Source: https://ailoot.ai/models/pl/qwen2-vl-7b-instruct-ultra/ Canonical: https://ailoot.ai/models/pl/qwen2-vl-7b-instruct-ultra/ Language: pl # Qwen2-VL-7B-Instruct-ultra [Markdown](https://ailoot.ai/models/pl/qwen2-vl-7b-instruct-ultra/index.md) · [JSON](https://ailoot.ai/models/pl/qwen2-vl-7b-instruct-ultra/facts.json) ## [Qwen2-VL-7B-Instruct-ultra](https://ailoot.ai/models/pl/qwen2-vl-7b-instruct-ultra/) Qwen2-VL-7B-Instruct to dostrojony do instrukcji model wizyjno-językowy Qwen, przyjmujący tekst, obrazy i wideo oraz zwracający tekst. Używaj go do pytań o strony dokumentów, porównywania obrazów lub opisywania zdarzeń wizualnych, z dynamiczną rozdzielczością obrazu i udokumentowanymi ograniczeniami dotyczącymi liczenia, rozumowania przestrzennego i rozumienia dźwięku w wideo. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/qwen2-vl-7b-instruct-ultra/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/qwen2-vl-7b-instruct-ultra/#method-1) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Wprowadzenie: edycja wizyjno-językowa 7B Qwen2-VL-7B-Instruct to dostrojony do instrukcji wariant 7B rodziny Qwen2-VL. Łączy instrukcje tekstowe z obrazami lub wideo i generuje odpowiedzi tekstowe. Użyteczne wyniki obejmują objaśnienie strony, porównanie obrazów, opis widocznych zdarzeń lub odpowiedź na pytanie o wykres. Jest to ta konkretna wersja Qwen2-VL; nowsze checkpointy Qwen2.5-VL i Qwen3-VL mają własne możliwości i tożsamości. Co wnosi Qwen2-VL Qwen opisuje rozumienie wizualne przy różnych rozdzielczościach i proporcjach obrazu, a także odpowiadanie na pytania o wideo, dialog i tworzenie treści. Udokumentowane możliwości wideo tej rodziny obejmują materiały dłuższe niż 20 minut. Sam czas trwania nie określa, ile klatek przetwarza aplikacja, ani nie gwarantuje odtworzenia każdego zdarzenia. Wielojęzyczne rozumienie tekstu na obrazach obejmuje angielski i chiński, wiele języków europejskich, japoński, koreański, arabski i wietnamski. Producent opisuje też integrację z telefonami, robotami i innymi urządzeniami przez obserwacje wizualne i instrukcje tekstowe. Jest to proces aplikacji: model interpretuje środowisko wizualne i pomaga wybierać działania, a podłączone oprogramowanie lub sprzęt je wykonuje. Rozpoznanie ekranu samo w sobie nie daje modelowi kontroli nad nim. Zmiany architektury Dynamiczna rozdzielczość przekształca obraz w zmienną liczbę tokenów wizualnych, zamiast narzucać wszystkim wejściom tę samą reprezentację. M-ROPE rozdziela informacje pozycyjne dla tekstu, obrazów dwuwymiarowych i trójwymiarowych informacji wideo, łącząc strukturę przestrzenną i czasową. Opublikowana konfiguracja 7B podaje 32 768 pozycji. Tekst, tokeny wizualne i generowany wynik współdzielą ograniczony budżet sekwencji, dlatego rozdzielczość obrazu i próbkowanie wideo wpływają na ilość materiału możliwą do dołączenia do żądania. Przygotowanie obrazów i rozmów Oficjalne przykłady obsługują pojedynczy obraz, kilka obrazów i rozmowy wyłącznie tekstowe. Dołącz obraz z konkretnym pytaniem, zamiast polegać na szerokiej instrukcji typu „przeanalizuj wszystko”. Przy stronie dokumentu poproś o nazwane pola i zachowanie interpunkcji w cytatach. Przy dwóch zrzutach projektu oznacz je jako pierwszy i drugi, a następnie poproś o tabelę widocznych zmian. Przy wykresie zapytaj o etykiety, jednostki i wartości potwierdzające wskazany trend. Są to praktyczne zastosowania odpowiadania na pytania wizualne, a nie obietnice bezbłędnego wyodrębniania danych. Narzędzia producenta przyjmują obrazy z plików lokalnych, zakodowanych danych obrazu lub lokalizacji obrazów; udokumentowany przykład wideo używa lokalnych plików wideo lub uporządkowanej listy klatek. Formaty przesyłania plików w aplikacji pozostają odrębną decyzją dotyczącą interfejsu. Zachowaj pierwotną kolejność klatek i określ przedział czasowy reprezentowany przez ich listę. Przykłady generują tekst; ten checkpoint nie jest opisany jako generator obrazu lub wideo. Rozdzielczość i przygotowanie wideo Procesor Qwen domyślnie używa od czterech do 16 384 tokenów wizualnych na obraz. Udostępnia min\_pixels i max\_pixels do równoważenia szczegółowości względem pamięci i obliczeń, z udokumentowanym przykładem celującym w 256–1 280 tokenów wizualnych. Obrazy są skalowane w wybranych granicach z zachowaniem proporcji. Jawnie podane wymiary po zmianie rozmiaru są zaokrąglane do wielokrotności 28. Gęsta tabela lub drobny tekst mogą wymagać odpowiedniej rozdzielczości, aby pozostać czytelne; jej zwiększanie zużywa też większą część dostępnego budżetu wizualnego i kontekstu. Przykład wideo pokazuje próbkowanie z częstotliwością jednej klatki na sekundę i konfigurowalną granicę liczby pikseli. Są to ustawienia przykładowe, a nie uniwersalnie wymagana częstotliwość ani twardy limit mediów. Przy przeglądzie zdarzenia dostarcz odpowiedni klip i poproś o uporządkowany opis widocznych zmian. Zdarzenia blisko siebie mogą wymagać gęstszego próbkowania niż ogólne podsumowanie sceny. Qwen2-VL nie rozumie informacji dźwiękowej wewnątrz wideo, więc mówiony dialog lub efekty dźwiękowe wymagają odrębnego procesu audio. Znane ograniczenia Qwen podaje czerwiec 2023 jako datę graniczną danych obrazowych użytych do treningu, bez zapewnienia wiedzy o późniejszych osobach, produktach lub wydarzeniach. Rozpoznawanie konkretnych osób i obiektów własności intelektualnej jest niepełne. Złożone instrukcje wieloetapowe, liczenie obiektów w zatłoczonych scenach i relacje przestrzenne — szczególnie w trzech wymiarach — są udokumentowanymi słabościami. Podziel skomplikowane zadanie wizualne na jasne pytania, poproś o widoczne dowody potwierdzające wynik i sprawdzaj wyodrębnione liczby oraz cytowany tekst względem obrazu. Wiarygodnie brzmiącego opisu nie należy traktować jako dokładnej liczby ani zmierzonego położenia w trzech wymiarach. Krótkie przykłady generowania w karcie nie ustanawiają odrębnego twardego limitu wyniku. Zaplanuj rozmiar odpowiedzi wraz z tekstem i wejściem wizualnym oraz zachowaj w źródle dość szczegółów dla konkretnego pytania. Dzięki temu wybór modelu i przygotowanie wejścia są bardziej użyteczne niż założenie, że dowolny obraz lub dowolne długie wideo dają równie niezawodną odpowiedź. Zadanie praktyczne ### Zadanie praktyczne Przykład techniczny po angielsku ``` Compare transcribed dashboard changes Compare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact. ``` #### Oczekiwany wynik ``` A field-comparison table and a short explanation of the different date scopes. ``` #### Sprawdź wynik ``` The result does not treat totals from All dates and This week as comparable periods. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `Qwen2-VL-7B-Instruct-ultra` [`Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/#m=Qwen2-VL-7B-Instruct-ultra&route=Ultra&caller=Qwen2-VL-7B-Instruct-ultra&fmt=chat) Inne /`Qwen2-VL-7B-Instruct-ultra` ### Start Qwen2-VL-7B-Instruct to dostrojony do instrukcji model wizyjno-językowy Qwen, przyjmujący tekst, obrazy i wideo oraz zwracający tekst. Używaj go do pytań o strony dokumentów, porównywania obrazów lub opisywania zdarzeń wizualnych, z dynamiczną rozdzielczością obrazu i udokumentowanymi ograniczeniami dotyczącymi liczenia, rozumowania przestrzennego i rozumienia dźwięku w wideo. Akceptowane dane wejściowe Tekst Wyniki Tekst ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Wejście `text` Wyjście `text` Format wyjściowy json lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity Qwen2-VL-7B-Instruct-ultra | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— | | Pole`messages[].role` | Typ`string` | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— | | Pole`messages[].content` | Typ`string\|content_part[]\|null` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_calls` | Typ`tool_call[]` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_call_id` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— | | Pole`messages[].name` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].reasoning_content` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— | | Pole`messages[].reasoning_details` | Typ`object\|array` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`max_completion_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`stream_options.include_usage` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`temperature` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`top_p` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`stop` | Typ`string\|string[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools` | Typ`function_tool[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools[].type` | Typ`string` | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— | | Pole`tools[].function.name` | Typ`string` | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— | | Pole`tools[].function.description` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tools[].function.parameters` | Typ`JSON_schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tool_choice` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`parallel_tool_calls` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`response_format` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning_effort` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`service_tier` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`instructions` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— | | Pole`functions` | Typ`function[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`function_call` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`prompt_cache_options` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`modalities` | Typ`string[]` | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— | | Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— | | Pole`cache_control.ttl` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— | Kombinacje materiałów wejściowych **Tekst** · tekst UTF8 `messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages | | Parametr`material_types` | Kontrakttext | | Parametr`messages` | Kontrakttablica wiadomości o strukturze role/content | | Parametr`file_material` | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku | | Parametr`optional_controls` | Kontraktstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parametr`control_scope` | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych | | Parametr`output_modalities` | Kontrakttext | | Parametr`hosted_operations` | Kontraktfalse | | Parametr`multimodal_input_binding` | Kontraktnull | Cykl życia: `synchronous_or_streamed` Wyślij dokładne ID modelu wraz z messages. Długość kontekstu nie jest limitem wyjścia. Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji | Konfiguracja | Tabela stawek | Opłata | | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.00058** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.00142** / 1K tokenów Wejście · Odczyt cache **$0** / 1K tokenów Wejście · Zapis do cache **$0** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · OpenAI Chat curlPython SDKStrumień w Pythonie ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "Qwen2-VL-7B-Instruct-ultra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='Qwen2-VL-7B-Instruct-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='Qwen2-VL-7B-Instruct-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · OpenAI Chat json lub SSE ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`choices[].index` | Typinteger | | Pole`choices[].message.content` | Typstring\|null | | Pole`choices[].message.tool_calls` | Typtool\_call\[\] | | Pole`choices[].message.reasoning_content` | Typstring | | Pole`choices[].message.reasoning_details` | Typobject\|array | | Pole`choices[].finish_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/#m=Qwen2-VL-7B-Instruct-ultra&route=Ultra&caller=Qwen2-VL-7B-Instruct-ultra&fmt=chat) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/#m=Qwen2-VL-7B-Instruct-ultra&route=Ultra&caller=Qwen2-VL-7B-Instruct-ultra&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `Qwen2-VL-7B-Instruct-ultra` [`Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/#m=Qwen2-VL-7B-Instruct-ultra&route=Ultra&caller=Qwen2-VL-7B-Instruct-ultra&fmt=messages) Inne /`Qwen2-VL-7B-Instruct-ultra` ### Start Qwen2-VL-7B-Instruct to dostrojony do instrukcji model wizyjno-językowy Qwen, przyjmujący tekst, obrazy i wideo oraz zwracający tekst. Używaj go do pytań o strony dokumentów, porównywania obrazów lub opisywania zdarzeń wizualnych, z dynamiczną rozdzielczością obrazu i udokumentowanymi ograniczeniami dotyczącymi liczenia, rozumowania przestrzennego i rozumienia dźwięku w wideo. Akceptowane dane wejściowe Tekst Wyniki json · sse ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Wejście `text` Wyjście `json`, `sse` Format wyjściowy JSON lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity Qwen2-VL-7B-Instruct-ultra | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`messages[].role` | Typ`string` | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— | | Pole`messages[].content` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | Kombinacje materiałów wejściowych **Tekst** · tekst UTF-8 `ciąg messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages, max\_tokens | | Parametr`optional_controls` | Kontraktstream | | Parametr`material_types` | Kontrakttext | | Parametr`text_file_material` | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. | Cykl życia: `synchronous_or_streamed` ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji | Konfiguracja | Tabela stawek | Opłata | | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.00058** / 1K tokenów Wyjście · Tokeny wyjściowe **$0.00142** / 1K tokenów Wejście · Odczyt cache **$0** / 1K tokenów Wejście · Zapis do cache **$0** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Anthropic Messages Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik ```json { "model": "Qwen2-VL-7B-Instruct-ultra", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Qwen2-VL-7B-Instruct-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'Qwen2-VL-7B-Instruct-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Anthropic Messages JSON lub SSE ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`id` | Typstring | | Pole`model` | Typstring | | Pole`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Pole`stop_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/#m=Qwen2-VL-7B-Instruct-ultra&route=Ultra&caller=Qwen2-VL-7B-Instruct-ultra&fmt=messages) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`Qwen2-VL-7B-Instruct-ultra`](https://ailoot.ai/models/pl/#m=Qwen2-VL-7B-Instruct-ultra&route=Ultra&caller=Qwen2-VL-7B-Instruct-ultra&fmt=messages) FAQ · Qwen2-VL-7B-Instruct-ultra Jakie dane wejściowe i wyniki są dostępne? `POST /v1/chat/completions` · `Qwen2-VL-7B-Instruct-ultra`: `text` → `text` `POST /v1/messages` · `Qwen2-VL-7B-Instruct-ultra`: `text` → `json`, `sse` Jakich pól używa żądanie? `POST /v1/chat/completions` · `Qwen2-VL-7B-Instruct-ultra`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `Qwen2-VL-7B-Instruct-ultra`: `model`, `messages`, `max_tokens`, `stream` Jakie limity obowiązują? `POST /v1/chat/completions` · `Qwen2-VL-7B-Instruct-ultra`: `messages.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.