Úvod: vizuálno-jazyková edícia so 7 miliardami parametrov
Qwen2-VL-7B-Instruct je člen rodiny Qwen2-VL so 7 miliardami parametrov doladený na pokyny. Spája textové pokyny s obrázkami alebo videom a vytvára textové odpovede. Medzi užitočné výstupy patria vysvetlenie strany, porovnanie obrázkov, opis viditeľných udalostí alebo odpoveď na otázku o grafe. Zostáva týmto presným vydaním Qwen2-VL; novšie tréningové verzie Qwen2.5-VL a Qwen3-VL majú vlastné schopnosti a identity.
Čo prináša Qwen2-VL
Qwen opisuje vizuálne porozumenie naprieč rôznymi rozlíšeniami a pomermi strán obrázkov, ako aj odpovedanie na otázky o videu, dialóg a tvorbu obsahu. Zdokumentovaná schopnosť rodiny pri videu zahŕňa materiál dlhší než 20 minút. Samotné trvanie neurčuje, koľko snímok aplikácia spracuje, ani nezaručuje zachytenie každej udalosti. Viacjazyčné porozumenie textu v obrázkoch zahŕňa angličtinu a čínštinu, mnohé európske jazyky, japončinu, kórejčinu, arabčinu a vietnamčinu.
Výrobca opisuje aj integráciu s telefónmi, robotmi a ďalšími zariadeniami prostredníctvom vizuálnych pozorovaní a textových pokynov. Ide o pracovný postup aplikácie: model interpretuje vizuálne prostredie a pomáha vyberať úkony, zatiaľ čo pripojený softvér alebo hardvér ich vykonáva. Rozpoznanie obrazovky mu samo osebe nedáva kontrolu nad ňou.
Zmeny architektúry
Dynamické rozlíšenie prevádza obrázok na premenlivý počet vizuálnych tokenov namiesto vynútenia rovnakej reprezentácie pre každý vstup. M-ROPE oddeľuje pozičné informácie pre text, dvojrozmerné obrázky a trojrozmerné informácie o videu a spája priestorovú a časovú štruktúru. Zverejnená konfigurácia 7B uvádza 32 768 pozícií. Text, vizuálne tokeny a generovaný výstup zdieľajú konečnú kapacitu sekvencie, takže rozlíšenie obrázkov a vzorkovanie videa ovplyvňujú množstvo materiálu, ktoré požiadavka môže obsahovať.
Príprava obrázkov a konverzácií
Oficiálne príklady podporujú jeden obrázok, niekoľko obrázkov a čisto textové konverzácie. Priložte obrázok s konkrétnou otázkou namiesto spoliehania sa na široký pokyn typu „analyzujte všetko“. Pri strane dokumentu žiadajte pomenované polia a zachovajte interpunkciu v citáciách. Pri dvoch snímkach návrhu ich označte ako prvú a druhú a potom žiadajte tabuľku viditeľných zmien. Pri grafe žiadajte jeho popisy, jednotky a hodnoty podporujúce uvedený trend. Ide o praktické použitia odpovedania na vizuálne otázky, nie o sľuby bezchybnej extrakcie.
Nástroje výrobcu prijímajú obrázky z lokálnych súborov, kódovaných obrazových dát alebo umiestnení obrázkov; zdokumentovaný príklad videa používa lokálne videosúbory alebo usporiadaný zoznam snímok. Formáty nahrávania do aplikácie zostávajú samostatným rozhodnutím o rozhraní. Zachovajte pôvodné poradie snímok a uveďte časový interval, ktorý zoznam snímok predstavuje. Príklady generujú text; táto tréningová verzia nie je opísaná ako generátor obrázkov alebo videa.
Rozlíšenie a príprava videa
Procesor Qwen používa predvolený rozsah od štyroch do 16 384 vizuálnych tokenov na obrázok. Sprístupňuje min_pixels a max_pixels na vyváženie detailov voči pamäti a výpočtom, so zdokumentovaným príkladom cieliacim na 256–1 280 vizuálnych tokenov. Veľkosť obrázkov sa mení v rámci zvolených hraníc pri zachovaní pomeru strán. Výslovne nastavené rozmery sa zaokrúhľujú na násobok 28. Hustá tabuľka alebo drobné písmo môžu potrebovať dostatočné rozlíšenie, aby zostali čitateľné; jeho zvýšenie zároveň spotrebuje viac dostupnej vizuálnej aj kontextovej kapacity.
Príklad videa ukazuje vzorkovaciu frekvenciu jednej snímky za sekundu a nastaviteľnú hranicu pixelov. Ide o vzorové nastavenia, nie o univerzálne požadovanú frekvenciu alebo pevný mediálny limit. Pri kontrole udalosti dodajte príslušný klip a žiadajte usporiadaný opis viditeľných zmien. Udalosti tesne za sebou môžu vyžadovať jemnejšie vzorkovanie než všeobecné zhrnutie scény. Qwen2-VL nerozumie zvukovým informáciám vo videách, takže hovorený dialóg alebo zvukové efekty vyžadujú samostatný zvukový postup.
Známe obmedzenia
Qwen uvádza jún 2023 ako časovú hranicu obrazových tréningových dát bez záruky znalostí o neskorších ľuďoch, produktoch alebo udalostiach. Rozpoznávanie konkrétnych osôb a predmetov duševného vlastníctva je neúplné. Zložité viacstupňové pokyny, počty objektov v preplnených scénach a priestorové vzťahy, najmä v troch rozmeroch, sú zdokumentovanými slabinami. Zložitú vizuálnu úlohu rozdeľte na jasné otázky, žiadajte viditeľné dôkazy podporujúce výsledok a extrahované čísla aj citovaný text skontrolujte podľa obrázka. Vierohodný popis sa nemá považovať za presný počet alebo zmeranú trojrozmernú polohu.
Krátke príklady generovania na karte neurčujú samostatný pevný strop výstupu. Veľkosť odpovede plánujte spolu s textovým a vizuálnym vstupom a v zdroji zachovajte dostatok detailov pre konkrétnu otázku. Výber modelu a príprava vstupu sú tak užitočnejšie než predpoklad, že ľubovoľný obrázok alebo dlhé video poskytne rovnako spoľahlivú odpoveď.
", "aboutText": "Úvod: vizuálno-jazyková edícia so 7 miliardami parametrov\n\nQwen2-VL-7B-Instruct je člen rodiny Qwen2-VL so 7 miliardami parametrov doladený na pokyny. Spája textové pokyny s obrázkami alebo videom a vytvára textové odpovede. Medzi užitočné výstupy patria vysvetlenie strany, porovnanie obrázkov, opis viditeľných udalostí alebo odpoveď na otázku o grafe. Zostáva týmto presným vydaním Qwen2-VL; novšie tréningové verzie Qwen2.5-VL a Qwen3-VL majú vlastné schopnosti a identity.\n\nČo prináša Qwen2-VL\n\nQwen opisuje vizuálne porozumenie naprieč rôznymi rozlíšeniami a pomermi strán obrázkov, ako aj odpovedanie na otázky o videu, dialóg a tvorbu obsahu. Zdokumentovaná schopnosť rodiny pri videu zahŕňa materiál dlhší než 20 minút. Samotné trvanie neurčuje, koľko snímok aplikácia spracuje, ani nezaručuje zachytenie každej udalosti. Viacjazyčné porozumenie textu v obrázkoch zahŕňa angličtinu a čínštinu, mnohé európske jazyky, japončinu, kórejčinu, arabčinu a vietnamčinu.\n\nVýrobca opisuje aj integráciu s telefónmi, robotmi a ďalšími zariadeniami prostredníctvom vizuálnych pozorovaní a textových pokynov. Ide o pracovný postup aplikácie: model interpretuje vizuálne prostredie a pomáha vyberať úkony, zatiaľ čo pripojený softvér alebo hardvér ich vykonáva. Rozpoznanie obrazovky mu samo osebe nedáva kontrolu nad ňou.\n\nZmeny architektúry\n\nDynamické rozlíšenie prevádza obrázok na premenlivý počet vizuálnych tokenov namiesto vynútenia rovnakej reprezentácie pre každý vstup. M-ROPE oddeľuje pozičné informácie pre text, dvojrozmerné obrázky a trojrozmerné informácie o videu a spája priestorovú a časovú štruktúru. Zverejnená konfigurácia 7B uvádza 32 768 pozícií. Text, vizuálne tokeny a generovaný výstup zdieľajú konečnú kapacitu sekvencie, takže rozlíšenie obrázkov a vzorkovanie videa ovplyvňujú množstvo materiálu, ktoré požiadavka môže obsahovať.\n\nPríprava obrázkov a konverzácií\n\nOficiálne príklady podporujú jeden obrázok, niekoľko obrázkov a čisto textové konverzácie. Priložte obrázok s konkrétnou otázkou namiesto spoliehania sa na široký pokyn typu „analyzujte všetko“. Pri strane dokumentu žiadajte pomenované polia a zachovajte interpunkciu v citáciách. Pri dvoch snímkach návrhu ich označte ako prvú a druhú a potom žiadajte tabuľku viditeľných zmien. Pri grafe žiadajte jeho popisy, jednotky a hodnoty podporujúce uvedený trend. Ide o praktické použitia odpovedania na vizuálne otázky, nie o sľuby bezchybnej extrakcie.\n\nNástroje výrobcu prijímajú obrázky z lokálnych súborov, kódovaných obrazových dát alebo umiestnení obrázkov; zdokumentovaný príklad videa používa lokálne videosúbory alebo usporiadaný zoznam snímok. Formáty nahrávania do aplikácie zostávajú samostatným rozhodnutím o rozhraní. Zachovajte pôvodné poradie snímok a uveďte časový interval, ktorý zoznam snímok predstavuje. Príklady generujú text; táto tréningová verzia nie je opísaná ako generátor obrázkov alebo videa.\n\nRozlíšenie a príprava videa\n\nProcesor Qwen používa predvolený rozsah od štyroch do 16 384 vizuálnych tokenov na obrázok. Sprístupňuje min_pixels a max_pixels na vyváženie detailov voči pamäti a výpočtom, so zdokumentovaným príkladom cieliacim na 256–1 280 vizuálnych tokenov. Veľkosť obrázkov sa mení v rámci zvolených hraníc pri zachovaní pomeru strán. Výslovne nastavené rozmery sa zaokrúhľujú na násobok 28. Hustá tabuľka alebo drobné písmo môžu potrebovať dostatočné rozlíšenie, aby zostali čitateľné; jeho zvýšenie zároveň spotrebuje viac dostupnej vizuálnej aj kontextovej kapacity.\n\nPríklad videa ukazuje vzorkovaciu frekvenciu jednej snímky za sekundu a nastaviteľnú hranicu pixelov. Ide o vzorové nastavenia, nie o univerzálne požadovanú frekvenciu alebo pevný mediálny limit. Pri kontrole udalosti dodajte príslušný klip a žiadajte usporiadaný opis viditeľných zmien. Udalosti tesne za sebou môžu vyžadovať jemnejšie vzorkovanie než všeobecné zhrnutie scény. Qwen2-VL nerozumie zvukovým informáciám vo videách, takže hovorený dialóg alebo zvukové efekty vyžadujú samostatný zvukový postup.\n\nZnáme obmedzenia\n\nQwen uvádza jún 2023 ako časovú hranicu obrazových tréningových dát bez záruky znalostí o neskorších ľuďoch, produktoch alebo udalostiach. Rozpoznávanie konkrétnych osôb a predmetov duševného vlastníctva je neúplné. Zložité viacstupňové pokyny, počty objektov v preplnených scénach a priestorové vzťahy, najmä v troch rozmeroch, sú zdokumentovanými slabinami. Zložitú vizuálnu úlohu rozdeľte na jasné otázky, žiadajte viditeľné dôkazy podporujúce výsledok a extrahované čísla aj citovaný text skontrolujte podľa obrázka. Vierohodný popis sa nemá považovať za presný počet alebo zmeranú trojrozmernú polohu.\n\nKrátke príklady generovania na karte neurčujú samostatný pevný strop výstupu. Veľkosť odpovede plánujte spolu s textovým a vizuálnym vstupom a v zdroji zachovajte dostatok detailov pre konkrétnu otázku. Výber modelu a príprava vstupu sú tak užitočnejšie než predpoklad, že ľubovoľný obrázok alebo dlhé video poskytne rovnako spoľahlivú odpoveď.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Compare transcribed dashboard changes\n\nCompare 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.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct je vizuálno-jazykový model Qwen doladený na pokyny pre text, obrázky a video s textovým výstupom. Použite ho na otázky k stranám dokumentov, porovnávanie obrázkov alebo opis vizuálnych udalostí, s dynamickým rozlíšením obrázkov a zdokumentovanými obmedzeniami pri počítaní, priestorovom uvažovaní a porozumení zvuku vo videu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Úvod: vizuálno-jazyková edícia so 7 miliardami parametrov
Qwen2-VL-7B-Instruct je člen rodiny Qwen2-VL so 7 miliardami parametrov doladený na pokyny. Spája textové pokyny s obrázkami alebo videom a vytvára textové odpovede. Medzi užitočné výstupy patria vysvetlenie strany, porovnanie obrázkov, opis viditeľných udalostí alebo odpoveď na otázku o grafe. Zostáva týmto presným vydaním Qwen2-VL; novšie tréningové verzie Qwen2.5-VL a Qwen3-VL majú vlastné schopnosti a identity.
Čo prináša Qwen2-VL
Qwen opisuje vizuálne porozumenie naprieč rôznymi rozlíšeniami a pomermi strán obrázkov, ako aj odpovedanie na otázky o videu, dialóg a tvorbu obsahu. Zdokumentovaná schopnosť rodiny pri videu zahŕňa materiál dlhší než 20 minút. Samotné trvanie neurčuje, koľko snímok aplikácia spracuje, ani nezaručuje zachytenie každej udalosti. Viacjazyčné porozumenie textu v obrázkoch zahŕňa angličtinu a čínštinu, mnohé európske jazyky, japončinu, kórejčinu, arabčinu a vietnamčinu.
Výrobca opisuje aj integráciu s telefónmi, robotmi a ďalšími zariadeniami prostredníctvom vizuálnych pozorovaní a textových pokynov. Ide o pracovný postup aplikácie: model interpretuje vizuálne prostredie a pomáha vyberať úkony, zatiaľ čo pripojený softvér alebo hardvér ich vykonáva. Rozpoznanie obrazovky mu samo osebe nedáva kontrolu nad ňou.
Zmeny architektúry
Dynamické rozlíšenie prevádza obrázok na premenlivý počet vizuálnych tokenov namiesto vynútenia rovnakej reprezentácie pre každý vstup. M-ROPE oddeľuje pozičné informácie pre text, dvojrozmerné obrázky a trojrozmerné informácie o videu a spája priestorovú a časovú štruktúru. Zverejnená konfigurácia 7B uvádza 32 768 pozícií. Text, vizuálne tokeny a generovaný výstup zdieľajú konečnú kapacitu sekvencie, takže rozlíšenie obrázkov a vzorkovanie videa ovplyvňujú množstvo materiálu, ktoré požiadavka môže obsahovať.
Príprava obrázkov a konverzácií
Oficiálne príklady podporujú jeden obrázok, niekoľko obrázkov a čisto textové konverzácie. Priložte obrázok s konkrétnou otázkou namiesto spoliehania sa na široký pokyn typu „analyzujte všetko“. Pri strane dokumentu žiadajte pomenované polia a zachovajte interpunkciu v citáciách. Pri dvoch snímkach návrhu ich označte ako prvú a druhú a potom žiadajte tabuľku viditeľných zmien. Pri grafe žiadajte jeho popisy, jednotky a hodnoty podporujúce uvedený trend. Ide o praktické použitia odpovedania na vizuálne otázky, nie o sľuby bezchybnej extrakcie.
Nástroje výrobcu prijímajú obrázky z lokálnych súborov, kódovaných obrazových dát alebo umiestnení obrázkov; zdokumentovaný príklad videa používa lokálne videosúbory alebo usporiadaný zoznam snímok. Formáty nahrávania do aplikácie zostávajú samostatným rozhodnutím o rozhraní. Zachovajte pôvodné poradie snímok a uveďte časový interval, ktorý zoznam snímok predstavuje. Príklady generujú text; táto tréningová verzia nie je opísaná ako generátor obrázkov alebo videa.
Rozlíšenie a príprava videa
Procesor Qwen používa predvolený rozsah od štyroch do 16 384 vizuálnych tokenov na obrázok. Sprístupňuje min_pixels a max_pixels na vyváženie detailov voči pamäti a výpočtom, so zdokumentovaným príkladom cieliacim na 256–1 280 vizuálnych tokenov. Veľkosť obrázkov sa mení v rámci zvolených hraníc pri zachovaní pomeru strán. Výslovne nastavené rozmery sa zaokrúhľujú na násobok 28. Hustá tabuľka alebo drobné písmo môžu potrebovať dostatočné rozlíšenie, aby zostali čitateľné; jeho zvýšenie zároveň spotrebuje viac dostupnej vizuálnej aj kontextovej kapacity.
Príklad videa ukazuje vzorkovaciu frekvenciu jednej snímky za sekundu a nastaviteľnú hranicu pixelov. Ide o vzorové nastavenia, nie o univerzálne požadovanú frekvenciu alebo pevný mediálny limit. Pri kontrole udalosti dodajte príslušný klip a žiadajte usporiadaný opis viditeľných zmien. Udalosti tesne za sebou môžu vyžadovať jemnejšie vzorkovanie než všeobecné zhrnutie scény. Qwen2-VL nerozumie zvukovým informáciám vo videách, takže hovorený dialóg alebo zvukové efekty vyžadujú samostatný zvukový postup.
Známe obmedzenia
Qwen uvádza jún 2023 ako časovú hranicu obrazových tréningových dát bez záruky znalostí o neskorších ľuďoch, produktoch alebo udalostiach. Rozpoznávanie konkrétnych osôb a predmetov duševného vlastníctva je neúplné. Zložité viacstupňové pokyny, počty objektov v preplnených scénach a priestorové vzťahy, najmä v troch rozmeroch, sú zdokumentovanými slabinami. Zložitú vizuálnu úlohu rozdeľte na jasné otázky, žiadajte viditeľné dôkazy podporujúce výsledok a extrahované čísla aj citovaný text skontrolujte podľa obrázka. Vierohodný popis sa nemá považovať za presný počet alebo zmeranú trojrozmernú polohu.
Krátke príklady generovania na karte neurčujú samostatný pevný strop výstupu. Veľkosť odpovede plánujte spolu s textovým a vizuálnym vstupom a v zdroji zachovajte dostatok detailov pre konkrétnu otázku. Výber modelu a príprava vstupu sú tak užitočnejšie než predpoklad, že ľubovoľný obrázok alebo dlhé video poskytne rovnako spoľahlivú odpoveď.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K tokenov Výstup · Výstupné tokeny $0.00142 / 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": "Qwen2-VL-7B-Instruct-ultra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen2-VL-7B-Instruct-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen2-VL-7B-Instruct-ultra',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 Qwen2-VL-7B-Instruct-ultra
Použite cesty metód uvedené vyššie.
Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct je vizuálno-jazykový model Qwen doladený na pokyny pre text, obrázky a video s textovým výstupom. Použite ho na otázky k stranám dokumentov, porovnávanie obrázkov alebo opis vizuálnych udalostí, s dynamickým rozlíšením obrázkov a zdokumentovanými obmedzeniami pri počítaní, priestorovom uvažovaní a porozumení zvuku vo videu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Úvod: vizuálno-jazyková edícia so 7 miliardami parametrov
Qwen2-VL-7B-Instruct je člen rodiny Qwen2-VL so 7 miliardami parametrov doladený na pokyny. Spája textové pokyny s obrázkami alebo videom a vytvára textové odpovede. Medzi užitočné výstupy patria vysvetlenie strany, porovnanie obrázkov, opis viditeľných udalostí alebo odpoveď na otázku o grafe. Zostáva týmto presným vydaním Qwen2-VL; novšie tréningové verzie Qwen2.5-VL a Qwen3-VL majú vlastné schopnosti a identity.
Čo prináša Qwen2-VL
Qwen opisuje vizuálne porozumenie naprieč rôznymi rozlíšeniami a pomermi strán obrázkov, ako aj odpovedanie na otázky o videu, dialóg a tvorbu obsahu. Zdokumentovaná schopnosť rodiny pri videu zahŕňa materiál dlhší než 20 minút. Samotné trvanie neurčuje, koľko snímok aplikácia spracuje, ani nezaručuje zachytenie každej udalosti. Viacjazyčné porozumenie textu v obrázkoch zahŕňa angličtinu a čínštinu, mnohé európske jazyky, japončinu, kórejčinu, arabčinu a vietnamčinu.
Výrobca opisuje aj integráciu s telefónmi, robotmi a ďalšími zariadeniami prostredníctvom vizuálnych pozorovaní a textových pokynov. Ide o pracovný postup aplikácie: model interpretuje vizuálne prostredie a pomáha vyberať úkony, zatiaľ čo pripojený softvér alebo hardvér ich vykonáva. Rozpoznanie obrazovky mu samo osebe nedáva kontrolu nad ňou.
Zmeny architektúry
Dynamické rozlíšenie prevádza obrázok na premenlivý počet vizuálnych tokenov namiesto vynútenia rovnakej reprezentácie pre každý vstup. M-ROPE oddeľuje pozičné informácie pre text, dvojrozmerné obrázky a trojrozmerné informácie o videu a spája priestorovú a časovú štruktúru. Zverejnená konfigurácia 7B uvádza 32 768 pozícií. Text, vizuálne tokeny a generovaný výstup zdieľajú konečnú kapacitu sekvencie, takže rozlíšenie obrázkov a vzorkovanie videa ovplyvňujú množstvo materiálu, ktoré požiadavka môže obsahovať.
Príprava obrázkov a konverzácií
Oficiálne príklady podporujú jeden obrázok, niekoľko obrázkov a čisto textové konverzácie. Priložte obrázok s konkrétnou otázkou namiesto spoliehania sa na široký pokyn typu „analyzujte všetko“. Pri strane dokumentu žiadajte pomenované polia a zachovajte interpunkciu v citáciách. Pri dvoch snímkach návrhu ich označte ako prvú a druhú a potom žiadajte tabuľku viditeľných zmien. Pri grafe žiadajte jeho popisy, jednotky a hodnoty podporujúce uvedený trend. Ide o praktické použitia odpovedania na vizuálne otázky, nie o sľuby bezchybnej extrakcie.
Nástroje výrobcu prijímajú obrázky z lokálnych súborov, kódovaných obrazových dát alebo umiestnení obrázkov; zdokumentovaný príklad videa používa lokálne videosúbory alebo usporiadaný zoznam snímok. Formáty nahrávania do aplikácie zostávajú samostatným rozhodnutím o rozhraní. Zachovajte pôvodné poradie snímok a uveďte časový interval, ktorý zoznam snímok predstavuje. Príklady generujú text; táto tréningová verzia nie je opísaná ako generátor obrázkov alebo videa.
Rozlíšenie a príprava videa
Procesor Qwen používa predvolený rozsah od štyroch do 16 384 vizuálnych tokenov na obrázok. Sprístupňuje min_pixels a max_pixels na vyváženie detailov voči pamäti a výpočtom, so zdokumentovaným príkladom cieliacim na 256–1 280 vizuálnych tokenov. Veľkosť obrázkov sa mení v rámci zvolených hraníc pri zachovaní pomeru strán. Výslovne nastavené rozmery sa zaokrúhľujú na násobok 28. Hustá tabuľka alebo drobné písmo môžu potrebovať dostatočné rozlíšenie, aby zostali čitateľné; jeho zvýšenie zároveň spotrebuje viac dostupnej vizuálnej aj kontextovej kapacity.
Príklad videa ukazuje vzorkovaciu frekvenciu jednej snímky za sekundu a nastaviteľnú hranicu pixelov. Ide o vzorové nastavenia, nie o univerzálne požadovanú frekvenciu alebo pevný mediálny limit. Pri kontrole udalosti dodajte príslušný klip a žiadajte usporiadaný opis viditeľných zmien. Udalosti tesne za sebou môžu vyžadovať jemnejšie vzorkovanie než všeobecné zhrnutie scény. Qwen2-VL nerozumie zvukovým informáciám vo videách, takže hovorený dialóg alebo zvukové efekty vyžadujú samostatný zvukový postup.
Známe obmedzenia
Qwen uvádza jún 2023 ako časovú hranicu obrazových tréningových dát bez záruky znalostí o neskorších ľuďoch, produktoch alebo udalostiach. Rozpoznávanie konkrétnych osôb a predmetov duševného vlastníctva je neúplné. Zložité viacstupňové pokyny, počty objektov v preplnených scénach a priestorové vzťahy, najmä v troch rozmeroch, sú zdokumentovanými slabinami. Zložitú vizuálnu úlohu rozdeľte na jasné otázky, žiadajte viditeľné dôkazy podporujúce výsledok a extrahované čísla aj citovaný text skontrolujte podľa obrázka. Vierohodný popis sa nemá považovať za presný počet alebo zmeranú trojrozmernú polohu.
Krátke príklady generovania na karte neurčujú samostatný pevný strop výstupu. Veľkosť odpovede plánujte spolu s textovým a vizuálnym vstupom a v zdroji zachovajte dostatok detailov pre konkrétnu otázku. Výber modelu a príprava vstupu sú tak užitočnejšie než predpoklad, že ľubovoľný obrázok alebo dlhé video poskytne rovnako spoľahlivú odpoveď.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K tokenov Výstup · Výstupné tokeny $0.00142 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "Qwen2-VL-7B-Instruct-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen2-VL-7B-Instruct-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen2-VL-7B-Instruct-ultra', '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 Qwen2-VL-7B-Instruct-ultra
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Compare transcribed dashboard changes\n\nCompare 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.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.