Qwen2-VL-72B-Instruct je vizuálno-jazykové vydanie 72B doladené na pokyny a vytvorené okolo Qwen2. Prijíma text spolu s obrázkami alebo videom a generuje textovú odpoveď. Výrobca zdôrazňuje porozumenie obrázkom s rôznym rozlíšením a pomerom strán, interpretáciu textu v obrázkoch, uvažovanie o viditeľných vzťahoch a odpovedanie na otázky o videách dlhších než 20 minút.
Obrazové a video schopnosti
Pri strane dokumentu vyžiadajte konkrétny obsah, ktorý potrebujete: odsek, riadok tabuľky, vzorec alebo podmienky pripojené k tvrdeniu. Stranu udržujte čitateľnú a uveďte, či má výsledok prepísať znenie, zhrnúť ho alebo vysvetliť význam. Užitočný dokumentový výstup môže zachovať pôvodné označenie sekcie pri extrahovanom obsahu. Pri diagrame sa pýtajte, ako sa prepájajú označené prvky, a určte vzťah, ktorý treba vysvetliť.
Dokumentované použitie videa zahŕňa otázky, dialóg a písaný obsah založený na viditeľnej sekvencii. Definujte udalosť alebo zmenu na preskúmanie: kedy sa objaví objekt, čo sa stane pred konkrétnym krokom alebo ako sa demonštrovaná akcia vzťahuje k písomnému postupu. Vyžiadajte usporiadaný opis udalostí alebo porovnanie viditeľných krokov s dodaným postupom. Tvrdenie výrobcu o viac než 20 minútach opisuje porozumenie dlhým videám; nejde o pevné maximum trvania videa ani o záruku, že každý nespracovaný klip sa zmestí do nezmenenej konfigurácie vstupu.
Použitie vizuálnych agentov
Vydanie tiež predstavuje Qwen2-VL pre vizuálnych agentov pripojených k mobilným zariadeniam, robotom a ďalším nástrojom. Oznámenie opisuje scenáre volania funkcií a interpretera kódu, napríklad tvorbu kódu z diagramu alebo použitie vizuálnej otázky na vyžiadanie externého vyhľadania. Okolitá aplikácia dodáva tieto nástroje, vykonáva navrhnutú akciu a vracia výsledok. Samotná textová odpoveď modelu nekliká na ovládací prvok, nepohybuje zariadením ani nevykonáva generovaný program.
Praktická úloha s rozhraním môže dodať snímku obrazovky a cieľ používateľa a potom žiadať viditeľný ovládací prvok relevantný pre ďalší krok a dôkazy podporujúce jeho výber. Pozorovanie, navrhovanú akciu a skutočné vykonanie udržujte ako samostatné časti pracovného postupu. Využíva sa tým zameranie na vizuálneho agenta a zároveň je požadovaný výsledok dosť konkrétny, aby aplikácia mohla konať.
Viacjazyčný text v obrázkoch
Výrobca opisuje rozpoznávanie textu v obrázkoch v angličtine a čínštine, vo väčšine európskych jazykov a v jazykoch vrátane japončiny, kórejčiny, arabčiny a vietnamčiny. Viacjazyčnú stranu preto možno spracovať ako vizuálne čítanie. Ak je dôležité presné znenie, najprv vyžiadajte pôvodný prepis a potom preklad alebo vysvetlenie vo zvolenom jazyku. Zachovajte označenia a čísla namiesto miešania rozpoznávania s neurčeným prepisovaním.
Dynamické rozlíšenie a pozičné informácie
Qwen2-VL spája vizuálny enkodér s jazykovým modelom Qwen2. Naive Dynamic Resolution mapuje rôzne veľkosti obrázkov na rôzne počty vizuálnych tokenov. Multimodal Rotary Position Embedding oddeľuje pozičné informácie tak, aby model mohol reprezentovať poradie textu, dvojrozmerné obrázky a časovú i priestorovú štruktúru videa. Tieto funkcie vysvetľujú, ako tá istá rodina spracuje stranu, viacero obrázkov či video sekvenciu.
Obrazový procesor v karte modelu dokumentuje predvolený rozsah od 4 do 16 384 vizuálnych tokenov na obrázok. Aplikácia môže upraviť minimálny a maximálny počet pixelov pri zachovaní pomeru strán alebo požadovať rozmery zaokrúhlené na násobok 28. Ukážkový rozsah od 256 do 1 280 tokenov je konfigurovateľná ilustrácia, nie samostatný univerzálny obrazový limit. Viac obrazových detailov využíva viac výpočtov a vizuálnych tokenov, preto pri príprave obrázka zachovajte označenia, nadpisy a malé objekty potrebné pre otázku.
Príprava vstupu a kontext
Výrobca demonštruje jeden obrázok, viac obrázkov, video dodané ako sekvencia snímok alebo lokálny súbor a dávkové konverzácie. Príprava obrázkov zahŕňa lokálne súbory, kódované obrazové údaje a obrazové referencie. Video príklad v karte používa zvolenú snímkovú frekvenciu; tento príklad neurčuje jednu povinnú vzorkovaciu frekvenciu pre každé video. Určte poradie a rolu viacerých obrázkov a dodajte informácie potrebné na interpretáciu sekvencie namiesto vnímania nesúvisiacich snímok ako jednej scény.
Vydaná konfigurácia nastavuje maximum pozícií na 32 768. Vizuálny materiál a textové pokyny treba plánovať v rámci skutočne nakonfigurovaného kontextu. Príklad generovania 128 tokenov v karte je iba ukážkové nastavenie; nepublikuje samostatnú maximálnu výstupnú kapacitu. Vydanie 72B si má zachovať vlastnú konfiguráciu namiesto preberania nastavení dlhého kontextu z Qwen2.5-VL alebo iného modelu Qwen.
Podstatné obmedzenia
Výrobca výslovne uvádza, že Qwen2-VL nerozumie zvuku vo videách. Ak otázka závisí od hovorených informácií, treba ich preto dodať samostatne. Obrazový trénovací dataset je opísaný ako aktualizovaný do júna 2023; je to tvrdenie o danom datasete, nie prísľub aktuálnych vizuálnych znalostí.
Dokumentované obmedzenia zahŕňajú aj neúplné rozpoznávanie konkrétnych ľudí alebo pomenovaných objektov duševného vlastníctva, ťažkosti so zložitými viacstupňovými pokynmi, slabé počítanie v zložitých scénach a obmedzenia trojrozmerného priestorového uvažovania. Ak úloha závisí od jednej z týchto schopností, sústreďte otázku na potrebné objekty alebo vzťah a uchovajte vizuálny dôkaz pri odpovedi. Jasný zdrojový materiál a definovaný výstup uľahčujú kontrolu výsledku bez nahrádzania uvedených obmedzení zárukou presnosti.
", "aboutText": "Qwen2-VL-72B-Instruct je vizuálno-jazykové vydanie 72B doladené na pokyny a vytvorené okolo Qwen2. Prijíma text spolu s obrázkami alebo videom a generuje textovú odpoveď. Výrobca zdôrazňuje porozumenie obrázkom s rôznym rozlíšením a pomerom strán, interpretáciu textu v obrázkoch, uvažovanie o viditeľných vzťahoch a odpovedanie na otázky o videách dlhších než 20 minút.\n\nObrazové a video schopnosti\n\nPri strane dokumentu vyžiadajte konkrétny obsah, ktorý potrebujete: odsek, riadok tabuľky, vzorec alebo podmienky pripojené k tvrdeniu. Stranu udržujte čitateľnú a uveďte, či má výsledok prepísať znenie, zhrnúť ho alebo vysvetliť význam. Užitočný dokumentový výstup môže zachovať pôvodné označenie sekcie pri extrahovanom obsahu. Pri diagrame sa pýtajte, ako sa prepájajú označené prvky, a určte vzťah, ktorý treba vysvetliť.\n\nDokumentované použitie videa zahŕňa otázky, dialóg a písaný obsah založený na viditeľnej sekvencii. Definujte udalosť alebo zmenu na preskúmanie: kedy sa objaví objekt, čo sa stane pred konkrétnym krokom alebo ako sa demonštrovaná akcia vzťahuje k písomnému postupu. Vyžiadajte usporiadaný opis udalostí alebo porovnanie viditeľných krokov s dodaným postupom. Tvrdenie výrobcu o viac než 20 minútach opisuje porozumenie dlhým videám; nejde o pevné maximum trvania videa ani o záruku, že každý nespracovaný klip sa zmestí do nezmenenej konfigurácie vstupu.\n\nPoužitie vizuálnych agentov\n\nVydanie tiež predstavuje Qwen2-VL pre vizuálnych agentov pripojených k mobilným zariadeniam, robotom a ďalším nástrojom. Oznámenie opisuje scenáre volania funkcií a interpretera kódu, napríklad tvorbu kódu z diagramu alebo použitie vizuálnej otázky na vyžiadanie externého vyhľadania. Okolitá aplikácia dodáva tieto nástroje, vykonáva navrhnutú akciu a vracia výsledok. Samotná textová odpoveď modelu nekliká na ovládací prvok, nepohybuje zariadením ani nevykonáva generovaný program.\n\nPraktická úloha s rozhraním môže dodať snímku obrazovky a cieľ používateľa a potom žiadať viditeľný ovládací prvok relevantný pre ďalší krok a dôkazy podporujúce jeho výber. Pozorovanie, navrhovanú akciu a skutočné vykonanie udržujte ako samostatné časti pracovného postupu. Využíva sa tým zameranie na vizuálneho agenta a zároveň je požadovaný výsledok dosť konkrétny, aby aplikácia mohla konať.\n\nViacjazyčný text v obrázkoch\n\nVýrobca opisuje rozpoznávanie textu v obrázkoch v angličtine a čínštine, vo väčšine európskych jazykov a v jazykoch vrátane japončiny, kórejčiny, arabčiny a vietnamčiny. Viacjazyčnú stranu preto možno spracovať ako vizuálne čítanie. Ak je dôležité presné znenie, najprv vyžiadajte pôvodný prepis a potom preklad alebo vysvetlenie vo zvolenom jazyku. Zachovajte označenia a čísla namiesto miešania rozpoznávania s neurčeným prepisovaním.\n\nDynamické rozlíšenie a pozičné informácie\n\nQwen2-VL spája vizuálny enkodér s jazykovým modelom Qwen2. Naive Dynamic Resolution mapuje rôzne veľkosti obrázkov na rôzne počty vizuálnych tokenov. Multimodal Rotary Position Embedding oddeľuje pozičné informácie tak, aby model mohol reprezentovať poradie textu, dvojrozmerné obrázky a časovú i priestorovú štruktúru videa. Tieto funkcie vysvetľujú, ako tá istá rodina spracuje stranu, viacero obrázkov či video sekvenciu.\n\nObrazový procesor v karte modelu dokumentuje predvolený rozsah od 4 do 16 384 vizuálnych tokenov na obrázok. Aplikácia môže upraviť minimálny a maximálny počet pixelov pri zachovaní pomeru strán alebo požadovať rozmery zaokrúhlené na násobok 28. Ukážkový rozsah od 256 do 1 280 tokenov je konfigurovateľná ilustrácia, nie samostatný univerzálny obrazový limit. Viac obrazových detailov využíva viac výpočtov a vizuálnych tokenov, preto pri príprave obrázka zachovajte označenia, nadpisy a malé objekty potrebné pre otázku.\n\nPríprava vstupu a kontext\n\nVýrobca demonštruje jeden obrázok, viac obrázkov, video dodané ako sekvencia snímok alebo lokálny súbor a dávkové konverzácie. Príprava obrázkov zahŕňa lokálne súbory, kódované obrazové údaje a obrazové referencie. Video príklad v karte používa zvolenú snímkovú frekvenciu; tento príklad neurčuje jednu povinnú vzorkovaciu frekvenciu pre každé video. Určte poradie a rolu viacerých obrázkov a dodajte informácie potrebné na interpretáciu sekvencie namiesto vnímania nesúvisiacich snímok ako jednej scény.\n\nVydaná konfigurácia nastavuje maximum pozícií na 32 768. Vizuálny materiál a textové pokyny treba plánovať v rámci skutočne nakonfigurovaného kontextu. Príklad generovania 128 tokenov v karte je iba ukážkové nastavenie; nepublikuje samostatnú maximálnu výstupnú kapacitu. Vydanie 72B si má zachovať vlastnú konfiguráciu namiesto preberania nastavení dlhého kontextu z Qwen2.5-VL alebo iného modelu Qwen.\n\nPodstatné obmedzenia\n\nVýrobca výslovne uvádza, že Qwen2-VL nerozumie zvuku vo videách. Ak otázka závisí od hovorených informácií, treba ich preto dodať samostatne. Obrazový trénovací dataset je opísaný ako aktualizovaný do júna 2023; je to tvrdenie o danom datasete, nie prísľub aktuálnych vizuálnych znalostí.\n\nDokumentované obmedzenia zahŕňajú aj neúplné rozpoznávanie konkrétnych ľudí alebo pomenovaných objektov duševného vlastníctva, ťažkosti so zložitými viacstupňovými pokynmi, slabé počítanie v zložitých scénach a obmedzenia trojrozmerného priestorového uvažovania. Ak úloha závisí od jednej z týchto schopností, sústreďte otázku na potrebné objekty alebo vzťah a uchovajte vizuálny dôkaz pri odpovedi. Jasný zdrojový materiál a definovaný výstup uľahčujú kontrolu výsledku bez nahrádzania uvedených obmedzení zárukou presnosti.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct spája text, obrázky a video pre vizuálne otázky, čítanie dokumentov a viacjazyčný text v obrázkoch. Výrobca opisuje porozumenie videám dlhším než 20 minút, dynamické rozlíšenie obrázkov a integrácie vizuálnych agentov; odpoveďou je text.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2-VL-72B-Instruct je vizuálno-jazykové vydanie 72B doladené na pokyny a vytvorené okolo Qwen2. Prijíma text spolu s obrázkami alebo videom a generuje textovú odpoveď. Výrobca zdôrazňuje porozumenie obrázkom s rôznym rozlíšením a pomerom strán, interpretáciu textu v obrázkoch, uvažovanie o viditeľných vzťahoch a odpovedanie na otázky o videách dlhších než 20 minút.
Obrazové a video schopnosti
Pri strane dokumentu vyžiadajte konkrétny obsah, ktorý potrebujete: odsek, riadok tabuľky, vzorec alebo podmienky pripojené k tvrdeniu. Stranu udržujte čitateľnú a uveďte, či má výsledok prepísať znenie, zhrnúť ho alebo vysvetliť význam. Užitočný dokumentový výstup môže zachovať pôvodné označenie sekcie pri extrahovanom obsahu. Pri diagrame sa pýtajte, ako sa prepájajú označené prvky, a určte vzťah, ktorý treba vysvetliť.
Dokumentované použitie videa zahŕňa otázky, dialóg a písaný obsah založený na viditeľnej sekvencii. Definujte udalosť alebo zmenu na preskúmanie: kedy sa objaví objekt, čo sa stane pred konkrétnym krokom alebo ako sa demonštrovaná akcia vzťahuje k písomnému postupu. Vyžiadajte usporiadaný opis udalostí alebo porovnanie viditeľných krokov s dodaným postupom. Tvrdenie výrobcu o viac než 20 minútach opisuje porozumenie dlhým videám; nejde o pevné maximum trvania videa ani o záruku, že každý nespracovaný klip sa zmestí do nezmenenej konfigurácie vstupu.
Použitie vizuálnych agentov
Vydanie tiež predstavuje Qwen2-VL pre vizuálnych agentov pripojených k mobilným zariadeniam, robotom a ďalším nástrojom. Oznámenie opisuje scenáre volania funkcií a interpretera kódu, napríklad tvorbu kódu z diagramu alebo použitie vizuálnej otázky na vyžiadanie externého vyhľadania. Okolitá aplikácia dodáva tieto nástroje, vykonáva navrhnutú akciu a vracia výsledok. Samotná textová odpoveď modelu nekliká na ovládací prvok, nepohybuje zariadením ani nevykonáva generovaný program.
Praktická úloha s rozhraním môže dodať snímku obrazovky a cieľ používateľa a potom žiadať viditeľný ovládací prvok relevantný pre ďalší krok a dôkazy podporujúce jeho výber. Pozorovanie, navrhovanú akciu a skutočné vykonanie udržujte ako samostatné časti pracovného postupu. Využíva sa tým zameranie na vizuálneho agenta a zároveň je požadovaný výsledok dosť konkrétny, aby aplikácia mohla konať.
Viacjazyčný text v obrázkoch
Výrobca opisuje rozpoznávanie textu v obrázkoch v angličtine a čínštine, vo väčšine európskych jazykov a v jazykoch vrátane japončiny, kórejčiny, arabčiny a vietnamčiny. Viacjazyčnú stranu preto možno spracovať ako vizuálne čítanie. Ak je dôležité presné znenie, najprv vyžiadajte pôvodný prepis a potom preklad alebo vysvetlenie vo zvolenom jazyku. Zachovajte označenia a čísla namiesto miešania rozpoznávania s neurčeným prepisovaním.
Dynamické rozlíšenie a pozičné informácie
Qwen2-VL spája vizuálny enkodér s jazykovým modelom Qwen2. Naive Dynamic Resolution mapuje rôzne veľkosti obrázkov na rôzne počty vizuálnych tokenov. Multimodal Rotary Position Embedding oddeľuje pozičné informácie tak, aby model mohol reprezentovať poradie textu, dvojrozmerné obrázky a časovú i priestorovú štruktúru videa. Tieto funkcie vysvetľujú, ako tá istá rodina spracuje stranu, viacero obrázkov či video sekvenciu.
Obrazový procesor v karte modelu dokumentuje predvolený rozsah od 4 do 16 384 vizuálnych tokenov na obrázok. Aplikácia môže upraviť minimálny a maximálny počet pixelov pri zachovaní pomeru strán alebo požadovať rozmery zaokrúhlené na násobok 28. Ukážkový rozsah od 256 do 1 280 tokenov je konfigurovateľná ilustrácia, nie samostatný univerzálny obrazový limit. Viac obrazových detailov využíva viac výpočtov a vizuálnych tokenov, preto pri príprave obrázka zachovajte označenia, nadpisy a malé objekty potrebné pre otázku.
Príprava vstupu a kontext
Výrobca demonštruje jeden obrázok, viac obrázkov, video dodané ako sekvencia snímok alebo lokálny súbor a dávkové konverzácie. Príprava obrázkov zahŕňa lokálne súbory, kódované obrazové údaje a obrazové referencie. Video príklad v karte používa zvolenú snímkovú frekvenciu; tento príklad neurčuje jednu povinnú vzorkovaciu frekvenciu pre každé video. Určte poradie a rolu viacerých obrázkov a dodajte informácie potrebné na interpretáciu sekvencie namiesto vnímania nesúvisiacich snímok ako jednej scény.
Vydaná konfigurácia nastavuje maximum pozícií na 32 768. Vizuálny materiál a textové pokyny treba plánovať v rámci skutočne nakonfigurovaného kontextu. Príklad generovania 128 tokenov v karte je iba ukážkové nastavenie; nepublikuje samostatnú maximálnu výstupnú kapacitu. Vydanie 72B si má zachovať vlastnú konfiguráciu namiesto preberania nastavení dlhého kontextu z Qwen2.5-VL alebo iného modelu Qwen.
Podstatné obmedzenia
Výrobca výslovne uvádza, že Qwen2-VL nerozumie zvuku vo videách. Ak otázka závisí od hovorených informácií, treba ich preto dodať samostatne. Obrazový trénovací dataset je opísaný ako aktualizovaný do júna 2023; je to tvrdenie o danom datasete, nie prísľub aktuálnych vizuálnych znalostí.
Dokumentované obmedzenia zahŕňajú aj neúplné rozpoznávanie konkrétnych ľudí alebo pomenovaných objektov duševného vlastníctva, ťažkosti so zložitými viacstupňovými pokynmi, slabé počítanie v zložitých scénach a obmedzenia trojrozmerného priestorového uvažovania. Ak úloha závisí od jednej z týchto schopností, sústreďte otázku na potrebné objekty alebo vzťah a uchovajte vizuálny dôkaz pri odpovedi. Jasný zdrojový materiál a definovaný výstup uľahčujú kontrolu výsledku bez nahrádzania uvedených obmedzení zárukou presnosti.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen2-VL-72B-Instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.00118 / 1K tokenov Výstup · Výstupné tokeny $0.00118 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen2-VL-72B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| 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 |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen2-VL-72B-Instruct
Použite cesty metód uvedené vyššie.
Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct spája text, obrázky a video pre vizuálne otázky, čítanie dokumentov a viacjazyčný text v obrázkoch. Výrobca opisuje porozumenie videám dlhším než 20 minút, dynamické rozlíšenie obrázkov a integrácie vizuálnych agentov; odpoveďou je text.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2-VL-72B-Instruct je vizuálno-jazykové vydanie 72B doladené na pokyny a vytvorené okolo Qwen2. Prijíma text spolu s obrázkami alebo videom a generuje textovú odpoveď. Výrobca zdôrazňuje porozumenie obrázkom s rôznym rozlíšením a pomerom strán, interpretáciu textu v obrázkoch, uvažovanie o viditeľných vzťahoch a odpovedanie na otázky o videách dlhších než 20 minút.
Obrazové a video schopnosti
Pri strane dokumentu vyžiadajte konkrétny obsah, ktorý potrebujete: odsek, riadok tabuľky, vzorec alebo podmienky pripojené k tvrdeniu. Stranu udržujte čitateľnú a uveďte, či má výsledok prepísať znenie, zhrnúť ho alebo vysvetliť význam. Užitočný dokumentový výstup môže zachovať pôvodné označenie sekcie pri extrahovanom obsahu. Pri diagrame sa pýtajte, ako sa prepájajú označené prvky, a určte vzťah, ktorý treba vysvetliť.
Dokumentované použitie videa zahŕňa otázky, dialóg a písaný obsah založený na viditeľnej sekvencii. Definujte udalosť alebo zmenu na preskúmanie: kedy sa objaví objekt, čo sa stane pred konkrétnym krokom alebo ako sa demonštrovaná akcia vzťahuje k písomnému postupu. Vyžiadajte usporiadaný opis udalostí alebo porovnanie viditeľných krokov s dodaným postupom. Tvrdenie výrobcu o viac než 20 minútach opisuje porozumenie dlhým videám; nejde o pevné maximum trvania videa ani o záruku, že každý nespracovaný klip sa zmestí do nezmenenej konfigurácie vstupu.
Použitie vizuálnych agentov
Vydanie tiež predstavuje Qwen2-VL pre vizuálnych agentov pripojených k mobilným zariadeniam, robotom a ďalším nástrojom. Oznámenie opisuje scenáre volania funkcií a interpretera kódu, napríklad tvorbu kódu z diagramu alebo použitie vizuálnej otázky na vyžiadanie externého vyhľadania. Okolitá aplikácia dodáva tieto nástroje, vykonáva navrhnutú akciu a vracia výsledok. Samotná textová odpoveď modelu nekliká na ovládací prvok, nepohybuje zariadením ani nevykonáva generovaný program.
Praktická úloha s rozhraním môže dodať snímku obrazovky a cieľ používateľa a potom žiadať viditeľný ovládací prvok relevantný pre ďalší krok a dôkazy podporujúce jeho výber. Pozorovanie, navrhovanú akciu a skutočné vykonanie udržujte ako samostatné časti pracovného postupu. Využíva sa tým zameranie na vizuálneho agenta a zároveň je požadovaný výsledok dosť konkrétny, aby aplikácia mohla konať.
Viacjazyčný text v obrázkoch
Výrobca opisuje rozpoznávanie textu v obrázkoch v angličtine a čínštine, vo väčšine európskych jazykov a v jazykoch vrátane japončiny, kórejčiny, arabčiny a vietnamčiny. Viacjazyčnú stranu preto možno spracovať ako vizuálne čítanie. Ak je dôležité presné znenie, najprv vyžiadajte pôvodný prepis a potom preklad alebo vysvetlenie vo zvolenom jazyku. Zachovajte označenia a čísla namiesto miešania rozpoznávania s neurčeným prepisovaním.
Dynamické rozlíšenie a pozičné informácie
Qwen2-VL spája vizuálny enkodér s jazykovým modelom Qwen2. Naive Dynamic Resolution mapuje rôzne veľkosti obrázkov na rôzne počty vizuálnych tokenov. Multimodal Rotary Position Embedding oddeľuje pozičné informácie tak, aby model mohol reprezentovať poradie textu, dvojrozmerné obrázky a časovú i priestorovú štruktúru videa. Tieto funkcie vysvetľujú, ako tá istá rodina spracuje stranu, viacero obrázkov či video sekvenciu.
Obrazový procesor v karte modelu dokumentuje predvolený rozsah od 4 do 16 384 vizuálnych tokenov na obrázok. Aplikácia môže upraviť minimálny a maximálny počet pixelov pri zachovaní pomeru strán alebo požadovať rozmery zaokrúhlené na násobok 28. Ukážkový rozsah od 256 do 1 280 tokenov je konfigurovateľná ilustrácia, nie samostatný univerzálny obrazový limit. Viac obrazových detailov využíva viac výpočtov a vizuálnych tokenov, preto pri príprave obrázka zachovajte označenia, nadpisy a malé objekty potrebné pre otázku.
Príprava vstupu a kontext
Výrobca demonštruje jeden obrázok, viac obrázkov, video dodané ako sekvencia snímok alebo lokálny súbor a dávkové konverzácie. Príprava obrázkov zahŕňa lokálne súbory, kódované obrazové údaje a obrazové referencie. Video príklad v karte používa zvolenú snímkovú frekvenciu; tento príklad neurčuje jednu povinnú vzorkovaciu frekvenciu pre každé video. Určte poradie a rolu viacerých obrázkov a dodajte informácie potrebné na interpretáciu sekvencie namiesto vnímania nesúvisiacich snímok ako jednej scény.
Vydaná konfigurácia nastavuje maximum pozícií na 32 768. Vizuálny materiál a textové pokyny treba plánovať v rámci skutočne nakonfigurovaného kontextu. Príklad generovania 128 tokenov v karte je iba ukážkové nastavenie; nepublikuje samostatnú maximálnu výstupnú kapacitu. Vydanie 72B si má zachovať vlastnú konfiguráciu namiesto preberania nastavení dlhého kontextu z Qwen2.5-VL alebo iného modelu Qwen.
Podstatné obmedzenia
Výrobca výslovne uvádza, že Qwen2-VL nerozumie zvuku vo videách. Ak otázka závisí od hovorených informácií, treba ich preto dodať samostatne. Obrazový trénovací dataset je opísaný ako aktualizovaný do júna 2023; je to tvrdenie o danom datasete, nie prísľub aktuálnych vizuálnych znalostí.
Dokumentované obmedzenia zahŕňajú aj neúplné rozpoznávanie konkrétnych ľudí alebo pomenovaných objektov duševného vlastníctva, ťažkosti so zložitými viacstupňovými pokynmi, slabé počítanie v zložitých scénach a obmedzenia trojrozmerného priestorového uvažovania. Ak úloha závisí od jednej z týchto schopností, sústreďte otázku na potrebné objekty alebo vzťah a uchovajte vizuálny dôkaz pri odpovedi. Jasný zdrojový materiál a definovaný výstup uľahčujú kontrolu výsledku bez nahrádzania uvedených obmedzení zárukou presnosti.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen2-VL-72B-Instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.00118 / 1K tokenov Výstup · Výstupné tokeny $0.00118 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "Qwen/Qwen2-VL-72B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen2-VL-72B-Instruct
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.