Uvod: izdaja 3B, prilagojena navodilom
Qwen2.5-VL-3B-Instruct je član Qwen2.5-VL velikosti 3B. Sprejema besedilna navodila s slikami ali videom in ustvarja besedilne odgovore, vključno s strukturiranimi podatki. Izberite ga za jasno določeno vizualno vprašanje, nalogo pridobivanja podatkov iz dokumentov ali razlago, ki vidno vsebino poveže z uporabnikovo zahtevo. Ta natančna velikost in izdaja ohranjata lastno identiteto; ne predpostavljajte, da za ta model veljajo funkcije, dodane posebej drugim velikostim ali poznejšim generacijam Qwen.
Vizualno razumevanje in agentski poteki
Qwen opisuje prepoznavanje običajnih objektov ter analizo pisave, grafikonov, ikon, grafike in postavitev strani. Pri obrazcu določite potrebna polja in pomen prazne vrednosti. Pri grafikonu zahtevajte osi, enote in vidne vrednosti, ki podpirajo sklep. Usmerjena zahteva olajša primerjavo izhoda z izvorno sliko bolj kot splošna zahteva, naj opiše vse.
Družina podpira tudi sklepanje vizualnega agenta in usmerjanje orodij za računalniške ali telefonske poteke. Model lahko razloži vmesnik in pomaga določiti dejanje; povezana aplikacijska orodja to dejanje izvedejo. Pregled posnetka zaslona lahko vpraša, kateri kontrolnik ustreza nalogi in katere vidne informacije podpirajo izbiro. Takšna uporaba vizualnega sklepanja sama ne podeli nadzora nad napravo.
Dolgi videi in časovno določanje dogodkov
Proizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odsekov, pomembnih za zahtevani dogodek. To je zmožnost družine, ne brezpogojna omejitev nalaganja medijev ali zagotovilo, da se ohrani vsaka sličica. Pripravite ustrezni posnetek, ohranite časovne informacije in postavite natančno vprašanje o dogodku, zaporedju ali spremembi. Pristop obdelave videa uporablja podatke o hitrosti sličic za usklajevanje vizualnih opažanj z absolutnim časom.
Določanje položaja in strukturirani dokumenti
Qwen2.5-VL lahko vrne položaje objektov kot omejevalne okvirje ali točke s koordinatami in lastnostmi v JSON. Pri nalogi določanja položaja poimenujte ciljni objekt in določite, ali mora biti rezultat točka ali okvir. V aplikaciji, ki rezultat uporablja, izrecno določite koordinatno konvencijo, namesto da bi iz poljubne fotografije sklepali o fizični meri.
Proizvajalec dokumentira tudi strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Priložite berljivo stran in izhodno shemo: na primer ime polja, pridobljeno besedilo in vidno območje, ki ga podpira. Ohranite enote, decimalna ločila in glave tabel v izvoru. Negotovo ali nečitljivo vsebino obravnavajte kot primer za pregled, namesto da modelu naročite izmišljanje manjkajoče vrednosti. Ti primeri priprave uporabljajo dokumentirane zmožnosti; niso jamstva natančnega pridobivanja podatkov.
Arhitekturne spremembe
Dinamična ločljivost slik se z učenjem pri spremenljivi hitrosti sličic razširi na video. Posodobljeno multimodalno pozicijsko kodiranje predstavlja časovno zaporedje in absolutni čas ter pomaga prepoznati določene trenutke in spremembe hitrosti. Vizualni kodirnik uporablja okensko pozornost skupaj s SwiGLU in RMSNorm. Te spremembe opisujejo obdelavo vizualnega gradiva; ne potrjujejo fiksne zakasnitve za določeno aplikacijo.
Priprava slik in videa
Uradni primeri zajemajo posamezne slike, več slik, pogovore samo z besedilom, video datoteke in urejene sezname sličic. Več vizualnih vhodov označite, da se lahko vprašanje sklicuje na vsakega. Za primerjavo slik zahtevajte tabelo, urejeno po oznakah, in omejite rezultat na vidne razlike. Za video časovnico ohranite vrstni red sličic in časovne podatke, namesto da nepovezane slike predstavite, kot da imajo znano trajanje.
Dokumentirani privzeti razpon slikovnega procesorja sega od štirih do 16,384 vizualnih žetonov na sliko. Primer lahko z mejami števila slikovnih pik cilja na 256–1,280 žetonov. Znotraj teh mej ohrani razmerje stranic, izrecne spremenjene mere pa poravna na večkratnike 28. Več podrobnosti porabi več računanja in prostora v zaporedju, zato lahko majhno besedilno polje potrebuje izrez višje ločljivosti, splošen povzetek prizora pa ne. To so proizvajalčeve kontrole obdelave; možnosti nalaganja v aplikaciji se lahko razlikujejo.
Kontekst in vsebinske omejitve
Objavljena konfiguracija modela nastavi največje število položajev na 128,000, spremljajoči razdelek o dolgem besedilu pa še vedno obravnava začetno konfiguracijo 32,768 žetonov. Vodnik opisuje ekstrapolacijo YaRN, vendar opozarja, da lahko močno vpliva na časovno in prostorsko določanje, zato te metode za te naloge ne priporoča. Ločeno navaja, da lahko video pozicijsko kodiranje omogoči večjo nastavitev položajev, in kot primer navaja 64K. Teh različnih opisov konfiguracije ne združujte v eno univerzalno potrjeno zgornjo vhodno mejo.
Besedilo, vizualno gradivo in odgovor si delijo omejen proračun zaporedja. Ustrezna vsebina naj ostane berljiva, rezervirajte prostor za rezultat ter pridobljeno besedilo, koordinate in čase dogodkov preverite glede na izvirnik. Primer ustvarjanja 128 žetonov v kartici je ponazoritven in ne določa ločene trde največje dolžine izhoda. Ta model vrača besedilno analizo ali strukturirane informacije; vizualno-jezikovne zmožnosti ne pomenijo, da ustvarja slike ali video.
", "aboutText": "Uvod: izdaja 3B, prilagojena navodilom\n\nQwen2.5-VL-3B-Instruct je član Qwen2.5-VL velikosti 3B. Sprejema besedilna navodila s slikami ali videom in ustvarja besedilne odgovore, vključno s strukturiranimi podatki. Izberite ga za jasno določeno vizualno vprašanje, nalogo pridobivanja podatkov iz dokumentov ali razlago, ki vidno vsebino poveže z uporabnikovo zahtevo. Ta natančna velikost in izdaja ohranjata lastno identiteto; ne predpostavljajte, da za ta model veljajo funkcije, dodane posebej drugim velikostim ali poznejšim generacijam Qwen.\n\nVizualno razumevanje in agentski poteki\n\nQwen opisuje prepoznavanje običajnih objektov ter analizo pisave, grafikonov, ikon, grafike in postavitev strani. Pri obrazcu določite potrebna polja in pomen prazne vrednosti. Pri grafikonu zahtevajte osi, enote in vidne vrednosti, ki podpirajo sklep. Usmerjena zahteva olajša primerjavo izhoda z izvorno sliko bolj kot splošna zahteva, naj opiše vse.\n\nDružina podpira tudi sklepanje vizualnega agenta in usmerjanje orodij za računalniške ali telefonske poteke. Model lahko razloži vmesnik in pomaga določiti dejanje; povezana aplikacijska orodja to dejanje izvedejo. Pregled posnetka zaslona lahko vpraša, kateri kontrolnik ustreza nalogi in katere vidne informacije podpirajo izbiro. Takšna uporaba vizualnega sklepanja sama ne podeli nadzora nad napravo.\n\nDolgi videi in časovno določanje dogodkov\n\nProizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odsekov, pomembnih za zahtevani dogodek. To je zmožnost družine, ne brezpogojna omejitev nalaganja medijev ali zagotovilo, da se ohrani vsaka sličica. Pripravite ustrezni posnetek, ohranite časovne informacije in postavite natančno vprašanje o dogodku, zaporedju ali spremembi. Pristop obdelave videa uporablja podatke o hitrosti sličic za usklajevanje vizualnih opažanj z absolutnim časom.\n\nDoločanje položaja in strukturirani dokumenti\n\nQwen2.5-VL lahko vrne položaje objektov kot omejevalne okvirje ali točke s koordinatami in lastnostmi v JSON. Pri nalogi določanja položaja poimenujte ciljni objekt in določite, ali mora biti rezultat točka ali okvir. V aplikaciji, ki rezultat uporablja, izrecno določite koordinatno konvencijo, namesto da bi iz poljubne fotografije sklepali o fizični meri.\n\nProizvajalec dokumentira tudi strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Priložite berljivo stran in izhodno shemo: na primer ime polja, pridobljeno besedilo in vidno območje, ki ga podpira. Ohranite enote, decimalna ločila in glave tabel v izvoru. Negotovo ali nečitljivo vsebino obravnavajte kot primer za pregled, namesto da modelu naročite izmišljanje manjkajoče vrednosti. Ti primeri priprave uporabljajo dokumentirane zmožnosti; niso jamstva natančnega pridobivanja podatkov.\n\nArhitekturne spremembe\n\nDinamična ločljivost slik se z učenjem pri spremenljivi hitrosti sličic razširi na video. Posodobljeno multimodalno pozicijsko kodiranje predstavlja časovno zaporedje in absolutni čas ter pomaga prepoznati določene trenutke in spremembe hitrosti. Vizualni kodirnik uporablja okensko pozornost skupaj s SwiGLU in RMSNorm. Te spremembe opisujejo obdelavo vizualnega gradiva; ne potrjujejo fiksne zakasnitve za določeno aplikacijo.\n\nPriprava slik in videa\n\nUradni primeri zajemajo posamezne slike, več slik, pogovore samo z besedilom, video datoteke in urejene sezname sličic. Več vizualnih vhodov označite, da se lahko vprašanje sklicuje na vsakega. Za primerjavo slik zahtevajte tabelo, urejeno po oznakah, in omejite rezultat na vidne razlike. Za video časovnico ohranite vrstni red sličic in časovne podatke, namesto da nepovezane slike predstavite, kot da imajo znano trajanje.\n\nDokumentirani privzeti razpon slikovnega procesorja sega od štirih do 16,384 vizualnih žetonov na sliko. Primer lahko z mejami števila slikovnih pik cilja na 256–1,280 žetonov. Znotraj teh mej ohrani razmerje stranic, izrecne spremenjene mere pa poravna na večkratnike 28. Več podrobnosti porabi več računanja in prostora v zaporedju, zato lahko majhno besedilno polje potrebuje izrez višje ločljivosti, splošen povzetek prizora pa ne. To so proizvajalčeve kontrole obdelave; možnosti nalaganja v aplikaciji se lahko razlikujejo.\n\nKontekst in vsebinske omejitve\n\nObjavljena konfiguracija modela nastavi največje število položajev na 128,000, spremljajoči razdelek o dolgem besedilu pa še vedno obravnava začetno konfiguracijo 32,768 žetonov. Vodnik opisuje ekstrapolacijo YaRN, vendar opozarja, da lahko močno vpliva na časovno in prostorsko določanje, zato te metode za te naloge ne priporoča. Ločeno navaja, da lahko video pozicijsko kodiranje omogoči večjo nastavitev položajev, in kot primer navaja 64K. Teh različnih opisov konfiguracije ne združujte v eno univerzalno potrjeno zgornjo vhodno mejo.\n\nBesedilo, vizualno gradivo in odgovor si delijo omejen proračun zaporedja. Ustrezna vsebina naj ostane berljiva, rezervirajte prostor za rezultat ter pridobljeno besedilo, koordinate in čase dogodkov preverite glede na izvirnik. Primer ustvarjanja 128 žetonov v kartici je ponazoritven in ne določa ločene trde največje dolžine izhoda. Ta model vrača besedilno analizo ali strukturirane informacije; vizualno-jezikovne zmožnosti ne pomenijo, da ustvarja slike ali video.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct je Qwenov kompakten vizualno-jezikovni model, prilagojen navodilom, za besedilo, slike in video. Vrača besedilo in strukturirane vizualne informacije, vključno s polji dokumentov, koordinatami objektov in opisi dogodkov, z dinamično ločljivostjo in časovno ozaveščeno obdelavo videa.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Uvod: izdaja 3B, prilagojena navodilom
Qwen2.5-VL-3B-Instruct je član Qwen2.5-VL velikosti 3B. Sprejema besedilna navodila s slikami ali videom in ustvarja besedilne odgovore, vključno s strukturiranimi podatki. Izberite ga za jasno določeno vizualno vprašanje, nalogo pridobivanja podatkov iz dokumentov ali razlago, ki vidno vsebino poveže z uporabnikovo zahtevo. Ta natančna velikost in izdaja ohranjata lastno identiteto; ne predpostavljajte, da za ta model veljajo funkcije, dodane posebej drugim velikostim ali poznejšim generacijam Qwen.
Vizualno razumevanje in agentski poteki
Qwen opisuje prepoznavanje običajnih objektov ter analizo pisave, grafikonov, ikon, grafike in postavitev strani. Pri obrazcu določite potrebna polja in pomen prazne vrednosti. Pri grafikonu zahtevajte osi, enote in vidne vrednosti, ki podpirajo sklep. Usmerjena zahteva olajša primerjavo izhoda z izvorno sliko bolj kot splošna zahteva, naj opiše vse.
Družina podpira tudi sklepanje vizualnega agenta in usmerjanje orodij za računalniške ali telefonske poteke. Model lahko razloži vmesnik in pomaga določiti dejanje; povezana aplikacijska orodja to dejanje izvedejo. Pregled posnetka zaslona lahko vpraša, kateri kontrolnik ustreza nalogi in katere vidne informacije podpirajo izbiro. Takšna uporaba vizualnega sklepanja sama ne podeli nadzora nad napravo.
Dolgi videi in časovno določanje dogodkov
Proizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odsekov, pomembnih za zahtevani dogodek. To je zmožnost družine, ne brezpogojna omejitev nalaganja medijev ali zagotovilo, da se ohrani vsaka sličica. Pripravite ustrezni posnetek, ohranite časovne informacije in postavite natančno vprašanje o dogodku, zaporedju ali spremembi. Pristop obdelave videa uporablja podatke o hitrosti sličic za usklajevanje vizualnih opažanj z absolutnim časom.
Določanje položaja in strukturirani dokumenti
Qwen2.5-VL lahko vrne položaje objektov kot omejevalne okvirje ali točke s koordinatami in lastnostmi v JSON. Pri nalogi določanja položaja poimenujte ciljni objekt in določite, ali mora biti rezultat točka ali okvir. V aplikaciji, ki rezultat uporablja, izrecno določite koordinatno konvencijo, namesto da bi iz poljubne fotografije sklepali o fizični meri.
Proizvajalec dokumentira tudi strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Priložite berljivo stran in izhodno shemo: na primer ime polja, pridobljeno besedilo in vidno območje, ki ga podpira. Ohranite enote, decimalna ločila in glave tabel v izvoru. Negotovo ali nečitljivo vsebino obravnavajte kot primer za pregled, namesto da modelu naročite izmišljanje manjkajoče vrednosti. Ti primeri priprave uporabljajo dokumentirane zmožnosti; niso jamstva natančnega pridobivanja podatkov.
Arhitekturne spremembe
Dinamična ločljivost slik se z učenjem pri spremenljivi hitrosti sličic razširi na video. Posodobljeno multimodalno pozicijsko kodiranje predstavlja časovno zaporedje in absolutni čas ter pomaga prepoznati določene trenutke in spremembe hitrosti. Vizualni kodirnik uporablja okensko pozornost skupaj s SwiGLU in RMSNorm. Te spremembe opisujejo obdelavo vizualnega gradiva; ne potrjujejo fiksne zakasnitve za določeno aplikacijo.
Priprava slik in videa
Uradni primeri zajemajo posamezne slike, več slik, pogovore samo z besedilom, video datoteke in urejene sezname sličic. Več vizualnih vhodov označite, da se lahko vprašanje sklicuje na vsakega. Za primerjavo slik zahtevajte tabelo, urejeno po oznakah, in omejite rezultat na vidne razlike. Za video časovnico ohranite vrstni red sličic in časovne podatke, namesto da nepovezane slike predstavite, kot da imajo znano trajanje.
Dokumentirani privzeti razpon slikovnega procesorja sega od štirih do 16,384 vizualnih žetonov na sliko. Primer lahko z mejami števila slikovnih pik cilja na 256–1,280 žetonov. Znotraj teh mej ohrani razmerje stranic, izrecne spremenjene mere pa poravna na večkratnike 28. Več podrobnosti porabi več računanja in prostora v zaporedju, zato lahko majhno besedilno polje potrebuje izrez višje ločljivosti, splošen povzetek prizora pa ne. To so proizvajalčeve kontrole obdelave; možnosti nalaganja v aplikaciji se lahko razlikujejo.
Kontekst in vsebinske omejitve
Objavljena konfiguracija modela nastavi največje število položajev na 128,000, spremljajoči razdelek o dolgem besedilu pa še vedno obravnava začetno konfiguracijo 32,768 žetonov. Vodnik opisuje ekstrapolacijo YaRN, vendar opozarja, da lahko močno vpliva na časovno in prostorsko določanje, zato te metode za te naloge ne priporoča. Ločeno navaja, da lahko video pozicijsko kodiranje omogoči večjo nastavitev položajev, in kot primer navaja 64K. Teh različnih opisov konfiguracije ne združujte v eno univerzalno potrjeno zgornjo vhodno mejo.
Besedilo, vizualno gradivo in odgovor si delijo omejen proračun zaporedja. Ustrezna vsebina naj ostane berljiva, rezervirajte prostor za rezultat ter pridobljeno besedilo, koordinate in čase dogodkov preverite glede na izvirnik. Primer ustvarjanja 128 žetonov v kartici je ponazoritven in ne določa ločene trde največje dolžine izhoda. Ta model vrača besedilno analizo ali strukturirane informacije; vizualno-jezikovne zmožnosti ne pomenijo, da ustvarja slike ali video.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen2.5-vl-3b-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.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0004 / 1K žetonov Izhod · Izhodni žetoni $0.0012 / 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": "qwen2.5-vl-3b-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='qwen2.5-vl-3b-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='qwen2.5-vl-3b-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 qwen2.5-vl-3b-instruct
Uporabite zgoraj navedene poti metod.
qwen2.5-vl-3b-instructQwen2.5-VL-3B-Instruct je Qwenov kompakten vizualno-jezikovni model, prilagojen navodilom, za besedilo, slike in video. Vrača besedilo in strukturirane vizualne informacije, vključno s polji dokumentov, koordinatami objektov in opisi dogodkov, z dinamično ločljivostjo in časovno ozaveščeno obdelavo videa.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Uvod: izdaja 3B, prilagojena navodilom
Qwen2.5-VL-3B-Instruct je član Qwen2.5-VL velikosti 3B. Sprejema besedilna navodila s slikami ali videom in ustvarja besedilne odgovore, vključno s strukturiranimi podatki. Izberite ga za jasno določeno vizualno vprašanje, nalogo pridobivanja podatkov iz dokumentov ali razlago, ki vidno vsebino poveže z uporabnikovo zahtevo. Ta natančna velikost in izdaja ohranjata lastno identiteto; ne predpostavljajte, da za ta model veljajo funkcije, dodane posebej drugim velikostim ali poznejšim generacijam Qwen.
Vizualno razumevanje in agentski poteki
Qwen opisuje prepoznavanje običajnih objektov ter analizo pisave, grafikonov, ikon, grafike in postavitev strani. Pri obrazcu določite potrebna polja in pomen prazne vrednosti. Pri grafikonu zahtevajte osi, enote in vidne vrednosti, ki podpirajo sklep. Usmerjena zahteva olajša primerjavo izhoda z izvorno sliko bolj kot splošna zahteva, naj opiše vse.
Družina podpira tudi sklepanje vizualnega agenta in usmerjanje orodij za računalniške ali telefonske poteke. Model lahko razloži vmesnik in pomaga določiti dejanje; povezana aplikacijska orodja to dejanje izvedejo. Pregled posnetka zaslona lahko vpraša, kateri kontrolnik ustreza nalogi in katere vidne informacije podpirajo izbiro. Takšna uporaba vizualnega sklepanja sama ne podeli nadzora nad napravo.
Dolgi videi in časovno določanje dogodkov
Proizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odsekov, pomembnih za zahtevani dogodek. To je zmožnost družine, ne brezpogojna omejitev nalaganja medijev ali zagotovilo, da se ohrani vsaka sličica. Pripravite ustrezni posnetek, ohranite časovne informacije in postavite natančno vprašanje o dogodku, zaporedju ali spremembi. Pristop obdelave videa uporablja podatke o hitrosti sličic za usklajevanje vizualnih opažanj z absolutnim časom.
Določanje položaja in strukturirani dokumenti
Qwen2.5-VL lahko vrne položaje objektov kot omejevalne okvirje ali točke s koordinatami in lastnostmi v JSON. Pri nalogi določanja položaja poimenujte ciljni objekt in določite, ali mora biti rezultat točka ali okvir. V aplikaciji, ki rezultat uporablja, izrecno določite koordinatno konvencijo, namesto da bi iz poljubne fotografije sklepali o fizični meri.
Proizvajalec dokumentira tudi strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Priložite berljivo stran in izhodno shemo: na primer ime polja, pridobljeno besedilo in vidno območje, ki ga podpira. Ohranite enote, decimalna ločila in glave tabel v izvoru. Negotovo ali nečitljivo vsebino obravnavajte kot primer za pregled, namesto da modelu naročite izmišljanje manjkajoče vrednosti. Ti primeri priprave uporabljajo dokumentirane zmožnosti; niso jamstva natančnega pridobivanja podatkov.
Arhitekturne spremembe
Dinamična ločljivost slik se z učenjem pri spremenljivi hitrosti sličic razširi na video. Posodobljeno multimodalno pozicijsko kodiranje predstavlja časovno zaporedje in absolutni čas ter pomaga prepoznati določene trenutke in spremembe hitrosti. Vizualni kodirnik uporablja okensko pozornost skupaj s SwiGLU in RMSNorm. Te spremembe opisujejo obdelavo vizualnega gradiva; ne potrjujejo fiksne zakasnitve za določeno aplikacijo.
Priprava slik in videa
Uradni primeri zajemajo posamezne slike, več slik, pogovore samo z besedilom, video datoteke in urejene sezname sličic. Več vizualnih vhodov označite, da se lahko vprašanje sklicuje na vsakega. Za primerjavo slik zahtevajte tabelo, urejeno po oznakah, in omejite rezultat na vidne razlike. Za video časovnico ohranite vrstni red sličic in časovne podatke, namesto da nepovezane slike predstavite, kot da imajo znano trajanje.
Dokumentirani privzeti razpon slikovnega procesorja sega od štirih do 16,384 vizualnih žetonov na sliko. Primer lahko z mejami števila slikovnih pik cilja na 256–1,280 žetonov. Znotraj teh mej ohrani razmerje stranic, izrecne spremenjene mere pa poravna na večkratnike 28. Več podrobnosti porabi več računanja in prostora v zaporedju, zato lahko majhno besedilno polje potrebuje izrez višje ločljivosti, splošen povzetek prizora pa ne. To so proizvajalčeve kontrole obdelave; možnosti nalaganja v aplikaciji se lahko razlikujejo.
Kontekst in vsebinske omejitve
Objavljena konfiguracija modela nastavi največje število položajev na 128,000, spremljajoči razdelek o dolgem besedilu pa še vedno obravnava začetno konfiguracijo 32,768 žetonov. Vodnik opisuje ekstrapolacijo YaRN, vendar opozarja, da lahko močno vpliva na časovno in prostorsko določanje, zato te metode za te naloge ne priporoča. Ločeno navaja, da lahko video pozicijsko kodiranje omogoči večjo nastavitev položajev, in kot primer navaja 64K. Teh različnih opisov konfiguracije ne združujte v eno univerzalno potrjeno zgornjo vhodno mejo.
Besedilo, vizualno gradivo in odgovor si delijo omejen proračun zaporedja. Ustrezna vsebina naj ostane berljiva, rezervirajte prostor za rezultat ter pridobljeno besedilo, koordinate in čase dogodkov preverite glede na izvirnik. Primer ustvarjanja 128 žetonov v kartici je ponazoritven in ne določa ločene trde največje dolžine izhoda. Ta model vrača besedilno analizo ali strukturirane informacije; vizualno-jezikovne zmožnosti ne pomenijo, da ustvarja slike ali video.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen2.5-vl-3b-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.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0004 / 1K žetonov Izhod · Izhodni žetoni $0.0012 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen2.5-vl-3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-vl-3b-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': 'qwen2.5-vl-3b-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 qwen2.5-vl-3b-instruct
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Organize a recorded event timeline\n\nUse only these text annotations from a clip: 00:02 worker picks up a box; 00:05 worker places the box on the scale; 00:08 scale display is obscured; 00:11 worker removes the box. Return the event sequence, the first annotated placement time and whether the weight is established. Preserve timestamps without claiming frame-level inspection.An ordered event table, a placement-time field and an unresolved weight field.Check that obscured weight remains unknown and the placement timestamp is attributed to the supplied annotation.