen een voorbeeldinstelling; het publiceert geen afzonderlijke maximale uitvoercapaciteit. De 72B-editie moet haar eigen configuratie behouden in plaats van de langcontextinstellingen van Qwen2.5-VL of een ander Qwen-model over te nemen.
Inhoudelijke beperkingen
De maker stelt expliciet dat Qwen2-VL de audio in video’s niet begrijpt. Gesproken informatie moet daarom afzonderlijk worden aangeleverd als de vraag ervan afhangt. De dataset voor beeldtraining wordt beschreven als bijgewerkt tot en met juni 2023; dit is een uitspraak over die dataset, geen belofte van actuele visuele kennis.
De gedocumenteerde beperkingen omvatten ook onvolledige herkenning van bepaalde personen of benoemde intellectuele eigendommen, moeite met ingewikkelde instructies met meerdere stappen, zwak tellen in complexe scènes en beperkingen in driedimensionaal ruimtelijk redeneren. Richt de vraag bij een taak die van een van die vaardigheden afhangt op de vereiste objecten of relatie en behoud het visuele bewijs naast het antwoord. Duidelijk bronmateriaal en een gedefinieerde uitvoer maken het resultaat beter te controleren zonder de genoemde beperkingen door een nauwkeurigheidsgarantie te vervangen.
", "aboutText": "Qwen2-VL-72B-Instruct is de op instructies afgestemde 72B-editie voor beeld en taal, gebouwd rond Qwen2. Het ontvangt tekst samen met afbeeldingen of video en genereert een tekstantwoord. De maker benadrukt begrip van afbeeldingen met verschillende resoluties en beeldverhoudingen, interpretatie van tekst in beelden, redeneren over zichtbare relaties en vragen beantwoorden over video’s van meer dan 20 minuten.\n\nBeeld- en videomogelijkheden\n\nVraag bij een documentpagina om de specifieke inhoud die je nodig hebt: een alinea, een tabelrij, een formule of de voorwaarden bij een uitspraak. Houd de pagina leesbaar en geef aan of het resultaat de formulering moet transcriberen, samenvatten of de betekenis uitleggen. Een bruikbare documentuitvoer kan het oorspronkelijke sectielabel naast de geëxtraheerde inhoud bewaren. Vraag bij een diagram hoe de gelabelde elementen verbonden zijn en benoem de relatie die uitleg nodig heeft.\n\nGedocumenteerd videogebruik omvat vragen, dialoog en geschreven inhoud op basis van de zichtbare reeks. Definieer de gebeurtenis of verandering die moet worden onderzocht: wanneer een object verschijnt, wat vóór een bepaalde stap gebeurt of hoe een getoonde handeling aansluit op een geschreven procedure. Vraag om een geordende gebeurtenisbeschrijving of een vergelijking tussen de zichtbare stappen en de aangeleverde procedure. De uitspraak van de maker over meer dan 20 minuten beschrijft begrip van lange video; het is geen vaste maximale videoduur of garantie dat elk onbewerkt fragment in een ongewijzigde invoerconfiguratie past.\n\nGebruik als visuele agent\n\nDe release positioneert Qwen2-VL ook voor visuele agents die met mobiele apparaten, robots en andere tools zijn verbonden. De aankondiging beschrijft functieaanroepen en code-interpreterscenario’s, zoals code uit een diagram produceren of met een visuele vraag een externe zoekopdracht aanvragen. De omringende toepassing levert die tools, voert de voorgestelde actie uit en geeft het resultaat terug. Het tekstantwoord van het model alleen klikt niet op een bedieningselement, beweegt geen apparaat en voert het gegenereerde programma niet uit.\n\nEen praktische interfacetaak kan een schermafbeelding en het doel van de gebruiker aanleveren en vervolgens vragen om het zichtbare bedieningselement dat voor de volgende stap relevant is en het bewijs dat die keuze ondersteunt. Houd observatie, voorgestelde actie en daadwerkelijke uitvoering als afzonderlijke onderdelen van de werkstroom. Dit benut de focus op visuele agents terwijl het gewenste resultaat specifiek genoeg wordt om de toepassing ermee te laten handelen.\n\nMeertalige tekst in afbeeldingen\n\nDe maker beschrijft herkenning van tekst in afbeeldingen in Engels en Chinees, de meeste Europese talen en onder meer Japans, Koreaans, Arabisch en Vietnamees. Een meertalige pagina kan dus als visuele leestaak worden behandeld. Vraag eerst om de oorspronkelijke transcriptie als exacte formuleringen belangrijk zijn en daarna om een vertaling of uitleg in de gekozen taal. Behoud labels en cijfers in plaats van herkenning met een ongespecificeerde herschrijving te vermengen.\n\nDynamische resolutie en positie-informatie\n\nQwen2-VL combineert een visuele encoder met het Qwen2-taalmodel. Naive Dynamic Resolution zet verschillende afbeeldingsgroottes om in verschillende aantallen visuele tokens. Multimodal Rotary Position Embedding scheidt positie-informatie zodat het model tekstvolgorde, tweedimensionale beelden en de temporele en ruimtelijke structuur van video kan weergeven. Deze functies verklaren hoe dezelfde familie een pagina, meerdere afbeeldingen of een videoreeks verwerkt.\n\nDe beeldprocessor op de modelkaart documenteert een standaardbereik van 4 tot 16.384 visuele tokens per afbeelding. De toepassing kan minimale en maximale pixels aanpassen met behoud van de beeldverhouding of afmetingen vragen die op een veelvoud van 28 worden afgerond. Het voorbeeldbereik van 256 tot 1.280 tokens is een configureerbare illustratie, geen aparte universele beeldlimiet. Meer beelddetail gebruikt meer berekening en visuele tokens; behoud daarom bij het voorbereiden van het beeld de labels, koppen en kleine objecten die voor de vraag nodig zijn.\n\nInvoervoorbereiding en context\n\nDe maker toont één afbeelding, meerdere afbeeldingen, video als een framereeks of lokaal bestand en gesprekken in batches. Beeldvoorbereiding omvat lokale bestanden, gecodeerde beeldgegevens en beeldreferenties. Het videovoorbeeld op de kaart gebruikt een gekozen framerate; dat voorbeeld stelt niet één vereiste samplefrequentie voor elke video vast. Geef de volgorde en rol van meerdere afbeeldingen aan en lever de informatie die nodig is om een reeks te interpreteren, in plaats van ongerelateerde frames als één scène te behandelen.\n\nDe vrijgegeven configuratie stelt het maximale aantal posities in op 32.768. Visueel materiaal en tekstinstructies moeten binnen de daadwerkelijk geconfigureerde context worden gepland. Het voorbeeld op de kaart met 128 gegenereerde tokens is alleen een voorbeeldinstelling; het publiceert geen afzonderlijke maximale uitvoercapaciteit. De 72B-editie moet haar eigen configuratie behouden in plaats van de langcontextinstellingen van Qwen2.5-VL of een ander Qwen-model over te nemen.\n\nInhoudelijke beperkingen\n\nDe maker stelt expliciet dat Qwen2-VL de audio in video’s niet begrijpt. Gesproken informatie moet daarom afzonderlijk worden aangeleverd als de vraag ervan afhangt. De dataset voor beeldtraining wordt beschreven als bijgewerkt tot en met juni 2023; dit is een uitspraak over die dataset, geen belofte van actuele visuele kennis.\n\nDe gedocumenteerde beperkingen omvatten ook onvolledige herkenning van bepaalde personen of benoemde intellectuele eigendommen, moeite met ingewikkelde instructies met meerdere stappen, zwak tellen in complexe scènes en beperkingen in driedimensionaal ruimtelijk redeneren. Richt de vraag bij een taak die van een van die vaardigheden afhangt op de vereiste objecten of relatie en behoud het visuele bewijs naast het antwoord. Duidelijk bronmateriaal en een gedefinieerde uitvoer maken het resultaat beter te controleren zonder de genoemde beperkingen door een nauwkeurigheidsgarantie te vervangen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct combineert tekst, afbeeldingen en video voor visuele vragen, documenten lezen en meertalige tekst in beelden. De maker beschrijft videobegrip van meer dan 20 minuten, dynamische beeldresolutie en visuele-agentintegraties; het antwoord is tekst.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen2-VL-72B-Instruct is de op instructies afgestemde 72B-editie voor beeld en taal, gebouwd rond Qwen2. Het ontvangt tekst samen met afbeeldingen of video en genereert een tekstantwoord. De maker benadrukt begrip van afbeeldingen met verschillende resoluties en beeldverhoudingen, interpretatie van tekst in beelden, redeneren over zichtbare relaties en vragen beantwoorden over video’s van meer dan 20 minuten.
Beeld- en videomogelijkheden
Vraag bij een documentpagina om de specifieke inhoud die je nodig hebt: een alinea, een tabelrij, een formule of de voorwaarden bij een uitspraak. Houd de pagina leesbaar en geef aan of het resultaat de formulering moet transcriberen, samenvatten of de betekenis uitleggen. Een bruikbare documentuitvoer kan het oorspronkelijke sectielabel naast de geëxtraheerde inhoud bewaren. Vraag bij een diagram hoe de gelabelde elementen verbonden zijn en benoem de relatie die uitleg nodig heeft.
Gedocumenteerd videogebruik omvat vragen, dialoog en geschreven inhoud op basis van de zichtbare reeks. Definieer de gebeurtenis of verandering die moet worden onderzocht: wanneer een object verschijnt, wat vóór een bepaalde stap gebeurt of hoe een getoonde handeling aansluit op een geschreven procedure. Vraag om een geordende gebeurtenisbeschrijving of een vergelijking tussen de zichtbare stappen en de aangeleverde procedure. De uitspraak van de maker over meer dan 20 minuten beschrijft begrip van lange video; het is geen vaste maximale videoduur of garantie dat elk onbewerkt fragment in een ongewijzigde invoerconfiguratie past.
Gebruik als visuele agent
De release positioneert Qwen2-VL ook voor visuele agents die met mobiele apparaten, robots en andere tools zijn verbonden. De aankondiging beschrijft functieaanroepen en code-interpreterscenario’s, zoals code uit een diagram produceren of met een visuele vraag een externe zoekopdracht aanvragen. De omringende toepassing levert die tools, voert de voorgestelde actie uit en geeft het resultaat terug. Het tekstantwoord van het model alleen klikt niet op een bedieningselement, beweegt geen apparaat en voert het gegenereerde programma niet uit.
Een praktische interfacetaak kan een schermafbeelding en het doel van de gebruiker aanleveren en vervolgens vragen om het zichtbare bedieningselement dat voor de volgende stap relevant is en het bewijs dat die keuze ondersteunt. Houd observatie, voorgestelde actie en daadwerkelijke uitvoering als afzonderlijke onderdelen van de werkstroom. Dit benut de focus op visuele agents terwijl het gewenste resultaat specifiek genoeg wordt om de toepassing ermee te laten handelen.
Meertalige tekst in afbeeldingen
De maker beschrijft herkenning van tekst in afbeeldingen in Engels en Chinees, de meeste Europese talen en onder meer Japans, Koreaans, Arabisch en Vietnamees. Een meertalige pagina kan dus als visuele leestaak worden behandeld. Vraag eerst om de oorspronkelijke transcriptie als exacte formuleringen belangrijk zijn en daarna om een vertaling of uitleg in de gekozen taal. Behoud labels en cijfers in plaats van herkenning met een ongespecificeerde herschrijving te vermengen.
Dynamische resolutie en positie-informatie
Qwen2-VL combineert een visuele encoder met het Qwen2-taalmodel. Naive Dynamic Resolution zet verschillende afbeeldingsgroottes om in verschillende aantallen visuele tokens. Multimodal Rotary Position Embedding scheidt positie-informatie zodat het model tekstvolgorde, tweedimensionale beelden en de temporele en ruimtelijke structuur van video kan weergeven. Deze functies verklaren hoe dezelfde familie een pagina, meerdere afbeeldingen of een videoreeks verwerkt.
De beeldprocessor op de modelkaart documenteert een standaardbereik van 4 tot 16.384 visuele tokens per afbeelding. De toepassing kan minimale en maximale pixels aanpassen met behoud van de beeldverhouding of afmetingen vragen die op een veelvoud van 28 worden afgerond. Het voorbeeldbereik van 256 tot 1.280 tokens is een configureerbare illustratie, geen aparte universele beeldlimiet. Meer beelddetail gebruikt meer berekening en visuele tokens; behoud daarom bij het voorbereiden van het beeld de labels, koppen en kleine objecten die voor de vraag nodig zijn.
Invoervoorbereiding en context
De maker toont één afbeelding, meerdere afbeeldingen, video als een framereeks of lokaal bestand en gesprekken in batches. Beeldvoorbereiding omvat lokale bestanden, gecodeerde beeldgegevens en beeldreferenties. Het videovoorbeeld op de kaart gebruikt een gekozen framerate; dat voorbeeld stelt niet één vereiste samplefrequentie voor elke video vast. Geef de volgorde en rol van meerdere afbeeldingen aan en lever de informatie die nodig is om een reeks te interpreteren, in plaats van ongerelateerde frames als één scène te behandelen.
De vrijgegeven configuratie stelt het maximale aantal posities in op 32.768. Visueel materiaal en tekstinstructies moeten binnen de daadwerkelijk geconfigureerde context worden gepland. Het voorbeeld op de kaart met 128 gegenereerde tokens is alleen een voorbeeldinstelling; het publiceert geen afzonderlijke maximale uitvoercapaciteit. De 72B-editie moet haar eigen configuratie behouden in plaats van de langcontextinstellingen van Qwen2.5-VL of een ander Qwen-model over te nemen.
Inhoudelijke beperkingen
De maker stelt expliciet dat Qwen2-VL de audio in video’s niet begrijpt. Gesproken informatie moet daarom afzonderlijk worden aangeleverd als de vraag ervan afhangt. De dataset voor beeldtraining wordt beschreven als bijgewerkt tot en met juni 2023; dit is een uitspraak over die dataset, geen belofte van actuele visuele kennis.
De gedocumenteerde beperkingen omvatten ook onvolledige herkenning van bepaalde personen of benoemde intellectuele eigendommen, moeite met ingewikkelde instructies met meerdere stappen, zwak tellen in complexe scènes en beperkingen in driedimensionaal ruimtelijk redeneren. Richt de vraag bij een taak die van een van die vaardigheden afhangt op de vereiste objecten of relatie en behoud het visuele bewijs naast het antwoord. Duidelijk bronmateriaal en een gedefinieerde uitvoer maken het resultaat beter te controleren zonder de genoemde beperkingen door een nauwkeurigheidsgarantie te vervangen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten Qwen/Qwen2-VL-72B-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 $0.00118 / 1K tokens Uitvoer · Uitvoertokens $0.00118 / 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": "Qwen/Qwen2-VL-72B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 Qwen/Qwen2-VL-72B-Instruct
Gebruik de hierboven getoonde methodepaden.
Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct combineert tekst, afbeeldingen en video voor visuele vragen, documenten lezen en meertalige tekst in beelden. De maker beschrijft videobegrip van meer dan 20 minuten, dynamische beeldresolutie en visuele-agentintegraties; het antwoord is tekst.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen2-VL-72B-Instruct is de op instructies afgestemde 72B-editie voor beeld en taal, gebouwd rond Qwen2. Het ontvangt tekst samen met afbeeldingen of video en genereert een tekstantwoord. De maker benadrukt begrip van afbeeldingen met verschillende resoluties en beeldverhoudingen, interpretatie van tekst in beelden, redeneren over zichtbare relaties en vragen beantwoorden over video’s van meer dan 20 minuten.
Beeld- en videomogelijkheden
Vraag bij een documentpagina om de specifieke inhoud die je nodig hebt: een alinea, een tabelrij, een formule of de voorwaarden bij een uitspraak. Houd de pagina leesbaar en geef aan of het resultaat de formulering moet transcriberen, samenvatten of de betekenis uitleggen. Een bruikbare documentuitvoer kan het oorspronkelijke sectielabel naast de geëxtraheerde inhoud bewaren. Vraag bij een diagram hoe de gelabelde elementen verbonden zijn en benoem de relatie die uitleg nodig heeft.
Gedocumenteerd videogebruik omvat vragen, dialoog en geschreven inhoud op basis van de zichtbare reeks. Definieer de gebeurtenis of verandering die moet worden onderzocht: wanneer een object verschijnt, wat vóór een bepaalde stap gebeurt of hoe een getoonde handeling aansluit op een geschreven procedure. Vraag om een geordende gebeurtenisbeschrijving of een vergelijking tussen de zichtbare stappen en de aangeleverde procedure. De uitspraak van de maker over meer dan 20 minuten beschrijft begrip van lange video; het is geen vaste maximale videoduur of garantie dat elk onbewerkt fragment in een ongewijzigde invoerconfiguratie past.
Gebruik als visuele agent
De release positioneert Qwen2-VL ook voor visuele agents die met mobiele apparaten, robots en andere tools zijn verbonden. De aankondiging beschrijft functieaanroepen en code-interpreterscenario’s, zoals code uit een diagram produceren of met een visuele vraag een externe zoekopdracht aanvragen. De omringende toepassing levert die tools, voert de voorgestelde actie uit en geeft het resultaat terug. Het tekstantwoord van het model alleen klikt niet op een bedieningselement, beweegt geen apparaat en voert het gegenereerde programma niet uit.
Een praktische interfacetaak kan een schermafbeelding en het doel van de gebruiker aanleveren en vervolgens vragen om het zichtbare bedieningselement dat voor de volgende stap relevant is en het bewijs dat die keuze ondersteunt. Houd observatie, voorgestelde actie en daadwerkelijke uitvoering als afzonderlijke onderdelen van de werkstroom. Dit benut de focus op visuele agents terwijl het gewenste resultaat specifiek genoeg wordt om de toepassing ermee te laten handelen.
Meertalige tekst in afbeeldingen
De maker beschrijft herkenning van tekst in afbeeldingen in Engels en Chinees, de meeste Europese talen en onder meer Japans, Koreaans, Arabisch en Vietnamees. Een meertalige pagina kan dus als visuele leestaak worden behandeld. Vraag eerst om de oorspronkelijke transcriptie als exacte formuleringen belangrijk zijn en daarna om een vertaling of uitleg in de gekozen taal. Behoud labels en cijfers in plaats van herkenning met een ongespecificeerde herschrijving te vermengen.
Dynamische resolutie en positie-informatie
Qwen2-VL combineert een visuele encoder met het Qwen2-taalmodel. Naive Dynamic Resolution zet verschillende afbeeldingsgroottes om in verschillende aantallen visuele tokens. Multimodal Rotary Position Embedding scheidt positie-informatie zodat het model tekstvolgorde, tweedimensionale beelden en de temporele en ruimtelijke structuur van video kan weergeven. Deze functies verklaren hoe dezelfde familie een pagina, meerdere afbeeldingen of een videoreeks verwerkt.
De beeldprocessor op de modelkaart documenteert een standaardbereik van 4 tot 16.384 visuele tokens per afbeelding. De toepassing kan minimale en maximale pixels aanpassen met behoud van de beeldverhouding of afmetingen vragen die op een veelvoud van 28 worden afgerond. Het voorbeeldbereik van 256 tot 1.280 tokens is een configureerbare illustratie, geen aparte universele beeldlimiet. Meer beelddetail gebruikt meer berekening en visuele tokens; behoud daarom bij het voorbereiden van het beeld de labels, koppen en kleine objecten die voor de vraag nodig zijn.
Invoervoorbereiding en context
De maker toont één afbeelding, meerdere afbeeldingen, video als een framereeks of lokaal bestand en gesprekken in batches. Beeldvoorbereiding omvat lokale bestanden, gecodeerde beeldgegevens en beeldreferenties. Het videovoorbeeld op de kaart gebruikt een gekozen framerate; dat voorbeeld stelt niet één vereiste samplefrequentie voor elke video vast. Geef de volgorde en rol van meerdere afbeeldingen aan en lever de informatie die nodig is om een reeks te interpreteren, in plaats van ongerelateerde frames als één scène te behandelen.
De vrijgegeven configuratie stelt het maximale aantal posities in op 32.768. Visueel materiaal en tekstinstructies moeten binnen de daadwerkelijk geconfigureerde context worden gepland. Het voorbeeld op de kaart met 128 gegenereerde tokens is alleen een voorbeeldinstelling; het publiceert geen afzonderlijke maximale uitvoercapaciteit. De 72B-editie moet haar eigen configuratie behouden in plaats van de langcontextinstellingen van Qwen2.5-VL of een ander Qwen-model over te nemen.
Inhoudelijke beperkingen
De maker stelt expliciet dat Qwen2-VL de audio in video’s niet begrijpt. Gesproken informatie moet daarom afzonderlijk worden aangeleverd als de vraag ervan afhangt. De dataset voor beeldtraining wordt beschreven als bijgewerkt tot en met juni 2023; dit is een uitspraak over die dataset, geen belofte van actuele visuele kennis.
De gedocumenteerde beperkingen omvatten ook onvolledige herkenning van bepaalde personen of benoemde intellectuele eigendommen, moeite met ingewikkelde instructies met meerdere stappen, zwak tellen in complexe scènes en beperkingen in driedimensionaal ruimtelijk redeneren. Richt de vraag bij een taak die van een van die vaardigheden afhangt op de vereiste objecten of relatie en behoud het visuele bewijs naast het antwoord. Duidelijk bronmateriaal en een gedefinieerde uitvoer maken het resultaat beter te controleren zonder de genoemde beperkingen door een nauwkeurigheidsgarantie te vervangen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten Qwen/Qwen2-VL-72B-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 $0.00118 / 1K tokens Uitvoer · Uitvoertokens $0.00118 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "Qwen/Qwen2-VL-72B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 Qwen/Qwen2-VL-72B-Instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.