Qwen2.5-VL-72B-Instruct je izdaja 72B modela Qwen2.5-VL, prilagojena navodilom in zasnovana za razumevanje vizualnega gradiva skupaj z besedilom. Qwen opisuje prepoznavanje predmetov, izdelkov in znamenitosti ter razlago besedila, grafikonov, ikon, grafik in postavitve znotraj slik. Vhodi združujejo pisno vprašanje z eno ali več slikami ali videom; izhod je besedilo, vključno s strukturiranimi opisi in izluščenimi informacijami. V primerjavi s Qwen2-VL proizvajalec poudarja izboljšano zaznavanje časa in merila slike ter prenovljen vizualni kodirnik z dinamično ločljivostjo, ki uporablja pozornost v oknih.
Vizualno umeščanje je zmožnost, ločena od opisovanja slike. Model lahko vrne omejevalne okvirje ali točke z oznakami in lastnostmi v JSON. Qwen2.5-VL uporablja koordinate v merilu dejanske velikosti slike, ne normaliziranega koordinatnega sistema. Navedite predmete, ki jih je treba poiskati, in podajte zahtevana polja, kot sta bbox_2d in label, skupaj z razlago koordinat. Če je slika pred analizo pomanjšana ali povečana, te informacije o velikosti ohranite z vrnjenimi koordinatami, da jih je mogoče razlagati glede na isto sliko. Primeri Qwen združujejo zaznavanje s štetjem in opisi predmetov.
Proizvajalec poudarja prepoznavanje besedila v različnih jezikih, orientacijah in vrstah prizorov. Njegovi primeri izluščijo vrstice besedila, besedilo povežejo z mesti in pridobijo določena polja iz računov ali obrazcev. Pri navodilih za dokument podajte jasen sken, določite polja in povejte, kako predstaviti odsotne ali nečitljive informacije. Primer rezultata je lahko strukturiran zapis z identifikatorjem dokumenta, datumom in postavkami, pri čemer negotovosti ostanejo ločene od tega, kar je vidno. Podana slika zagotavlja dokaze za to izluščanje.
Najava Qwen predstavlja QwenVL HTML za razčlenjevanje dokumentov z informacijami o postavitvi. Prikazuje revije, raziskovalne članke, spletne strani in mobilne posnetke zaslona ter združuje naslove, odstavke, slike in formule z informacijami o omejevalnih okvirjih. To je uporabno, kadar sta vrstni red branja in struktura strani enako pomembna kot besede. Izrecno zahtevajte predstavitev: navadno besedilo za branje, JSON za izbrana polja ali proizvajalčevo obliko HTML, usmerjeno v postavitev. Skenirano poročilo je mogoče urediti v naslove in odstavke, preden nadaljnje navodilo zahteva povzetek določenega razdelka.
Za video Qwen dokumentira razumevanje gradiva, daljšega od ene ure, iskanje dogodkov in časovno lokalizacijo do ravni sekund. Učenje z dinamično hitrostjo sličic in kodiranje absolutnega časa pomagata predstaviti tempo in položaj dogodkov. Uradni primeri prepoznajo segment, v katerem se zgodi opisano dejanje, in vrnejo niz dogodkov z začetnimi in končnimi časi ter opisi. Navedite dogodek, ki ga je treba najti, ter določite sekunde ali obliko časovnega zapisa. Praktična navodila lahko zahtevajo ustrezne segmente v dolgi predstavitvi, nato pa kratek opis dogajanja v vsakem.
Model je predstavljen tudi kot vizualni agent za uporabo na računalniku in mobilni napravi: sklepa lahko iz zaslona in usmerja orodja k nalogi. Vizualno umeščanje in razumevanje zaslona lahko prepoznata ustrezen kontrolnik ali naslednjo predvideno interakcijo. Aplikacija zagotovi zaslon, razpoložljiva dejanja in cilj, izvede zahtevano dejanje ter vrne novo stanje. Navodila lahko na primer zahtevajo kontrolnik, potreben za odprtje določenega pogleda, s točko ali okvirjem, ki ga označuje. Besedilni opis dejanja modela in izvedena interakcija aplikacije sta ločeni fazi.
Procesor Qwen omogoča nadzor števila pikslov slike. Njegov dokumentirani privzeti razpon je od 4 do 16.384 vizualnih žetonov na sliko; 256 do 1.280 žetonov je nastavitev primera, ne splošna omejitev slike. Spreminjanje velikosti lahko ohrani razmerje stranic, izrecno podane dimenzije pa se zaokrožijo na večkratnik 28. Višja ločljivost porabi več računanja in lahko ohrani majhno besedilo ali podrobnosti gostega diagrama. Pripravo uskladite z vprašanjem, pomembne oznake ohranite čitljive, ustrezno stran ali območje pa jasno. Primeri videa uporabljajo zaporedja kadrov ali video z informacijami o hitrosti sličic, kar je pomembno, kadar mora odgovor vsebovati časovne oznake.
Trenutna konfiguracija kartice je nastavljena na 32.768 kontekstnih žetonov. Opisuje razširitev YaRN, vendar opozarja, da lahko ta bistveno vpliva na časovno in prostorsko lokalizacijo, in je za te naloge ne priporoča. Ločeno obravnava povečanje nastavitve položajev za dolge videe. Razumevanje gradiva v obsegu ur je dokumentirana zmožnost, ne splošna omejitev trajanja nalaganja ali dolžine izhoda. Izberite rezultat, ki ohrani informacije, potrebne v nadaljevanju: polja za zapis, koordinate za umeščanje, postavitev za dokument ali časovno označene opise za video.
", "aboutText": "Qwen2.5-VL-72B-Instruct je izdaja 72B modela Qwen2.5-VL, prilagojena navodilom in zasnovana za razumevanje vizualnega gradiva skupaj z besedilom. Qwen opisuje prepoznavanje predmetov, izdelkov in znamenitosti ter razlago besedila, grafikonov, ikon, grafik in postavitve znotraj slik. Vhodi združujejo pisno vprašanje z eno ali več slikami ali videom; izhod je besedilo, vključno s strukturiranimi opisi in izluščenimi informacijami. V primerjavi s Qwen2-VL proizvajalec poudarja izboljšano zaznavanje časa in merila slike ter prenovljen vizualni kodirnik z dinamično ločljivostjo, ki uporablja pozornost v oknih.\n\nVizualno umeščanje je zmožnost, ločena od opisovanja slike. Model lahko vrne omejevalne okvirje ali točke z oznakami in lastnostmi v JSON. Qwen2.5-VL uporablja koordinate v merilu dejanske velikosti slike, ne normaliziranega koordinatnega sistema. Navedite predmete, ki jih je treba poiskati, in podajte zahtevana polja, kot sta bbox_2d in label, skupaj z razlago koordinat. Če je slika pred analizo pomanjšana ali povečana, te informacije o velikosti ohranite z vrnjenimi koordinatami, da jih je mogoče razlagati glede na isto sliko. Primeri Qwen združujejo zaznavanje s štetjem in opisi predmetov.\n\nProizvajalec poudarja prepoznavanje besedila v različnih jezikih, orientacijah in vrstah prizorov. Njegovi primeri izluščijo vrstice besedila, besedilo povežejo z mesti in pridobijo določena polja iz računov ali obrazcev. Pri navodilih za dokument podajte jasen sken, določite polja in povejte, kako predstaviti odsotne ali nečitljive informacije. Primer rezultata je lahko strukturiran zapis z identifikatorjem dokumenta, datumom in postavkami, pri čemer negotovosti ostanejo ločene od tega, kar je vidno. Podana slika zagotavlja dokaze za to izluščanje.\n\nNajava Qwen predstavlja QwenVL HTML za razčlenjevanje dokumentov z informacijami o postavitvi. Prikazuje revije, raziskovalne članke, spletne strani in mobilne posnetke zaslona ter združuje naslove, odstavke, slike in formule z informacijami o omejevalnih okvirjih. To je uporabno, kadar sta vrstni red branja in struktura strani enako pomembna kot besede. Izrecno zahtevajte predstavitev: navadno besedilo za branje, JSON za izbrana polja ali proizvajalčevo obliko HTML, usmerjeno v postavitev. Skenirano poročilo je mogoče urediti v naslove in odstavke, preden nadaljnje navodilo zahteva povzetek določenega razdelka.\n\nZa video Qwen dokumentira razumevanje gradiva, daljšega od ene ure, iskanje dogodkov in časovno lokalizacijo do ravni sekund. Učenje z dinamično hitrostjo sličic in kodiranje absolutnega časa pomagata predstaviti tempo in položaj dogodkov. Uradni primeri prepoznajo segment, v katerem se zgodi opisano dejanje, in vrnejo niz dogodkov z začetnimi in končnimi časi ter opisi. Navedite dogodek, ki ga je treba najti, ter določite sekunde ali obliko časovnega zapisa. Praktična navodila lahko zahtevajo ustrezne segmente v dolgi predstavitvi, nato pa kratek opis dogajanja v vsakem.\n\nModel je predstavljen tudi kot vizualni agent za uporabo na računalniku in mobilni napravi: sklepa lahko iz zaslona in usmerja orodja k nalogi. Vizualno umeščanje in razumevanje zaslona lahko prepoznata ustrezen kontrolnik ali naslednjo predvideno interakcijo. Aplikacija zagotovi zaslon, razpoložljiva dejanja in cilj, izvede zahtevano dejanje ter vrne novo stanje. Navodila lahko na primer zahtevajo kontrolnik, potreben za odprtje določenega pogleda, s točko ali okvirjem, ki ga označuje. Besedilni opis dejanja modela in izvedena interakcija aplikacije sta ločeni fazi.\n\nProcesor Qwen omogoča nadzor števila pikslov slike. Njegov dokumentirani privzeti razpon je od 4 do 16.384 vizualnih žetonov na sliko; 256 do 1.280 žetonov je nastavitev primera, ne splošna omejitev slike. Spreminjanje velikosti lahko ohrani razmerje stranic, izrecno podane dimenzije pa se zaokrožijo na večkratnik 28. Višja ločljivost porabi več računanja in lahko ohrani majhno besedilo ali podrobnosti gostega diagrama. Pripravo uskladite z vprašanjem, pomembne oznake ohranite čitljive, ustrezno stran ali območje pa jasno. Primeri videa uporabljajo zaporedja kadrov ali video z informacijami o hitrosti sličic, kar je pomembno, kadar mora odgovor vsebovati časovne oznake.\n\nTrenutna konfiguracija kartice je nastavljena na 32.768 kontekstnih žetonov. Opisuje razširitev YaRN, vendar opozarja, da lahko ta bistveno vpliva na časovno in prostorsko lokalizacijo, in je za te naloge ne priporoča. Ločeno obravnava povečanje nastavitve položajev za dolge videe. Razumevanje gradiva v obsegu ur je dokumentirana zmožnost, ne splošna omejitev trajanja nalaganja ali dolžine izhoda. Izberite rezultat, ki ohrani informacije, potrebne v nadaljevanju: polja za zapis, koordinate za umeščanje, postavitev za dokument ali časovno označene opise za video.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Extract fields from a receipt transcription\n\nExtract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field.A field record with line-item details, preserved date text, source phrases and an explicit unknown currency.Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total.qwen/qwen2.5-vl-72b-instructQwen2.5-VL-72B-Instruct je Qwenov vizualno-jezikovni model za slike, dokumente, grafikone in video. Vrača besedilo, strukturirane izluščene podatke in vizualne koordinate ter lahko poišče dogodke v dolgem videu ali sklepa o zaslonu računalnika ali mobilne naprave.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen2.5-VL-72B-Instruct je izdaja 72B modela Qwen2.5-VL, prilagojena navodilom in zasnovana za razumevanje vizualnega gradiva skupaj z besedilom. Qwen opisuje prepoznavanje predmetov, izdelkov in znamenitosti ter razlago besedila, grafikonov, ikon, grafik in postavitve znotraj slik. Vhodi združujejo pisno vprašanje z eno ali več slikami ali videom; izhod je besedilo, vključno s strukturiranimi opisi in izluščenimi informacijami. V primerjavi s Qwen2-VL proizvajalec poudarja izboljšano zaznavanje časa in merila slike ter prenovljen vizualni kodirnik z dinamično ločljivostjo, ki uporablja pozornost v oknih.
Vizualno umeščanje je zmožnost, ločena od opisovanja slike. Model lahko vrne omejevalne okvirje ali točke z oznakami in lastnostmi v JSON. Qwen2.5-VL uporablja koordinate v merilu dejanske velikosti slike, ne normaliziranega koordinatnega sistema. Navedite predmete, ki jih je treba poiskati, in podajte zahtevana polja, kot sta bbox_2d in label, skupaj z razlago koordinat. Če je slika pred analizo pomanjšana ali povečana, te informacije o velikosti ohranite z vrnjenimi koordinatami, da jih je mogoče razlagati glede na isto sliko. Primeri Qwen združujejo zaznavanje s štetjem in opisi predmetov.
Proizvajalec poudarja prepoznavanje besedila v različnih jezikih, orientacijah in vrstah prizorov. Njegovi primeri izluščijo vrstice besedila, besedilo povežejo z mesti in pridobijo določena polja iz računov ali obrazcev. Pri navodilih za dokument podajte jasen sken, določite polja in povejte, kako predstaviti odsotne ali nečitljive informacije. Primer rezultata je lahko strukturiran zapis z identifikatorjem dokumenta, datumom in postavkami, pri čemer negotovosti ostanejo ločene od tega, kar je vidno. Podana slika zagotavlja dokaze za to izluščanje.
Najava Qwen predstavlja QwenVL HTML za razčlenjevanje dokumentov z informacijami o postavitvi. Prikazuje revije, raziskovalne članke, spletne strani in mobilne posnetke zaslona ter združuje naslove, odstavke, slike in formule z informacijami o omejevalnih okvirjih. To je uporabno, kadar sta vrstni red branja in struktura strani enako pomembna kot besede. Izrecno zahtevajte predstavitev: navadno besedilo za branje, JSON za izbrana polja ali proizvajalčevo obliko HTML, usmerjeno v postavitev. Skenirano poročilo je mogoče urediti v naslove in odstavke, preden nadaljnje navodilo zahteva povzetek določenega razdelka.
Za video Qwen dokumentira razumevanje gradiva, daljšega od ene ure, iskanje dogodkov in časovno lokalizacijo do ravni sekund. Učenje z dinamično hitrostjo sličic in kodiranje absolutnega časa pomagata predstaviti tempo in položaj dogodkov. Uradni primeri prepoznajo segment, v katerem se zgodi opisano dejanje, in vrnejo niz dogodkov z začetnimi in končnimi časi ter opisi. Navedite dogodek, ki ga je treba najti, ter določite sekunde ali obliko časovnega zapisa. Praktična navodila lahko zahtevajo ustrezne segmente v dolgi predstavitvi, nato pa kratek opis dogajanja v vsakem.
Model je predstavljen tudi kot vizualni agent za uporabo na računalniku in mobilni napravi: sklepa lahko iz zaslona in usmerja orodja k nalogi. Vizualno umeščanje in razumevanje zaslona lahko prepoznata ustrezen kontrolnik ali naslednjo predvideno interakcijo. Aplikacija zagotovi zaslon, razpoložljiva dejanja in cilj, izvede zahtevano dejanje ter vrne novo stanje. Navodila lahko na primer zahtevajo kontrolnik, potreben za odprtje določenega pogleda, s točko ali okvirjem, ki ga označuje. Besedilni opis dejanja modela in izvedena interakcija aplikacije sta ločeni fazi.
Procesor Qwen omogoča nadzor števila pikslov slike. Njegov dokumentirani privzeti razpon je od 4 do 16.384 vizualnih žetonov na sliko; 256 do 1.280 žetonov je nastavitev primera, ne splošna omejitev slike. Spreminjanje velikosti lahko ohrani razmerje stranic, izrecno podane dimenzije pa se zaokrožijo na večkratnik 28. Višja ločljivost porabi več računanja in lahko ohrani majhno besedilo ali podrobnosti gostega diagrama. Pripravo uskladite z vprašanjem, pomembne oznake ohranite čitljive, ustrezno stran ali območje pa jasno. Primeri videa uporabljajo zaporedja kadrov ali video z informacijami o hitrosti sličic, kar je pomembno, kadar mora odgovor vsebovati časovne oznake.
Trenutna konfiguracija kartice je nastavljena na 32.768 kontekstnih žetonov. Opisuje razširitev YaRN, vendar opozarja, da lahko ta bistveno vpliva na časovno in prostorsko lokalizacijo, in je za te naloge ne priporoča. Ločeno obravnava povečanje nastavitve položajev za dolge videe. Razumevanje gradiva v obsegu ur je dokumentirana zmožnost, ne splošna omejitev trajanja nalaganja ali dolžine izhoda. Izberite rezultat, ki ohrani informacije, potrebne v nadaljevanju: polja za zapis, koordinate za umeščanje, postavitev za dokument ali časovno označene opise za video.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen2.5-vl-72b-instruct | 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.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0016 / 1K žetonov Izhod · Izhodni žetoni $0.002 / 1K žetonov Vhod · Branje predpomnilnika $0.0008 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0016 / 1K žetonov Izhod · Izhodni žetoni $0.002 / 1K žetonov Vhod · Branje predpomnilnika $0.0008 / 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": "qwen/qwen2.5-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/qwen2.5-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/qwen2.5-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 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 qwen/qwen2.5-vl-72b-instruct
Uporabite zgoraj navedene poti metod.
qwen/qwen2.5-vl-72b-instructQwen2.5-VL-72B-Instruct je Qwenov vizualno-jezikovni model za slike, dokumente, grafikone in video. Vrača besedilo, strukturirane izluščene podatke in vizualne koordinate ter lahko poišče dogodke v dolgem videu ali sklepa o zaslonu računalnika ali mobilne naprave.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen2.5-VL-72B-Instruct je izdaja 72B modela Qwen2.5-VL, prilagojena navodilom in zasnovana za razumevanje vizualnega gradiva skupaj z besedilom. Qwen opisuje prepoznavanje predmetov, izdelkov in znamenitosti ter razlago besedila, grafikonov, ikon, grafik in postavitve znotraj slik. Vhodi združujejo pisno vprašanje z eno ali več slikami ali videom; izhod je besedilo, vključno s strukturiranimi opisi in izluščenimi informacijami. V primerjavi s Qwen2-VL proizvajalec poudarja izboljšano zaznavanje časa in merila slike ter prenovljen vizualni kodirnik z dinamično ločljivostjo, ki uporablja pozornost v oknih.
Vizualno umeščanje je zmožnost, ločena od opisovanja slike. Model lahko vrne omejevalne okvirje ali točke z oznakami in lastnostmi v JSON. Qwen2.5-VL uporablja koordinate v merilu dejanske velikosti slike, ne normaliziranega koordinatnega sistema. Navedite predmete, ki jih je treba poiskati, in podajte zahtevana polja, kot sta bbox_2d in label, skupaj z razlago koordinat. Če je slika pred analizo pomanjšana ali povečana, te informacije o velikosti ohranite z vrnjenimi koordinatami, da jih je mogoče razlagati glede na isto sliko. Primeri Qwen združujejo zaznavanje s štetjem in opisi predmetov.
Proizvajalec poudarja prepoznavanje besedila v različnih jezikih, orientacijah in vrstah prizorov. Njegovi primeri izluščijo vrstice besedila, besedilo povežejo z mesti in pridobijo določena polja iz računov ali obrazcev. Pri navodilih za dokument podajte jasen sken, določite polja in povejte, kako predstaviti odsotne ali nečitljive informacije. Primer rezultata je lahko strukturiran zapis z identifikatorjem dokumenta, datumom in postavkami, pri čemer negotovosti ostanejo ločene od tega, kar je vidno. Podana slika zagotavlja dokaze za to izluščanje.
Najava Qwen predstavlja QwenVL HTML za razčlenjevanje dokumentov z informacijami o postavitvi. Prikazuje revije, raziskovalne članke, spletne strani in mobilne posnetke zaslona ter združuje naslove, odstavke, slike in formule z informacijami o omejevalnih okvirjih. To je uporabno, kadar sta vrstni red branja in struktura strani enako pomembna kot besede. Izrecno zahtevajte predstavitev: navadno besedilo za branje, JSON za izbrana polja ali proizvajalčevo obliko HTML, usmerjeno v postavitev. Skenirano poročilo je mogoče urediti v naslove in odstavke, preden nadaljnje navodilo zahteva povzetek določenega razdelka.
Za video Qwen dokumentira razumevanje gradiva, daljšega od ene ure, iskanje dogodkov in časovno lokalizacijo do ravni sekund. Učenje z dinamično hitrostjo sličic in kodiranje absolutnega časa pomagata predstaviti tempo in položaj dogodkov. Uradni primeri prepoznajo segment, v katerem se zgodi opisano dejanje, in vrnejo niz dogodkov z začetnimi in končnimi časi ter opisi. Navedite dogodek, ki ga je treba najti, ter določite sekunde ali obliko časovnega zapisa. Praktična navodila lahko zahtevajo ustrezne segmente v dolgi predstavitvi, nato pa kratek opis dogajanja v vsakem.
Model je predstavljen tudi kot vizualni agent za uporabo na računalniku in mobilni napravi: sklepa lahko iz zaslona in usmerja orodja k nalogi. Vizualno umeščanje in razumevanje zaslona lahko prepoznata ustrezen kontrolnik ali naslednjo predvideno interakcijo. Aplikacija zagotovi zaslon, razpoložljiva dejanja in cilj, izvede zahtevano dejanje ter vrne novo stanje. Navodila lahko na primer zahtevajo kontrolnik, potreben za odprtje določenega pogleda, s točko ali okvirjem, ki ga označuje. Besedilni opis dejanja modela in izvedena interakcija aplikacije sta ločeni fazi.
Procesor Qwen omogoča nadzor števila pikslov slike. Njegov dokumentirani privzeti razpon je od 4 do 16.384 vizualnih žetonov na sliko; 256 do 1.280 žetonov je nastavitev primera, ne splošna omejitev slike. Spreminjanje velikosti lahko ohrani razmerje stranic, izrecno podane dimenzije pa se zaokrožijo na večkratnik 28. Višja ločljivost porabi več računanja in lahko ohrani majhno besedilo ali podrobnosti gostega diagrama. Pripravo uskladite z vprašanjem, pomembne oznake ohranite čitljive, ustrezno stran ali območje pa jasno. Primeri videa uporabljajo zaporedja kadrov ali video z informacijami o hitrosti sličic, kar je pomembno, kadar mora odgovor vsebovati časovne oznake.
Trenutna konfiguracija kartice je nastavljena na 32.768 kontekstnih žetonov. Opisuje razširitev YaRN, vendar opozarja, da lahko ta bistveno vpliva na časovno in prostorsko lokalizacijo, in je za te naloge ne priporoča. Ločeno obravnava povečanje nastavitve položajev za dolge videe. Razumevanje gradiva v obsegu ur je dokumentirana zmožnost, ne splošna omejitev trajanja nalaganja ali dolžine izhoda. Izberite rezultat, ki ohrani informacije, potrebne v nadaljevanju: polja za zapis, koordinate za umeščanje, postavitev za dokument ali časovno označene opise za video.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen2.5-vl-72b-instruct | 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.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0016 / 1K žetonov Izhod · Izhodni žetoni $0.002 / 1K žetonov Vhod · Branje predpomnilnika $0.0008 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0016 / 1K žetonov Izhod · Izhodni žetoni $0.002 / 1K žetonov Vhod · Branje predpomnilnika $0.0008 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen/qwen2.5-vl-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen2.5-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/qwen2.5-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 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 qwen/qwen2.5-vl-72b-instruct
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Extract fields from a receipt transcription\n\nExtract a record from this receipt transcription: “Harbor Stationery; receipt HS-81; 14 March; notebooks 3 x 4.00; total 12.00.” Return merchant, receipt_id, date_text, items, total and currency. Preserve the written date and mark currency as unknown because no symbol or currency name is present. Keep a supporting source phrase with each field.A field record with line-item details, preserved date text, source phrases and an explicit unknown currency.Check that the answer does not infer a year or currency and that item arithmetic agrees with the stated total.