Qwen2-VL-72B-Instruct — Qwen2 asosida qurilgan, yo‘riqnomalarga moslab sozlangan 72B ko‘rish-til versiyasi. U rasm yoki video bilan birga matnni qabul qiladi va matn javobini yaratadi. Ishlab chiqaruvchi turli aniqlik va tomonlar nisbatidagi rasmlarni tushunish, rasm ichidagi matnni talqin qilish, ko‘rinadigan aloqalar haqida fikr yuritish va 20 daqiqadan uzun videolar bo‘yicha savollarga javob berishni ta’kidlaydi.
Rasm va video imkoniyatlari
Hujjat sahifasi uchun kerakli aniq mazmunni so‘rang: parcha, jadval qatori, formula yoki fikrga biriktirilgan shartlar. Sahifani o‘qiladigan saqlang va natija matnni ko‘chirishi, umumlashtirishi yoki ma’nosini izohlashi kerakligini ayting. Foydali hujjat chiqishi ajratilgan mazmun yonida asl bo‘lim yorlig‘ini saqlashi mumkin. Diagramma uchun belgilangan elementlar qanday bog‘lanishini so‘rab, izohlanishi kerak bo‘lgan aloqani aniqlang.
Hujjatlashtirilgan video ishlatish ko‘rinadigan ketma-ketlikka asoslangan savollar, muloqot va yozma mazmunni o‘z ichiga oladi. Tekshiriladigan hodisa yoki o‘zgarishni belgilang: obyekt qachon paydo bo‘lishi, muayyan qadamdan oldin nima yuz berishi yoki ko‘rsatilgan harakat yozma tartibga qanday bog‘liqligi. Tartiblangan hodisalar tavsifi yoki ko‘rinadigan qadamlarni berilgan tartib bilan taqqoslashni so‘rang. Ishlab chiqaruvchining 20 daqiqadan ortiq degan bayonoti uzun videoni tushunishni tasvirlaydi; bu qat’iy maksimal video davomiyligi yoki har qanday xom rolik o‘zgarmagan kirish konfiguratsiyasiga sig‘ishi kafolati emas.
Vizual agent sifatida foydalanish
Reliz Qwen2-VL’ni mobil qurilmalar, robotlar va boshqa vositalarga ulangan vizual agentlar uchun ham yo‘naltiradi. E’londa diagrammadan kod yaratish yoki vizual savol orqali tashqi qidiruvni so‘rash kabi funksiya chaqirish va kod interpretatori holatlari tasvirlangan. Model atrofidagi ilova shu vositalarni beradi, taklif etilgan harakatni bajaradi va natijani qaytaradi. Modelning matnli javobi o‘z-o‘zidan boshqaruv elementini bosmaydi, qurilmani siljitmaydi yoki yaratilgan dasturni bajarmaydi.
Amaliy interfeys vazifasi ekran tasviri va foydalanuvchi maqsadini berib, keyingi qadamga tegishli ko‘rinadigan boshqaruv elementi hamda bu tanlovni qo‘llaydigan dalilni so‘rashi mumkin. Kuzatuv, taklif etilgan harakat va haqiqiy bajarishni ish jarayonining alohida qismlari sifatida saqlang. Bu vizual agent yo‘nalishidan foydalanib, so‘ralgan natijani ilova unga ko‘ra ish tutishi uchun yetarlicha aniq qiladi.
Rasmlar ichidagi ko‘p tilli matn
Ishlab chiqaruvchi rasm ichidagi matnni ingliz va xitoy tillari, ko‘pchilik Yevropa tillari hamda yapon, koreys, arab va vetnam kabi tillarda tanishni bayon qiladi. Shuning uchun ko‘p tilli sahifaga vizual o‘qish vazifasi sifatida yondashish mumkin. Aniq iboralar muhim bo‘lsa, avval asl matn ko‘chirmasini, keyin tanlangan tilda tarjima yoki izohni so‘rang. Tanib olishni noma’lum qayta yozish bilan aralashtirmasdan yorliq va raqamlarni saqlang.
Dinamik aniqlik va pozitsiya ma’lumotlari
Qwen2-VL ko‘rish kodlovchisini Qwen2 til modeli bilan birlashtiradi. Naive Dynamic Resolution turli rasm o‘lchamlarini turli sondagi vizual tokenlarga o‘giradi. Multimodal Rotary Position Embedding model matn tartibi, ikki o‘lchamli tasvirlar hamda videoning vaqt va fazoviy tuzilishini ifodalay olishi uchun pozitsiya ma’lumotlarini ajratadi. Bu xususiyatlar bir oilaning sahifa, bir nechta rasm yoki video ketma-ketligini qanday ishlashini tushuntiradi.
Model kartasining rasm protsessori har rasm uchun standart 4 dan 16 384 gacha vizual token oralig‘ini hujjatlashtiradi. Ilova tomonlar nisbatini saqlagan holda minimal va maksimal piksellarni sozlashi yoki 28 ning karralisiga yaxlitlanadigan o‘lchamlarni so‘rashi mumkin. 256 dan 1 280 tokengacha misol oralig‘i sozlanadigan namuna, alohida umumiy rasm limiti emas. Ko‘proq rasm tafsiloti ko‘proq hisoblash va vizual token talab qiladi, shuning uchun rasm tayyorlashda savolga kerakli yorliqlar, sarlavhalar va kichik obyektlarni saqlang.
Kirishni tayyorlash va kontekst
Ishlab chiqaruvchi bitta rasm, bir nechta rasm, kadrlar ketma-ketligi yoki mahalliy fayl ko‘rinishidagi video va paketlangan suhbatlarni namoyish etadi. Rasm tayyorlash mahalliy fayllar, kodlangan rasm ma’lumotlari va rasm havolalarini o‘z ichiga oladi. Kartadagi video misoli tanlangan kadr tezligidan foydalanadi; bu misol barcha videolar uchun bitta majburiy namunalash tezligini belgilamaydi. Bir nechta rasmning tartibi va rolini aniqlang, aloqasiz kadrlarni bitta sahna deb bilish o‘rniga ketma-ketlikni talqin qilish uchun kerakli ma’lumotni bering.
Chiqarilgan konfiguratsiya maksimal pozitsiyalarni 32 768 ga belgilaydi. Vizual material va matnli yo‘riqnomalar haqiqiy sozlangan kontekst ichida rejalashtirilishi kerak. Kartadagi 128 token yaratish misoli faqat namunaviy sozlama; u alohida maksimal chiqish imkoniyatini e’lon qilmaydi. 72B versiyasi Qwen2.5-VL yoki boshqa Qwen modelining uzun kontekst sozlamalarini meros qilib olmasdan o‘z konfiguratsiyasini saqlashi kerak.
Mazmunli cheklovlar
Ishlab chiqaruvchi Qwen2-VL videodagi audioni tushunmasligini aniq aytadi. Shuning uchun savol nutq ma’lumotiga bog‘liq bo‘lsa, uni alohida berish kerak. Rasm o‘qitish to‘plami 2023-yil iyunigacha yangilangani bayon qilingan; bu shu ma’lumotlar to‘plami haqidagi bayonot, dolzarb vizual bilim va’dasi emas.
Hujjatlashtirilgan cheklovlar muayyan odamlar yoki nomlangan intellektual mulk obyektlarini to‘liq tanimaslik, murakkab ko‘p bosqichli ko‘rsatmalarda qiyinchilik, murakkab sahnalarda sust sanash va uch o‘lchamli fazoviy fikr yuritishdagi cheklovlarni ham o‘z ichiga oladi. Vazifa shu imkoniyatlardan biriga bog‘liq bo‘lsa, savolni kerakli obyektlar yoki aloqaga qarating va javob yonida vizual dalilni saqlang. Aniq manba materiali va belgilangan chiqish natijani tekshirishni osonlashtiradi, lekin aytilgan cheklovlarni aniqlik kafolatiga almashtirmaydi.
", "aboutText": "Qwen2-VL-72B-Instruct — Qwen2 asosida qurilgan, yo‘riqnomalarga moslab sozlangan 72B ko‘rish-til versiyasi. U rasm yoki video bilan birga matnni qabul qiladi va matn javobini yaratadi. Ishlab chiqaruvchi turli aniqlik va tomonlar nisbatidagi rasmlarni tushunish, rasm ichidagi matnni talqin qilish, ko‘rinadigan aloqalar haqida fikr yuritish va 20 daqiqadan uzun videolar bo‘yicha savollarga javob berishni ta’kidlaydi.\n\nRasm va video imkoniyatlari\n\nHujjat sahifasi uchun kerakli aniq mazmunni so‘rang: parcha, jadval qatori, formula yoki fikrga biriktirilgan shartlar. Sahifani o‘qiladigan saqlang va natija matnni ko‘chirishi, umumlashtirishi yoki ma’nosini izohlashi kerakligini ayting. Foydali hujjat chiqishi ajratilgan mazmun yonida asl bo‘lim yorlig‘ini saqlashi mumkin. Diagramma uchun belgilangan elementlar qanday bog‘lanishini so‘rab, izohlanishi kerak bo‘lgan aloqani aniqlang.\n\nHujjatlashtirilgan video ishlatish ko‘rinadigan ketma-ketlikka asoslangan savollar, muloqot va yozma mazmunni o‘z ichiga oladi. Tekshiriladigan hodisa yoki o‘zgarishni belgilang: obyekt qachon paydo bo‘lishi, muayyan qadamdan oldin nima yuz berishi yoki ko‘rsatilgan harakat yozma tartibga qanday bog‘liqligi. Tartiblangan hodisalar tavsifi yoki ko‘rinadigan qadamlarni berilgan tartib bilan taqqoslashni so‘rang. Ishlab chiqaruvchining 20 daqiqadan ortiq degan bayonoti uzun videoni tushunishni tasvirlaydi; bu qat’iy maksimal video davomiyligi yoki har qanday xom rolik o‘zgarmagan kirish konfiguratsiyasiga sig‘ishi kafolati emas.\n\nVizual agent sifatida foydalanish\n\nReliz Qwen2-VL’ni mobil qurilmalar, robotlar va boshqa vositalarga ulangan vizual agentlar uchun ham yo‘naltiradi. E’londa diagrammadan kod yaratish yoki vizual savol orqali tashqi qidiruvni so‘rash kabi funksiya chaqirish va kod interpretatori holatlari tasvirlangan. Model atrofidagi ilova shu vositalarni beradi, taklif etilgan harakatni bajaradi va natijani qaytaradi. Modelning matnli javobi o‘z-o‘zidan boshqaruv elementini bosmaydi, qurilmani siljitmaydi yoki yaratilgan dasturni bajarmaydi.\n\nAmaliy interfeys vazifasi ekran tasviri va foydalanuvchi maqsadini berib, keyingi qadamga tegishli ko‘rinadigan boshqaruv elementi hamda bu tanlovni qo‘llaydigan dalilni so‘rashi mumkin. Kuzatuv, taklif etilgan harakat va haqiqiy bajarishni ish jarayonining alohida qismlari sifatida saqlang. Bu vizual agent yo‘nalishidan foydalanib, so‘ralgan natijani ilova unga ko‘ra ish tutishi uchun yetarlicha aniq qiladi.\n\nRasmlar ichidagi ko‘p tilli matn\n\nIshlab chiqaruvchi rasm ichidagi matnni ingliz va xitoy tillari, ko‘pchilik Yevropa tillari hamda yapon, koreys, arab va vetnam kabi tillarda tanishni bayon qiladi. Shuning uchun ko‘p tilli sahifaga vizual o‘qish vazifasi sifatida yondashish mumkin. Aniq iboralar muhim bo‘lsa, avval asl matn ko‘chirmasini, keyin tanlangan tilda tarjima yoki izohni so‘rang. Tanib olishni noma’lum qayta yozish bilan aralashtirmasdan yorliq va raqamlarni saqlang.\n\nDinamik aniqlik va pozitsiya ma’lumotlari\n\nQwen2-VL ko‘rish kodlovchisini Qwen2 til modeli bilan birlashtiradi. Naive Dynamic Resolution turli rasm o‘lchamlarini turli sondagi vizual tokenlarga o‘giradi. Multimodal Rotary Position Embedding model matn tartibi, ikki o‘lchamli tasvirlar hamda videoning vaqt va fazoviy tuzilishini ifodalay olishi uchun pozitsiya ma’lumotlarini ajratadi. Bu xususiyatlar bir oilaning sahifa, bir nechta rasm yoki video ketma-ketligini qanday ishlashini tushuntiradi.\n\nModel kartasining rasm protsessori har rasm uchun standart 4 dan 16 384 gacha vizual token oralig‘ini hujjatlashtiradi. Ilova tomonlar nisbatini saqlagan holda minimal va maksimal piksellarni sozlashi yoki 28 ning karralisiga yaxlitlanadigan o‘lchamlarni so‘rashi mumkin. 256 dan 1 280 tokengacha misol oralig‘i sozlanadigan namuna, alohida umumiy rasm limiti emas. Ko‘proq rasm tafsiloti ko‘proq hisoblash va vizual token talab qiladi, shuning uchun rasm tayyorlashda savolga kerakli yorliqlar, sarlavhalar va kichik obyektlarni saqlang.\n\nKirishni tayyorlash va kontekst\n\nIshlab chiqaruvchi bitta rasm, bir nechta rasm, kadrlar ketma-ketligi yoki mahalliy fayl ko‘rinishidagi video va paketlangan suhbatlarni namoyish etadi. Rasm tayyorlash mahalliy fayllar, kodlangan rasm ma’lumotlari va rasm havolalarini o‘z ichiga oladi. Kartadagi video misoli tanlangan kadr tezligidan foydalanadi; bu misol barcha videolar uchun bitta majburiy namunalash tezligini belgilamaydi. Bir nechta rasmning tartibi va rolini aniqlang, aloqasiz kadrlarni bitta sahna deb bilish o‘rniga ketma-ketlikni talqin qilish uchun kerakli ma’lumotni bering.\n\nChiqarilgan konfiguratsiya maksimal pozitsiyalarni 32 768 ga belgilaydi. Vizual material va matnli yo‘riqnomalar haqiqiy sozlangan kontekst ichida rejalashtirilishi kerak. Kartadagi 128 token yaratish misoli faqat namunaviy sozlama; u alohida maksimal chiqish imkoniyatini e’lon qilmaydi. 72B versiyasi Qwen2.5-VL yoki boshqa Qwen modelining uzun kontekst sozlamalarini meros qilib olmasdan o‘z konfiguratsiyasini saqlashi kerak.\n\nMazmunli cheklovlar\n\nIshlab chiqaruvchi Qwen2-VL videodagi audioni tushunmasligini aniq aytadi. Shuning uchun savol nutq ma’lumotiga bog‘liq bo‘lsa, uni alohida berish kerak. Rasm o‘qitish to‘plami 2023-yil iyunigacha yangilangani bayon qilingan; bu shu ma’lumotlar to‘plami haqidagi bayonot, dolzarb vizual bilim va’dasi emas.\n\nHujjatlashtirilgan cheklovlar muayyan odamlar yoki nomlangan intellektual mulk obyektlarini to‘liq tanimaslik, murakkab ko‘p bosqichli ko‘rsatmalarda qiyinchilik, murakkab sahnalarda sust sanash va uch o‘lchamli fazoviy fikr yuritishdagi cheklovlarni ham o‘z ichiga oladi. Vazifa shu imkoniyatlardan biriga bog‘liq bo‘lsa, savolni kerakli obyektlar yoki aloqaga qarating va javob yonida vizual dalilni saqlang. Aniq manba materiali va belgilangan chiqish natijani tekshirishni osonlashtiradi, lekin aytilgan cheklovlarni aniqlik kafolatiga almashtirmaydi.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct vizual savollar, hujjat o‘qish va rasmdagi ko‘p tilli matn uchun matn, rasm va videoni birlashtiradi. Ishlab chiqaruvchi 20 daqiqadan uzun videoni tushunish, dinamik rasm aniqligi va vizual agent integratsiyalarini tasvirlaydi; javob matndir.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Qwen2-VL-72B-Instruct — Qwen2 asosida qurilgan, yo‘riqnomalarga moslab sozlangan 72B ko‘rish-til versiyasi. U rasm yoki video bilan birga matnni qabul qiladi va matn javobini yaratadi. Ishlab chiqaruvchi turli aniqlik va tomonlar nisbatidagi rasmlarni tushunish, rasm ichidagi matnni talqin qilish, ko‘rinadigan aloqalar haqida fikr yuritish va 20 daqiqadan uzun videolar bo‘yicha savollarga javob berishni ta’kidlaydi.
Rasm va video imkoniyatlari
Hujjat sahifasi uchun kerakli aniq mazmunni so‘rang: parcha, jadval qatori, formula yoki fikrga biriktirilgan shartlar. Sahifani o‘qiladigan saqlang va natija matnni ko‘chirishi, umumlashtirishi yoki ma’nosini izohlashi kerakligini ayting. Foydali hujjat chiqishi ajratilgan mazmun yonida asl bo‘lim yorlig‘ini saqlashi mumkin. Diagramma uchun belgilangan elementlar qanday bog‘lanishini so‘rab, izohlanishi kerak bo‘lgan aloqani aniqlang.
Hujjatlashtirilgan video ishlatish ko‘rinadigan ketma-ketlikka asoslangan savollar, muloqot va yozma mazmunni o‘z ichiga oladi. Tekshiriladigan hodisa yoki o‘zgarishni belgilang: obyekt qachon paydo bo‘lishi, muayyan qadamdan oldin nima yuz berishi yoki ko‘rsatilgan harakat yozma tartibga qanday bog‘liqligi. Tartiblangan hodisalar tavsifi yoki ko‘rinadigan qadamlarni berilgan tartib bilan taqqoslashni so‘rang. Ishlab chiqaruvchining 20 daqiqadan ortiq degan bayonoti uzun videoni tushunishni tasvirlaydi; bu qat’iy maksimal video davomiyligi yoki har qanday xom rolik o‘zgarmagan kirish konfiguratsiyasiga sig‘ishi kafolati emas.
Vizual agent sifatida foydalanish
Reliz Qwen2-VL’ni mobil qurilmalar, robotlar va boshqa vositalarga ulangan vizual agentlar uchun ham yo‘naltiradi. E’londa diagrammadan kod yaratish yoki vizual savol orqali tashqi qidiruvni so‘rash kabi funksiya chaqirish va kod interpretatori holatlari tasvirlangan. Model atrofidagi ilova shu vositalarni beradi, taklif etilgan harakatni bajaradi va natijani qaytaradi. Modelning matnli javobi o‘z-o‘zidan boshqaruv elementini bosmaydi, qurilmani siljitmaydi yoki yaratilgan dasturni bajarmaydi.
Amaliy interfeys vazifasi ekran tasviri va foydalanuvchi maqsadini berib, keyingi qadamga tegishli ko‘rinadigan boshqaruv elementi hamda bu tanlovni qo‘llaydigan dalilni so‘rashi mumkin. Kuzatuv, taklif etilgan harakat va haqiqiy bajarishni ish jarayonining alohida qismlari sifatida saqlang. Bu vizual agent yo‘nalishidan foydalanib, so‘ralgan natijani ilova unga ko‘ra ish tutishi uchun yetarlicha aniq qiladi.
Rasmlar ichidagi ko‘p tilli matn
Ishlab chiqaruvchi rasm ichidagi matnni ingliz va xitoy tillari, ko‘pchilik Yevropa tillari hamda yapon, koreys, arab va vetnam kabi tillarda tanishni bayon qiladi. Shuning uchun ko‘p tilli sahifaga vizual o‘qish vazifasi sifatida yondashish mumkin. Aniq iboralar muhim bo‘lsa, avval asl matn ko‘chirmasini, keyin tanlangan tilda tarjima yoki izohni so‘rang. Tanib olishni noma’lum qayta yozish bilan aralashtirmasdan yorliq va raqamlarni saqlang.
Dinamik aniqlik va pozitsiya ma’lumotlari
Qwen2-VL ko‘rish kodlovchisini Qwen2 til modeli bilan birlashtiradi. Naive Dynamic Resolution turli rasm o‘lchamlarini turli sondagi vizual tokenlarga o‘giradi. Multimodal Rotary Position Embedding model matn tartibi, ikki o‘lchamli tasvirlar hamda videoning vaqt va fazoviy tuzilishini ifodalay olishi uchun pozitsiya ma’lumotlarini ajratadi. Bu xususiyatlar bir oilaning sahifa, bir nechta rasm yoki video ketma-ketligini qanday ishlashini tushuntiradi.
Model kartasining rasm protsessori har rasm uchun standart 4 dan 16 384 gacha vizual token oralig‘ini hujjatlashtiradi. Ilova tomonlar nisbatini saqlagan holda minimal va maksimal piksellarni sozlashi yoki 28 ning karralisiga yaxlitlanadigan o‘lchamlarni so‘rashi mumkin. 256 dan 1 280 tokengacha misol oralig‘i sozlanadigan namuna, alohida umumiy rasm limiti emas. Ko‘proq rasm tafsiloti ko‘proq hisoblash va vizual token talab qiladi, shuning uchun rasm tayyorlashda savolga kerakli yorliqlar, sarlavhalar va kichik obyektlarni saqlang.
Kirishni tayyorlash va kontekst
Ishlab chiqaruvchi bitta rasm, bir nechta rasm, kadrlar ketma-ketligi yoki mahalliy fayl ko‘rinishidagi video va paketlangan suhbatlarni namoyish etadi. Rasm tayyorlash mahalliy fayllar, kodlangan rasm ma’lumotlari va rasm havolalarini o‘z ichiga oladi. Kartadagi video misoli tanlangan kadr tezligidan foydalanadi; bu misol barcha videolar uchun bitta majburiy namunalash tezligini belgilamaydi. Bir nechta rasmning tartibi va rolini aniqlang, aloqasiz kadrlarni bitta sahna deb bilish o‘rniga ketma-ketlikni talqin qilish uchun kerakli ma’lumotni bering.
Chiqarilgan konfiguratsiya maksimal pozitsiyalarni 32 768 ga belgilaydi. Vizual material va matnli yo‘riqnomalar haqiqiy sozlangan kontekst ichida rejalashtirilishi kerak. Kartadagi 128 token yaratish misoli faqat namunaviy sozlama; u alohida maksimal chiqish imkoniyatini e’lon qilmaydi. 72B versiyasi Qwen2.5-VL yoki boshqa Qwen modelining uzun kontekst sozlamalarini meros qilib olmasdan o‘z konfiguratsiyasini saqlashi kerak.
Mazmunli cheklovlar
Ishlab chiqaruvchi Qwen2-VL videodagi audioni tushunmasligini aniq aytadi. Shuning uchun savol nutq ma’lumotiga bog‘liq bo‘lsa, uni alohida berish kerak. Rasm o‘qitish to‘plami 2023-yil iyunigacha yangilangani bayon qilingan; bu shu ma’lumotlar to‘plami haqidagi bayonot, dolzarb vizual bilim va’dasi emas.
Hujjatlashtirilgan cheklovlar muayyan odamlar yoki nomlangan intellektual mulk obyektlarini to‘liq tanimaslik, murakkab ko‘p bosqichli ko‘rsatmalarda qiyinchilik, murakkab sahnalarda sust sanash va uch o‘lchamli fazoviy fikr yuritishdagi cheklovlarni ham o‘z ichiga oladi. Vazifa shu imkoniyatlardan biriga bog‘liq bo‘lsa, savolni kerakli obyektlar yoki aloqaga qarating va javob yonida vizual dalilni saqlang. Aniq manba materiali va belgilangan chiqish natijani tekshirishni osonlashtiradi, lekin aytilgan cheklovlarni aniqlik kafolatiga almashtirmaydi.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Qwen/Qwen2-VL-72B-Instruct | 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 $0.00118 / 1K token Chiqish · Chiqish tokenlari $0.00118 / 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": "Qwen/Qwen2-VL-72B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2-VL-72B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 Qwen/Qwen2-VL-72B-Instruct
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Qwen/Qwen2-VL-72B-InstructQwen2-VL-72B-Instruct vizual savollar, hujjat o‘qish va rasmdagi ko‘p tilli matn uchun matn, rasm va videoni birlashtiradi. Ishlab chiqaruvchi 20 daqiqadan uzun videoni tushunish, dinamik rasm aniqligi va vizual agent integratsiyalarini tasvirlaydi; javob matndir.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Qwen2-VL-72B-Instruct — Qwen2 asosida qurilgan, yo‘riqnomalarga moslab sozlangan 72B ko‘rish-til versiyasi. U rasm yoki video bilan birga matnni qabul qiladi va matn javobini yaratadi. Ishlab chiqaruvchi turli aniqlik va tomonlar nisbatidagi rasmlarni tushunish, rasm ichidagi matnni talqin qilish, ko‘rinadigan aloqalar haqida fikr yuritish va 20 daqiqadan uzun videolar bo‘yicha savollarga javob berishni ta’kidlaydi.
Rasm va video imkoniyatlari
Hujjat sahifasi uchun kerakli aniq mazmunni so‘rang: parcha, jadval qatori, formula yoki fikrga biriktirilgan shartlar. Sahifani o‘qiladigan saqlang va natija matnni ko‘chirishi, umumlashtirishi yoki ma’nosini izohlashi kerakligini ayting. Foydali hujjat chiqishi ajratilgan mazmun yonida asl bo‘lim yorlig‘ini saqlashi mumkin. Diagramma uchun belgilangan elementlar qanday bog‘lanishini so‘rab, izohlanishi kerak bo‘lgan aloqani aniqlang.
Hujjatlashtirilgan video ishlatish ko‘rinadigan ketma-ketlikka asoslangan savollar, muloqot va yozma mazmunni o‘z ichiga oladi. Tekshiriladigan hodisa yoki o‘zgarishni belgilang: obyekt qachon paydo bo‘lishi, muayyan qadamdan oldin nima yuz berishi yoki ko‘rsatilgan harakat yozma tartibga qanday bog‘liqligi. Tartiblangan hodisalar tavsifi yoki ko‘rinadigan qadamlarni berilgan tartib bilan taqqoslashni so‘rang. Ishlab chiqaruvchining 20 daqiqadan ortiq degan bayonoti uzun videoni tushunishni tasvirlaydi; bu qat’iy maksimal video davomiyligi yoki har qanday xom rolik o‘zgarmagan kirish konfiguratsiyasiga sig‘ishi kafolati emas.
Vizual agent sifatida foydalanish
Reliz Qwen2-VL’ni mobil qurilmalar, robotlar va boshqa vositalarga ulangan vizual agentlar uchun ham yo‘naltiradi. E’londa diagrammadan kod yaratish yoki vizual savol orqali tashqi qidiruvni so‘rash kabi funksiya chaqirish va kod interpretatori holatlari tasvirlangan. Model atrofidagi ilova shu vositalarni beradi, taklif etilgan harakatni bajaradi va natijani qaytaradi. Modelning matnli javobi o‘z-o‘zidan boshqaruv elementini bosmaydi, qurilmani siljitmaydi yoki yaratilgan dasturni bajarmaydi.
Amaliy interfeys vazifasi ekran tasviri va foydalanuvchi maqsadini berib, keyingi qadamga tegishli ko‘rinadigan boshqaruv elementi hamda bu tanlovni qo‘llaydigan dalilni so‘rashi mumkin. Kuzatuv, taklif etilgan harakat va haqiqiy bajarishni ish jarayonining alohida qismlari sifatida saqlang. Bu vizual agent yo‘nalishidan foydalanib, so‘ralgan natijani ilova unga ko‘ra ish tutishi uchun yetarlicha aniq qiladi.
Rasmlar ichidagi ko‘p tilli matn
Ishlab chiqaruvchi rasm ichidagi matnni ingliz va xitoy tillari, ko‘pchilik Yevropa tillari hamda yapon, koreys, arab va vetnam kabi tillarda tanishni bayon qiladi. Shuning uchun ko‘p tilli sahifaga vizual o‘qish vazifasi sifatida yondashish mumkin. Aniq iboralar muhim bo‘lsa, avval asl matn ko‘chirmasini, keyin tanlangan tilda tarjima yoki izohni so‘rang. Tanib olishni noma’lum qayta yozish bilan aralashtirmasdan yorliq va raqamlarni saqlang.
Dinamik aniqlik va pozitsiya ma’lumotlari
Qwen2-VL ko‘rish kodlovchisini Qwen2 til modeli bilan birlashtiradi. Naive Dynamic Resolution turli rasm o‘lchamlarini turli sondagi vizual tokenlarga o‘giradi. Multimodal Rotary Position Embedding model matn tartibi, ikki o‘lchamli tasvirlar hamda videoning vaqt va fazoviy tuzilishini ifodalay olishi uchun pozitsiya ma’lumotlarini ajratadi. Bu xususiyatlar bir oilaning sahifa, bir nechta rasm yoki video ketma-ketligini qanday ishlashini tushuntiradi.
Model kartasining rasm protsessori har rasm uchun standart 4 dan 16 384 gacha vizual token oralig‘ini hujjatlashtiradi. Ilova tomonlar nisbatini saqlagan holda minimal va maksimal piksellarni sozlashi yoki 28 ning karralisiga yaxlitlanadigan o‘lchamlarni so‘rashi mumkin. 256 dan 1 280 tokengacha misol oralig‘i sozlanadigan namuna, alohida umumiy rasm limiti emas. Ko‘proq rasm tafsiloti ko‘proq hisoblash va vizual token talab qiladi, shuning uchun rasm tayyorlashda savolga kerakli yorliqlar, sarlavhalar va kichik obyektlarni saqlang.
Kirishni tayyorlash va kontekst
Ishlab chiqaruvchi bitta rasm, bir nechta rasm, kadrlar ketma-ketligi yoki mahalliy fayl ko‘rinishidagi video va paketlangan suhbatlarni namoyish etadi. Rasm tayyorlash mahalliy fayllar, kodlangan rasm ma’lumotlari va rasm havolalarini o‘z ichiga oladi. Kartadagi video misoli tanlangan kadr tezligidan foydalanadi; bu misol barcha videolar uchun bitta majburiy namunalash tezligini belgilamaydi. Bir nechta rasmning tartibi va rolini aniqlang, aloqasiz kadrlarni bitta sahna deb bilish o‘rniga ketma-ketlikni talqin qilish uchun kerakli ma’lumotni bering.
Chiqarilgan konfiguratsiya maksimal pozitsiyalarni 32 768 ga belgilaydi. Vizual material va matnli yo‘riqnomalar haqiqiy sozlangan kontekst ichida rejalashtirilishi kerak. Kartadagi 128 token yaratish misoli faqat namunaviy sozlama; u alohida maksimal chiqish imkoniyatini e’lon qilmaydi. 72B versiyasi Qwen2.5-VL yoki boshqa Qwen modelining uzun kontekst sozlamalarini meros qilib olmasdan o‘z konfiguratsiyasini saqlashi kerak.
Mazmunli cheklovlar
Ishlab chiqaruvchi Qwen2-VL videodagi audioni tushunmasligini aniq aytadi. Shuning uchun savol nutq ma’lumotiga bog‘liq bo‘lsa, uni alohida berish kerak. Rasm o‘qitish to‘plami 2023-yil iyunigacha yangilangani bayon qilingan; bu shu ma’lumotlar to‘plami haqidagi bayonot, dolzarb vizual bilim va’dasi emas.
Hujjatlashtirilgan cheklovlar muayyan odamlar yoki nomlangan intellektual mulk obyektlarini to‘liq tanimaslik, murakkab ko‘p bosqichli ko‘rsatmalarda qiyinchilik, murakkab sahnalarda sust sanash va uch o‘lchamli fazoviy fikr yuritishdagi cheklovlarni ham o‘z ichiga oladi. Vazifa shu imkoniyatlardan biriga bog‘liq bo‘lsa, savolni kerakli obyektlar yoki aloqaga qarating va javob yonida vizual dalilni saqlang. Aniq manba materiali va belgilangan chiqish natijani tekshirishni osonlashtiradi, lekin aytilgan cheklovlarni aniqlik kafolatiga almashtirmaydi.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Qwen/Qwen2-VL-72B-Instruct | 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 $0.00118 / 1K token Chiqish · Chiqish tokenlari $0.00118 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "Qwen/Qwen2-VL-72B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-VL-72B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 Qwen/Qwen2-VL-72B-Instruct
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Read a supplied document transcription\n\nUse this text transcription of page P2, section Limits: 'Store below 25 C. Once opened, use within seven days. Do not freeze.' Return the original wording first, then a plain-English explanation separating the temperature, time and freezing conditions. Preserve P2 as the source label. No image or video is attached.A labelled transcription followed by three source-grounded explanations of the conditions.Below 25 C is not rewritten as at or below 25 C, and the seven-day period starts at opening.