Uvod: vidno-jezikovna izdaja s 7 milijardami parametrov
Qwen2-VL-7B-Instruct je navodilom prilagojeni član družine Qwen2-VL s 7 milijardami parametrov. Besedilna navodila združuje s slikami ali videom in ustvarja besedilne odgovore. Uporabni izhodi vključujejo razlago strani, primerjavo slik, opis vidnih dogodkov ali odgovor na vprašanje o grafikonu. Ostaja prav ta izdaja Qwen2-VL; novejše kontrolne točke Qwen2.5-VL in Qwen3-VL imajo lastne zmožnosti in identitete.
Kaj dodaja Qwen2-VL
Qwen opisuje vizualno razumevanje pri različnih ločljivostih in razmerjih stranic slik ter odgovarjanje na vprašanja o videu, dialog in ustvarjanje vsebine. Dokumentirana videozmožnost družine vključuje gradivo, daljše od 20 minut. Samo trajanje ne določa, koliko kadrov aplikacija obdela, in ne zagotavlja priklica vsakega dogodka. Večjezično razumevanje slik in besedila vključuje angleščino in kitajščino, številne evropske jezike, japonščino, korejščino, arabščino in vietnamščino.
Proizvajalec opisuje tudi povezovanje s telefoni, roboti in drugimi napravami prek vizualnih opažanj in besedilnih navodil. To je potek dela aplikacije: model razlaga vizualno okolje in pomaga izbrati dejanja, povezana programska ali strojna oprema pa jih izvede. Prepoznavanje zaslona mu samo po sebi ne daje nadzora nad njim.
Spremembe arhitekture
Dinamična ločljivost pretvori sliko v spremenljivo število vizualnih žetonov, namesto da bi vsak vhod prisilno pretvorila v enako predstavitev. M-ROPE ločuje položajne informacije za besedilo, dvodimenzionalne slike in tridimenzionalne videoinformacije ter združuje prostorsko in časovno strukturo. Objavljena konfiguracija 7B navaja 32.768 položajev. Besedilo, vizualni žetoni in ustvarjeni izhod si delijo omejen proračun zaporedja, zato ločljivost slik in vzorčenje videa vplivata na količino gradiva, ki jo lahko zahteva vključuje.
Priprava slik in pogovorov
Uradni primeri podpirajo eno sliko, več slik in izključno besedilne pogovore. Priložite sliko s konkretnim vprašanjem, namesto da bi se zanašali na široko navodilo, kot je »analiziraj vse«. Pri strani dokumenta zahtevajte poimenovana polja in ohranitev ločil v navedkih. Dva oblikovalska posnetka zaslona označite kot prvega in drugega, nato pa zahtevajte tabelo vidnih sprememb. Pri grafikonu zahtevajte njegove oznake, enote in vrednosti, ki podpirajo navedeni trend. To so praktične uporabe odgovarjanja na vizualna vprašanja, ne obljube brezhibnega izluščanja.
Proizvajalčevi pripomočki sprejemajo slike iz lokalnih datotek, kodiranih slikovnih podatkov ali lokacij slik; njegov dokumentirani videoprimer uporablja lokalne videodatoteke ali urejen seznam kadrov. Formati nalaganja v aplikaciji ostajajo ločena odločitev o vmesniku. Ohranite izvirno zaporedje kadrov in navedite časovni interval, ki ga predstavlja seznam kadrov. Primeri ustvarjajo besedilo; ta kontrolna točka ni opisana kot generator slik ali videa.
Ločljivost in priprava videa
Qwenov procesor privzeto uporablja razpon od štirih do 16.384 vizualnih žetonov na sliko. Izpostavlja min_pixels in max_pixels za uravnoteženje podrobnosti s pomnilnikom in računanjem, z dokumentiranim primerom, usmerjenim v 256–1.280 vizualnih žetonov. Velikost slik se prilagodi znotraj izbranih mej ob ohranjanju razmerja stranic. Izrecno določene prilagojene dimenzije se zaokrožijo na večkratnik 28. Gosta tabela ali drobna pisava lahko potrebujeta dovolj visoko ločljivost, da ostaneta berljivi; povečanje ločljivosti porabi tudi več razpoložljivega vizualnega in kontekstnega proračuna.
Videoprimer prikazuje vzorčenje enega kadra na sekundo in nastavljivo omejitev slikovnih pik. To so vzorčne nastavitve, ne univerzalno zahtevana hitrost ali stroga medijska omejitev. Za pregled dogodka predložite ustrezni izsek in zahtevajte urejen opis vidnih sprememb. Časovno bližnji dogodki lahko zahtevajo gostejše vzorčenje kot splošen povzetek prizora. Qwen2-VL ne razume zvočnih informacij v videih, zato govorjeni dialog ali zvočni učinki zahtevajo ločen zvočni potek dela.
Znane omejitve
Qwen navaja junij 2023 kot presečni datum slikovnih učnih podatkov, brez zagotovila poznavanja poznejših oseb, izdelkov ali dogodkov. Prepoznavanje določenih posameznikov in vsebin intelektualne lastnine je nepopolno. Zahtevna večstopenjska navodila, štetje objektov v natrpanih prizorih in prostorska razmerja, zlasti v treh dimenzijah, so dokumentirane slabosti. Zapleteno vizualno nalogo razdelite na jasna vprašanja, zahtevajte vidne dokaze za rezultat ter izluščene številke in navedeno besedilo preverite v sliki. Verjetnega opisa ne smete obravnavati kot natančno štetje ali izmerjeno tridimenzionalno lokacijo.
Kratki primeri ustvarjanja na kartici ne določajo ločene stroge izhodne omejitve. Velikost odgovora načrtujte skupaj z besedilnim in vizualnim vhodom ter v viru ohranite dovolj podrobnosti za konkretno vprašanje. Tako sta izbira modela in priprava vhoda uporabnejši od predpostavke, da vsaka slika ali vsak dolg video da enako zanesljiv odgovor.
", "aboutText": "Uvod: vidno-jezikovna izdaja s 7 milijardami parametrov\n\nQwen2-VL-7B-Instruct je navodilom prilagojeni član družine Qwen2-VL s 7 milijardami parametrov. Besedilna navodila združuje s slikami ali videom in ustvarja besedilne odgovore. Uporabni izhodi vključujejo razlago strani, primerjavo slik, opis vidnih dogodkov ali odgovor na vprašanje o grafikonu. Ostaja prav ta izdaja Qwen2-VL; novejše kontrolne točke Qwen2.5-VL in Qwen3-VL imajo lastne zmožnosti in identitete.\n\nKaj dodaja Qwen2-VL\n\nQwen opisuje vizualno razumevanje pri različnih ločljivostih in razmerjih stranic slik ter odgovarjanje na vprašanja o videu, dialog in ustvarjanje vsebine. Dokumentirana videozmožnost družine vključuje gradivo, daljše od 20 minut. Samo trajanje ne določa, koliko kadrov aplikacija obdela, in ne zagotavlja priklica vsakega dogodka. Večjezično razumevanje slik in besedila vključuje angleščino in kitajščino, številne evropske jezike, japonščino, korejščino, arabščino in vietnamščino.\n\nProizvajalec opisuje tudi povezovanje s telefoni, roboti in drugimi napravami prek vizualnih opažanj in besedilnih navodil. To je potek dela aplikacije: model razlaga vizualno okolje in pomaga izbrati dejanja, povezana programska ali strojna oprema pa jih izvede. Prepoznavanje zaslona mu samo po sebi ne daje nadzora nad njim.\n\nSpremembe arhitekture\n\nDinamična ločljivost pretvori sliko v spremenljivo število vizualnih žetonov, namesto da bi vsak vhod prisilno pretvorila v enako predstavitev. M-ROPE ločuje položajne informacije za besedilo, dvodimenzionalne slike in tridimenzionalne videoinformacije ter združuje prostorsko in časovno strukturo. Objavljena konfiguracija 7B navaja 32.768 položajev. Besedilo, vizualni žetoni in ustvarjeni izhod si delijo omejen proračun zaporedja, zato ločljivost slik in vzorčenje videa vplivata na količino gradiva, ki jo lahko zahteva vključuje.\n\nPriprava slik in pogovorov\n\nUradni primeri podpirajo eno sliko, več slik in izključno besedilne pogovore. Priložite sliko s konkretnim vprašanjem, namesto da bi se zanašali na široko navodilo, kot je »analiziraj vse«. Pri strani dokumenta zahtevajte poimenovana polja in ohranitev ločil v navedkih. Dva oblikovalska posnetka zaslona označite kot prvega in drugega, nato pa zahtevajte tabelo vidnih sprememb. Pri grafikonu zahtevajte njegove oznake, enote in vrednosti, ki podpirajo navedeni trend. To so praktične uporabe odgovarjanja na vizualna vprašanja, ne obljube brezhibnega izluščanja.\n\nProizvajalčevi pripomočki sprejemajo slike iz lokalnih datotek, kodiranih slikovnih podatkov ali lokacij slik; njegov dokumentirani videoprimer uporablja lokalne videodatoteke ali urejen seznam kadrov. Formati nalaganja v aplikaciji ostajajo ločena odločitev o vmesniku. Ohranite izvirno zaporedje kadrov in navedite časovni interval, ki ga predstavlja seznam kadrov. Primeri ustvarjajo besedilo; ta kontrolna točka ni opisana kot generator slik ali videa.\n\nLočljivost in priprava videa\n\nQwenov procesor privzeto uporablja razpon od štirih do 16.384 vizualnih žetonov na sliko. Izpostavlja min_pixels in max_pixels za uravnoteženje podrobnosti s pomnilnikom in računanjem, z dokumentiranim primerom, usmerjenim v 256–1.280 vizualnih žetonov. Velikost slik se prilagodi znotraj izbranih mej ob ohranjanju razmerja stranic. Izrecno določene prilagojene dimenzije se zaokrožijo na večkratnik 28. Gosta tabela ali drobna pisava lahko potrebujeta dovolj visoko ločljivost, da ostaneta berljivi; povečanje ločljivosti porabi tudi več razpoložljivega vizualnega in kontekstnega proračuna.\n\nVideoprimer prikazuje vzorčenje enega kadra na sekundo in nastavljivo omejitev slikovnih pik. To so vzorčne nastavitve, ne univerzalno zahtevana hitrost ali stroga medijska omejitev. Za pregled dogodka predložite ustrezni izsek in zahtevajte urejen opis vidnih sprememb. Časovno bližnji dogodki lahko zahtevajo gostejše vzorčenje kot splošen povzetek prizora. Qwen2-VL ne razume zvočnih informacij v videih, zato govorjeni dialog ali zvočni učinki zahtevajo ločen zvočni potek dela.\n\nZnane omejitve\n\nQwen navaja junij 2023 kot presečni datum slikovnih učnih podatkov, brez zagotovila poznavanja poznejših oseb, izdelkov ali dogodkov. Prepoznavanje določenih posameznikov in vsebin intelektualne lastnine je nepopolno. Zahtevna večstopenjska navodila, štetje objektov v natrpanih prizorih in prostorska razmerja, zlasti v treh dimenzijah, so dokumentirane slabosti. Zapleteno vizualno nalogo razdelite na jasna vprašanja, zahtevajte vidne dokaze za rezultat ter izluščene številke in navedeno besedilo preverite v sliki. Verjetnega opisa ne smete obravnavati kot natančno štetje ali izmerjeno tridimenzionalno lokacijo.\n\nKratki primeri ustvarjanja na kartici ne določajo ločene stroge izhodne omejitve. Velikost odgovora načrtujte skupaj z besedilnim in vizualnim vhodom ter v viru ohranite dovolj podrobnosti za konkretno vprašanje. Tako sta izbira modela in priprava vhoda uporabnejši od predpostavke, da vsaka slika ali vsak dolg video da enako zanesljiv odgovor.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct je vidno-jezikovni model podjetja Qwen, prilagojen navodilom, ki sprejema besedilo, slike in video ter vrača besedilo. Uporabite ga za vprašanja o straneh dokumentov, primerjavo slik ali opis vizualnih dogodkov, z dinamično ločljivostjo slik in dokumentiranimi omejitvami pri štetju, prostorskem sklepanju ter razumevanju zvoka v videu.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Uvod: vidno-jezikovna izdaja s 7 milijardami parametrov
Qwen2-VL-7B-Instruct je navodilom prilagojeni član družine Qwen2-VL s 7 milijardami parametrov. Besedilna navodila združuje s slikami ali videom in ustvarja besedilne odgovore. Uporabni izhodi vključujejo razlago strani, primerjavo slik, opis vidnih dogodkov ali odgovor na vprašanje o grafikonu. Ostaja prav ta izdaja Qwen2-VL; novejše kontrolne točke Qwen2.5-VL in Qwen3-VL imajo lastne zmožnosti in identitete.
Kaj dodaja Qwen2-VL
Qwen opisuje vizualno razumevanje pri različnih ločljivostih in razmerjih stranic slik ter odgovarjanje na vprašanja o videu, dialog in ustvarjanje vsebine. Dokumentirana videozmožnost družine vključuje gradivo, daljše od 20 minut. Samo trajanje ne določa, koliko kadrov aplikacija obdela, in ne zagotavlja priklica vsakega dogodka. Večjezično razumevanje slik in besedila vključuje angleščino in kitajščino, številne evropske jezike, japonščino, korejščino, arabščino in vietnamščino.
Proizvajalec opisuje tudi povezovanje s telefoni, roboti in drugimi napravami prek vizualnih opažanj in besedilnih navodil. To je potek dela aplikacije: model razlaga vizualno okolje in pomaga izbrati dejanja, povezana programska ali strojna oprema pa jih izvede. Prepoznavanje zaslona mu samo po sebi ne daje nadzora nad njim.
Spremembe arhitekture
Dinamična ločljivost pretvori sliko v spremenljivo število vizualnih žetonov, namesto da bi vsak vhod prisilno pretvorila v enako predstavitev. M-ROPE ločuje položajne informacije za besedilo, dvodimenzionalne slike in tridimenzionalne videoinformacije ter združuje prostorsko in časovno strukturo. Objavljena konfiguracija 7B navaja 32.768 položajev. Besedilo, vizualni žetoni in ustvarjeni izhod si delijo omejen proračun zaporedja, zato ločljivost slik in vzorčenje videa vplivata na količino gradiva, ki jo lahko zahteva vključuje.
Priprava slik in pogovorov
Uradni primeri podpirajo eno sliko, več slik in izključno besedilne pogovore. Priložite sliko s konkretnim vprašanjem, namesto da bi se zanašali na široko navodilo, kot je »analiziraj vse«. Pri strani dokumenta zahtevajte poimenovana polja in ohranitev ločil v navedkih. Dva oblikovalska posnetka zaslona označite kot prvega in drugega, nato pa zahtevajte tabelo vidnih sprememb. Pri grafikonu zahtevajte njegove oznake, enote in vrednosti, ki podpirajo navedeni trend. To so praktične uporabe odgovarjanja na vizualna vprašanja, ne obljube brezhibnega izluščanja.
Proizvajalčevi pripomočki sprejemajo slike iz lokalnih datotek, kodiranih slikovnih podatkov ali lokacij slik; njegov dokumentirani videoprimer uporablja lokalne videodatoteke ali urejen seznam kadrov. Formati nalaganja v aplikaciji ostajajo ločena odločitev o vmesniku. Ohranite izvirno zaporedje kadrov in navedite časovni interval, ki ga predstavlja seznam kadrov. Primeri ustvarjajo besedilo; ta kontrolna točka ni opisana kot generator slik ali videa.
Ločljivost in priprava videa
Qwenov procesor privzeto uporablja razpon od štirih do 16.384 vizualnih žetonov na sliko. Izpostavlja min_pixels in max_pixels za uravnoteženje podrobnosti s pomnilnikom in računanjem, z dokumentiranim primerom, usmerjenim v 256–1.280 vizualnih žetonov. Velikost slik se prilagodi znotraj izbranih mej ob ohranjanju razmerja stranic. Izrecno določene prilagojene dimenzije se zaokrožijo na večkratnik 28. Gosta tabela ali drobna pisava lahko potrebujeta dovolj visoko ločljivost, da ostaneta berljivi; povečanje ločljivosti porabi tudi več razpoložljivega vizualnega in kontekstnega proračuna.
Videoprimer prikazuje vzorčenje enega kadra na sekundo in nastavljivo omejitev slikovnih pik. To so vzorčne nastavitve, ne univerzalno zahtevana hitrost ali stroga medijska omejitev. Za pregled dogodka predložite ustrezni izsek in zahtevajte urejen opis vidnih sprememb. Časovno bližnji dogodki lahko zahtevajo gostejše vzorčenje kot splošen povzetek prizora. Qwen2-VL ne razume zvočnih informacij v videih, zato govorjeni dialog ali zvočni učinki zahtevajo ločen zvočni potek dela.
Znane omejitve
Qwen navaja junij 2023 kot presečni datum slikovnih učnih podatkov, brez zagotovila poznavanja poznejših oseb, izdelkov ali dogodkov. Prepoznavanje določenih posameznikov in vsebin intelektualne lastnine je nepopolno. Zahtevna večstopenjska navodila, štetje objektov v natrpanih prizorih in prostorska razmerja, zlasti v treh dimenzijah, so dokumentirane slabosti. Zapleteno vizualno nalogo razdelite na jasna vprašanja, zahtevajte vidne dokaze za rezultat ter izluščene številke in navedeno besedilo preverite v sliki. Verjetnega opisa ne smete obravnavati kot natančno štetje ali izmerjeno tridimenzionalno lokacijo.
Kratki primeri ustvarjanja na kartici ne določajo ločene stroge izhodne omejitve. Velikost odgovora načrtujte skupaj z besedilnim in vizualnim vhodom ter v viru ohranite dovolj podrobnosti za konkretno vprašanje. Tako sta izbira modela in priprava vhoda uporabnejši od predpostavke, da vsaka slika ali vsak dolg video da enako zanesljiv odgovor.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K žetonov Izhod · Izhodni žetoni $0.00142 / 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-VL-7B-Instruct-ultra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen2-VL-7B-Instruct-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen2-VL-7B-Instruct-ultra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-VL-7B-Instruct-ultra
Uporabite zgoraj navedene poti metod.
Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct je vidno-jezikovni model podjetja Qwen, prilagojen navodilom, ki sprejema besedilo, slike in video ter vrača besedilo. Uporabite ga za vprašanja o straneh dokumentov, primerjavo slik ali opis vizualnih dogodkov, z dinamično ločljivostjo slik in dokumentiranimi omejitvami pri štetju, prostorskem sklepanju ter razumevanju zvoka v videu.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Uvod: vidno-jezikovna izdaja s 7 milijardami parametrov
Qwen2-VL-7B-Instruct je navodilom prilagojeni član družine Qwen2-VL s 7 milijardami parametrov. Besedilna navodila združuje s slikami ali videom in ustvarja besedilne odgovore. Uporabni izhodi vključujejo razlago strani, primerjavo slik, opis vidnih dogodkov ali odgovor na vprašanje o grafikonu. Ostaja prav ta izdaja Qwen2-VL; novejše kontrolne točke Qwen2.5-VL in Qwen3-VL imajo lastne zmožnosti in identitete.
Kaj dodaja Qwen2-VL
Qwen opisuje vizualno razumevanje pri različnih ločljivostih in razmerjih stranic slik ter odgovarjanje na vprašanja o videu, dialog in ustvarjanje vsebine. Dokumentirana videozmožnost družine vključuje gradivo, daljše od 20 minut. Samo trajanje ne določa, koliko kadrov aplikacija obdela, in ne zagotavlja priklica vsakega dogodka. Večjezično razumevanje slik in besedila vključuje angleščino in kitajščino, številne evropske jezike, japonščino, korejščino, arabščino in vietnamščino.
Proizvajalec opisuje tudi povezovanje s telefoni, roboti in drugimi napravami prek vizualnih opažanj in besedilnih navodil. To je potek dela aplikacije: model razlaga vizualno okolje in pomaga izbrati dejanja, povezana programska ali strojna oprema pa jih izvede. Prepoznavanje zaslona mu samo po sebi ne daje nadzora nad njim.
Spremembe arhitekture
Dinamična ločljivost pretvori sliko v spremenljivo število vizualnih žetonov, namesto da bi vsak vhod prisilno pretvorila v enako predstavitev. M-ROPE ločuje položajne informacije za besedilo, dvodimenzionalne slike in tridimenzionalne videoinformacije ter združuje prostorsko in časovno strukturo. Objavljena konfiguracija 7B navaja 32.768 položajev. Besedilo, vizualni žetoni in ustvarjeni izhod si delijo omejen proračun zaporedja, zato ločljivost slik in vzorčenje videa vplivata na količino gradiva, ki jo lahko zahteva vključuje.
Priprava slik in pogovorov
Uradni primeri podpirajo eno sliko, več slik in izključno besedilne pogovore. Priložite sliko s konkretnim vprašanjem, namesto da bi se zanašali na široko navodilo, kot je »analiziraj vse«. Pri strani dokumenta zahtevajte poimenovana polja in ohranitev ločil v navedkih. Dva oblikovalska posnetka zaslona označite kot prvega in drugega, nato pa zahtevajte tabelo vidnih sprememb. Pri grafikonu zahtevajte njegove oznake, enote in vrednosti, ki podpirajo navedeni trend. To so praktične uporabe odgovarjanja na vizualna vprašanja, ne obljube brezhibnega izluščanja.
Proizvajalčevi pripomočki sprejemajo slike iz lokalnih datotek, kodiranih slikovnih podatkov ali lokacij slik; njegov dokumentirani videoprimer uporablja lokalne videodatoteke ali urejen seznam kadrov. Formati nalaganja v aplikaciji ostajajo ločena odločitev o vmesniku. Ohranite izvirno zaporedje kadrov in navedite časovni interval, ki ga predstavlja seznam kadrov. Primeri ustvarjajo besedilo; ta kontrolna točka ni opisana kot generator slik ali videa.
Ločljivost in priprava videa
Qwenov procesor privzeto uporablja razpon od štirih do 16.384 vizualnih žetonov na sliko. Izpostavlja min_pixels in max_pixels za uravnoteženje podrobnosti s pomnilnikom in računanjem, z dokumentiranim primerom, usmerjenim v 256–1.280 vizualnih žetonov. Velikost slik se prilagodi znotraj izbranih mej ob ohranjanju razmerja stranic. Izrecno določene prilagojene dimenzije se zaokrožijo na večkratnik 28. Gosta tabela ali drobna pisava lahko potrebujeta dovolj visoko ločljivost, da ostaneta berljivi; povečanje ločljivosti porabi tudi več razpoložljivega vizualnega in kontekstnega proračuna.
Videoprimer prikazuje vzorčenje enega kadra na sekundo in nastavljivo omejitev slikovnih pik. To so vzorčne nastavitve, ne univerzalno zahtevana hitrost ali stroga medijska omejitev. Za pregled dogodka predložite ustrezni izsek in zahtevajte urejen opis vidnih sprememb. Časovno bližnji dogodki lahko zahtevajo gostejše vzorčenje kot splošen povzetek prizora. Qwen2-VL ne razume zvočnih informacij v videih, zato govorjeni dialog ali zvočni učinki zahtevajo ločen zvočni potek dela.
Znane omejitve
Qwen navaja junij 2023 kot presečni datum slikovnih učnih podatkov, brez zagotovila poznavanja poznejših oseb, izdelkov ali dogodkov. Prepoznavanje določenih posameznikov in vsebin intelektualne lastnine je nepopolno. Zahtevna večstopenjska navodila, štetje objektov v natrpanih prizorih in prostorska razmerja, zlasti v treh dimenzijah, so dokumentirane slabosti. Zapleteno vizualno nalogo razdelite na jasna vprašanja, zahtevajte vidne dokaze za rezultat ter izluščene številke in navedeno besedilo preverite v sliki. Verjetnega opisa ne smete obravnavati kot natančno štetje ali izmerjeno tridimenzionalno lokacijo.
Kratki primeri ustvarjanja na kartici ne določajo ločene stroge izhodne omejitve. Velikost odgovora načrtujte skupaj z besedilnim in vizualnim vhodom ter v viru ohranite dovolj podrobnosti za konkretno vprašanje. Tako sta izbira modela in priprava vhoda uporabnejši od predpostavke, da vsaka slika ali vsak dolg video da enako zanesljiv odgovor.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K žetonov Izhod · Izhodni žetoni $0.00142 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "Qwen2-VL-7B-Instruct-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen2-VL-7B-Instruct-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen2-VL-7B-Instruct-ultra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-VL-7B-Instruct-ultra
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Compare transcribed dashboard changes\n\nCompare these dashboard descriptions supplied as text. First: heading 'Orders', filter 'All dates', total 240. Second: heading 'Orders', filter 'This week', total 38. Return a table of changed and unchanged fields, then explain why the totals alone do not establish a fall in orders. Use only the descriptions and keep the filter labels exact.A field-comparison table and a short explanation of the different date scopes.The result does not treat totals from All dates and This week as comparable periods.