Reka Edge to kompaktowy model wizyjno-językowy Reka AI do zastosowań fizycznych i wizualnych. Opublikowana edycja 2603 przyjmuje obrazy lub wideo z pisemnym promptem i generuje tekst; obsługuje również pytania wyłącznie tekstowe. Jej główne zadania to rozumienie scen, analiza wideo, wykrywanie obiektów i interakcje z użyciem narzędzi na podstawie wejścia wizualnego.
Model łączy enkoder wizyjny o 657 milionach parametrów z bazowym modelem językowym o 6,4 miliarda parametrów. Jego konwolucyjny enkoder wizualny generuje 64 tokeny na kafelek obrazu. Opublikowana konfiguracja tekstowa ustawia maksymalną liczbę pozycji na 16 384, ze skalowaniem długości względem bazy 8192 pozycji. Są to właściwości konfiguracji checkpointu producenta; wejścia wizualne i rozmowa nadal muszą mieścić się w kontekście używanym w zadaniu.
Przy odpowiadaniu na pytania wizualne dostarcz obraz i zapytaj o konkretny obiekt, relację lub zdarzenie. Użyteczny prompt inspekcyjny wskazuje, co należy rozróżnić: położenie przedmiotu, widoczny stan lub zmianę między klatkami. W przypadku wideo dołącz sekwencję i opisz zdarzenie do znalezienia. Przykłady zastosowań producenta obejmują opisy mediów, wykrywanie logo, najważniejsze momenty i metadane, a także robotykę, kamery pojazdów i pomoc wizualną.
Wykrywanie obiektów ma określony prompt producenta: Detect: z następującym po nim opisem obiektu. Opis może wskazywać jeden cel lub kilka celów. Udokumentowany wynik wiąże etykiety obiektów ze współrzędnymi prostokątów ograniczających, używając znaczników ref i bbox. W aplikacji zachowuj powiązanie każdej etykiety z jej współrzędnymi, aby wykryty obszar można było sprawdzić lub wyświetlić na oryginalnym obrazie.
Praktyczne zadanie przeglądu mediów może obejmować widoczne zdarzenie, uczestniczące w nim obiekty i zwięzły opis do archiwum. Przy inspekcji sceny zdefiniuj obiekt docelowy i istotny warunek przed poproszeniem o opis. Odróżniaj obserwacje modelu od kolejnego działania wybranego przez aplikację. Model dostarcza interpretację wizualną lub proponowaną interakcję z narzędziem; aplikacja korzystająca z modelu wykonuje działania zewnętrzne.
Reka publikuje instrukcje lokalnego wdrożenia checkpointu, w tym przykłady dotyczące obrazów, wideo, wykrywania obiektów i samego tekstu. Karta wykorzystuje własny szablon rozmowy modelu i znacznik końca tury. W przykładzie lokalnym wprost wyłącza osobny tryb rozumowania: interpretacja wizualna jest zdolnością, natomiast udostępniony etap myślenia jest odrębną funkcją. Model jest przeznaczony do użytku na urządzeniach brzegowych, w infrastrukturze lokalnej i w chmurze; wdrożenie skwantyzowane jest osobną konfiguracją, a nie tożsamością wynikającą z nazwy modelu.
Do lokalnej oceny producent zaleca pozostawienie zapasu pamięci na generowanie: karta podaje minimum 24 GB pamięci dla Maca oraz co najmniej 24 GB pamięci GPU i 24 GB pamięci systemowej dla konfiguracji PC. Zaleca 32 GB lub więcej w odpowiednich kategoriach pamięci, przy około 14 GB zajmowanych przez model float16 na Macu. Te liczby opisują opublikowaną konfigurację lokalnego wdrożenia. Pomagają odróżnić kompaktowy rozmiar modelu od zasobów potrzebnych aplikacji obsługującej wejścia wizualne.
", "aboutText": "Reka Edge to kompaktowy model wizyjno-językowy Reka AI do zastosowań fizycznych i wizualnych. Opublikowana edycja 2603 przyjmuje obrazy lub wideo z pisemnym promptem i generuje tekst; obsługuje również pytania wyłącznie tekstowe. Jej główne zadania to rozumienie scen, analiza wideo, wykrywanie obiektów i interakcje z użyciem narzędzi na podstawie wejścia wizualnego.\n\nModel łączy enkoder wizyjny o 657 milionach parametrów z bazowym modelem językowym o 6,4 miliarda parametrów. Jego konwolucyjny enkoder wizualny generuje 64 tokeny na kafelek obrazu. Opublikowana konfiguracja tekstowa ustawia maksymalną liczbę pozycji na 16 384, ze skalowaniem długości względem bazy 8192 pozycji. Są to właściwości konfiguracji checkpointu producenta; wejścia wizualne i rozmowa nadal muszą mieścić się w kontekście używanym w zadaniu.\n\nPrzy odpowiadaniu na pytania wizualne dostarcz obraz i zapytaj o konkretny obiekt, relację lub zdarzenie. Użyteczny prompt inspekcyjny wskazuje, co należy rozróżnić: położenie przedmiotu, widoczny stan lub zmianę między klatkami. W przypadku wideo dołącz sekwencję i opisz zdarzenie do znalezienia. Przykłady zastosowań producenta obejmują opisy mediów, wykrywanie logo, najważniejsze momenty i metadane, a także robotykę, kamery pojazdów i pomoc wizualną.\n\nWykrywanie obiektów ma określony prompt producenta: Detect: z następującym po nim opisem obiektu. Opis może wskazywać jeden cel lub kilka celów. Udokumentowany wynik wiąże etykiety obiektów ze współrzędnymi prostokątów ograniczających, używając znaczników ref i bbox. W aplikacji zachowuj powiązanie każdej etykiety z jej współrzędnymi, aby wykryty obszar można było sprawdzić lub wyświetlić na oryginalnym obrazie.\n\nPraktyczne zadanie przeglądu mediów może obejmować widoczne zdarzenie, uczestniczące w nim obiekty i zwięzły opis do archiwum. Przy inspekcji sceny zdefiniuj obiekt docelowy i istotny warunek przed poproszeniem o opis. Odróżniaj obserwacje modelu od kolejnego działania wybranego przez aplikację. Model dostarcza interpretację wizualną lub proponowaną interakcję z narzędziem; aplikacja korzystająca z modelu wykonuje działania zewnętrzne.\n\nReka publikuje instrukcje lokalnego wdrożenia checkpointu, w tym przykłady dotyczące obrazów, wideo, wykrywania obiektów i samego tekstu. Karta wykorzystuje własny szablon rozmowy modelu i znacznik końca tury. W przykładzie lokalnym wprost wyłącza osobny tryb rozumowania: interpretacja wizualna jest zdolnością, natomiast udostępniony etap myślenia jest odrębną funkcją. Model jest przeznaczony do użytku na urządzeniach brzegowych, w infrastrukturze lokalnej i w chmurze; wdrożenie skwantyzowane jest osobną konfiguracją, a nie tożsamością wynikającą z nazwy modelu.\n\nDo lokalnej oceny producent zaleca pozostawienie zapasu pamięci na generowanie: karta podaje minimum 24 GB pamięci dla Maca oraz co najmniej 24 GB pamięci GPU i 24 GB pamięci systemowej dla konfiguracji PC. Zaleca 32 GB lub więcej w odpowiednich kategoriach pamięci, przy około 14 GB zajmowanych przez model float16 na Macu. Te liczby opisują opublikowaną konfigurację lokalnego wdrożenia. Pomagają odróżnić kompaktowy rozmiar modelu od zasobów potrzebnych aplikacji obsługującej wejścia wizualne.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Caption a described loading scene\n\nWrite a concise archive caption from this textual scene description: a worker stands beside a parked van; two sealed boxes are on a trolley; no loading movement is described. Include the objects and their relationship, and add a short uncertainty note about whether loading has begun. Do not infer motion from proximity.A neutral scene caption and a separate uncertainty note.Check that the caption distinguishes observed positions from an unobserved loading action.rekaai/reka-edgeReka Edge to model wizyjno-językowy 7B do rozumienia obrazu i wideo, wykrywania obiektów oraz procesów narzędziowych kierowanych informacją wizualną. Przyjmuje materiał wizualny i tekst, generuje tekst i udostępnia specjalny format promptu do wykrywania obiektów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Reka Edge to kompaktowy model wizyjno-językowy Reka AI do zastosowań fizycznych i wizualnych. Opublikowana edycja 2603 przyjmuje obrazy lub wideo z pisemnym promptem i generuje tekst; obsługuje również pytania wyłącznie tekstowe. Jej główne zadania to rozumienie scen, analiza wideo, wykrywanie obiektów i interakcje z użyciem narzędzi na podstawie wejścia wizualnego.
Model łączy enkoder wizyjny o 657 milionach parametrów z bazowym modelem językowym o 6,4 miliarda parametrów. Jego konwolucyjny enkoder wizualny generuje 64 tokeny na kafelek obrazu. Opublikowana konfiguracja tekstowa ustawia maksymalną liczbę pozycji na 16 384, ze skalowaniem długości względem bazy 8192 pozycji. Są to właściwości konfiguracji checkpointu producenta; wejścia wizualne i rozmowa nadal muszą mieścić się w kontekście używanym w zadaniu.
Przy odpowiadaniu na pytania wizualne dostarcz obraz i zapytaj o konkretny obiekt, relację lub zdarzenie. Użyteczny prompt inspekcyjny wskazuje, co należy rozróżnić: położenie przedmiotu, widoczny stan lub zmianę między klatkami. W przypadku wideo dołącz sekwencję i opisz zdarzenie do znalezienia. Przykłady zastosowań producenta obejmują opisy mediów, wykrywanie logo, najważniejsze momenty i metadane, a także robotykę, kamery pojazdów i pomoc wizualną.
Wykrywanie obiektów ma określony prompt producenta: Detect: z następującym po nim opisem obiektu. Opis może wskazywać jeden cel lub kilka celów. Udokumentowany wynik wiąże etykiety obiektów ze współrzędnymi prostokątów ograniczających, używając znaczników ref i bbox. W aplikacji zachowuj powiązanie każdej etykiety z jej współrzędnymi, aby wykryty obszar można było sprawdzić lub wyświetlić na oryginalnym obrazie.
Praktyczne zadanie przeglądu mediów może obejmować widoczne zdarzenie, uczestniczące w nim obiekty i zwięzły opis do archiwum. Przy inspekcji sceny zdefiniuj obiekt docelowy i istotny warunek przed poproszeniem o opis. Odróżniaj obserwacje modelu od kolejnego działania wybranego przez aplikację. Model dostarcza interpretację wizualną lub proponowaną interakcję z narzędziem; aplikacja korzystająca z modelu wykonuje działania zewnętrzne.
Reka publikuje instrukcje lokalnego wdrożenia checkpointu, w tym przykłady dotyczące obrazów, wideo, wykrywania obiektów i samego tekstu. Karta wykorzystuje własny szablon rozmowy modelu i znacznik końca tury. W przykładzie lokalnym wprost wyłącza osobny tryb rozumowania: interpretacja wizualna jest zdolnością, natomiast udostępniony etap myślenia jest odrębną funkcją. Model jest przeznaczony do użytku na urządzeniach brzegowych, w infrastrukturze lokalnej i w chmurze; wdrożenie skwantyzowane jest osobną konfiguracją, a nie tożsamością wynikającą z nazwy modelu.
Do lokalnej oceny producent zaleca pozostawienie zapasu pamięci na generowanie: karta podaje minimum 24 GB pamięci dla Maca oraz co najmniej 24 GB pamięci GPU i 24 GB pamięci systemowej dla konfiguracji PC. Zaleca 32 GB lub więcej w odpowiednich kategoriach pamięci, przy około 14 GB zajmowanych przez model float16 na Macu. Te liczby opisują opublikowaną konfigurację lokalnego wdrożenia. Pomagają odróżnić kompaktowy rozmiar modelu od zasobów potrzebnych aplikacji obsługującej wejścia wizualne.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity rekaai/reka-edge | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | 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— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_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.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0002 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0002 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "rekaai/reka-edge", "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='rekaai/reka-edge',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='rekaai/reka-edge',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 lub SSE
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.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| 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. |
Ailoot Ultra rekaai/reka-edge
Użyj ścieżek metod podanych powyżej.
rekaai/reka-edgeReka Edge to model wizyjno-językowy 7B do rozumienia obrazu i wideo, wykrywania obiektów oraz procesów narzędziowych kierowanych informacją wizualną. Przyjmuje materiał wizualny i tekst, generuje tekst i udostępnia specjalny format promptu do wykrywania obiektów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Reka Edge to kompaktowy model wizyjno-językowy Reka AI do zastosowań fizycznych i wizualnych. Opublikowana edycja 2603 przyjmuje obrazy lub wideo z pisemnym promptem i generuje tekst; obsługuje również pytania wyłącznie tekstowe. Jej główne zadania to rozumienie scen, analiza wideo, wykrywanie obiektów i interakcje z użyciem narzędzi na podstawie wejścia wizualnego.
Model łączy enkoder wizyjny o 657 milionach parametrów z bazowym modelem językowym o 6,4 miliarda parametrów. Jego konwolucyjny enkoder wizualny generuje 64 tokeny na kafelek obrazu. Opublikowana konfiguracja tekstowa ustawia maksymalną liczbę pozycji na 16 384, ze skalowaniem długości względem bazy 8192 pozycji. Są to właściwości konfiguracji checkpointu producenta; wejścia wizualne i rozmowa nadal muszą mieścić się w kontekście używanym w zadaniu.
Przy odpowiadaniu na pytania wizualne dostarcz obraz i zapytaj o konkretny obiekt, relację lub zdarzenie. Użyteczny prompt inspekcyjny wskazuje, co należy rozróżnić: położenie przedmiotu, widoczny stan lub zmianę między klatkami. W przypadku wideo dołącz sekwencję i opisz zdarzenie do znalezienia. Przykłady zastosowań producenta obejmują opisy mediów, wykrywanie logo, najważniejsze momenty i metadane, a także robotykę, kamery pojazdów i pomoc wizualną.
Wykrywanie obiektów ma określony prompt producenta: Detect: z następującym po nim opisem obiektu. Opis może wskazywać jeden cel lub kilka celów. Udokumentowany wynik wiąże etykiety obiektów ze współrzędnymi prostokątów ograniczających, używając znaczników ref i bbox. W aplikacji zachowuj powiązanie każdej etykiety z jej współrzędnymi, aby wykryty obszar można było sprawdzić lub wyświetlić na oryginalnym obrazie.
Praktyczne zadanie przeglądu mediów może obejmować widoczne zdarzenie, uczestniczące w nim obiekty i zwięzły opis do archiwum. Przy inspekcji sceny zdefiniuj obiekt docelowy i istotny warunek przed poproszeniem o opis. Odróżniaj obserwacje modelu od kolejnego działania wybranego przez aplikację. Model dostarcza interpretację wizualną lub proponowaną interakcję z narzędziem; aplikacja korzystająca z modelu wykonuje działania zewnętrzne.
Reka publikuje instrukcje lokalnego wdrożenia checkpointu, w tym przykłady dotyczące obrazów, wideo, wykrywania obiektów i samego tekstu. Karta wykorzystuje własny szablon rozmowy modelu i znacznik końca tury. W przykładzie lokalnym wprost wyłącza osobny tryb rozumowania: interpretacja wizualna jest zdolnością, natomiast udostępniony etap myślenia jest odrębną funkcją. Model jest przeznaczony do użytku na urządzeniach brzegowych, w infrastrukturze lokalnej i w chmurze; wdrożenie skwantyzowane jest osobną konfiguracją, a nie tożsamością wynikającą z nazwy modelu.
Do lokalnej oceny producent zaleca pozostawienie zapasu pamięci na generowanie: karta podaje minimum 24 GB pamięci dla Maca oraz co najmniej 24 GB pamięci GPU i 24 GB pamięci systemowej dla konfiguracji PC. Zaleca 32 GB lub więcej w odpowiednich kategoriach pamięci, przy około 14 GB zajmowanych przez model float16 na Macu. Te liczby opisują opublikowaną konfigurację lokalnego wdrożenia. Pomagają odróżnić kompaktowy rozmiar modelu od zasobów potrzebnych aplikacji obsługującej wejścia wizualne.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity rekaai/reka-edge | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_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
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0002 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0002 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "rekaai/reka-edge",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'rekaai/reka-edge', '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': 'rekaai/reka-edge', '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 lub SSE
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.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| 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. |
Ailoot Ultra rekaai/reka-edge
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Caption a described loading scene\n\nWrite a concise archive caption from this textual scene description: a worker stands beside a parked van; two sealed boxes are on a trolley; no loading movement is described. Include the objects and their relationship, and add a short uncertainty note about whether loading has begun. Do not infer motion from proximity.A neutral scene caption and a separate uncertainty note.Check that the caption distinguishes observed positions from an unobserved loading action.