Llama 3.2 90B Vision — Meta kompaniyasining Llama 3.2 Vision to‘plamidagi kattaroq tasvir va matn modeli. U Llama 3.1 autoregressiv til modelini alohida o‘qitilgan tasvir adapteri bilan birlashtiradi. O‘zaro diqqat qatlamlari tasvir kodlovchisidan olingan ifodalarni til modeliga olib kiradi va matnli savolni ko‘rinadigan mazmun bilan birga talqin qilish imkonini beradi. 90B belgisi hajm toifasini aniqlaydi; Meta konfiguratsiya jadvalida 88.8 milliard parametr va guruhlangan so‘rov diqqatini ko‘rsatadi.
Model matn va tasvirlarni qabul qiladi hamda matn yaratadi; kontekst uzunligi 128K token. Faqat matnli topshiriqlar uchun rasman qo‘llab-quvvatlanadigan tillar ingliz, nemis, fransuz, italyan, portugal, hind, ispan va tay tillaridir. Tasvir va matn ilovalari rasman ingliz tilida qo‘llab-quvvatlanadi. Hujjat yordamchisini tayyorlashda bu farq muhim: matnli suhbat tili va tasvir haqida savol berish tili alohida tanlovlardir.
Meta dastlabki o‘qitilgan va ko‘rsatmalarga moslab sozlangan nashrlarni e’lon qiladi. Dastlabki o‘qitilgan model tasvir ustida mulohaza topshiriqlariga moslashtirilishi mumkin bo‘lgan asosdir. Ko‘rsatmalarga moslab sozlangan nashr vizual tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvirlar bilan yordamchiga o‘xshash suhbat uchun nazoratli nozik sozlash va inson qayta aloqasi asosidagi mustahkamlovchi o‘qitishni qo‘shadi. Hajm belgisi 90B tarmog‘ini tasvirlaydi va bu sozlash nashrlarini alohida saqlaydi.
Mo‘ljallangan qo‘llanishlar vizual savollarga javob berish, hujjat tasviriga oid savollar, tasvirga izoh yozish, tasvir va matnni moslashtirish hamda ifodani tasvirga bog‘lashni o‘z ichiga oladi. Hujjat sahifasi uchun sarlavha jadval bilan qanday bog‘lanishini yoki ko‘rinadigan qaysi band aniq savolga javob berishini so‘rang. Diagramma uchun taqqoslanadigan qatorlar yoki belgilarni ko‘rsating va shu tafsilotlarga bog‘langan izohni so‘rang. Fotosurat uchun sahna va ko‘rinadigan munosabatlarni aniqlaydigan izohni so‘rang. Ifodani tasvirga bog‘lash savoldagi iborani tegishli obyekt yoki hudud bilan bog‘laydi; moslashtirish topshiriqlari esa tasvirni mos matnli tavsif bilan bog‘laydi.
Ailoot API topshirig‘ida tasvir bilan birga ravshan savolni bering va kerakli matnli materialni belgilang: tavsif, izoh, asoslovchi kuzatuvlarga ega javob yoki ajratib olingan tafsilotlar ro‘yxati. Keyingi tahrirlar ayni sahifa, diagramma yoki fotosuratga murojaat qila olishi uchun ko‘rinadigan dalilni savolga biriktirilgan holda saqlang. Meta model misollarida matn yaratish uchun tasvir protsessori va boshlang‘ich matn prompti ishlatiladi; e’lon qilingan chiqish modali matn bo‘lib qoladi.
Vision oilasi olti milliard tasvir va matn juftligida dastlabki o‘qitilgan. Ko‘rsatmalarga moslab sozlash ommaviy tasvir-ko‘rsatma ma’lumotlari va uch milliondan ortiq sintetik misollarni o‘z ichiga oladi. Meta dastlabki o‘qitish bilimlari chegarasini 2023-yil dekabr deb beradi va modelni oflayn ma’lumot to‘plamida o‘qitilgan statik nashr sifatida tavsiflaydi. Uning mas’uliyatga oid ishlari xavfsizlikka moslab nozik sozlash, adversarial baholash va alohida tizim himoyalarini o‘z ichiga oladi. Amaliy tekshirishda tasvir ko‘rinadigan tarzda nimani asoslashini model talqinidan ajrating va tavsiflarni berilgan material bilan solishtiring. Meta javoblar noto‘g‘ri yoki tarafkash bo‘lishi mumkinligini va baholashlari har bir qo‘llanish ssenariysini qamrab olmasligini qayd etadi.
", "aboutText": "Llama 3.2 90B Vision — Meta kompaniyasining Llama 3.2 Vision to‘plamidagi kattaroq tasvir va matn modeli. U Llama 3.1 autoregressiv til modelini alohida o‘qitilgan tasvir adapteri bilan birlashtiradi. O‘zaro diqqat qatlamlari tasvir kodlovchisidan olingan ifodalarni til modeliga olib kiradi va matnli savolni ko‘rinadigan mazmun bilan birga talqin qilish imkonini beradi. 90B belgisi hajm toifasini aniqlaydi; Meta konfiguratsiya jadvalida 88.8 milliard parametr va guruhlangan so‘rov diqqatini ko‘rsatadi.\n\nModel matn va tasvirlarni qabul qiladi hamda matn yaratadi; kontekst uzunligi 128K token. Faqat matnli topshiriqlar uchun rasman qo‘llab-quvvatlanadigan tillar ingliz, nemis, fransuz, italyan, portugal, hind, ispan va tay tillaridir. Tasvir va matn ilovalari rasman ingliz tilida qo‘llab-quvvatlanadi. Hujjat yordamchisini tayyorlashda bu farq muhim: matnli suhbat tili va tasvir haqida savol berish tili alohida tanlovlardir.\n\nMeta dastlabki o‘qitilgan va ko‘rsatmalarga moslab sozlangan nashrlarni e’lon qiladi. Dastlabki o‘qitilgan model tasvir ustida mulohaza topshiriqlariga moslashtirilishi mumkin bo‘lgan asosdir. Ko‘rsatmalarga moslab sozlangan nashr vizual tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvirlar bilan yordamchiga o‘xshash suhbat uchun nazoratli nozik sozlash va inson qayta aloqasi asosidagi mustahkamlovchi o‘qitishni qo‘shadi. Hajm belgisi 90B tarmog‘ini tasvirlaydi va bu sozlash nashrlarini alohida saqlaydi.\n\nMo‘ljallangan qo‘llanishlar vizual savollarga javob berish, hujjat tasviriga oid savollar, tasvirga izoh yozish, tasvir va matnni moslashtirish hamda ifodani tasvirga bog‘lashni o‘z ichiga oladi. Hujjat sahifasi uchun sarlavha jadval bilan qanday bog‘lanishini yoki ko‘rinadigan qaysi band aniq savolga javob berishini so‘rang. Diagramma uchun taqqoslanadigan qatorlar yoki belgilarni ko‘rsating va shu tafsilotlarga bog‘langan izohni so‘rang. Fotosurat uchun sahna va ko‘rinadigan munosabatlarni aniqlaydigan izohni so‘rang. Ifodani tasvirga bog‘lash savoldagi iborani tegishli obyekt yoki hudud bilan bog‘laydi; moslashtirish topshiriqlari esa tasvirni mos matnli tavsif bilan bog‘laydi.\n\nAiloot API topshirig‘ida tasvir bilan birga ravshan savolni bering va kerakli matnli materialni belgilang: tavsif, izoh, asoslovchi kuzatuvlarga ega javob yoki ajratib olingan tafsilotlar ro‘yxati. Keyingi tahrirlar ayni sahifa, diagramma yoki fotosuratga murojaat qila olishi uchun ko‘rinadigan dalilni savolga biriktirilgan holda saqlang. Meta model misollarida matn yaratish uchun tasvir protsessori va boshlang‘ich matn prompti ishlatiladi; e’lon qilingan chiqish modali matn bo‘lib qoladi.\n\nVision oilasi olti milliard tasvir va matn juftligida dastlabki o‘qitilgan. Ko‘rsatmalarga moslab sozlash ommaviy tasvir-ko‘rsatma ma’lumotlari va uch milliondan ortiq sintetik misollarni o‘z ichiga oladi. Meta dastlabki o‘qitish bilimlari chegarasini 2023-yil dekabr deb beradi va modelni oflayn ma’lumot to‘plamida o‘qitilgan statik nashr sifatida tavsiflaydi. Uning mas’uliyatga oid ishlari xavfsizlikka moslab nozik sozlash, adversarial baholash va alohida tizim himoyalarini o‘z ichiga oladi. Amaliy tekshirishda tasvir ko‘rinadigan tarzda nimani asoslashini model talqinidan ajrating va tavsiflarni berilgan material bilan solishtiring. Meta javoblar noto‘g‘ri yoki tarafkash bo‘lishi mumkinligini va baholashlari har bir qo‘llanish ssenariysini qamrab olmasligini qayd etadi.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Explain a chart from supplied values\n\nUse this text transcription of a bar chart: horizontal axis is quarter; vertical axis is returned units; Q1=12, Q2=18, Q3=9, Q4=15. Write a two-sentence caption identifying the largest and smallest bars and the change from Q2 to Q3. Do not infer sales totals or return rates.A two-sentence chart caption with the extrema and a nine-unit decrease from Q2 to Q3.The answer reports units rather than percentages and does not invent a denominator for return rates.llama3.2-90bLlama 3.2 90B Vision — Meta kompaniyasining tasvirlarni tushuntirish, hujjat sahifalari haqidagi savollarga javob berish va ko‘rinadigan tafsilotlarni matnli prompt bilan bog‘lash uchun kattaroq tasvir va til modeli. 90B hajmi alohida dastlabki o‘qitilgan va ko‘rsatmalarga moslab sozlangan nashrlarga ega; matn qaytaradi va 128K kontekst oynasiga ega.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Llama 3.2 90B Vision — Meta kompaniyasining Llama 3.2 Vision to‘plamidagi kattaroq tasvir va matn modeli. U Llama 3.1 autoregressiv til modelini alohida o‘qitilgan tasvir adapteri bilan birlashtiradi. O‘zaro diqqat qatlamlari tasvir kodlovchisidan olingan ifodalarni til modeliga olib kiradi va matnli savolni ko‘rinadigan mazmun bilan birga talqin qilish imkonini beradi. 90B belgisi hajm toifasini aniqlaydi; Meta konfiguratsiya jadvalida 88.8 milliard parametr va guruhlangan so‘rov diqqatini ko‘rsatadi.
Model matn va tasvirlarni qabul qiladi hamda matn yaratadi; kontekst uzunligi 128K token. Faqat matnli topshiriqlar uchun rasman qo‘llab-quvvatlanadigan tillar ingliz, nemis, fransuz, italyan, portugal, hind, ispan va tay tillaridir. Tasvir va matn ilovalari rasman ingliz tilida qo‘llab-quvvatlanadi. Hujjat yordamchisini tayyorlashda bu farq muhim: matnli suhbat tili va tasvir haqida savol berish tili alohida tanlovlardir.
Meta dastlabki o‘qitilgan va ko‘rsatmalarga moslab sozlangan nashrlarni e’lon qiladi. Dastlabki o‘qitilgan model tasvir ustida mulohaza topshiriqlariga moslashtirilishi mumkin bo‘lgan asosdir. Ko‘rsatmalarga moslab sozlangan nashr vizual tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvirlar bilan yordamchiga o‘xshash suhbat uchun nazoratli nozik sozlash va inson qayta aloqasi asosidagi mustahkamlovchi o‘qitishni qo‘shadi. Hajm belgisi 90B tarmog‘ini tasvirlaydi va bu sozlash nashrlarini alohida saqlaydi.
Mo‘ljallangan qo‘llanishlar vizual savollarga javob berish, hujjat tasviriga oid savollar, tasvirga izoh yozish, tasvir va matnni moslashtirish hamda ifodani tasvirga bog‘lashni o‘z ichiga oladi. Hujjat sahifasi uchun sarlavha jadval bilan qanday bog‘lanishini yoki ko‘rinadigan qaysi band aniq savolga javob berishini so‘rang. Diagramma uchun taqqoslanadigan qatorlar yoki belgilarni ko‘rsating va shu tafsilotlarga bog‘langan izohni so‘rang. Fotosurat uchun sahna va ko‘rinadigan munosabatlarni aniqlaydigan izohni so‘rang. Ifodani tasvirga bog‘lash savoldagi iborani tegishli obyekt yoki hudud bilan bog‘laydi; moslashtirish topshiriqlari esa tasvirni mos matnli tavsif bilan bog‘laydi.
Ailoot API topshirig‘ida tasvir bilan birga ravshan savolni bering va kerakli matnli materialni belgilang: tavsif, izoh, asoslovchi kuzatuvlarga ega javob yoki ajratib olingan tafsilotlar ro‘yxati. Keyingi tahrirlar ayni sahifa, diagramma yoki fotosuratga murojaat qila olishi uchun ko‘rinadigan dalilni savolga biriktirilgan holda saqlang. Meta model misollarida matn yaratish uchun tasvir protsessori va boshlang‘ich matn prompti ishlatiladi; e’lon qilingan chiqish modali matn bo‘lib qoladi.
Vision oilasi olti milliard tasvir va matn juftligida dastlabki o‘qitilgan. Ko‘rsatmalarga moslab sozlash ommaviy tasvir-ko‘rsatma ma’lumotlari va uch milliondan ortiq sintetik misollarni o‘z ichiga oladi. Meta dastlabki o‘qitish bilimlari chegarasini 2023-yil dekabr deb beradi va modelni oflayn ma’lumot to‘plamida o‘qitilgan statik nashr sifatida tavsiflaydi. Uning mas’uliyatga oid ishlari xavfsizlikka moslab nozik sozlash, adversarial baholash va alohida tizim himoyalarini o‘z ichiga oladi. Amaliy tekshirishda tasvir ko‘rinadigan tarzda nimani asoslashini model talqinidan ajrating va tavsiflarni berilgan material bilan solishtiring. Meta javoblar noto‘g‘ri yoki tarafkash bo‘lishi mumkinligini va baholashlari har bir qo‘llanish ssenariysini qamrab olmasligini qayd etadi.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar llama3.2-90b | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
| Sozlama | Tariflar jadvali | To‘lov |
|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lov Kirish · Kirish tokenlari $0.004 / 1K token Chiqish · Chiqish tokenlari $0.004 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "llama3.2-90b", "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='llama3.2-90b',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='llama3.2-90b',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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra llama3.2-90b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
llama3.2-90bLlama 3.2 90B Vision — Meta kompaniyasining tasvirlarni tushuntirish, hujjat sahifalari haqidagi savollarga javob berish va ko‘rinadigan tafsilotlarni matnli prompt bilan bog‘lash uchun kattaroq tasvir va til modeli. 90B hajmi alohida dastlabki o‘qitilgan va ko‘rsatmalarga moslab sozlangan nashrlarga ega; matn qaytaradi va 128K kontekst oynasiga ega.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Llama 3.2 90B Vision — Meta kompaniyasining Llama 3.2 Vision to‘plamidagi kattaroq tasvir va matn modeli. U Llama 3.1 autoregressiv til modelini alohida o‘qitilgan tasvir adapteri bilan birlashtiradi. O‘zaro diqqat qatlamlari tasvir kodlovchisidan olingan ifodalarni til modeliga olib kiradi va matnli savolni ko‘rinadigan mazmun bilan birga talqin qilish imkonini beradi. 90B belgisi hajm toifasini aniqlaydi; Meta konfiguratsiya jadvalida 88.8 milliard parametr va guruhlangan so‘rov diqqatini ko‘rsatadi.
Model matn va tasvirlarni qabul qiladi hamda matn yaratadi; kontekst uzunligi 128K token. Faqat matnli topshiriqlar uchun rasman qo‘llab-quvvatlanadigan tillar ingliz, nemis, fransuz, italyan, portugal, hind, ispan va tay tillaridir. Tasvir va matn ilovalari rasman ingliz tilida qo‘llab-quvvatlanadi. Hujjat yordamchisini tayyorlashda bu farq muhim: matnli suhbat tili va tasvir haqida savol berish tili alohida tanlovlardir.
Meta dastlabki o‘qitilgan va ko‘rsatmalarga moslab sozlangan nashrlarni e’lon qiladi. Dastlabki o‘qitilgan model tasvir ustida mulohaza topshiriqlariga moslashtirilishi mumkin bo‘lgan asosdir. Ko‘rsatmalarga moslab sozlangan nashr vizual tanish, tasvir ustida mulohaza, tasvirga izoh yozish va tasvirlar bilan yordamchiga o‘xshash suhbat uchun nazoratli nozik sozlash va inson qayta aloqasi asosidagi mustahkamlovchi o‘qitishni qo‘shadi. Hajm belgisi 90B tarmog‘ini tasvirlaydi va bu sozlash nashrlarini alohida saqlaydi.
Mo‘ljallangan qo‘llanishlar vizual savollarga javob berish, hujjat tasviriga oid savollar, tasvirga izoh yozish, tasvir va matnni moslashtirish hamda ifodani tasvirga bog‘lashni o‘z ichiga oladi. Hujjat sahifasi uchun sarlavha jadval bilan qanday bog‘lanishini yoki ko‘rinadigan qaysi band aniq savolga javob berishini so‘rang. Diagramma uchun taqqoslanadigan qatorlar yoki belgilarni ko‘rsating va shu tafsilotlarga bog‘langan izohni so‘rang. Fotosurat uchun sahna va ko‘rinadigan munosabatlarni aniqlaydigan izohni so‘rang. Ifodani tasvirga bog‘lash savoldagi iborani tegishli obyekt yoki hudud bilan bog‘laydi; moslashtirish topshiriqlari esa tasvirni mos matnli tavsif bilan bog‘laydi.
Ailoot API topshirig‘ida tasvir bilan birga ravshan savolni bering va kerakli matnli materialni belgilang: tavsif, izoh, asoslovchi kuzatuvlarga ega javob yoki ajratib olingan tafsilotlar ro‘yxati. Keyingi tahrirlar ayni sahifa, diagramma yoki fotosuratga murojaat qila olishi uchun ko‘rinadigan dalilni savolga biriktirilgan holda saqlang. Meta model misollarida matn yaratish uchun tasvir protsessori va boshlang‘ich matn prompti ishlatiladi; e’lon qilingan chiqish modali matn bo‘lib qoladi.
Vision oilasi olti milliard tasvir va matn juftligida dastlabki o‘qitilgan. Ko‘rsatmalarga moslab sozlash ommaviy tasvir-ko‘rsatma ma’lumotlari va uch milliondan ortiq sintetik misollarni o‘z ichiga oladi. Meta dastlabki o‘qitish bilimlari chegarasini 2023-yil dekabr deb beradi va modelni oflayn ma’lumot to‘plamida o‘qitilgan statik nashr sifatida tavsiflaydi. Uning mas’uliyatga oid ishlari xavfsizlikka moslab nozik sozlash, adversarial baholash va alohida tizim himoyalarini o‘z ichiga oladi. Amaliy tekshirishda tasvir ko‘rinadigan tarzda nimani asoslashini model talqinidan ajrating va tavsiflarni berilgan material bilan solishtiring. Meta javoblar noto‘g‘ri yoki tarafkash bo‘lishi mumkinligini va baholashlari har bir qo‘llanish ssenariysini qamrab olmasligini qayd etadi.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar llama3.2-90b | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
| Sozlama | Tariflar jadvali | To‘lov |
|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lov Kirish · Kirish tokenlari $0.004 / 1K token Chiqish · Chiqish tokenlari $0.004 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "llama3.2-90b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'llama3.2-90b', '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': 'llama3.2-90b', '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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra llama3.2-90b
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Explain a chart from supplied values\n\nUse this text transcription of a bar chart: horizontal axis is quarter; vertical axis is returned units; Q1=12, Q2=18, Q3=9, Q4=15. Write a two-sentence caption identifying the largest and smallest bars and the change from Q2 to Q3. Do not infer sales totals or return rates.A two-sentence chart caption with the extrema and a nine-unit decrease from Q2 to Q3.The answer reports units rather than percentages and does not invent a denominator for return rates.