Qwen2-VL-2B-Instruct to dostrojony do instrukcji model wizyjno-językowy 2B firmy Qwen do pytań łączących obraz i tekst. Producent opisuje obsługę obrazów o różnych rozdzielczościach i proporcjach oraz rozumienie tekstu w kilku językach wewnątrz obrazów. Wygenerowany wynik jest pisemną odpowiedzią na dostarczony materiał wizualny i pytanie. Producent opisuje także zastosowanie agentów wizualnych z urządzeniami, takimi jak telefony i roboty. W takim przebiegu dostarcz bieżące środowisko wizualne i instrukcję tekstową; otaczająca aplikacja wykonuje proponowaną operację i zwraca zaobserwowany stan do następnego pytania.
Wybierz obraz zawierający dowody potrzebne do odpowiedzi, a następnie wskaż szczegół do interpretacji. Pytanie o dokument może dotyczyć widocznego fragmentu; pytanie o wykres może wskazywać serie, osie i porównanie do wyjaśnienia. Zachowaj identyfikator obrazu wraz z żądanym wynikiem, aby odpowiedź pozostała powiązana z właściwą referencją.
Producent wymienia rozumienie obrazów i tekstu poza angielskim i chińskim, w tym języki europejskie, japoński, koreański, arabski i wietnamski. Zachowaj oryginalne brzmienie i pismo, prosząc o transkrypcję, wyjaśnienie lub tłumaczenie widocznego tekstu. Przykładowy opis może prosić o wyświetloną etykietę i osobne wyjaśnienie jej znaczenia.
Qwen2-VL wykorzystuje dynamiczną rozdzielczość do odwzorowania obrazu na zmienną liczbę tokenów wizualnych. W przykładzie natywnego procesora domyślny zakres wynosi od 4 do 16 384 tokenów wizualnych na obraz. Natywny przewodnik ilustruje ustawienia minimalnej i maksymalnej liczby pikseli, w tym węższy zakres przygotowania od 256 do 1 280 tokenów obrazu, aby równoważyć szczegółowość z potrzebami przetwarzania. Te ustawienia zachowują proporcje przy zmianie rozmiaru.
Producent dopuszcza również żądaną wysokość i szerokość po zmianie rozmiaru, zaokrąglone do wielokrotności 28. Wybierz przygotowanie pozostawiające ważne etykiety czytelnymi i zachowaj oryginalny obraz przy używaniu wycinka. Natywne przykłady obejmują wiele obrazów i partie, dzięki czemu pytanie może zachować oznaczenia oddzielnych referencji.
Producent wskazuje ograniczenia przy złożonych instrukcjach wieloetapowych, liczeniu obiektów w skomplikowanych scenach i rozumowaniu przestrzennym w trzech wymiarach. Odnotowuje także niepełne rozpoznawanie konkretnych osób lub marek. Poproś o konkretną obserwację wizualną i sprawdź liczbę, etykietę lub względną pozycję, od których zależy wynik.
Producent podaje, że zbiór obrazów był aktualizowany do czerwca 2023. Dostarcz pisemny kontekst potrzebny dla nowej lub nieznanej etykiety, zamiast oczekiwać, że sam obraz ustali tę informację. W zwróconej notatce odróżniaj cytowaną etykietę od wywnioskowanej tożsamości.
Opublikowana konfiguracja checkpointu ustawia maksymalnie 32 768 pozycji. Przygotuj pytanie i wejścia wizualne przy użyciu odpowiadającego modelowi procesora, zachowując kolejność obrazów zastosowaną w żądaniu. Natywne narzędzie pomocnicze przyjmuje obrazy lokalne, base64 i adresy obrazów.
Zapisz razem wybraną nazwę 2B Instruct, referencje i gotową odpowiedź tekstową. W kolejnym pytaniu dołącz odpowiedni materiał i wskaż konkretną obserwację lub interpretację do zmiany, a następnie porównaj poprawiony wynik z tym źródłem.
W Ailoot użyj dokładnego identyfikatora modelu w /v1/chat/completions i umieść obraz wraz z dotyczącym go pytaniem w rozmowie. Format treści obrazu korzysta z image_url; obsługiwane źródła obrazów mogą zawierać adres obrazu lub URI danych base64. Odbierz pełną odpowiedź JSON albo wszystkie segmenty SSE, gdy włączone jest stream, i zachowaj usage wraz z gotowym wynikiem.
", "aboutText": "Qwen2-VL-2B-Instruct to dostrojony do instrukcji model wizyjno-językowy 2B firmy Qwen do pytań łączących obraz i tekst. Producent opisuje obsługę obrazów o różnych rozdzielczościach i proporcjach oraz rozumienie tekstu w kilku językach wewnątrz obrazów. Wygenerowany wynik jest pisemną odpowiedzią na dostarczony materiał wizualny i pytanie. Producent opisuje także zastosowanie agentów wizualnych z urządzeniami, takimi jak telefony i roboty. W takim przebiegu dostarcz bieżące środowisko wizualne i instrukcję tekstową; otaczająca aplikacja wykonuje proponowaną operację i zwraca zaobserwowany stan do następnego pytania.\n\n### Dostarcz obraz i precyzyjne pytanie\n\nWybierz obraz zawierający dowody potrzebne do odpowiedzi, a następnie wskaż szczegół do interpretacji. Pytanie o dokument może dotyczyć widocznego fragmentu; pytanie o wykres może wskazywać serie, osie i porównanie do wyjaśnienia. Zachowaj identyfikator obrazu wraz z żądanym wynikiem, aby odpowiedź pozostała powiązana z właściwą referencją.\n\nProducent wymienia rozumienie obrazów i tekstu poza angielskim i chińskim, w tym języki europejskie, japoński, koreański, arabski i wietnamski. Zachowaj oryginalne brzmienie i pismo, prosząc o transkrypcję, wyjaśnienie lub tłumaczenie widocznego tekstu. Przykładowy opis może prosić o wyświetloną etykietę i osobne wyjaśnienie jej znaczenia.\n\n### Świadomie przygotuj rozdzielczość i tokeny wizualne\n\nQwen2-VL wykorzystuje dynamiczną rozdzielczość do odwzorowania obrazu na zmienną liczbę tokenów wizualnych. W przykładzie natywnego procesora domyślny zakres wynosi od 4 do 16 384 tokenów wizualnych na obraz. Natywny przewodnik ilustruje ustawienia minimalnej i maksymalnej liczby pikseli, w tym węższy zakres przygotowania od 256 do 1 280 tokenów obrazu, aby równoważyć szczegółowość z potrzebami przetwarzania. Te ustawienia zachowują proporcje przy zmianie rozmiaru.\n\nProducent dopuszcza również żądaną wysokość i szerokość po zmianie rozmiaru, zaokrąglone do wielokrotności 28. Wybierz przygotowanie pozostawiające ważne etykiety czytelnymi i zachowaj oryginalny obraz przy używaniu wycinka. Natywne przykłady obejmują wiele obrazów i partie, dzięki czemu pytanie może zachować oznaczenia oddzielnych referencji.\n\n### Uwzględnij udokumentowane ograniczenia wizualne\n\nProducent wskazuje ograniczenia przy złożonych instrukcjach wieloetapowych, liczeniu obiektów w skomplikowanych scenach i rozumowaniu przestrzennym w trzech wymiarach. Odnotowuje także niepełne rozpoznawanie konkretnych osób lub marek. Poproś o konkretną obserwację wizualną i sprawdź liczbę, etykietę lub względną pozycję, od których zależy wynik.\n\nProducent podaje, że zbiór obrazów był aktualizowany do czerwca 2023. Dostarcz pisemny kontekst potrzebny dla nowej lub nieznanej etykiety, zamiast oczekiwać, że sam obraz ustali tę informację. W zwróconej notatce odróżniaj cytowaną etykietę od wywnioskowanej tożsamości.\n\n### Zachowaj przygotowane wejście wraz z odpowiedzią\n\nOpublikowana konfiguracja checkpointu ustawia maksymalnie 32 768 pozycji. Przygotuj pytanie i wejścia wizualne przy użyciu odpowiadającego modelowi procesora, zachowując kolejność obrazów zastosowaną w żądaniu. Natywne narzędzie pomocnicze przyjmuje obrazy lokalne, base64 i adresy obrazów.\n\nZapisz razem wybraną nazwę 2B Instruct, referencje i gotową odpowiedź tekstową. W kolejnym pytaniu dołącz odpowiedni materiał i wskaż konkretną obserwację lub interpretację do zmiany, a następnie porównaj poprawiony wynik z tym źródłem.\n\nW Ailoot użyj dokładnego identyfikatora modelu w /v1/chat/completions i umieść obraz wraz z dotyczącym go pytaniem w rozmowie. Format treści obrazu korzysta z image_url; obsługiwane źródła obrazów mogą zawierać adres obrazu lub URI danych base64. Odbierz pełną odpowiedź JSON albo wszystkie segmenty SSE, gdy włączone jest stream, i zachowaj usage wraz z gotowym wynikiem.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "fe55e4ed546131700f1a4d75d2fdccb0c5a6078370b9f34022d5a06cda1a1830", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "qwen2-vl-2b-instructQwen2-VL-2B-Instruct to model wizyjno-językowy Qwen do pytań o obrazy, wielojęzycznego tekstu na obrazach i wyjaśnień wizualnych. Dostarcz czytelny obraz i precyzyjne pytanie, aby uzyskać odpowiedź tekstową powiązaną z widocznymi dowodami.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen2-VL-2B-Instruct to dostrojony do instrukcji model wizyjno-językowy 2B firmy Qwen do pytań łączących obraz i tekst. Producent opisuje obsługę obrazów o różnych rozdzielczościach i proporcjach oraz rozumienie tekstu w kilku językach wewnątrz obrazów. Wygenerowany wynik jest pisemną odpowiedzią na dostarczony materiał wizualny i pytanie. Producent opisuje także zastosowanie agentów wizualnych z urządzeniami, takimi jak telefony i roboty. W takim przebiegu dostarcz bieżące środowisko wizualne i instrukcję tekstową; otaczająca aplikacja wykonuje proponowaną operację i zwraca zaobserwowany stan do następnego pytania.
Wybierz obraz zawierający dowody potrzebne do odpowiedzi, a następnie wskaż szczegół do interpretacji. Pytanie o dokument może dotyczyć widocznego fragmentu; pytanie o wykres może wskazywać serie, osie i porównanie do wyjaśnienia. Zachowaj identyfikator obrazu wraz z żądanym wynikiem, aby odpowiedź pozostała powiązana z właściwą referencją.
Producent wymienia rozumienie obrazów i tekstu poza angielskim i chińskim, w tym języki europejskie, japoński, koreański, arabski i wietnamski. Zachowaj oryginalne brzmienie i pismo, prosząc o transkrypcję, wyjaśnienie lub tłumaczenie widocznego tekstu. Przykładowy opis może prosić o wyświetloną etykietę i osobne wyjaśnienie jej znaczenia.
Qwen2-VL wykorzystuje dynamiczną rozdzielczość do odwzorowania obrazu na zmienną liczbę tokenów wizualnych. W przykładzie natywnego procesora domyślny zakres wynosi od 4 do 16 384 tokenów wizualnych na obraz. Natywny przewodnik ilustruje ustawienia minimalnej i maksymalnej liczby pikseli, w tym węższy zakres przygotowania od 256 do 1 280 tokenów obrazu, aby równoważyć szczegółowość z potrzebami przetwarzania. Te ustawienia zachowują proporcje przy zmianie rozmiaru.
Producent dopuszcza również żądaną wysokość i szerokość po zmianie rozmiaru, zaokrąglone do wielokrotności 28. Wybierz przygotowanie pozostawiające ważne etykiety czytelnymi i zachowaj oryginalny obraz przy używaniu wycinka. Natywne przykłady obejmują wiele obrazów i partie, dzięki czemu pytanie może zachować oznaczenia oddzielnych referencji.
Producent wskazuje ograniczenia przy złożonych instrukcjach wieloetapowych, liczeniu obiektów w skomplikowanych scenach i rozumowaniu przestrzennym w trzech wymiarach. Odnotowuje także niepełne rozpoznawanie konkretnych osób lub marek. Poproś o konkretną obserwację wizualną i sprawdź liczbę, etykietę lub względną pozycję, od których zależy wynik.
Producent podaje, że zbiór obrazów był aktualizowany do czerwca 2023. Dostarcz pisemny kontekst potrzebny dla nowej lub nieznanej etykiety, zamiast oczekiwać, że sam obraz ustali tę informację. W zwróconej notatce odróżniaj cytowaną etykietę od wywnioskowanej tożsamości.
Opublikowana konfiguracja checkpointu ustawia maksymalnie 32 768 pozycji. Przygotuj pytanie i wejścia wizualne przy użyciu odpowiadającego modelowi procesora, zachowując kolejność obrazów zastosowaną w żądaniu. Natywne narzędzie pomocnicze przyjmuje obrazy lokalne, base64 i adresy obrazów.
Zapisz razem wybraną nazwę 2B Instruct, referencje i gotową odpowiedź tekstową. W kolejnym pytaniu dołącz odpowiedni materiał i wskaż konkretną obserwację lub interpretację do zmiany, a następnie porównaj poprawiony wynik z tym źródłem.
W Ailoot użyj dokładnego identyfikatora modelu w /v1/chat/completions i umieść obraz wraz z dotyczącym go pytaniem w rozmowie. Format treści obrazu korzysta z image_url; obsługiwane źródła obrazów mogą zawierać adres obrazu lub URI danych base64. Odbierz pełną odpowiedź JSON albo wszystkie segmenty SSE, gdy włączone jest stream, i zachowaj usage wraz z gotowym wynikiem.
POST /v1/chat/completionstext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen2-vl-2b-instruct Warunki: Użyj dokładnie tego selektora trasowania Ailoot. | Domyślnie— |
Polemessages | Typarray | WymaganieWymagane | Wartości i limity Warunki: | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity Warunki: | Domyślniefalse |
text_input · Wymagane: messages
image_with_text · Wymagane: messages with actual image content blocks
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametroptional | Kontraktstream |
Parametrmaterial_types | Kontrakttext, image |
Parametrconditions | KontraktUżyj dokładnie tego selektora trasowania Ailoot., Ten protokół przenosi treści obrazowe, gdy konkretny wybrany model obsługuje analizę obrazu. Przyjęcie żądania przez protokół nie potwierdza obsługi obrazów przez każdy model. |
Aliasy metody: /chat/completions
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy blok treści, ID wywołania narzędzia, sygnaturę rozumowania, jeśli została zwrócona, wszystkie przyrosty SSE oraz pełne dane o zużyciu. Pierwszy fragment tekstu nie jest całym wynikiem.
Zachowaj oryginalne X-Client-Request-ID, odpowiedź i nagłówki. Nieznany wynik ani wynik result_pending_check nie upoważniają do ponownego utworzenia.
| Pole | Typ |
|---|---|
Polechoices[] | Typobject |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekWymagane pole, selektor modelu, typ lub postać danych wejściowych są nieprawidłowe. | Następny krokPrzed przygotowaniem osobnego żądania sprawdź zwrócone szczegóły walidacji. |
Odpowiedź | WarunekOryginalne żądanie lub wynik są nieznane albo wymagają sprawdzenia. | Następny krokZachowaj oryginalne identyfikatory i nagłówki; odczytuj tylko obsługiwane rekordy statusu lub biblioteki. Nie wysyłaj ponownie żądania utworzenia. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions
qwen2-vl-2b-instructQwen2-VL-2B-Instruct to model wizyjno-językowy Qwen do pytań o obrazy, wielojęzycznego tekstu na obrazach i wyjaśnień wizualnych. Dostarcz czytelny obraz i precyzyjne pytanie, aby uzyskać odpowiedź tekstową powiązaną z widocznymi dowodami.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen2-VL-2B-Instruct to dostrojony do instrukcji model wizyjno-językowy 2B firmy Qwen do pytań łączących obraz i tekst. Producent opisuje obsługę obrazów o różnych rozdzielczościach i proporcjach oraz rozumienie tekstu w kilku językach wewnątrz obrazów. Wygenerowany wynik jest pisemną odpowiedzią na dostarczony materiał wizualny i pytanie. Producent opisuje także zastosowanie agentów wizualnych z urządzeniami, takimi jak telefony i roboty. W takim przebiegu dostarcz bieżące środowisko wizualne i instrukcję tekstową; otaczająca aplikacja wykonuje proponowaną operację i zwraca zaobserwowany stan do następnego pytania.
Wybierz obraz zawierający dowody potrzebne do odpowiedzi, a następnie wskaż szczegół do interpretacji. Pytanie o dokument może dotyczyć widocznego fragmentu; pytanie o wykres może wskazywać serie, osie i porównanie do wyjaśnienia. Zachowaj identyfikator obrazu wraz z żądanym wynikiem, aby odpowiedź pozostała powiązana z właściwą referencją.
Producent wymienia rozumienie obrazów i tekstu poza angielskim i chińskim, w tym języki europejskie, japoński, koreański, arabski i wietnamski. Zachowaj oryginalne brzmienie i pismo, prosząc o transkrypcję, wyjaśnienie lub tłumaczenie widocznego tekstu. Przykładowy opis może prosić o wyświetloną etykietę i osobne wyjaśnienie jej znaczenia.
Qwen2-VL wykorzystuje dynamiczną rozdzielczość do odwzorowania obrazu na zmienną liczbę tokenów wizualnych. W przykładzie natywnego procesora domyślny zakres wynosi od 4 do 16 384 tokenów wizualnych na obraz. Natywny przewodnik ilustruje ustawienia minimalnej i maksymalnej liczby pikseli, w tym węższy zakres przygotowania od 256 do 1 280 tokenów obrazu, aby równoważyć szczegółowość z potrzebami przetwarzania. Te ustawienia zachowują proporcje przy zmianie rozmiaru.
Producent dopuszcza również żądaną wysokość i szerokość po zmianie rozmiaru, zaokrąglone do wielokrotności 28. Wybierz przygotowanie pozostawiające ważne etykiety czytelnymi i zachowaj oryginalny obraz przy używaniu wycinka. Natywne przykłady obejmują wiele obrazów i partie, dzięki czemu pytanie może zachować oznaczenia oddzielnych referencji.
Producent wskazuje ograniczenia przy złożonych instrukcjach wieloetapowych, liczeniu obiektów w skomplikowanych scenach i rozumowaniu przestrzennym w trzech wymiarach. Odnotowuje także niepełne rozpoznawanie konkretnych osób lub marek. Poproś o konkretną obserwację wizualną i sprawdź liczbę, etykietę lub względną pozycję, od których zależy wynik.
Producent podaje, że zbiór obrazów był aktualizowany do czerwca 2023. Dostarcz pisemny kontekst potrzebny dla nowej lub nieznanej etykiety, zamiast oczekiwać, że sam obraz ustali tę informację. W zwróconej notatce odróżniaj cytowaną etykietę od wywnioskowanej tożsamości.
Opublikowana konfiguracja checkpointu ustawia maksymalnie 32 768 pozycji. Przygotuj pytanie i wejścia wizualne przy użyciu odpowiadającego modelowi procesora, zachowując kolejność obrazów zastosowaną w żądaniu. Natywne narzędzie pomocnicze przyjmuje obrazy lokalne, base64 i adresy obrazów.
Zapisz razem wybraną nazwę 2B Instruct, referencje i gotową odpowiedź tekstową. W kolejnym pytaniu dołącz odpowiedni materiał i wskaż konkretną obserwację lub interpretację do zmiany, a następnie porównaj poprawiony wynik z tym źródłem.
W Ailoot użyj dokładnego identyfikatora modelu w /v1/chat/completions i umieść obraz wraz z dotyczącym go pytaniem w rozmowie. Format treści obrazu korzysta z image_url; obsługiwane źródła obrazów mogą zawierać adres obrazu lub URI danych base64. Odbierz pełną odpowiedź JSON albo wszystkie segmenty SSE, gdy włączone jest stream, i zachowaj usage wraz z gotowym wynikiem.
POST /v1/messagestext, imagejson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen2-vl-2b-instruct Warunki: Użyj dokładnie tego selektora trasowania Ailoot. | Domyślnie— |
Polemessages | Typarray | WymaganieWymagane | Wartości i limity Warunki: | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity Warunki: | Domyślniefalse |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity Minimum: 1 Warunki: | Domyślnie— |
text_input · Wymagane: messages
image_with_text · Wymagane: messages with actual image content blocks
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional | Kontraktstream |
Parametrmaterial_types | Kontrakttext, image |
Parametrconditions | KontraktUżyj dokładnie tego selektora trasowania Ailoot., Ten protokół przenosi treści obrazowe, gdy konkretny wybrany model obsługuje analizę obrazu. Przyjęcie żądania przez protokół nie potwierdza obsługi obrazów przez każdy model. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-vl-2b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON or SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy blok treści, ID wywołania narzędzia, sygnaturę rozumowania, jeśli została zwrócona, wszystkie przyrosty SSE oraz pełne dane o zużyciu. Pierwszy fragment tekstu nie jest całym wynikiem.
Zachowaj oryginalne X-Client-Request-ID, odpowiedź i nagłówki. Nieznany wynik ani wynik result_pending_check nie upoważniają do ponownego utworzenia.
| Pole | Typ |
|---|---|
Polecontent[] | Typobject |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekWymagane pole, selektor modelu, typ lub postać danych wejściowych są nieprawidłowe. | Następny krokPrzed przygotowaniem osobnego żądania sprawdź zwrócone szczegóły walidacji. |
Odpowiedź | WarunekOryginalne żądanie lub wynik są nieznane albo wymagają sprawdzenia. | Następny krokZachowaj oryginalne identyfikatory i nagłówki; odczytuj tylko obsługiwane rekordy statusu lub biblioteki. Nie wysyłaj ponownie żądania utworzenia. |
Ailoot Ultra qwen2-vl-2b-instruct
/chat/completions