Kirish: 7B ko‘rish-til nashri
Qwen2-VL-7B-Instruct — Qwen2-VL oilasining ko‘rsatmalarga moslab o‘qitilgan 7B vakili. U matnli ko‘rsatmalarni tasvirlar yoki video bilan birlashtirib, matnli javoblar yaratadi. Foydali natijalar sahifa izohi, rasmlar taqqoslovi, ko‘rinadigan voqealar tavsifi yoki diagramma haqidagi savolga javobni o‘z ichiga oladi. Bu aynan Qwen2-VL relizi bo‘lib qoladi; yangiroq Qwen2.5-VL va Qwen3-VL nusxalarining o‘z imkoniyatlari va identifikatorlari bor.
Qwen2-VL nimalarni qo‘shadi
Qwen turli tasvir aniqliklari va tomonlar nisbatlarida vizual tushunishni, shuningdek video savol-javobi, muloqot va kontent yaratishni ta’riflaydi. Oilaning hujjatlashtirilgan video imkoniyati 20 daqiqadan uzun materiallarni ham qamrab oladi. Faqat davomiylikning o‘zi ilova qancha kadrga ishlov berishini belgilamaydi yoki har bir voqeani eslab qolishni kafolatlamaydi. Ko‘p tilli tasvir-matn tushunishi ingliz va xitoy tillari, ko‘plab Yevropa tillari, yapon, koreys, arab va vetnam tillarini o‘z ichiga oladi.
Ishlab chiquvchi vizual kuzatuvlar va matnli ko‘rsatmalar orqali telefonlar, robotlar va boshqa qurilmalar bilan integratsiyani ham ta’riflaydi. Bu ilova ish jarayonidir: model vizual muhitni talqin qilib, amallarni tanlashga yordam beradi, ulangan dastur yoki uskuna esa ularni bajaradi. Ekranni tanish modelga o‘z-o‘zidan shu ekranni boshqarish imkonini bermaydi.
Arxitekturadagi o‘zgarishlar
Dinamik aniqlik har bir kirishni bir xil ifodaga majburlash o‘rniga tasvirni o‘zgaruvchan sondagi vizual tokenlarga aylantiradi. M-ROPE matn, ikki o‘lchamli tasvirlar va uch o‘lchamli video ma’lumotlarining pozitsiya ma’lumotlarini ajratib, makon va vaqt tuzilishini birlashtiradi. E’lon qilingan 7B konfiguratsiyasida 32,768 pozitsiya ko‘rsatilgan. Matn, vizual tokenlar va yaratilgan chiqish cheklangan ketma-ketlik budjetini bo‘lishadi, shu sababli tasvir aniqligi va videodan kadr tanlash so‘rovga kiritiladigan material miqdoriga ta’sir qiladi.
Tasvirlar va suhbatlarni tayyorlash
Rasmiy misollar bitta tasvir, bir nechta tasvir va faqat matnli suhbatlarni qo‘llaydi. “Hammasini tahlil qil” kabi keng ko‘rsatmaga tayanish o‘rniga tasvirni aniq savol bilan biriktiring. Hujjat sahifasi uchun nomlangan maydonlarni so‘rang va iqtiboslarda tinish belgilarini saqlang. Ikki dizayn skrinshotini birinchi va ikkinchi deb belgilang, so‘ng ko‘rinadigan o‘zgarishlar jadvalini so‘rang. Diagramma uchun uning belgilari, birliklari va ko‘rsatilgan tendensiyani tasdiqlovchi qiymatlarni so‘rang. Bular xatosiz ajratib olish va’dalari emas, vizual savol-javobning amaliy qo‘llanishlaridir.
Ishlab chiquvchining yordamchi vositalari tasvirlarni mahalliy fayllar, kodlangan tasvir ma’lumotlari yoki tasvir manzillaridan qabul qiladi; hujjatlashtirilgan video misolida mahalliy video fayllar yoki tartiblangan kadrlar ro‘yxati ishlatiladi. Ilovaga yuklash formatlari alohida interfeys qarori bo‘lib qoladi. Dastlabki kadr tartibini saqlang va kadrlar ro‘yxati qaysi vaqt oralig‘ini ifodalashini ko‘rsating. Misollar matn yaratadi; bu model nusxasi tasvir yoki video generatori sifatida ta’riflanmagan.
Aniqlik va videoni tayyorlash
Qwen protsessori har bir tasvir uchun sukut bo‘yicha to‘rttadan 16,384 tagacha vizual token oralig‘idan foydalanadi. U tafsilotlarni xotira va hisoblash bilan muvozanatlash uchun min_pixels va max_pixels sozlamalarini ochadi; hujjatlashtirilgan misolda 256–1,280 vizual token ko‘zlangan. Tasvirlar tomonlar nisbatini saqlagan holda tanlangan chegaralar ichida o‘lchamlanadi. Aniq berilgan yangi o‘lchamlar 28 ga karrali songa yaxlitlanadi. Zich jadval yoki kichik yozuv o‘qilishi uchun yetarli aniqlik talab qilishi mumkin; aniqlikni oshirish mavjud vizual va kontekst budjetidan ko‘proq sarflaydi.
Video misolida soniyasiga bir kadr tanlash tezligi va sozlanadigan piksel chegarasi ko‘rsatilgan. Bular umumiy majburiy tezlik yoki qat’iy media limiti emas, namunaviy sozlamalardir. Voqeani tekshirish uchun tegishli klipni bering va ko‘rinadigan o‘zgarishlarning tartibli bayonini so‘rang. Bir-biriga yaqin voqealar umumiy sahna xulosasiga qaraganda zichroq kadr tanlashni talab qilishi mumkin. Qwen2-VL videolar ichidagi audio ma’lumotni tushunmaydi, shu sababli aytilgan muloqot yoki tovush effektlari alohida audio jarayonini talab qiladi.
Ma’lum cheklovlar
Qwen tasvir bo‘yicha o‘qitish ma’lumotlarining oxirgi sanasini 2023-yil iyun deb qayd etadi va undan keyingi shaxslar, mahsulotlar yoki voqealar haqida bilimni kafolatlamaydi. Muayyan shaxslar va intellektual mulk obyektlarini tanish to‘liq emas. Murakkab ko‘p bosqichli ko‘rsatmalar, gavjum sahnalardagi obyekt sonlari va makon munosabatlari, ayniqsa uch o‘lchamda, hujjatlashtirilgan zaif tomonlardir. Murakkab vizual vazifani aniq savollarga ajrating, natijani tasdiqlovchi ko‘rinadigan dalillarni so‘rang va ajratib olingan sonlar hamda keltirilgan matnni tasvir bilan tekshiring. Ishonarli tavsifni aniq hisob yoki o‘lchangan uch o‘lchamli joylashuv deb qabul qilmaslik kerak.
Kartadagi qisqa generatsiya misollari alohida qat’iy chiqish chegarasini belgilamaydi. Javob hajmini matn va vizual kirish bilan birgalikda rejalashtiring, manbada aniq savol uchun yetarli tafsilotni saqlang. Bu har qanday rasm yoki istalgan uzun video birdek ishonchli javob beradi deb taxmin qilishdan ko‘ra model tanlash va kirishni tayyorlashni foydaliroq qiladi.
", "aboutText": "Kirish: 7B ko‘rish-til nashri\n\nQwen2-VL-7B-Instruct — Qwen2-VL oilasining ko‘rsatmalarga moslab o‘qitilgan 7B vakili. U matnli ko‘rsatmalarni tasvirlar yoki video bilan birlashtirib, matnli javoblar yaratadi. Foydali natijalar sahifa izohi, rasmlar taqqoslovi, ko‘rinadigan voqealar tavsifi yoki diagramma haqidagi savolga javobni o‘z ichiga oladi. Bu aynan Qwen2-VL relizi bo‘lib qoladi; yangiroq Qwen2.5-VL va Qwen3-VL nusxalarining o‘z imkoniyatlari va identifikatorlari bor.\n\nQwen2-VL nimalarni qo‘shadi\n\nQwen turli tasvir aniqliklari va tomonlar nisbatlarida vizual tushunishni, shuningdek video savol-javobi, muloqot va kontent yaratishni ta’riflaydi. Oilaning hujjatlashtirilgan video imkoniyati 20 daqiqadan uzun materiallarni ham qamrab oladi. Faqat davomiylikning o‘zi ilova qancha kadrga ishlov berishini belgilamaydi yoki har bir voqeani eslab qolishni kafolatlamaydi. Ko‘p tilli tasvir-matn tushunishi ingliz va xitoy tillari, ko‘plab Yevropa tillari, yapon, koreys, arab va vetnam tillarini o‘z ichiga oladi.\n\nIshlab chiquvchi vizual kuzatuvlar va matnli ko‘rsatmalar orqali telefonlar, robotlar va boshqa qurilmalar bilan integratsiyani ham ta’riflaydi. Bu ilova ish jarayonidir: model vizual muhitni talqin qilib, amallarni tanlashga yordam beradi, ulangan dastur yoki uskuna esa ularni bajaradi. Ekranni tanish modelga o‘z-o‘zidan shu ekranni boshqarish imkonini bermaydi.\n\nArxitekturadagi o‘zgarishlar\n\nDinamik aniqlik har bir kirishni bir xil ifodaga majburlash o‘rniga tasvirni o‘zgaruvchan sondagi vizual tokenlarga aylantiradi. M-ROPE matn, ikki o‘lchamli tasvirlar va uch o‘lchamli video ma’lumotlarining pozitsiya ma’lumotlarini ajratib, makon va vaqt tuzilishini birlashtiradi. E’lon qilingan 7B konfiguratsiyasida 32,768 pozitsiya ko‘rsatilgan. Matn, vizual tokenlar va yaratilgan chiqish cheklangan ketma-ketlik budjetini bo‘lishadi, shu sababli tasvir aniqligi va videodan kadr tanlash so‘rovga kiritiladigan material miqdoriga ta’sir qiladi.\n\nTasvirlar va suhbatlarni tayyorlash\n\nRasmiy misollar bitta tasvir, bir nechta tasvir va faqat matnli suhbatlarni qo‘llaydi. “Hammasini tahlil qil” kabi keng ko‘rsatmaga tayanish o‘rniga tasvirni aniq savol bilan biriktiring. Hujjat sahifasi uchun nomlangan maydonlarni so‘rang va iqtiboslarda tinish belgilarini saqlang. Ikki dizayn skrinshotini birinchi va ikkinchi deb belgilang, so‘ng ko‘rinadigan o‘zgarishlar jadvalini so‘rang. Diagramma uchun uning belgilari, birliklari va ko‘rsatilgan tendensiyani tasdiqlovchi qiymatlarni so‘rang. Bular xatosiz ajratib olish va’dalari emas, vizual savol-javobning amaliy qo‘llanishlaridir.\n\nIshlab chiquvchining yordamchi vositalari tasvirlarni mahalliy fayllar, kodlangan tasvir ma’lumotlari yoki tasvir manzillaridan qabul qiladi; hujjatlashtirilgan video misolida mahalliy video fayllar yoki tartiblangan kadrlar ro‘yxati ishlatiladi. Ilovaga yuklash formatlari alohida interfeys qarori bo‘lib qoladi. Dastlabki kadr tartibini saqlang va kadrlar ro‘yxati qaysi vaqt oralig‘ini ifodalashini ko‘rsating. Misollar matn yaratadi; bu model nusxasi tasvir yoki video generatori sifatida ta’riflanmagan.\n\nAniqlik va videoni tayyorlash\n\nQwen protsessori har bir tasvir uchun sukut bo‘yicha to‘rttadan 16,384 tagacha vizual token oralig‘idan foydalanadi. U tafsilotlarni xotira va hisoblash bilan muvozanatlash uchun min_pixels va max_pixels sozlamalarini ochadi; hujjatlashtirilgan misolda 256–1,280 vizual token ko‘zlangan. Tasvirlar tomonlar nisbatini saqlagan holda tanlangan chegaralar ichida o‘lchamlanadi. Aniq berilgan yangi o‘lchamlar 28 ga karrali songa yaxlitlanadi. Zich jadval yoki kichik yozuv o‘qilishi uchun yetarli aniqlik talab qilishi mumkin; aniqlikni oshirish mavjud vizual va kontekst budjetidan ko‘proq sarflaydi.\n\nVideo misolida soniyasiga bir kadr tanlash tezligi va sozlanadigan piksel chegarasi ko‘rsatilgan. Bular umumiy majburiy tezlik yoki qat’iy media limiti emas, namunaviy sozlamalardir. Voqeani tekshirish uchun tegishli klipni bering va ko‘rinadigan o‘zgarishlarning tartibli bayonini so‘rang. Bir-biriga yaqin voqealar umumiy sahna xulosasiga qaraganda zichroq kadr tanlashni talab qilishi mumkin. Qwen2-VL videolar ichidagi audio ma’lumotni tushunmaydi, shu sababli aytilgan muloqot yoki tovush effektlari alohida audio jarayonini talab qiladi.\n\nMa’lum cheklovlar\n\nQwen tasvir bo‘yicha o‘qitish ma’lumotlarining oxirgi sanasini 2023-yil iyun deb qayd etadi va undan keyingi shaxslar, mahsulotlar yoki voqealar haqida bilimni kafolatlamaydi. Muayyan shaxslar va intellektual mulk obyektlarini tanish to‘liq emas. Murakkab ko‘p bosqichli ko‘rsatmalar, gavjum sahnalardagi obyekt sonlari va makon munosabatlari, ayniqsa uch o‘lchamda, hujjatlashtirilgan zaif tomonlardir. Murakkab vizual vazifani aniq savollarga ajrating, natijani tasdiqlovchi ko‘rinadigan dalillarni so‘rang va ajratib olingan sonlar hamda keltirilgan matnni tasvir bilan tekshiring. Ishonarli tavsifni aniq hisob yoki o‘lchangan uch o‘lchamli joylashuv deb qabul qilmaslik kerak.\n\nKartadagi qisqa generatsiya misollari alohida qat’iy chiqish chegarasini belgilamaydi. Javob hajmini matn va vizual kirish bilan birgalikda rejalashtiring, manbada aniq savol uchun yetarli tafsilotni saqlang. Bu har qanday rasm yoki istalgan uzun video birdek ishonchli javob beradi deb taxmin qilishdan ko‘ra model tanlash va kirishni tayyorlashni foydaliroq qiladi.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
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 — Qwen kompaniyasining matn, tasvir va video uchun ko‘rsatmalarga moslab o‘qitilgan, matn qaytaruvchi ko‘rish-til modeli. Undan hujjat sahifalari bo‘yicha savollar berish, rasmlarni taqqoslash yoki vizual voqealarni tasvirlash uchun foydalaning; unda dinamik tasvir aniqligi hamda sanash, makon bo‘yicha mulohaza va videodagi audioni tushunishga oid hujjatlashtirilgan cheklovlar bor.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Kirish: 7B ko‘rish-til nashri
Qwen2-VL-7B-Instruct — Qwen2-VL oilasining ko‘rsatmalarga moslab o‘qitilgan 7B vakili. U matnli ko‘rsatmalarni tasvirlar yoki video bilan birlashtirib, matnli javoblar yaratadi. Foydali natijalar sahifa izohi, rasmlar taqqoslovi, ko‘rinadigan voqealar tavsifi yoki diagramma haqidagi savolga javobni o‘z ichiga oladi. Bu aynan Qwen2-VL relizi bo‘lib qoladi; yangiroq Qwen2.5-VL va Qwen3-VL nusxalarining o‘z imkoniyatlari va identifikatorlari bor.
Qwen2-VL nimalarni qo‘shadi
Qwen turli tasvir aniqliklari va tomonlar nisbatlarida vizual tushunishni, shuningdek video savol-javobi, muloqot va kontent yaratishni ta’riflaydi. Oilaning hujjatlashtirilgan video imkoniyati 20 daqiqadan uzun materiallarni ham qamrab oladi. Faqat davomiylikning o‘zi ilova qancha kadrga ishlov berishini belgilamaydi yoki har bir voqeani eslab qolishni kafolatlamaydi. Ko‘p tilli tasvir-matn tushunishi ingliz va xitoy tillari, ko‘plab Yevropa tillari, yapon, koreys, arab va vetnam tillarini o‘z ichiga oladi.
Ishlab chiquvchi vizual kuzatuvlar va matnli ko‘rsatmalar orqali telefonlar, robotlar va boshqa qurilmalar bilan integratsiyani ham ta’riflaydi. Bu ilova ish jarayonidir: model vizual muhitni talqin qilib, amallarni tanlashga yordam beradi, ulangan dastur yoki uskuna esa ularni bajaradi. Ekranni tanish modelga o‘z-o‘zidan shu ekranni boshqarish imkonini bermaydi.
Arxitekturadagi o‘zgarishlar
Dinamik aniqlik har bir kirishni bir xil ifodaga majburlash o‘rniga tasvirni o‘zgaruvchan sondagi vizual tokenlarga aylantiradi. M-ROPE matn, ikki o‘lchamli tasvirlar va uch o‘lchamli video ma’lumotlarining pozitsiya ma’lumotlarini ajratib, makon va vaqt tuzilishini birlashtiradi. E’lon qilingan 7B konfiguratsiyasida 32,768 pozitsiya ko‘rsatilgan. Matn, vizual tokenlar va yaratilgan chiqish cheklangan ketma-ketlik budjetini bo‘lishadi, shu sababli tasvir aniqligi va videodan kadr tanlash so‘rovga kiritiladigan material miqdoriga ta’sir qiladi.
Tasvirlar va suhbatlarni tayyorlash
Rasmiy misollar bitta tasvir, bir nechta tasvir va faqat matnli suhbatlarni qo‘llaydi. “Hammasini tahlil qil” kabi keng ko‘rsatmaga tayanish o‘rniga tasvirni aniq savol bilan biriktiring. Hujjat sahifasi uchun nomlangan maydonlarni so‘rang va iqtiboslarda tinish belgilarini saqlang. Ikki dizayn skrinshotini birinchi va ikkinchi deb belgilang, so‘ng ko‘rinadigan o‘zgarishlar jadvalini so‘rang. Diagramma uchun uning belgilari, birliklari va ko‘rsatilgan tendensiyani tasdiqlovchi qiymatlarni so‘rang. Bular xatosiz ajratib olish va’dalari emas, vizual savol-javobning amaliy qo‘llanishlaridir.
Ishlab chiquvchining yordamchi vositalari tasvirlarni mahalliy fayllar, kodlangan tasvir ma’lumotlari yoki tasvir manzillaridan qabul qiladi; hujjatlashtirilgan video misolida mahalliy video fayllar yoki tartiblangan kadrlar ro‘yxati ishlatiladi. Ilovaga yuklash formatlari alohida interfeys qarori bo‘lib qoladi. Dastlabki kadr tartibini saqlang va kadrlar ro‘yxati qaysi vaqt oralig‘ini ifodalashini ko‘rsating. Misollar matn yaratadi; bu model nusxasi tasvir yoki video generatori sifatida ta’riflanmagan.
Aniqlik va videoni tayyorlash
Qwen protsessori har bir tasvir uchun sukut bo‘yicha to‘rttadan 16,384 tagacha vizual token oralig‘idan foydalanadi. U tafsilotlarni xotira va hisoblash bilan muvozanatlash uchun min_pixels va max_pixels sozlamalarini ochadi; hujjatlashtirilgan misolda 256–1,280 vizual token ko‘zlangan. Tasvirlar tomonlar nisbatini saqlagan holda tanlangan chegaralar ichida o‘lchamlanadi. Aniq berilgan yangi o‘lchamlar 28 ga karrali songa yaxlitlanadi. Zich jadval yoki kichik yozuv o‘qilishi uchun yetarli aniqlik talab qilishi mumkin; aniqlikni oshirish mavjud vizual va kontekst budjetidan ko‘proq sarflaydi.
Video misolida soniyasiga bir kadr tanlash tezligi va sozlanadigan piksel chegarasi ko‘rsatilgan. Bular umumiy majburiy tezlik yoki qat’iy media limiti emas, namunaviy sozlamalardir. Voqeani tekshirish uchun tegishli klipni bering va ko‘rinadigan o‘zgarishlarning tartibli bayonini so‘rang. Bir-biriga yaqin voqealar umumiy sahna xulosasiga qaraganda zichroq kadr tanlashni talab qilishi mumkin. Qwen2-VL videolar ichidagi audio ma’lumotni tushunmaydi, shu sababli aytilgan muloqot yoki tovush effektlari alohida audio jarayonini talab qiladi.
Ma’lum cheklovlar
Qwen tasvir bo‘yicha o‘qitish ma’lumotlarining oxirgi sanasini 2023-yil iyun deb qayd etadi va undan keyingi shaxslar, mahsulotlar yoki voqealar haqida bilimni kafolatlamaydi. Muayyan shaxslar va intellektual mulk obyektlarini tanish to‘liq emas. Murakkab ko‘p bosqichli ko‘rsatmalar, gavjum sahnalardagi obyekt sonlari va makon munosabatlari, ayniqsa uch o‘lchamda, hujjatlashtirilgan zaif tomonlardir. Murakkab vizual vazifani aniq savollarga ajrating, natijani tasdiqlovchi ko‘rinadigan dalillarni so‘rang va ajratib olingan sonlar hamda keltirilgan matnni tasvir bilan tekshiring. Ishonarli tavsifni aniq hisob yoki o‘lchangan uch o‘lchamli joylashuv deb qabul qilmaslik kerak.
Kartadagi qisqa generatsiya misollari alohida qat’iy chiqish chegarasini belgilamaydi. Javob hajmini matn va vizual kirish bilan birgalikda rejalashtiring, manbada aniq savol uchun yetarli tafsilotni saqlang. Bu har qanday rasm yoki istalgan uzun video birdek ishonchli javob beradi deb taxmin qilishdan ko‘ra model tanlash va kirishni tayyorlashni foydaliroq qiladi.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K token Chiqish · Chiqish tokenlari $0.00142 / 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": "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 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 Qwen2-VL-7B-Instruct-ultra
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Qwen2-VL-7B-Instruct-ultraQwen2-VL-7B-Instruct — Qwen kompaniyasining matn, tasvir va video uchun ko‘rsatmalarga moslab o‘qitilgan, matn qaytaruvchi ko‘rish-til modeli. Undan hujjat sahifalari bo‘yicha savollar berish, rasmlarni taqqoslash yoki vizual voqealarni tasvirlash uchun foydalaning; unda dinamik tasvir aniqligi hamda sanash, makon bo‘yicha mulohaza va videodagi audioni tushunishga oid hujjatlashtirilgan cheklovlar bor.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Kirish: 7B ko‘rish-til nashri
Qwen2-VL-7B-Instruct — Qwen2-VL oilasining ko‘rsatmalarga moslab o‘qitilgan 7B vakili. U matnli ko‘rsatmalarni tasvirlar yoki video bilan birlashtirib, matnli javoblar yaratadi. Foydali natijalar sahifa izohi, rasmlar taqqoslovi, ko‘rinadigan voqealar tavsifi yoki diagramma haqidagi savolga javobni o‘z ichiga oladi. Bu aynan Qwen2-VL relizi bo‘lib qoladi; yangiroq Qwen2.5-VL va Qwen3-VL nusxalarining o‘z imkoniyatlari va identifikatorlari bor.
Qwen2-VL nimalarni qo‘shadi
Qwen turli tasvir aniqliklari va tomonlar nisbatlarida vizual tushunishni, shuningdek video savol-javobi, muloqot va kontent yaratishni ta’riflaydi. Oilaning hujjatlashtirilgan video imkoniyati 20 daqiqadan uzun materiallarni ham qamrab oladi. Faqat davomiylikning o‘zi ilova qancha kadrga ishlov berishini belgilamaydi yoki har bir voqeani eslab qolishni kafolatlamaydi. Ko‘p tilli tasvir-matn tushunishi ingliz va xitoy tillari, ko‘plab Yevropa tillari, yapon, koreys, arab va vetnam tillarini o‘z ichiga oladi.
Ishlab chiquvchi vizual kuzatuvlar va matnli ko‘rsatmalar orqali telefonlar, robotlar va boshqa qurilmalar bilan integratsiyani ham ta’riflaydi. Bu ilova ish jarayonidir: model vizual muhitni talqin qilib, amallarni tanlashga yordam beradi, ulangan dastur yoki uskuna esa ularni bajaradi. Ekranni tanish modelga o‘z-o‘zidan shu ekranni boshqarish imkonini bermaydi.
Arxitekturadagi o‘zgarishlar
Dinamik aniqlik har bir kirishni bir xil ifodaga majburlash o‘rniga tasvirni o‘zgaruvchan sondagi vizual tokenlarga aylantiradi. M-ROPE matn, ikki o‘lchamli tasvirlar va uch o‘lchamli video ma’lumotlarining pozitsiya ma’lumotlarini ajratib, makon va vaqt tuzilishini birlashtiradi. E’lon qilingan 7B konfiguratsiyasida 32,768 pozitsiya ko‘rsatilgan. Matn, vizual tokenlar va yaratilgan chiqish cheklangan ketma-ketlik budjetini bo‘lishadi, shu sababli tasvir aniqligi va videodan kadr tanlash so‘rovga kiritiladigan material miqdoriga ta’sir qiladi.
Tasvirlar va suhbatlarni tayyorlash
Rasmiy misollar bitta tasvir, bir nechta tasvir va faqat matnli suhbatlarni qo‘llaydi. “Hammasini tahlil qil” kabi keng ko‘rsatmaga tayanish o‘rniga tasvirni aniq savol bilan biriktiring. Hujjat sahifasi uchun nomlangan maydonlarni so‘rang va iqtiboslarda tinish belgilarini saqlang. Ikki dizayn skrinshotini birinchi va ikkinchi deb belgilang, so‘ng ko‘rinadigan o‘zgarishlar jadvalini so‘rang. Diagramma uchun uning belgilari, birliklari va ko‘rsatilgan tendensiyani tasdiqlovchi qiymatlarni so‘rang. Bular xatosiz ajratib olish va’dalari emas, vizual savol-javobning amaliy qo‘llanishlaridir.
Ishlab chiquvchining yordamchi vositalari tasvirlarni mahalliy fayllar, kodlangan tasvir ma’lumotlari yoki tasvir manzillaridan qabul qiladi; hujjatlashtirilgan video misolida mahalliy video fayllar yoki tartiblangan kadrlar ro‘yxati ishlatiladi. Ilovaga yuklash formatlari alohida interfeys qarori bo‘lib qoladi. Dastlabki kadr tartibini saqlang va kadrlar ro‘yxati qaysi vaqt oralig‘ini ifodalashini ko‘rsating. Misollar matn yaratadi; bu model nusxasi tasvir yoki video generatori sifatida ta’riflanmagan.
Aniqlik va videoni tayyorlash
Qwen protsessori har bir tasvir uchun sukut bo‘yicha to‘rttadan 16,384 tagacha vizual token oralig‘idan foydalanadi. U tafsilotlarni xotira va hisoblash bilan muvozanatlash uchun min_pixels va max_pixels sozlamalarini ochadi; hujjatlashtirilgan misolda 256–1,280 vizual token ko‘zlangan. Tasvirlar tomonlar nisbatini saqlagan holda tanlangan chegaralar ichida o‘lchamlanadi. Aniq berilgan yangi o‘lchamlar 28 ga karrali songa yaxlitlanadi. Zich jadval yoki kichik yozuv o‘qilishi uchun yetarli aniqlik talab qilishi mumkin; aniqlikni oshirish mavjud vizual va kontekst budjetidan ko‘proq sarflaydi.
Video misolida soniyasiga bir kadr tanlash tezligi va sozlanadigan piksel chegarasi ko‘rsatilgan. Bular umumiy majburiy tezlik yoki qat’iy media limiti emas, namunaviy sozlamalardir. Voqeani tekshirish uchun tegishli klipni bering va ko‘rinadigan o‘zgarishlarning tartibli bayonini so‘rang. Bir-biriga yaqin voqealar umumiy sahna xulosasiga qaraganda zichroq kadr tanlashni talab qilishi mumkin. Qwen2-VL videolar ichidagi audio ma’lumotni tushunmaydi, shu sababli aytilgan muloqot yoki tovush effektlari alohida audio jarayonini talab qiladi.
Ma’lum cheklovlar
Qwen tasvir bo‘yicha o‘qitish ma’lumotlarining oxirgi sanasini 2023-yil iyun deb qayd etadi va undan keyingi shaxslar, mahsulotlar yoki voqealar haqida bilimni kafolatlamaydi. Muayyan shaxslar va intellektual mulk obyektlarini tanish to‘liq emas. Murakkab ko‘p bosqichli ko‘rsatmalar, gavjum sahnalardagi obyekt sonlari va makon munosabatlari, ayniqsa uch o‘lchamda, hujjatlashtirilgan zaif tomonlardir. Murakkab vizual vazifani aniq savollarga ajrating, natijani tasdiqlovchi ko‘rinadigan dalillarni so‘rang va ajratib olingan sonlar hamda keltirilgan matnni tasvir bilan tekshiring. Ishonarli tavsifni aniq hisob yoki o‘lchangan uch o‘lchamli joylashuv deb qabul qilmaslik kerak.
Kartadagi qisqa generatsiya misollari alohida qat’iy chiqish chegarasini belgilamaydi. Javob hajmini matn va vizual kirish bilan birgalikda rejalashtiring, manbada aniq savol uchun yetarli tafsilotni saqlang. Bu har qanday rasm yoki istalgan uzun video birdek ishonchli javob beradi deb taxmin qilishdan ko‘ra model tanlash va kirishni tayyorlashni foydaliroq qiladi.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Qwen2-VL-7B-Instruct-ultra | 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 $0.00058 / 1K token Chiqish · Chiqish tokenlari $0.00142 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "Qwen2-VL-7B-Instruct-ultra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 Qwen2-VL-7B-Instruct-ultra
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
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.