Inleiding: de op instructies afgestemde 3B-editie
Qwen2.5-VL-3B-Instruct is de 3B-variant van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk omschreven visuele vraag, een taak voor documentextractie of een uitleg die zichtbare inhoud koppelt aan het verzoek van de gebruiker. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet zonder meer op dit checkpoint worden toegepast.
Visueel begrip en workflows met agents
Qwen beschrijft herkenning van veelvoorkomende objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Geef bij een formulier de vereiste velden en de betekenis van een lege waarde aan. Vraag bij een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer gemakkelijker te vergelijken met de oorspronkelijke afbeelding dan een brede vraag om alles te beschrijven.
De familie ondersteunt ook redeneren als visuele agent en het aansturen van tools voor workflows op computers of telefoons. Het model kan een interface interpreteren en helpen een handeling te bepalen; gekoppelde toepassingstools voeren die handeling uit. Een beoordeling van een schermafbeelding kan vragen welk bedieningselement bij een taak hoort en welke zichtbare informatie die keuze ondersteunt. Dit gebruik van visueel redeneren verleent op zichzelf geen controle over een apparaat.
Lange video's en lokalisatie van gebeurtenissen
De maker beschrijft het begrijpen van video's van meer dan een uur en het identificeren van de fragmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een mogelijkheid van de familie, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame behouden blijft. Bereid het relevante fragment voor, behoud de tijdsinformatie en stel een precieze vraag over de gebeurtenis, volgorde of verandering. De videoverwerking van het model gebruikt informatie over de beeldfrequentie om visuele waarnemingen af te stemmen op absolute tijd.
Lokalisatie en gestructureerde documenten
Qwen2.5-VL kan objectlocaties als begrenzingskaders of punten retourneren, met coördinaten en kenmerken in JSON. Benoem voor een lokalisatietaak het doelobject en geef aan of het resultaat een punt of een kader moet zijn. Maak de coördinatenconventie expliciet in de toepassing die het resultaat verwerkt, in plaats van een fysieke meting af te leiden uit een willekeurige foto.
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 deze ondersteunt. Behoud eenheden, decimale scheidingstekens en tabelkoppen uit de bron. Behandel onzekere of onleesbare inhoud als een geval voor controle, 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 uitgebreid naar video via training met variabele beeldfrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt de temporele volgorde en absolute tijd en helpt zo specifieke momenten en snelheidsveranderingen te identificeren. De vision-encoder gebruikt window attention samen met SwiGLU en RMSNorm. Deze wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze leggen geen vaste latentie voor een bepaalde toepassing vast.
Afbeeldingen en video voorbereiden
De officiële voorbeelden omvatten losse afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Geef meerdere visuele invoerbronnen labels zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens die labels is ingedeeld en beperk het resultaat tot zichtbare verschillen. Behoud voor een videotijdlijn de framevolgorde en timing, in plaats van losse afbeeldingen te presenteren 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 met pixelgrenzen op 256–1,280 tokens worden gericht. De processor behoudt binnen die grenzen de beeldverhouding, terwijl expliciet aangepaste afmetingen op veelvouden van 28 worden afgestemd. Meer detail verbruikt meer rekenkracht en sequentieruimte, dus een klein tekstveld kan een uitsnede met hogere resolutie vereisen, terwijl een globale scènesamenvatting dat mogelijk niet nodig heeft. Dit zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.
Context en inhoudelijke beperkingen
De gepubliceerde checkpointconfiguratie stelt het maximale aantal posities in op 128,000, terwijl de bijbehorende paragraaf over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie, maar waarschuwt dat dit de temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en raadt deze methode voor die taken af. Afzonderlijk wordt vermeld dat positiecodering voor video een groter aantal posities mogelijk kan maken, met 64K als voorbeeld. Deze verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerde bovengrens voor invoer.
Tekst, visueel materiaal en het antwoord delen een eindig sequentiebudget. 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 in de modelkaart is illustratief en legt geen afzonderlijk hard uitvoermaximum vast. Dit model retourneert tekstuele analyse of gestructureerde informatie; de mogelijkheden als visueel taalmodel betekenen niet dat het afbeeldingen of video genereert.
", "aboutText": "Inleiding: de op instructies afgestemde 3B-editie\n\nQwen2.5-VL-3B-Instruct is de 3B-variant van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk omschreven visuele vraag, een taak voor documentextractie of een uitleg die zichtbare inhoud koppelt aan het verzoek van de gebruiker. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet zonder meer op dit checkpoint worden toegepast.\n\nVisueel begrip en workflows met agents\n\nQwen beschrijft herkenning van veelvoorkomende objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Geef bij een formulier de vereiste velden en de betekenis van een lege waarde aan. Vraag bij een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer gemakkelijker te vergelijken met de oorspronkelijke afbeelding dan een brede vraag om alles te beschrijven.\n\nDe familie ondersteunt ook redeneren als visuele agent en het aansturen van tools voor workflows op computers of telefoons. Het model kan een interface interpreteren en helpen een handeling te bepalen; gekoppelde toepassingstools voeren die handeling uit. Een beoordeling van een schermafbeelding kan vragen welk bedieningselement bij een taak hoort en welke zichtbare informatie die keuze ondersteunt. Dit gebruik van visueel redeneren verleent op zichzelf geen controle over een apparaat.\n\nLange video's en lokalisatie van gebeurtenissen\n\nDe maker beschrijft het begrijpen van video's van meer dan een uur en het identificeren van de fragmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een mogelijkheid van de familie, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame behouden blijft. Bereid het relevante fragment voor, behoud de tijdsinformatie en stel een precieze vraag over de gebeurtenis, volgorde of verandering. De videoverwerking van het model gebruikt informatie over de beeldfrequentie om visuele waarnemingen af te stemmen op absolute tijd.\n\nLokalisatie en gestructureerde documenten\n\nQwen2.5-VL kan objectlocaties als begrenzingskaders of punten retourneren, met coördinaten en kenmerken in JSON. Benoem voor een lokalisatietaak het doelobject en geef aan of het resultaat een punt of een kader moet zijn. Maak de coördinatenconventie expliciet in de toepassing die het resultaat verwerkt, in plaats van een fysieke meting af te leiden uit een willekeurige foto.\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 deze ondersteunt. Behoud eenheden, decimale scheidingstekens en tabelkoppen uit de bron. Behandel onzekere of onleesbare inhoud als een geval voor controle, 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 uitgebreid naar video via training met variabele beeldfrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt de temporele volgorde en absolute tijd en helpt zo specifieke momenten en snelheidsveranderingen te identificeren. De vision-encoder gebruikt window attention samen met SwiGLU en RMSNorm. Deze wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze leggen geen vaste latentie voor een bepaalde toepassing vast.\n\nAfbeeldingen en video voorbereiden\n\nDe officiële voorbeelden omvatten losse afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Geef meerdere visuele invoerbronnen labels zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens die labels is ingedeeld en beperk het resultaat tot zichtbare verschillen. Behoud voor een videotijdlijn de framevolgorde en timing, in plaats van losse afbeeldingen te presenteren 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 met pixelgrenzen op 256–1,280 tokens worden gericht. De processor behoudt binnen die grenzen de beeldverhouding, terwijl expliciet aangepaste afmetingen op veelvouden van 28 worden afgestemd. Meer detail verbruikt meer rekenkracht en sequentieruimte, dus een klein tekstveld kan een uitsnede met hogere resolutie vereisen, terwijl een globale scènesamenvatting dat mogelijk niet nodig heeft. Dit zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.\n\nContext en inhoudelijke beperkingen\n\nDe gepubliceerde checkpointconfiguratie stelt het maximale aantal posities in op 128,000, terwijl de bijbehorende paragraaf over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie, maar waarschuwt dat dit de temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en raadt deze methode voor die taken af. Afzonderlijk wordt vermeld dat positiecodering voor video een groter aantal posities mogelijk kan maken, met 64K als voorbeeld. Deze verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerde bovengrens voor invoer.\n\nTekst, visueel materiaal en het antwoord delen een eindig sequentiebudget. 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 in de modelkaart is illustratief en legt geen afzonderlijk hard uitvoermaximum vast. Dit model retourneert tekstuele analyse of gestructureerde informatie; de mogelijkheden als visueel taalmodel 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 Qwens compacte, op instructies afgestemde visuele taalmodel voor tekst, afbeeldingen en video. Het retourneert tekst en gestructureerde visuele informatie, waaronder documentvelden, objectcoördinaten en beschrijvingen van gebeurtenissen, met dynamische resolutie en tijdsbewuste 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 de 3B-variant van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk omschreven visuele vraag, een taak voor documentextractie of een uitleg die zichtbare inhoud koppelt aan het verzoek van de gebruiker. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet zonder meer op dit checkpoint worden toegepast.
Visueel begrip en workflows met agents
Qwen beschrijft herkenning van veelvoorkomende objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Geef bij een formulier de vereiste velden en de betekenis van een lege waarde aan. Vraag bij een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer gemakkelijker te vergelijken met de oorspronkelijke afbeelding dan een brede vraag om alles te beschrijven.
De familie ondersteunt ook redeneren als visuele agent en het aansturen van tools voor workflows op computers of telefoons. Het model kan een interface interpreteren en helpen een handeling te bepalen; gekoppelde toepassingstools voeren die handeling uit. Een beoordeling van een schermafbeelding kan vragen welk bedieningselement bij een taak hoort en welke zichtbare informatie die keuze ondersteunt. Dit gebruik van visueel redeneren verleent op zichzelf geen controle over een apparaat.
Lange video's en lokalisatie van gebeurtenissen
De maker beschrijft het begrijpen van video's van meer dan een uur en het identificeren van de fragmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een mogelijkheid van de familie, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame behouden blijft. Bereid het relevante fragment voor, behoud de tijdsinformatie en stel een precieze vraag over de gebeurtenis, volgorde of verandering. De videoverwerking van het model gebruikt informatie over de beeldfrequentie om visuele waarnemingen af te stemmen op absolute tijd.
Lokalisatie en gestructureerde documenten
Qwen2.5-VL kan objectlocaties als begrenzingskaders of punten retourneren, met coördinaten en kenmerken in JSON. Benoem voor een lokalisatietaak het doelobject en geef aan of het resultaat een punt of een kader moet zijn. Maak de coördinatenconventie expliciet in de toepassing die het resultaat verwerkt, in plaats van een fysieke meting af te leiden uit een willekeurige foto.
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 deze ondersteunt. Behoud eenheden, decimale scheidingstekens en tabelkoppen uit de bron. Behandel onzekere of onleesbare inhoud als een geval voor controle, 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 uitgebreid naar video via training met variabele beeldfrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt de temporele volgorde en absolute tijd en helpt zo specifieke momenten en snelheidsveranderingen te identificeren. De vision-encoder gebruikt window attention samen met SwiGLU en RMSNorm. Deze wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze leggen geen vaste latentie voor een bepaalde toepassing vast.
Afbeeldingen en video voorbereiden
De officiële voorbeelden omvatten losse afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Geef meerdere visuele invoerbronnen labels zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens die labels is ingedeeld en beperk het resultaat tot zichtbare verschillen. Behoud voor een videotijdlijn de framevolgorde en timing, in plaats van losse afbeeldingen te presenteren 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 met pixelgrenzen op 256–1,280 tokens worden gericht. De processor behoudt binnen die grenzen de beeldverhouding, terwijl expliciet aangepaste afmetingen op veelvouden van 28 worden afgestemd. Meer detail verbruikt meer rekenkracht en sequentieruimte, dus een klein tekstveld kan een uitsnede met hogere resolutie vereisen, terwijl een globale scènesamenvatting dat mogelijk niet nodig heeft. Dit zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.
Context en inhoudelijke beperkingen
De gepubliceerde checkpointconfiguratie stelt het maximale aantal posities in op 128,000, terwijl de bijbehorende paragraaf over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie, maar waarschuwt dat dit de temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en raadt deze methode voor die taken af. Afzonderlijk wordt vermeld dat positiecodering voor video een groter aantal posities mogelijk kan maken, met 64K als voorbeeld. Deze verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerde bovengrens voor invoer.
Tekst, visueel materiaal en het antwoord delen een eindig sequentiebudget. 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 in de modelkaart is illustratief en legt geen afzonderlijk hard uitvoermaximum vast. Dit model retourneert tekstuele analyse of gestructureerde informatie; de mogelijkheden als visueel taalmodel 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 Qwens compacte, op instructies afgestemde visuele taalmodel voor tekst, afbeeldingen en video. Het retourneert tekst en gestructureerde visuele informatie, waaronder documentvelden, objectcoördinaten en beschrijvingen van gebeurtenissen, met dynamische resolutie en tijdsbewuste 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 de 3B-variant van Qwen2.5-VL. Het accepteert tekstinstructies met afbeeldingen of video en genereert tekstuele antwoorden, waaronder gestructureerde gegevens. Kies het voor een duidelijk omschreven visuele vraag, een taak voor documentextractie of een uitleg die zichtbare inhoud koppelt aan het verzoek van de gebruiker. Deze exacte grootte en release behouden hun eigen identiteit; functies die specifiek aan andere groottes of latere Qwen-generaties zijn toegevoegd, mogen niet zonder meer op dit checkpoint worden toegepast.
Visueel begrip en workflows met agents
Qwen beschrijft herkenning van veelvoorkomende objecten en analyse van geschreven tekst, grafieken, pictogrammen, grafische elementen en paginalay-outs. Geef bij een formulier de vereiste velden en de betekenis van een lege waarde aan. Vraag bij een grafiek naar de assen, eenheden en zichtbare waarden die de conclusie ondersteunen. Een gericht verzoek maakt de uitvoer gemakkelijker te vergelijken met de oorspronkelijke afbeelding dan een brede vraag om alles te beschrijven.
De familie ondersteunt ook redeneren als visuele agent en het aansturen van tools voor workflows op computers of telefoons. Het model kan een interface interpreteren en helpen een handeling te bepalen; gekoppelde toepassingstools voeren die handeling uit. Een beoordeling van een schermafbeelding kan vragen welk bedieningselement bij een taak hoort en welke zichtbare informatie die keuze ondersteunt. Dit gebruik van visueel redeneren verleent op zichzelf geen controle over een apparaat.
Lange video's en lokalisatie van gebeurtenissen
De maker beschrijft het begrijpen van video's van meer dan een uur en het identificeren van de fragmenten die relevant zijn voor een gevraagde gebeurtenis. Dit is een mogelijkheid van de familie, geen onvoorwaardelijke limiet voor media-uploads of garantie dat elk frame behouden blijft. Bereid het relevante fragment voor, behoud de tijdsinformatie en stel een precieze vraag over de gebeurtenis, volgorde of verandering. De videoverwerking van het model gebruikt informatie over de beeldfrequentie om visuele waarnemingen af te stemmen op absolute tijd.
Lokalisatie en gestructureerde documenten
Qwen2.5-VL kan objectlocaties als begrenzingskaders of punten retourneren, met coördinaten en kenmerken in JSON. Benoem voor een lokalisatietaak het doelobject en geef aan of het resultaat een punt of een kader moet zijn. Maak de coördinatenconventie expliciet in de toepassing die het resultaat verwerkt, in plaats van een fysieke meting af te leiden uit een willekeurige foto.
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 deze ondersteunt. Behoud eenheden, decimale scheidingstekens en tabelkoppen uit de bron. Behandel onzekere of onleesbare inhoud als een geval voor controle, 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 uitgebreid naar video via training met variabele beeldfrequenties. Bijgewerkte multimodale positiecodering vertegenwoordigt de temporele volgorde en absolute tijd en helpt zo specifieke momenten en snelheidsveranderingen te identificeren. De vision-encoder gebruikt window attention samen met SwiGLU en RMSNorm. Deze wijzigingen beschrijven hoe het model visueel materiaal verwerkt; ze leggen geen vaste latentie voor een bepaalde toepassing vast.
Afbeeldingen en video voorbereiden
De officiële voorbeelden omvatten losse afbeeldingen, meerdere afbeeldingen, gesprekken met alleen tekst, videobestanden en geordende framelijsten. Geef meerdere visuele invoerbronnen labels zodat een vraag naar elk ervan kan verwijzen. Vraag voor een afbeeldingsvergelijking om een tabel die volgens die labels is ingedeeld en beperk het resultaat tot zichtbare verschillen. Behoud voor een videotijdlijn de framevolgorde en timing, in plaats van losse afbeeldingen te presenteren 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 met pixelgrenzen op 256–1,280 tokens worden gericht. De processor behoudt binnen die grenzen de beeldverhouding, terwijl expliciet aangepaste afmetingen op veelvouden van 28 worden afgestemd. Meer detail verbruikt meer rekenkracht en sequentieruimte, dus een klein tekstveld kan een uitsnede met hogere resolutie vereisen, terwijl een globale scènesamenvatting dat mogelijk niet nodig heeft. Dit zijn verwerkingsinstellingen van de maker; uploadopties van toepassingen kunnen verschillen.
Context en inhoudelijke beperkingen
De gepubliceerde checkpointconfiguratie stelt het maximale aantal posities in op 128,000, terwijl de bijbehorende paragraaf over lange tekst nog een startconfiguratie van 32,768 tokens bespreekt. De handleiding beschrijft YaRN-extrapolatie, maar waarschuwt dat dit de temporele en ruimtelijke lokalisatie aanzienlijk kan beïnvloeden en raadt deze methode voor die taken af. Afzonderlijk wordt vermeld dat positiecodering voor video een groter aantal posities mogelijk kan maken, met 64K als voorbeeld. Deze verschillende configuratiebeschrijvingen mogen niet worden samengevoegd tot één universeel gevalideerde bovengrens voor invoer.
Tekst, visueel materiaal en het antwoord delen een eindig sequentiebudget. 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 in de modelkaart is illustratief en legt geen afzonderlijk hard uitvoermaximum vast. Dit model retourneert tekstuele analyse of gestructureerde informatie; de mogelijkheden als visueel taalmodel 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.