Qwen2.5-VL-7B-Instruct je izdaja Qwen2.5-VL velikosti 7B, prilagojena navodilom. Besedilno navodilo poveže s slikami ali videom in vrne besedilni rezultat. Ključne proizvajalčeve izboljšave zajemajo prepoznavanje objektov in vizualnih podrobnosti, analizo besedila in postavitev, naloge vizualnega agenta, razumevanje dogodkov v dolgih videih, določanje položaja objektov in strukturirano pridobivanje podatkov iz dokumentov.
Razumevanje vizualne vsebine
Družina presega prepoznavanje glavnega motiva fotografije. Dokumentirane naloge vključujejo analizo besedila, grafikonov, ikon, grafike in razporeditve elementov na sliki. Pri grafikonu določite niz ali povezavo, ki jo želite preučiti, ter ohranite osi, legendo in enote. Pri diagramu vprašajte, kako so povezane označene komponente in kaj vidna razporeditev pove o procesu.
Uporabna primerjava lahko vključuje izvorno in popravljeno zasnovo, označi, katera je katera, ter zahteva vidne spremembe glede na kratek seznam zahtev. Opažanje zahtevajte skupaj z ustreznim območjem slike. Tako dobi odgovor konkreten namen, namesto da zahteva splošen opis dveh nepovezanih slik.
Poteki vizualnega agenta
Proizvajalec predstavlja Qwen2.5-VL kot vizualnega agenta, ki lahko sklepa o zaslonu in usmerja orodja pri nalogah uporabe računalnika ali telefona. Model zagotovi razlago in predlagano operacijo; okoliška agentska aplikacija zagotavlja kontrole, izvede operacijo in vrne novo stanje. Besedilni odgovor ali napovedana koordinata sta zato en del tega integriranega poteka.
Za vprašanje o vmesniku priložite posnetek zaslona in dejanski cilj, nato vprašajte, kateri vidni kontrolnik je pomemben in kaj je treba storiti naslednje. Zahtevani izhod naj bo konkreten: oznaka kontrolnika, njegov položaj in predvideno dejanje. Če aplikacija to dejanje nato izvede, naslednji posnetek zaslona zagotovi posodobljeni vizualni vhod za nadaljnjo odločitev.
Dolgi videi in časovno določanje dogodkov
Proizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odseka z zahtevanim dogodkom. To razširi opisovanje videa v časovno določanje. Naloga lahko vpraša, kdaj se objekt prvič pojavi, kje prikaz doseže določeni korak ali kateri vidni dogodek nastopi pred drugim. Navedite, ali mora biti rezultat povzetek, urejen seznam dogodkov ali začetni in končni čas z opisom dogodka.
Družina se uči z dinamičnim vzorčenjem hitrosti sličic in časovne pozicijske informacije usklajuje z absolutnim časom. Podatki o hitrosti sličic zato sodijo k pripravi videa in niso poljubna oznaka, ki jo lahko zavržete, kadar so časovni žigi pomembni. Dokumentirana zmožnost dolgih videov ni univerzalna specifikacija velikosti datoteke ali največjega trajanja za vsako vhodno pot.
Določanje položaja objektov in strukturirani dokumenti
Qwen2.5-VL lahko vrne omejevalne okvirje ali točke ter koordinate in lastnosti uredi kot JSON. Izdaja uporablja koordinate v merilu dejanske velikosti slike namesto običajnih normaliziranih koordinat. Določite, ali naloga potrebuje obdajajoči okvir, konkretno točko ali opis objekta, ter ohranite mere slike in podatke o spreminjanju velikosti, potrebne za razumevanje vrnjenega položaja.
Zahteva za vizualni popis lahko na primer za vsak ciljni objekt zahteva njegov okvir in vidno lastnost. Točkovna naloga lahko zahteva položaj označenega kontrolnika ali določenega dela objekta. To so predlagane zasnove izhoda, ne fiksna imena polj, ki jih mora uporabiti vsaka zahteva. Pri več priloženih slikah vsako koordinato povežite z njeno izvorno sliko.
Proizvajalec posebej poudarja strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Določite polja, ohranite izvorne oznake in zahtevajte izrecno predstavitev, kadar vrednosti ni mogoče prebrati. Pri tabeli ohranite naslove stolpcev in enote skupaj z zahtevanimi vrsticami. Praktičen zapis lahko vsebuje identifikator dokumenta, oznako polja, pridobljeno vrednost in položaj, da je izhod uporaben za poznejšo primerjavo ali človeški pregled.
Arhitektura in priprava vhoda
Model združuje dinamično ločljivost slik in dinamično vzorčenje videa s posodobljenimi multimodalnimi rotacijskimi pozicijskimi informacijami. Vizualni kodirnik uporablja okensko pozornost, SwiGLU in RMSNorm. To so arhitekturne spremembe za vizualno in časovno obdelavo; dokumentiranemu poteku z besedilnim rezultatom ne dodajajo zvočnega vhoda ali ustvarjanja slik.
Kartica prikazuje posamezno sliko, več slik, zaporedje video sličic, video datoteko ali referenco in paketne pogovore. Slikovni procesor dokumentira privzeti razpon od 4 do 16,384 vizualnih žetonov na sliko. Najmanjše in največje nastavitve slikovnih pik ohranijo razmerje stranic; zahtevane natančne mere se zaokrožijo na večkratnik 28. Primer razpona od 256 do 1,280 vizualnih žetonov je prilagodljiva ponazoritev, ne ločena trda omejitev slike. Pri spreminjanju velikosti ohranite podrobnosti, potrebne za vprašanje.
Kontekst in nastavitve, občutljive za določanje položaja
Objavljena konfiguracija nastavi največje število položajev na 128,000. Razdelek kartice o dolgem besedilu ločeno opisuje osnovo 32,768 žetonov in primer razširitve YaRN. Izrecno opozarja, da ta razširitev močno vpliva na časovno in prostorsko določanje, zato je ne priporoča. Vodnik obravnava tudi spreminjanje največjega števila položajev za dolge videe; to so konfiguracijske opombe, ne ena brezpogojna vhodna omejitev za vsako nalogo.
Natančno konfiguracijo izdaje in vizualno predobdelavo uskladite z nalogo, zlasti kadar so pomembne koordinate ali časi dogodkov. Primer ustvarjanja 128 žetonov v kartici ne določa ločene največje izhodne zmogljivosti. Qwen2.5-VL-7B-Instruct ustvarja besedilo, koordinate in strukturirane ugotovitve; zunanje dejanje, izrisana slika, video ali govorjeni odgovor zahteva drugo komponento aplikacije.
", "aboutText": "Qwen2.5-VL-7B-Instruct je izdaja Qwen2.5-VL velikosti 7B, prilagojena navodilom. Besedilno navodilo poveže s slikami ali videom in vrne besedilni rezultat. Ključne proizvajalčeve izboljšave zajemajo prepoznavanje objektov in vizualnih podrobnosti, analizo besedila in postavitev, naloge vizualnega agenta, razumevanje dogodkov v dolgih videih, določanje položaja objektov in strukturirano pridobivanje podatkov iz dokumentov.\n\nRazumevanje vizualne vsebine\n\nDružina presega prepoznavanje glavnega motiva fotografije. Dokumentirane naloge vključujejo analizo besedila, grafikonov, ikon, grafike in razporeditve elementov na sliki. Pri grafikonu določite niz ali povezavo, ki jo želite preučiti, ter ohranite osi, legendo in enote. Pri diagramu vprašajte, kako so povezane označene komponente in kaj vidna razporeditev pove o procesu.\n\nUporabna primerjava lahko vključuje izvorno in popravljeno zasnovo, označi, katera je katera, ter zahteva vidne spremembe glede na kratek seznam zahtev. Opažanje zahtevajte skupaj z ustreznim območjem slike. Tako dobi odgovor konkreten namen, namesto da zahteva splošen opis dveh nepovezanih slik.\n\nPoteki vizualnega agenta\n\nProizvajalec predstavlja Qwen2.5-VL kot vizualnega agenta, ki lahko sklepa o zaslonu in usmerja orodja pri nalogah uporabe računalnika ali telefona. Model zagotovi razlago in predlagano operacijo; okoliška agentska aplikacija zagotavlja kontrole, izvede operacijo in vrne novo stanje. Besedilni odgovor ali napovedana koordinata sta zato en del tega integriranega poteka.\n\nZa vprašanje o vmesniku priložite posnetek zaslona in dejanski cilj, nato vprašajte, kateri vidni kontrolnik je pomemben in kaj je treba storiti naslednje. Zahtevani izhod naj bo konkreten: oznaka kontrolnika, njegov položaj in predvideno dejanje. Če aplikacija to dejanje nato izvede, naslednji posnetek zaslona zagotovi posodobljeni vizualni vhod za nadaljnjo odločitev.\n\nDolgi videi in časovno določanje dogodkov\n\nProizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odseka z zahtevanim dogodkom. To razširi opisovanje videa v časovno določanje. Naloga lahko vpraša, kdaj se objekt prvič pojavi, kje prikaz doseže določeni korak ali kateri vidni dogodek nastopi pred drugim. Navedite, ali mora biti rezultat povzetek, urejen seznam dogodkov ali začetni in končni čas z opisom dogodka.\n\nDružina se uči z dinamičnim vzorčenjem hitrosti sličic in časovne pozicijske informacije usklajuje z absolutnim časom. Podatki o hitrosti sličic zato sodijo k pripravi videa in niso poljubna oznaka, ki jo lahko zavržete, kadar so časovni žigi pomembni. Dokumentirana zmožnost dolgih videov ni univerzalna specifikacija velikosti datoteke ali največjega trajanja za vsako vhodno pot.\n\nDoločanje položaja objektov in strukturirani dokumenti\n\nQwen2.5-VL lahko vrne omejevalne okvirje ali točke ter koordinate in lastnosti uredi kot JSON. Izdaja uporablja koordinate v merilu dejanske velikosti slike namesto običajnih normaliziranih koordinat. Določite, ali naloga potrebuje obdajajoči okvir, konkretno točko ali opis objekta, ter ohranite mere slike in podatke o spreminjanju velikosti, potrebne za razumevanje vrnjenega položaja.\n\nZahteva za vizualni popis lahko na primer za vsak ciljni objekt zahteva njegov okvir in vidno lastnost. Točkovna naloga lahko zahteva položaj označenega kontrolnika ali določenega dela objekta. To so predlagane zasnove izhoda, ne fiksna imena polj, ki jih mora uporabiti vsaka zahteva. Pri več priloženih slikah vsako koordinato povežite z njeno izvorno sliko.\n\nProizvajalec posebej poudarja strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Določite polja, ohranite izvorne oznake in zahtevajte izrecno predstavitev, kadar vrednosti ni mogoče prebrati. Pri tabeli ohranite naslove stolpcev in enote skupaj z zahtevanimi vrsticami. Praktičen zapis lahko vsebuje identifikator dokumenta, oznako polja, pridobljeno vrednost in položaj, da je izhod uporaben za poznejšo primerjavo ali človeški pregled.\n\nArhitektura in priprava vhoda\n\nModel združuje dinamično ločljivost slik in dinamično vzorčenje videa s posodobljenimi multimodalnimi rotacijskimi pozicijskimi informacijami. Vizualni kodirnik uporablja okensko pozornost, SwiGLU in RMSNorm. To so arhitekturne spremembe za vizualno in časovno obdelavo; dokumentiranemu poteku z besedilnim rezultatom ne dodajajo zvočnega vhoda ali ustvarjanja slik.\n\nKartica prikazuje posamezno sliko, več slik, zaporedje video sličic, video datoteko ali referenco in paketne pogovore. Slikovni procesor dokumentira privzeti razpon od 4 do 16,384 vizualnih žetonov na sliko. Najmanjše in največje nastavitve slikovnih pik ohranijo razmerje stranic; zahtevane natančne mere se zaokrožijo na večkratnik 28. Primer razpona od 256 do 1,280 vizualnih žetonov je prilagodljiva ponazoritev, ne ločena trda omejitev slike. Pri spreminjanju velikosti ohranite podrobnosti, potrebne za vprašanje.\n\nKontekst in nastavitve, občutljive za določanje položaja\n\nObjavljena konfiguracija nastavi največje število položajev na 128,000. Razdelek kartice o dolgem besedilu ločeno opisuje osnovo 32,768 žetonov in primer razširitve YaRN. Izrecno opozarja, da ta razširitev močno vpliva na časovno in prostorsko določanje, zato je ne priporoča. Vodnik obravnava tudi spreminjanje največjega števila položajev za dolge videe; to so konfiguracijske opombe, ne ena brezpogojna vhodna omejitev za vsako nalogo.\n\nNatančno konfiguracijo izdaje in vizualno predobdelavo uskladite z nalogo, zlasti kadar so pomembne koordinate ali časi dogodkov. Primer ustvarjanja 128 žetonov v kartici ne določa ločene največje izhodne zmogljivosti. Qwen2.5-VL-7B-Instruct ustvarja besedilo, koordinate in strukturirane ugotovitve; zunanje dejanje, izrisana slika, video ali govorjeni odgovor zahteva drugo komponento aplikacije.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Extract a transcribed invoice table\n\nExtract line items from this invoice transcription: "Invoice N-33; item | quantity | unit price; Clip | 4 | 2.50; Folder | 2 | unreadable." Return each item with quantity, unit price and source invoice ID. Mark the unreadable price explicitly and do not infer it from a total. No image is supplied.A two-row field table retaining N-33 and an explicit unreadable value for the folder unit price.Verify quantities are not swapped and the unreadable price is neither zero nor a guessed amount.qwen2.5-vl-7b-instructQwen2.5-VL-7B-Instruct je vizualno-jezikovni model za slike, dokumente in video. Ustvarja besedilo in strukturirane ugotovitve, vključno z okvirji objektov, točkami in lastnostmi, ter izdaji 7B prinaša časovno določanje dogodkov in zmožnosti vizualnega agenta.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen2.5-VL-7B-Instruct je izdaja Qwen2.5-VL velikosti 7B, prilagojena navodilom. Besedilno navodilo poveže s slikami ali videom in vrne besedilni rezultat. Ključne proizvajalčeve izboljšave zajemajo prepoznavanje objektov in vizualnih podrobnosti, analizo besedila in postavitev, naloge vizualnega agenta, razumevanje dogodkov v dolgih videih, določanje položaja objektov in strukturirano pridobivanje podatkov iz dokumentov.
Razumevanje vizualne vsebine
Družina presega prepoznavanje glavnega motiva fotografije. Dokumentirane naloge vključujejo analizo besedila, grafikonov, ikon, grafike in razporeditve elementov na sliki. Pri grafikonu določite niz ali povezavo, ki jo želite preučiti, ter ohranite osi, legendo in enote. Pri diagramu vprašajte, kako so povezane označene komponente in kaj vidna razporeditev pove o procesu.
Uporabna primerjava lahko vključuje izvorno in popravljeno zasnovo, označi, katera je katera, ter zahteva vidne spremembe glede na kratek seznam zahtev. Opažanje zahtevajte skupaj z ustreznim območjem slike. Tako dobi odgovor konkreten namen, namesto da zahteva splošen opis dveh nepovezanih slik.
Poteki vizualnega agenta
Proizvajalec predstavlja Qwen2.5-VL kot vizualnega agenta, ki lahko sklepa o zaslonu in usmerja orodja pri nalogah uporabe računalnika ali telefona. Model zagotovi razlago in predlagano operacijo; okoliška agentska aplikacija zagotavlja kontrole, izvede operacijo in vrne novo stanje. Besedilni odgovor ali napovedana koordinata sta zato en del tega integriranega poteka.
Za vprašanje o vmesniku priložite posnetek zaslona in dejanski cilj, nato vprašajte, kateri vidni kontrolnik je pomemben in kaj je treba storiti naslednje. Zahtevani izhod naj bo konkreten: oznaka kontrolnika, njegov položaj in predvideno dejanje. Če aplikacija to dejanje nato izvede, naslednji posnetek zaslona zagotovi posodobljeni vizualni vhod za nadaljnjo odločitev.
Dolgi videi in časovno določanje dogodkov
Proizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odseka z zahtevanim dogodkom. To razširi opisovanje videa v časovno določanje. Naloga lahko vpraša, kdaj se objekt prvič pojavi, kje prikaz doseže določeni korak ali kateri vidni dogodek nastopi pred drugim. Navedite, ali mora biti rezultat povzetek, urejen seznam dogodkov ali začetni in končni čas z opisom dogodka.
Družina se uči z dinamičnim vzorčenjem hitrosti sličic in časovne pozicijske informacije usklajuje z absolutnim časom. Podatki o hitrosti sličic zato sodijo k pripravi videa in niso poljubna oznaka, ki jo lahko zavržete, kadar so časovni žigi pomembni. Dokumentirana zmožnost dolgih videov ni univerzalna specifikacija velikosti datoteke ali največjega trajanja za vsako vhodno pot.
Določanje položaja objektov in strukturirani dokumenti
Qwen2.5-VL lahko vrne omejevalne okvirje ali točke ter koordinate in lastnosti uredi kot JSON. Izdaja uporablja koordinate v merilu dejanske velikosti slike namesto običajnih normaliziranih koordinat. Določite, ali naloga potrebuje obdajajoči okvir, konkretno točko ali opis objekta, ter ohranite mere slike in podatke o spreminjanju velikosti, potrebne za razumevanje vrnjenega položaja.
Zahteva za vizualni popis lahko na primer za vsak ciljni objekt zahteva njegov okvir in vidno lastnost. Točkovna naloga lahko zahteva položaj označenega kontrolnika ali določenega dela objekta. To so predlagane zasnove izhoda, ne fiksna imena polj, ki jih mora uporabiti vsaka zahteva. Pri več priloženih slikah vsako koordinato povežite z njeno izvorno sliko.
Proizvajalec posebej poudarja strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Določite polja, ohranite izvorne oznake in zahtevajte izrecno predstavitev, kadar vrednosti ni mogoče prebrati. Pri tabeli ohranite naslove stolpcev in enote skupaj z zahtevanimi vrsticami. Praktičen zapis lahko vsebuje identifikator dokumenta, oznako polja, pridobljeno vrednost in položaj, da je izhod uporaben za poznejšo primerjavo ali človeški pregled.
Arhitektura in priprava vhoda
Model združuje dinamično ločljivost slik in dinamično vzorčenje videa s posodobljenimi multimodalnimi rotacijskimi pozicijskimi informacijami. Vizualni kodirnik uporablja okensko pozornost, SwiGLU in RMSNorm. To so arhitekturne spremembe za vizualno in časovno obdelavo; dokumentiranemu poteku z besedilnim rezultatom ne dodajajo zvočnega vhoda ali ustvarjanja slik.
Kartica prikazuje posamezno sliko, več slik, zaporedje video sličic, video datoteko ali referenco in paketne pogovore. Slikovni procesor dokumentira privzeti razpon od 4 do 16,384 vizualnih žetonov na sliko. Najmanjše in največje nastavitve slikovnih pik ohranijo razmerje stranic; zahtevane natančne mere se zaokrožijo na večkratnik 28. Primer razpona od 256 do 1,280 vizualnih žetonov je prilagodljiva ponazoritev, ne ločena trda omejitev slike. Pri spreminjanju velikosti ohranite podrobnosti, potrebne za vprašanje.
Kontekst in nastavitve, občutljive za določanje položaja
Objavljena konfiguracija nastavi največje število položajev na 128,000. Razdelek kartice o dolgem besedilu ločeno opisuje osnovo 32,768 žetonov in primer razširitve YaRN. Izrecno opozarja, da ta razširitev močno vpliva na časovno in prostorsko določanje, zato je ne priporoča. Vodnik obravnava tudi spreminjanje največjega števila položajev za dolge videe; to so konfiguracijske opombe, ne ena brezpogojna vhodna omejitev za vsako nalogo.
Natančno konfiguracijo izdaje in vizualno predobdelavo uskladite z nalogo, zlasti kadar so pomembne koordinate ali časi dogodkov. Primer ustvarjanja 128 žetonov v kartici ne določa ločene največje izhodne zmogljivosti. Qwen2.5-VL-7B-Instruct ustvarja besedilo, koordinate in strukturirane ugotovitve; zunanje dejanje, izrisana slika, video ali govorjeni odgovor zahteva drugo komponento aplikacije.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen2.5-vl-7b-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 $0.0001 / 1K žetonov Izhod · Izhodni žetoni $0.0001 / 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-7b-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-7b-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-7b-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-7b-instruct
Uporabite zgoraj navedene poti metod.
qwen2.5-vl-7b-instructQwen2.5-VL-7B-Instruct je vizualno-jezikovni model za slike, dokumente in video. Ustvarja besedilo in strukturirane ugotovitve, vključno z okvirji objektov, točkami in lastnostmi, ter izdaji 7B prinaša časovno določanje dogodkov in zmožnosti vizualnega agenta.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen2.5-VL-7B-Instruct je izdaja Qwen2.5-VL velikosti 7B, prilagojena navodilom. Besedilno navodilo poveže s slikami ali videom in vrne besedilni rezultat. Ključne proizvajalčeve izboljšave zajemajo prepoznavanje objektov in vizualnih podrobnosti, analizo besedila in postavitev, naloge vizualnega agenta, razumevanje dogodkov v dolgih videih, določanje položaja objektov in strukturirano pridobivanje podatkov iz dokumentov.
Razumevanje vizualne vsebine
Družina presega prepoznavanje glavnega motiva fotografije. Dokumentirane naloge vključujejo analizo besedila, grafikonov, ikon, grafike in razporeditve elementov na sliki. Pri grafikonu določite niz ali povezavo, ki jo želite preučiti, ter ohranite osi, legendo in enote. Pri diagramu vprašajte, kako so povezane označene komponente in kaj vidna razporeditev pove o procesu.
Uporabna primerjava lahko vključuje izvorno in popravljeno zasnovo, označi, katera je katera, ter zahteva vidne spremembe glede na kratek seznam zahtev. Opažanje zahtevajte skupaj z ustreznim območjem slike. Tako dobi odgovor konkreten namen, namesto da zahteva splošen opis dveh nepovezanih slik.
Poteki vizualnega agenta
Proizvajalec predstavlja Qwen2.5-VL kot vizualnega agenta, ki lahko sklepa o zaslonu in usmerja orodja pri nalogah uporabe računalnika ali telefona. Model zagotovi razlago in predlagano operacijo; okoliška agentska aplikacija zagotavlja kontrole, izvede operacijo in vrne novo stanje. Besedilni odgovor ali napovedana koordinata sta zato en del tega integriranega poteka.
Za vprašanje o vmesniku priložite posnetek zaslona in dejanski cilj, nato vprašajte, kateri vidni kontrolnik je pomemben in kaj je treba storiti naslednje. Zahtevani izhod naj bo konkreten: oznaka kontrolnika, njegov položaj in predvideno dejanje. Če aplikacija to dejanje nato izvede, naslednji posnetek zaslona zagotovi posodobljeni vizualni vhod za nadaljnjo odločitev.
Dolgi videi in časovno določanje dogodkov
Proizvajalec opisuje razumevanje videov, daljših od ene ure, in prepoznavanje odseka z zahtevanim dogodkom. To razširi opisovanje videa v časovno določanje. Naloga lahko vpraša, kdaj se objekt prvič pojavi, kje prikaz doseže določeni korak ali kateri vidni dogodek nastopi pred drugim. Navedite, ali mora biti rezultat povzetek, urejen seznam dogodkov ali začetni in končni čas z opisom dogodka.
Družina se uči z dinamičnim vzorčenjem hitrosti sličic in časovne pozicijske informacije usklajuje z absolutnim časom. Podatki o hitrosti sličic zato sodijo k pripravi videa in niso poljubna oznaka, ki jo lahko zavržete, kadar so časovni žigi pomembni. Dokumentirana zmožnost dolgih videov ni univerzalna specifikacija velikosti datoteke ali največjega trajanja za vsako vhodno pot.
Določanje položaja objektov in strukturirani dokumenti
Qwen2.5-VL lahko vrne omejevalne okvirje ali točke ter koordinate in lastnosti uredi kot JSON. Izdaja uporablja koordinate v merilu dejanske velikosti slike namesto običajnih normaliziranih koordinat. Določite, ali naloga potrebuje obdajajoči okvir, konkretno točko ali opis objekta, ter ohranite mere slike in podatke o spreminjanju velikosti, potrebne za razumevanje vrnjenega položaja.
Zahteva za vizualni popis lahko na primer za vsak ciljni objekt zahteva njegov okvir in vidno lastnost. Točkovna naloga lahko zahteva položaj označenega kontrolnika ali določenega dela objekta. To so predlagane zasnove izhoda, ne fiksna imena polj, ki jih mora uporabiti vsaka zahteva. Pri več priloženih slikah vsako koordinato povežite z njeno izvorno sliko.
Proizvajalec posebej poudarja strukturirano pridobivanje podatkov iz skeniranih računov, obrazcev in tabel. Določite polja, ohranite izvorne oznake in zahtevajte izrecno predstavitev, kadar vrednosti ni mogoče prebrati. Pri tabeli ohranite naslove stolpcev in enote skupaj z zahtevanimi vrsticami. Praktičen zapis lahko vsebuje identifikator dokumenta, oznako polja, pridobljeno vrednost in položaj, da je izhod uporaben za poznejšo primerjavo ali človeški pregled.
Arhitektura in priprava vhoda
Model združuje dinamično ločljivost slik in dinamično vzorčenje videa s posodobljenimi multimodalnimi rotacijskimi pozicijskimi informacijami. Vizualni kodirnik uporablja okensko pozornost, SwiGLU in RMSNorm. To so arhitekturne spremembe za vizualno in časovno obdelavo; dokumentiranemu poteku z besedilnim rezultatom ne dodajajo zvočnega vhoda ali ustvarjanja slik.
Kartica prikazuje posamezno sliko, več slik, zaporedje video sličic, video datoteko ali referenco in paketne pogovore. Slikovni procesor dokumentira privzeti razpon od 4 do 16,384 vizualnih žetonov na sliko. Najmanjše in največje nastavitve slikovnih pik ohranijo razmerje stranic; zahtevane natančne mere se zaokrožijo na večkratnik 28. Primer razpona od 256 do 1,280 vizualnih žetonov je prilagodljiva ponazoritev, ne ločena trda omejitev slike. Pri spreminjanju velikosti ohranite podrobnosti, potrebne za vprašanje.
Kontekst in nastavitve, občutljive za določanje položaja
Objavljena konfiguracija nastavi največje število položajev na 128,000. Razdelek kartice o dolgem besedilu ločeno opisuje osnovo 32,768 žetonov in primer razširitve YaRN. Izrecno opozarja, da ta razširitev močno vpliva na časovno in prostorsko določanje, zato je ne priporoča. Vodnik obravnava tudi spreminjanje največjega števila položajev za dolge videe; to so konfiguracijske opombe, ne ena brezpogojna vhodna omejitev za vsako nalogo.
Natančno konfiguracijo izdaje in vizualno predobdelavo uskladite z nalogo, zlasti kadar so pomembne koordinate ali časi dogodkov. Primer ustvarjanja 128 žetonov v kartici ne določa ločene največje izhodne zmogljivosti. Qwen2.5-VL-7B-Instruct ustvarja besedilo, koordinate in strukturirane ugotovitve; zunanje dejanje, izrisana slika, video ali govorjeni odgovor zahteva drugo komponento aplikacije.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen2.5-vl-7b-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 $0.0001 / 1K žetonov Izhod · Izhodni žetoni $0.0001 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen2.5-vl-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-7b-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-7b-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-7b-instruct
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Extract a transcribed invoice table\n\nExtract line items from this invoice transcription: "Invoice N-33; item | quantity | unit price; Clip | 4 | 2.50; Folder | 2 | unreadable." Return each item with quantity, unit price and source invoice ID. Mark the unreadable price explicitly and do not infer it from a total. No image is supplied.A two-row field table retaining N-33 and an explicit unreadable value for the folder unit price.Verify quantities are not swapped and the unreadable price is neither zero nor a guessed amount.