Reka Edge là mô hình thị giác-ngôn ngữ nhỏ gọn của Reka AI dành cho các ứng dụng vật lý và thị giác. Phiên bản 2603 được công bố nhận hình ảnh hoặc video cùng lời nhắc bằng văn bản và tạo văn bản; mô hình cũng hỗ trợ câu hỏi chỉ có văn bản. Các tác vụ chính gồm hiểu cảnh, phân tích video, phát hiện đối tượng và tương tác hướng công cụ dựa trên đầu vào hình ảnh.
Mô hình kết hợp bộ mã hóa thị giác 657 triệu tham số với nền tảng ngôn ngữ 6.4 tỷ tham số. Bộ mã hóa thị giác tích chập tạo 64 token cho mỗi ô ảnh. Cấu hình văn bản được công bố đặt số vị trí tối đa là 16,384, với cơ chế mở rộng độ dài từ cơ sở 8192 vị trí. Đây là các thuộc tính của cấu hình checkpoint do nhà phát triển cung cấp; đầu vào hình ảnh và hội thoại vẫn phải nằm trong ngữ cảnh được sử dụng cho tác vụ.
Để trả lời câu hỏi về hình ảnh, hãy cung cấp ảnh và hỏi về một đối tượng, mối quan hệ hoặc sự kiện cụ thể. Lời nhắc kiểm tra hữu ích chỉ rõ điều cần phân biệt: vị trí của vật, tình trạng nhìn thấy hoặc thay đổi giữa các khung hình. Với video, cung cấp chuỗi cảnh và mô tả sự kiện cần tìm. Các ví dụ ứng dụng của nhà phát triển bao gồm chú thích tư liệu, phát hiện logo, đoạn nổi bật và siêu dữ liệu, cũng như robot, camera trên xe và hỗ trợ thị giác.
Phát hiện đối tượng có lời nhắc riêng của nhà phát triển: Detect: theo sau là mô tả đối tượng. Mô tả có thể nêu một hoặc nhiều mục tiêu. Kết quả được tài liệu hóa liên kết nhãn đối tượng với tọa độ hộp bao, dùng các dấu ref và bbox. Trong ứng dụng, giữ quan hệ giữa từng nhãn và tọa độ để có thể kiểm tra hoặc hiển thị vùng phát hiện trên ảnh gốc.
Một tác vụ kiểm tra tư liệu thực tế có thể yêu cầu nêu sự kiện nhìn thấy, các đối tượng liên quan và chú thích ngắn gọn cho kho lưu trữ. Khi kiểm tra cảnh, hãy xác định đối tượng mục tiêu và điều kiện liên quan trước khi yêu cầu mô tả. Giữ riêng điều mô hình quan sát được với hành động tiếp theo mà ứng dụng chọn thực hiện. Mô hình cung cấp diễn giải thị giác hoặc tương tác công cụ được đề xuất; ứng dụng bao quanh thực thi các hành động bên ngoài.
Reka công bố hướng dẫn triển khai checkpoint cục bộ, gồm ví dụ cho hình ảnh, video, phát hiện và văn bản thuần. Thẻ mô hình dùng mẫu hội thoại và dấu kết thúc lượt riêng của mô hình. Ví dụ cục bộ tắt tường minh chế độ suy luận riêng: diễn giải hình ảnh là một khả năng, còn giai đoạn suy nghĩ được hiển thị là một tính năng khác. Mô hình được thiết kế cho môi trường biên, tại chỗ và đám mây; triển khai lượng tử hóa là cấu hình riêng, không phải đặc tính mặc nhiên suy ra từ tên mô hình.
Để đánh giá cục bộ, nhà phát triển khuyến nghị chừa bộ nhớ cho quá trình sinh: thẻ mô hình nêu mức tối thiểu 24 GB bộ nhớ cho Mac, và ít nhất 24 GB bộ nhớ GPU cộng 24 GB bộ nhớ hệ thống cho PC. Nhà phát triển khuyến nghị 32 GB trở lên cho từng loại bộ nhớ tương ứng, với khoảng 14 GB cho mô hình float16 trên Mac. Các số liệu triển khai này mô tả thiết lập cục bộ đã công bố. Chúng giúp phân biệt kích thước nhỏ gọn của mô hình với tài nguyên mà ứng dụng xử lý đầu vào hình ảnh cần có.
", "aboutText": "Reka Edge là mô hình thị giác-ngôn ngữ nhỏ gọn của Reka AI dành cho các ứng dụng vật lý và thị giác. Phiên bản 2603 được công bố nhận hình ảnh hoặc video cùng lời nhắc bằng văn bản và tạo văn bản; mô hình cũng hỗ trợ câu hỏi chỉ có văn bản. Các tác vụ chính gồm hiểu cảnh, phân tích video, phát hiện đối tượng và tương tác hướng công cụ dựa trên đầu vào hình ảnh.\n\nMô hình kết hợp bộ mã hóa thị giác 657 triệu tham số với nền tảng ngôn ngữ 6.4 tỷ tham số. Bộ mã hóa thị giác tích chập tạo 64 token cho mỗi ô ảnh. Cấu hình văn bản được công bố đặt số vị trí tối đa là 16,384, với cơ chế mở rộng độ dài từ cơ sở 8192 vị trí. Đây là các thuộc tính của cấu hình checkpoint do nhà phát triển cung cấp; đầu vào hình ảnh và hội thoại vẫn phải nằm trong ngữ cảnh được sử dụng cho tác vụ.\n\nĐể trả lời câu hỏi về hình ảnh, hãy cung cấp ảnh và hỏi về một đối tượng, mối quan hệ hoặc sự kiện cụ thể. Lời nhắc kiểm tra hữu ích chỉ rõ điều cần phân biệt: vị trí của vật, tình trạng nhìn thấy hoặc thay đổi giữa các khung hình. Với video, cung cấp chuỗi cảnh và mô tả sự kiện cần tìm. Các ví dụ ứng dụng của nhà phát triển bao gồm chú thích tư liệu, phát hiện logo, đoạn nổi bật và siêu dữ liệu, cũng như robot, camera trên xe và hỗ trợ thị giác.\n\nPhát hiện đối tượng có lời nhắc riêng của nhà phát triển: Detect: theo sau là mô tả đối tượng. Mô tả có thể nêu một hoặc nhiều mục tiêu. Kết quả được tài liệu hóa liên kết nhãn đối tượng với tọa độ hộp bao, dùng các dấu ref và bbox. Trong ứng dụng, giữ quan hệ giữa từng nhãn và tọa độ để có thể kiểm tra hoặc hiển thị vùng phát hiện trên ảnh gốc.\n\nMột tác vụ kiểm tra tư liệu thực tế có thể yêu cầu nêu sự kiện nhìn thấy, các đối tượng liên quan và chú thích ngắn gọn cho kho lưu trữ. Khi kiểm tra cảnh, hãy xác định đối tượng mục tiêu và điều kiện liên quan trước khi yêu cầu mô tả. Giữ riêng điều mô hình quan sát được với hành động tiếp theo mà ứng dụng chọn thực hiện. Mô hình cung cấp diễn giải thị giác hoặc tương tác công cụ được đề xuất; ứng dụng bao quanh thực thi các hành động bên ngoài.\n\nReka công bố hướng dẫn triển khai checkpoint cục bộ, gồm ví dụ cho hình ảnh, video, phát hiện và văn bản thuần. Thẻ mô hình dùng mẫu hội thoại và dấu kết thúc lượt riêng của mô hình. Ví dụ cục bộ tắt tường minh chế độ suy luận riêng: diễn giải hình ảnh là một khả năng, còn giai đoạn suy nghĩ được hiển thị là một tính năng khác. Mô hình được thiết kế cho môi trường biên, tại chỗ và đám mây; triển khai lượng tử hóa là cấu hình riêng, không phải đặc tính mặc nhiên suy ra từ tên mô hình.\n\nĐể đánh giá cục bộ, nhà phát triển khuyến nghị chừa bộ nhớ cho quá trình sinh: thẻ mô hình nêu mức tối thiểu 24 GB bộ nhớ cho Mac, và ít nhất 24 GB bộ nhớ GPU cộng 24 GB bộ nhớ hệ thống cho PC. Nhà phát triển khuyến nghị 32 GB trở lên cho từng loại bộ nhớ tương ứng, với khoảng 14 GB cho mô hình float16 trên Mac. Các số liệu triển khai này mô tả thiết lập cục bộ đã công bố. Chúng giúp phân biệt kích thước nhỏ gọn của mô hình với tài nguyên mà ứng dụng xử lý đầu vào hình ảnh cần có.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Caption a described loading scene\n\nWrite a concise archive caption from this textual scene description: a worker stands beside a parked van; two sealed boxes are on a trolley; no loading movement is described. Include the objects and their relationship, and add a short uncertainty note about whether loading has begun. Do not infer motion from proximity.A neutral scene caption and a separate uncertainty note.Check that the caption distinguishes observed positions from an unobserved loading action.rekaai/reka-edgeReka Edge là mô hình thị giác-ngôn ngữ 7B dành cho hiểu hình ảnh và video, phát hiện đối tượng và quy trình công cụ được dẫn dắt bằng hình ảnh. Mô hình nhận tư liệu hình ảnh cùng văn bản, tạo văn bản và cung cấp định dạng lời nhắc riêng cho tác vụ phát hiện.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Reka Edge là mô hình thị giác-ngôn ngữ nhỏ gọn của Reka AI dành cho các ứng dụng vật lý và thị giác. Phiên bản 2603 được công bố nhận hình ảnh hoặc video cùng lời nhắc bằng văn bản và tạo văn bản; mô hình cũng hỗ trợ câu hỏi chỉ có văn bản. Các tác vụ chính gồm hiểu cảnh, phân tích video, phát hiện đối tượng và tương tác hướng công cụ dựa trên đầu vào hình ảnh.
Mô hình kết hợp bộ mã hóa thị giác 657 triệu tham số với nền tảng ngôn ngữ 6.4 tỷ tham số. Bộ mã hóa thị giác tích chập tạo 64 token cho mỗi ô ảnh. Cấu hình văn bản được công bố đặt số vị trí tối đa là 16,384, với cơ chế mở rộng độ dài từ cơ sở 8192 vị trí. Đây là các thuộc tính của cấu hình checkpoint do nhà phát triển cung cấp; đầu vào hình ảnh và hội thoại vẫn phải nằm trong ngữ cảnh được sử dụng cho tác vụ.
Để trả lời câu hỏi về hình ảnh, hãy cung cấp ảnh và hỏi về một đối tượng, mối quan hệ hoặc sự kiện cụ thể. Lời nhắc kiểm tra hữu ích chỉ rõ điều cần phân biệt: vị trí của vật, tình trạng nhìn thấy hoặc thay đổi giữa các khung hình. Với video, cung cấp chuỗi cảnh và mô tả sự kiện cần tìm. Các ví dụ ứng dụng của nhà phát triển bao gồm chú thích tư liệu, phát hiện logo, đoạn nổi bật và siêu dữ liệu, cũng như robot, camera trên xe và hỗ trợ thị giác.
Phát hiện đối tượng có lời nhắc riêng của nhà phát triển: Detect: theo sau là mô tả đối tượng. Mô tả có thể nêu một hoặc nhiều mục tiêu. Kết quả được tài liệu hóa liên kết nhãn đối tượng với tọa độ hộp bao, dùng các dấu ref và bbox. Trong ứng dụng, giữ quan hệ giữa từng nhãn và tọa độ để có thể kiểm tra hoặc hiển thị vùng phát hiện trên ảnh gốc.
Một tác vụ kiểm tra tư liệu thực tế có thể yêu cầu nêu sự kiện nhìn thấy, các đối tượng liên quan và chú thích ngắn gọn cho kho lưu trữ. Khi kiểm tra cảnh, hãy xác định đối tượng mục tiêu và điều kiện liên quan trước khi yêu cầu mô tả. Giữ riêng điều mô hình quan sát được với hành động tiếp theo mà ứng dụng chọn thực hiện. Mô hình cung cấp diễn giải thị giác hoặc tương tác công cụ được đề xuất; ứng dụng bao quanh thực thi các hành động bên ngoài.
Reka công bố hướng dẫn triển khai checkpoint cục bộ, gồm ví dụ cho hình ảnh, video, phát hiện và văn bản thuần. Thẻ mô hình dùng mẫu hội thoại và dấu kết thúc lượt riêng của mô hình. Ví dụ cục bộ tắt tường minh chế độ suy luận riêng: diễn giải hình ảnh là một khả năng, còn giai đoạn suy nghĩ được hiển thị là một tính năng khác. Mô hình được thiết kế cho môi trường biên, tại chỗ và đám mây; triển khai lượng tử hóa là cấu hình riêng, không phải đặc tính mặc nhiên suy ra từ tên mô hình.
Để đánh giá cục bộ, nhà phát triển khuyến nghị chừa bộ nhớ cho quá trình sinh: thẻ mô hình nêu mức tối thiểu 24 GB bộ nhớ cho Mac, và ít nhất 24 GB bộ nhớ GPU cộng 24 GB bộ nhớ hệ thống cho PC. Nhà phát triển khuyến nghị 32 GB trở lên cho từng loại bộ nhớ tương ứng, với khoảng 14 GB cho mô hình float16 trên Mac. Các số liệu triển khai này mô tả thiết lập cục bộ đã công bố. Chúng giúp phân biệt kích thước nhỏ gọn của mô hình với tài nguyên mà ứng dụng xử lý đầu vào hình ảnh cần có.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn rekaai/reka-edge | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.0002 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.0002 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "rekaai/reka-edge", "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='rekaai/reka-edge',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='rekaai/reka-edge',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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra rekaai/reka-edge
Dùng các đường dẫn phương thức hiển thị ở trên.
rekaai/reka-edgeReka Edge là mô hình thị giác-ngôn ngữ 7B dành cho hiểu hình ảnh và video, phát hiện đối tượng và quy trình công cụ được dẫn dắt bằng hình ảnh. Mô hình nhận tư liệu hình ảnh cùng văn bản, tạo văn bản và cung cấp định dạng lời nhắc riêng cho tác vụ phát hiện.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Reka Edge là mô hình thị giác-ngôn ngữ nhỏ gọn của Reka AI dành cho các ứng dụng vật lý và thị giác. Phiên bản 2603 được công bố nhận hình ảnh hoặc video cùng lời nhắc bằng văn bản và tạo văn bản; mô hình cũng hỗ trợ câu hỏi chỉ có văn bản. Các tác vụ chính gồm hiểu cảnh, phân tích video, phát hiện đối tượng và tương tác hướng công cụ dựa trên đầu vào hình ảnh.
Mô hình kết hợp bộ mã hóa thị giác 657 triệu tham số với nền tảng ngôn ngữ 6.4 tỷ tham số. Bộ mã hóa thị giác tích chập tạo 64 token cho mỗi ô ảnh. Cấu hình văn bản được công bố đặt số vị trí tối đa là 16,384, với cơ chế mở rộng độ dài từ cơ sở 8192 vị trí. Đây là các thuộc tính của cấu hình checkpoint do nhà phát triển cung cấp; đầu vào hình ảnh và hội thoại vẫn phải nằm trong ngữ cảnh được sử dụng cho tác vụ.
Để trả lời câu hỏi về hình ảnh, hãy cung cấp ảnh và hỏi về một đối tượng, mối quan hệ hoặc sự kiện cụ thể. Lời nhắc kiểm tra hữu ích chỉ rõ điều cần phân biệt: vị trí của vật, tình trạng nhìn thấy hoặc thay đổi giữa các khung hình. Với video, cung cấp chuỗi cảnh và mô tả sự kiện cần tìm. Các ví dụ ứng dụng của nhà phát triển bao gồm chú thích tư liệu, phát hiện logo, đoạn nổi bật và siêu dữ liệu, cũng như robot, camera trên xe và hỗ trợ thị giác.
Phát hiện đối tượng có lời nhắc riêng của nhà phát triển: Detect: theo sau là mô tả đối tượng. Mô tả có thể nêu một hoặc nhiều mục tiêu. Kết quả được tài liệu hóa liên kết nhãn đối tượng với tọa độ hộp bao, dùng các dấu ref và bbox. Trong ứng dụng, giữ quan hệ giữa từng nhãn và tọa độ để có thể kiểm tra hoặc hiển thị vùng phát hiện trên ảnh gốc.
Một tác vụ kiểm tra tư liệu thực tế có thể yêu cầu nêu sự kiện nhìn thấy, các đối tượng liên quan và chú thích ngắn gọn cho kho lưu trữ. Khi kiểm tra cảnh, hãy xác định đối tượng mục tiêu và điều kiện liên quan trước khi yêu cầu mô tả. Giữ riêng điều mô hình quan sát được với hành động tiếp theo mà ứng dụng chọn thực hiện. Mô hình cung cấp diễn giải thị giác hoặc tương tác công cụ được đề xuất; ứng dụng bao quanh thực thi các hành động bên ngoài.
Reka công bố hướng dẫn triển khai checkpoint cục bộ, gồm ví dụ cho hình ảnh, video, phát hiện và văn bản thuần. Thẻ mô hình dùng mẫu hội thoại và dấu kết thúc lượt riêng của mô hình. Ví dụ cục bộ tắt tường minh chế độ suy luận riêng: diễn giải hình ảnh là một khả năng, còn giai đoạn suy nghĩ được hiển thị là một tính năng khác. Mô hình được thiết kế cho môi trường biên, tại chỗ và đám mây; triển khai lượng tử hóa là cấu hình riêng, không phải đặc tính mặc nhiên suy ra từ tên mô hình.
Để đánh giá cục bộ, nhà phát triển khuyến nghị chừa bộ nhớ cho quá trình sinh: thẻ mô hình nêu mức tối thiểu 24 GB bộ nhớ cho Mac, và ít nhất 24 GB bộ nhớ GPU cộng 24 GB bộ nhớ hệ thống cho PC. Nhà phát triển khuyến nghị 32 GB trở lên cho từng loại bộ nhớ tương ứng, với khoảng 14 GB cho mô hình float16 trên Mac. Các số liệu triển khai này mô tả thiết lập cục bộ đã công bố. Chúng giúp phân biệt kích thước nhỏ gọn của mô hình với tài nguyên mà ứng dụng xử lý đầu vào hình ảnh cần có.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn rekaai/reka-edge | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.0002 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.0002 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "rekaai/reka-edge",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'rekaai/reka-edge', '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': 'rekaai/reka-edge', '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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra rekaai/reka-edge
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Caption a described loading scene\n\nWrite a concise archive caption from this textual scene description: a worker stands beside a parked van; two sealed boxes are on a trolley; no loading movement is described. Include the objects and their relationship, and add a short uncertainty note about whether loading has begun. Do not infer motion from proximity.A neutral scene caption and a separate uncertainty note.Check that the caption distinguishes observed positions from an unobserved loading action.