Doubao 1.5 Thinking Vision Pro 250428 je točna gostovana identiteta, ki jo ByteDance navaja za Seed1.5-VL. Gre za vizualno-jezikovni model za splošno multimodalno razumevanje in sklepanje. Med zmožnostmi, ki jih opisuje proizvajalec, so OCR, razumevanje diagramov, povezovanje besedila z elementi slike, razumevanje prostora 3D, razumevanje videa in vizualno sklepanje. Te naloge vračajo razlage in odločitve na podlagi vizualnega gradiva in pisnega vprašanja.
Predložite sliko in opredelite informacije, ki jih je treba izluščiti ali pojasniti. Pri sliki dokumenta navedite pomembno besedilo ali polja. Pri diagramu vprašajte o določenih oznakah in razmerjih. Pri vizualni uganki navedite vprašanje in zahtevajte sklep, podprt z relevantnimi namigi.
Jasno določite zahtevani izdelek: prepisano besedilo, opis razmerja ali razlago odgovora. Če slika vsebuje nejasne črke ali zakrite podrobnosti, zahtevajte, da odgovor opredeli negotovost. Izvirno sliko ohranite skupaj z rezultatom, da je mogoče preveriti izluščene besede in razložena razmerja.
Vizualno povezovanje poveže pisno omembo z ustreznim predmetom ali območjem na sliki. Uporabna naloga lahko poimenuje predmet, pojasni razliko od bližnjih predmetov in zahteva podatke o lokaciji, ki jih pričakuje aplikacija. Izhodna oblika aplikacije mora določiti, kako je takšna lokacija predstavljena.
Pri prostorskem razumevanju opišite pomembna razmerja: relativni položaj, usmerjenost ali razporeditev predmetov v prizoru. Pred končno razlago zahtevajte vidne dokaze. Ohranite razlikovanje med opaznimi značilnostmi slike in sklepanim tridimenzionalnim razmerjem.
Proizvajalec navaja tudi razumevanje videa in ponuja namenski priročnik z video primeri. Vprašanje o videu naj opredeli dogodek, predmet ali zaporedje, ki vas zanima, in rezultat, ki naj nastane. V vprašanju uporabite časovne sklice, pri preverjanju zaporedja dogodkov pa ohranite izvorni posnetek skupaj z odgovorom.
Njegove interaktivne predstavitve vključujejo upravljanje GUI in igranje iger. V aplikaciji za uporabo računalnika vizualno razumevanje modela podpira odločitev o zaslonu, spremljajoča aplikacija pa izvaja dejanja in zagotovi naslednje opažanje. Opis kontrolnika ali odločitev o naslednjem dejanju sama po sebi ne potrdita, da je bila datoteka shranjena ali operacija na zaslonu dokončana.
ByteDance model opredeljuje z vizualnim kodirnikom s 532 milijoni parametrov in jezikovnim modelom mešanice strokovnjakov z 20 milijardami aktivnih parametrov. Njegov priročnik ločeno obravnava nastavitve dolge verige razmišljanja, vizualno povezovanje, prostorsko razumevanje ter primere za video in GUI. Za vhode in izhodni prikaz, ki jih zahteva naloga, uporabite točno specifikacijo vmesnika.
Ta vnos ohranja izdajo 250428, navedeno v proizvajalčevem repozitoriju. Prejšnji profil 250415 Thinking Pro Vision je ločena identiteta. Zahtevani model, vizualne vire in nastavitve naloge hranite skupaj z vsakim rezultatom, da je poznejšo predelavo mogoče primerjati z isto izdajo in dokazi.
", "aboutText": "Doubao 1.5 Thinking Vision Pro 250428 je točna gostovana identiteta, ki jo ByteDance navaja za Seed1.5-VL. Gre za vizualno-jezikovni model za splošno multimodalno razumevanje in sklepanje. Med zmožnostmi, ki jih opisuje proizvajalec, so OCR, razumevanje diagramov, povezovanje besedila z elementi slike, razumevanje prostora 3D, razumevanje videa in vizualno sklepanje. Te naloge vračajo razlage in odločitve na podlagi vizualnega gradiva in pisnega vprašanja.\n\n### Preberite in razložite vizualni vir\n\nPredložite sliko in opredelite informacije, ki jih je treba izluščiti ali pojasniti. Pri sliki dokumenta navedite pomembno besedilo ali polja. Pri diagramu vprašajte o določenih oznakah in razmerjih. Pri vizualni uganki navedite vprašanje in zahtevajte sklep, podprt z relevantnimi namigi.\n\nJasno določite zahtevani izdelek: prepisano besedilo, opis razmerja ali razlago odgovora. Če slika vsebuje nejasne črke ali zakrite podrobnosti, zahtevajte, da odgovor opredeli negotovost. Izvirno sliko ohranite skupaj z rezultatom, da je mogoče preveriti izluščene besede in razložena razmerja.\n\n### Vprašanje povežite s predmeti in prostorom\n\nVizualno povezovanje poveže pisno omembo z ustreznim predmetom ali območjem na sliki. Uporabna naloga lahko poimenuje predmet, pojasni razliko od bližnjih predmetov in zahteva podatke o lokaciji, ki jih pričakuje aplikacija. Izhodna oblika aplikacije mora določiti, kako je takšna lokacija predstavljena.\n\nPri prostorskem razumevanju opišite pomembna razmerja: relativni položaj, usmerjenost ali razporeditev predmetov v prizoru. Pred končno razlago zahtevajte vidne dokaze. Ohranite razlikovanje med opaznimi značilnostmi slike in sklepanim tridimenzionalnim razmerjem.\n\n### Delajte z videom in interaktivnimi nalogami\n\nProizvajalec navaja tudi razumevanje videa in ponuja namenski priročnik z video primeri. Vprašanje o videu naj opredeli dogodek, predmet ali zaporedje, ki vas zanima, in rezultat, ki naj nastane. V vprašanju uporabite časovne sklice, pri preverjanju zaporedja dogodkov pa ohranite izvorni posnetek skupaj z odgovorom.\n\nNjegove interaktivne predstavitve vključujejo upravljanje GUI in igranje iger. V aplikaciji za uporabo računalnika vizualno razumevanje modela podpira odločitev o zaslonu, spremljajoča aplikacija pa izvaja dejanja in zagotovi naslednje opažanje. Opis kontrolnika ali odločitev o naslednjem dejanju sama po sebi ne potrdita, da je bila datoteka shranjena ali operacija na zaslonu dokončana.\n\n### Ohranite izdajo in nastavitve vmesnika\n\nByteDance model opredeljuje z vizualnim kodirnikom s 532 milijoni parametrov in jezikovnim modelom mešanice strokovnjakov z 20 milijardami aktivnih parametrov. Njegov priročnik ločeno obravnava nastavitve dolge verige razmišljanja, vizualno povezovanje, prostorsko razumevanje ter primere za video in GUI. Za vhode in izhodni prikaz, ki jih zahteva naloga, uporabite točno specifikacijo vmesnika.\n\nTa vnos ohranja izdajo 250428, navedeno v proizvajalčevem repozitoriju. Prejšnji profil 250415 Thinking Pro Vision je ločena identiteta. Zahtevani model, vizualne vire in nastavitve naloge hranite skupaj z vsakim rezultatom, da je poznejšo predelavo mogoče primerjati z isto izdajo in dokazi.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 je poimenovana vizualno-jezikovna izdaja Seed1.5-VL za slike, video in pisna vprašanja. Njen proizvajalec opisuje OCR, razlago diagramov, povezovanje besedila z elementi slike, prostorsko razumevanje in sklepanje na podlagi vizualnih dokazov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Doubao 1.5 Thinking Vision Pro 250428 je točna gostovana identiteta, ki jo ByteDance navaja za Seed1.5-VL. Gre za vizualno-jezikovni model za splošno multimodalno razumevanje in sklepanje. Med zmožnostmi, ki jih opisuje proizvajalec, so OCR, razumevanje diagramov, povezovanje besedila z elementi slike, razumevanje prostora 3D, razumevanje videa in vizualno sklepanje. Te naloge vračajo razlage in odločitve na podlagi vizualnega gradiva in pisnega vprašanja.
Predložite sliko in opredelite informacije, ki jih je treba izluščiti ali pojasniti. Pri sliki dokumenta navedite pomembno besedilo ali polja. Pri diagramu vprašajte o določenih oznakah in razmerjih. Pri vizualni uganki navedite vprašanje in zahtevajte sklep, podprt z relevantnimi namigi.
Jasno določite zahtevani izdelek: prepisano besedilo, opis razmerja ali razlago odgovora. Če slika vsebuje nejasne črke ali zakrite podrobnosti, zahtevajte, da odgovor opredeli negotovost. Izvirno sliko ohranite skupaj z rezultatom, da je mogoče preveriti izluščene besede in razložena razmerja.
Vizualno povezovanje poveže pisno omembo z ustreznim predmetom ali območjem na sliki. Uporabna naloga lahko poimenuje predmet, pojasni razliko od bližnjih predmetov in zahteva podatke o lokaciji, ki jih pričakuje aplikacija. Izhodna oblika aplikacije mora določiti, kako je takšna lokacija predstavljena.
Pri prostorskem razumevanju opišite pomembna razmerja: relativni položaj, usmerjenost ali razporeditev predmetov v prizoru. Pred končno razlago zahtevajte vidne dokaze. Ohranite razlikovanje med opaznimi značilnostmi slike in sklepanim tridimenzionalnim razmerjem.
Proizvajalec navaja tudi razumevanje videa in ponuja namenski priročnik z video primeri. Vprašanje o videu naj opredeli dogodek, predmet ali zaporedje, ki vas zanima, in rezultat, ki naj nastane. V vprašanju uporabite časovne sklice, pri preverjanju zaporedja dogodkov pa ohranite izvorni posnetek skupaj z odgovorom.
Njegove interaktivne predstavitve vključujejo upravljanje GUI in igranje iger. V aplikaciji za uporabo računalnika vizualno razumevanje modela podpira odločitev o zaslonu, spremljajoča aplikacija pa izvaja dejanja in zagotovi naslednje opažanje. Opis kontrolnika ali odločitev o naslednjem dejanju sama po sebi ne potrdita, da je bila datoteka shranjena ali operacija na zaslonu dokončana.
ByteDance model opredeljuje z vizualnim kodirnikom s 532 milijoni parametrov in jezikovnim modelom mešanice strokovnjakov z 20 milijardami aktivnih parametrov. Njegov priročnik ločeno obravnava nastavitve dolge verige razmišljanja, vizualno povezovanje, prostorsko razumevanje ter primere za video in GUI. Za vhode in izhodni prikaz, ki jih zahteva naloga, uporabite točno specifikacijo vmesnika.
Ta vnos ohranja izdajo 250428, navedeno v proizvajalčevem repozitoriju. Prejšnji profil 250415 Thinking Pro Vision je ločena identiteta. Zahtevani model, vizualne vire in nastavitve naloge hranite skupaj z vsakim rezultatom, da je poznejšo predelavo mogoče primerjati z isto izdajo in dokazi.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve doubao-1-5-thinking-vision-pro-250428 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0011 / 1K žetonov Izhod · Izhodni žetoni $0.00286 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "doubao-1-5-thinking-vision-pro-250428", "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='doubao-1-5-thinking-vision-pro-250428',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='doubao-1-5-thinking-vision-pro-250428',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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Uporabite zgoraj navedene poti metod.
doubao-1-5-thinking-vision-pro-250428Doubao 1.5 Thinking Vision Pro 250428 je poimenovana vizualno-jezikovna izdaja Seed1.5-VL za slike, video in pisna vprašanja. Njen proizvajalec opisuje OCR, razlago diagramov, povezovanje besedila z elementi slike, prostorsko razumevanje in sklepanje na podlagi vizualnih dokazov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Doubao 1.5 Thinking Vision Pro 250428 je točna gostovana identiteta, ki jo ByteDance navaja za Seed1.5-VL. Gre za vizualno-jezikovni model za splošno multimodalno razumevanje in sklepanje. Med zmožnostmi, ki jih opisuje proizvajalec, so OCR, razumevanje diagramov, povezovanje besedila z elementi slike, razumevanje prostora 3D, razumevanje videa in vizualno sklepanje. Te naloge vračajo razlage in odločitve na podlagi vizualnega gradiva in pisnega vprašanja.
Predložite sliko in opredelite informacije, ki jih je treba izluščiti ali pojasniti. Pri sliki dokumenta navedite pomembno besedilo ali polja. Pri diagramu vprašajte o določenih oznakah in razmerjih. Pri vizualni uganki navedite vprašanje in zahtevajte sklep, podprt z relevantnimi namigi.
Jasno določite zahtevani izdelek: prepisano besedilo, opis razmerja ali razlago odgovora. Če slika vsebuje nejasne črke ali zakrite podrobnosti, zahtevajte, da odgovor opredeli negotovost. Izvirno sliko ohranite skupaj z rezultatom, da je mogoče preveriti izluščene besede in razložena razmerja.
Vizualno povezovanje poveže pisno omembo z ustreznim predmetom ali območjem na sliki. Uporabna naloga lahko poimenuje predmet, pojasni razliko od bližnjih predmetov in zahteva podatke o lokaciji, ki jih pričakuje aplikacija. Izhodna oblika aplikacije mora določiti, kako je takšna lokacija predstavljena.
Pri prostorskem razumevanju opišite pomembna razmerja: relativni položaj, usmerjenost ali razporeditev predmetov v prizoru. Pred končno razlago zahtevajte vidne dokaze. Ohranite razlikovanje med opaznimi značilnostmi slike in sklepanim tridimenzionalnim razmerjem.
Proizvajalec navaja tudi razumevanje videa in ponuja namenski priročnik z video primeri. Vprašanje o videu naj opredeli dogodek, predmet ali zaporedje, ki vas zanima, in rezultat, ki naj nastane. V vprašanju uporabite časovne sklice, pri preverjanju zaporedja dogodkov pa ohranite izvorni posnetek skupaj z odgovorom.
Njegove interaktivne predstavitve vključujejo upravljanje GUI in igranje iger. V aplikaciji za uporabo računalnika vizualno razumevanje modela podpira odločitev o zaslonu, spremljajoča aplikacija pa izvaja dejanja in zagotovi naslednje opažanje. Opis kontrolnika ali odločitev o naslednjem dejanju sama po sebi ne potrdita, da je bila datoteka shranjena ali operacija na zaslonu dokončana.
ByteDance model opredeljuje z vizualnim kodirnikom s 532 milijoni parametrov in jezikovnim modelom mešanice strokovnjakov z 20 milijardami aktivnih parametrov. Njegov priročnik ločeno obravnava nastavitve dolge verige razmišljanja, vizualno povezovanje, prostorsko razumevanje ter primere za video in GUI. Za vhode in izhodni prikaz, ki jih zahteva naloga, uporabite točno specifikacijo vmesnika.
Ta vnos ohranja izdajo 250428, navedeno v proizvajalčevem repozitoriju. Prejšnji profil 250415 Thinking Pro Vision je ločena identiteta. Zahtevani model, vizualne vire in nastavitve naloge hranite skupaj z vsakim rezultatom, da je poznejšo predelavo mogoče primerjati z isto izdajo in dokazi.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve doubao-1-5-thinking-vision-pro-250428 | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0011 / 1K žetonov Izhod · Izhodni žetoni $0.00286 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "doubao-1-5-thinking-vision-pro-250428",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'doubao-1-5-thinking-vision-pro-250428', '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': 'doubao-1-5-thinking-vision-pro-250428', '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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra doubao-1-5-thinking-vision-pro-250428
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Reason from a diagram transcript\n\nUse this textual transcription of a process diagram: Start → Inspect; Inspect(pass) → Pack; Inspect(fail) → Rework; Rework → Inspect. Explain whether a failed item can reach Pack without another inspection. Give the path that justifies your answer and suggest one label that would make the reinspection loop clearer. Do not invent unseen diagram details.A yes/no conclusion, the relevant node sequence and one proposed label clarification.The path includes Rework → Inspect before Pack and uses only the supplied transcription.