hunyuan-turbos-vision

Thông số kỹ thuật của hunyuan-turbos-vision

hunyuan-turbos-vision là mã mô hình (model ID) trên CometAPI dành cho một mô hình thuộc Tencent Hunyuan có khả năng xử lý thị giác trong đại gia đình đa phương thức Tencent HY. Tencent mô tả Hunyuan/Tencent HY là một họ mô hình đa năng và đa phương thức do hãng tự phát triển, bao phủ hình ảnh và các phương thức khác, với quyền truy cập dựa trên API cho các bài toán doanh nghiệp.

hunyuan-turbos-vision là gì?

hunyuan-turbos-vision là một mô hình đa phương thức có hỗ trợ thị giác được cung cấp trên CometAPI dưới mã định danh đặc thù của nền tảng, được ánh xạ tới hệ sinh thái hiểu thị giác của Tencent Hunyuan. Trong các tài liệu công khai của Tencent, Hunyuan/Tencent HY được định vị là một họ mô hình đa phương thức do hãng tự phát triển, bao trùm văn bản, hình ảnh, 3D và các kịch bản AI doanh nghiệp liên quan.

Dựa trên danh mục mô hình hiểu thị giác do Tencent công bố, họ mô hình này nhấn mạnh khả năng phản hồi nhanh đối với ảnh, nhận dạng thị giác chính xác hơn, và suy luận logic mạnh hơn trên nội dung hình ảnh, sơ đồ và biểu đồ. Điều đó khiến hunyuan-turbos-vision trở thành lựa chọn thực tế cho các ứng dụng cần phân tích hình ảnh được tải lên cùng với lời nhắc ngôn ngữ tự nhiên, như trợ lý thị giác, trình đọc tài liệu, tự động hóa hỗ trợ, quy trình kiểm duyệt nội dung, hoặc hệ thống Hỏi–Đáp dựa trên hình ảnh.

Vì CometAPI sử dụng mã định danh mô hình ổn định của riêng mình, chuỗi chính xác hunyuan-turbos-vision nên được xem là đích tích hợp trong các yêu cầu API, dù cách đặt tên công khai của Tencent có thể khác nhau giữa các trang sản phẩm hoặc danh mục mô hình. Đây là phép ánh xạ ở tầng tích hợp chứ không phải mâu thuẫn. Năng lực nền tảng vẫn gắn với ngăn xếp thị giác đa phương thức của Tencent Hunyuan.

Tính năng chính của hunyuan-turbos-vision

• Hiểu hình ảnh đa phương thức: Hỗ trợ quy trình trong đó người dùng gửi một hình ảnh kèm hướng dẫn văn bản và nhận câu trả lời có căn cứ trên nội dung hình ảnh. Điều này phù hợp với định vị đa phương thức và hiểu thị giác của Tencent Hunyuan.
• Hành vi phản hồi nhanh: Danh mục mô hình hiểu thị giác hiện tại của Tencent nhấn mạnh tốc độ phản hồi nhanh với đầu vào là ảnh, đặc biệt hữu ích cho trợ lý tương tác và trải nghiệm thời gian thực.
• Độ chính xác nhận dạng thị giác được cải thiện: Tencent mô tả năng lực cảm nhận và nhận dạng đối tượng/nội dung thị giác mạnh hơn, phù hợp cho hiểu cảnh và hỏi–đáp dựa trên hình ảnh.
• Suy luận trên biểu đồ và hình ảnh phức tạp: Tencent đặc biệt nhấn mạnh khả năng suy luận logic và hiểu biểu đồ tốt hơn, hữu ích cho bảng điều khiển phân tích, báo cáo và công cụ giáo dục.
• Hỗ trợ tài liệu và gần với OCR: Dù Tencent cũng cung cấp các mô hình OCR chuyên dụng, ngăn xếp thị giác rộng hơn thể hiện hỗ trợ trích xuất và diễn giải thông tin có cấu trúc từ tài liệu dạng ảnh, bảng và công thức.
• Khả năng truy cập API cho doanh nghiệp: Tencent HY được cung cấp như dịch vụ đám mây định hướng API, phù hợp tích hợp vào hệ thống sản xuất, công cụ nội bộ và pipeline tự động.
• Một phần của hệ sinh thái đa phương thức lớn hơn: hunyuan-turbos-vision được hưởng lợi từ việc thuộc họ Hunyuan/Tencent HY, bao trùm nhiều phương thức và bài toán AI doanh nghiệp thay vì là một mô hình đơn lẻ.

Cách truy cập và tích hợp hunyuan-turbos-vision

Bước 1: Đăng ký khóa API

Đăng ký trên CometAPI và tạo khóa API từ bảng điều khiển. Sau khi tạo, hãy lưu khóa của bạn một cách an toàn và nạp nó thông qua biến môi trường như COMETAPI_API_KEY. Khóa này sẽ được dùng để xác thực mọi yêu cầu bạn gửi tới API hunyuan-turbos-vision.

Bước 2: Gửi yêu cầu tới API hunyuan-turbos-vision

Sử dụng endpoint tương thích OpenAI của CometAPI và đặt trường model thành hunyuan-turbos-vision.

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_API_KEY" \
  -d '{
    "model": "hunyuan-turbos-vision",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "Describe this image in detail." },
          { "type": "image_url", "image_url": { "url": "https://example.com/sample.jpg" } }
        ]
      }
    ]
  }'

Bạn cũng có thể gọi cùng mô hình từ Python theo định dạng OpenAI SDK:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_COMETAPI_KEY",
    base_url="https://api.cometapi.com/v1"
)

response = client.chat.completions.create(
    model="hunyuan-turbos-vision",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "What objects are visible in this image?"},
                {"type": "image_url", "image_url": {"url": "https://example.com/sample.jpg"}}
            ]
        }
    ]
)

print(response)

Bước 3: Truy xuất và xác minh kết quả

Sau khi gửi yêu cầu, hãy phân tích JSON phản hồi và đọc đầu ra của mô hình từ lựa chọn đầu tiên. Đối với môi trường sản xuất, bạn cũng nên xác minh rằng nội dung trả về khớp với hình ảnh đã cung cấp, áp dụng các kiểm tra an toàn hoặc quy tắc nghiệp vụ cần thiết, và ghi nhật ký siêu dữ liệu phản hồi để theo dõi và gỡ lỗi.