Dikaya Flash: перевірка зображень із прив’язкою до доказів

Мінімальний API-приклад

Ілюстративний Python-код, не виконана відповідь моделі. Ключ береться з оточення, автоматичні повтори вимкнені. Втрата зв’язку може залишити результат і витрати невідомими: не повторюйте запит наосліп.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://dikaya.cc/v1",
    api_key=os.environ["DIKAYA_API_KEY"],
    max_retries=0,
)
response = client.chat.completions.create(
    model="seller-flash",
    max_tokens=512,
    messages=[{"role": "user", "content": "Склади перевірний список для мого завдання. Відокрем факти від припущень."}],
)
print(response.choices[0].message.content)

Сформулюйте запит як перевірку, а не вгадування

Уявімо невеликий магазин, який отримав нову партію чаю. На пакуванні змінилися маса, склад і позначення виробника. Завдання моделі — допомогти знайти ці поля на фотографії, а не дописати рекламний опис за знайомим дизайном. Перед надсиланням визначте перелік потрібних характеристик і домовтеся, що нерозбірливий напис залишається нерозбірливим. Така рамка робить помилку помітною ще до публікації картки.

Поділіть майбутню відповідь на спостереження й висновки. Спостереженням буде дослівний рядок на етикетці та місце його розташування. Висновком — припущення, що це строк придатності або номер партії. Просіть пояснювати підставу такого розмежування звичайними словами. Не вимагайте прихованої траси міркування: для перевірки потрібні доступні читачеві докази, а не довга історія про внутрішній процес моделі.

Підготуйте кадри, які можна зіставити

Зніміть загальний вигляд і окремий крупний план дрібного тексту. Дайте файлам сталі назви: передній бік, склад, дата. Якщо обрізаєте кадр, не прибирайте одиниці вимірювання або сусідній заголовок, від якого залежить значення числа. Відблиск на плівці чи вигин коробки краще виправити новою фотографією, ніж додатковою вимогою до моделі бути уважнішою. Збережіть початкові файли для контрольного перегляду.

Платний браузерний чат приймає перевірені PNG, JPEG і WebP, але це не універсальний імпортер довільних документів. Перед завантаженням перевірте актуальні обмеження файлів у документації. Не надсилайте зайві персональні відомості з накладної, якщо запит стосується тільки етикетки. Редагування копії має залишати потрібний контекст: закрита адреса покупця не повинна закрити край таблиці зі складом або позначення фасування.

Побудуйте таблицю видимих свідчень

Попросіть для кожного поля чотири колонки: назва характеристики, дослівний фрагмент, ділянка кадру, статус перевірки. Для маси корисно окремо винести число й одиницю. Для дати залиште початковий запис поряд із нормалізованим, адже порядок дня та місяця може бути неоднозначним. Якщо інформація є лише на одному боці пакування, не дозволяйте переносити її на інший без явної вказівки.

Рядок без читабельного доказу повинен мати позначку «потребує перевірки», а не правдоподібне значення. Візуальна схожість логотипа не підтверджує виробника, а колір смужки не доводить сорт продукту. Після відповіді пройдіться по таблиці зверху вниз і знайдіть кожен фрагмент на оригіналі. Для полів, що потраплять у замовлення або маркування, залиште відповідального працівника, який засвідчить остаточне значення.

Не плутайте нативне зображення та опис мостом

У каталозі Dikaya саме seller-flash має нативну підтримку зображень. Якщо обрати текстову модель, зображення спочатку може пройти через окремий оплачуваний Flash-міст, а основний запит отримає текстовий опис. Це інший шлях обробки. Втрачену в описі дрібну цифру наступна модель не відновить із пікселів, яких вона не отримала. Тому для перевірки етикетки важливо розуміти, що саме бачить обрана модель.

Назва Flash також трапляється в seller-glm-5-3-flash, але збіг слова не означає тотожності можливостей або виміряної швидкості. Звіряйте точний публічний ID у селекторі та запиті API. Походження базової моделі Dikaya Flash тут не визначене; приписувати йому основу іншого тарифу не потрібно. Рішення про маршрут має спиратися на задокументований режим зображень і перевірюваність результату, а не на знайоме ім’я.

Перевірте числа та межі відповіді

Повторно звірте всі цифри, відсотки й скорочення одиниць. Особливо уважно перевіряйте десяткову кому та схожі символи: вісімку можна сплутати з трійкою, а літеру з нулем. Для таблиці харчової цінності не достатньо прочитати значення: потрібно зберегти, чи наведене воно на сто грамів, на порцію або на всю упаковку. Попросіть перелічити поля, які залишилися невідомими, окремим коротким списком.

Розмір контексту моделі не дорівнює місткості браузерної історії або дозволеному обсягу виходу. Не намагайтеся компенсувати надто багато кадрів необмеженим запитом на детальний звіт. Почніть з однієї групи товарів, визначте потрібну довжину відповіді та перевірте завершення. Обрізаний результат не можна вважати повною перевіркою всіх зображень, навіть коли перші рядки таблиці виглядають правильно й впевнено.

Надсилайте свідомо й розрізняйте помилки

Кнопка переходу до чату готує чернетку, а не перевіряє пакування автоматично. Переконайтеся, що акаунту дозволено seller-flash, що вибрано саме його і що збережена раніше чернетка не підмінила ваш новий текст. Демо має окремі умови та не відкриває всі моделі й вкладення. Для програмного клієнта задавайте явний ліміт відповіді та вимикайте автоматичні повтори SDK через max_retries=0.

Отримана HTTP-помилка й розрив мережі після відправлення — різні ситуації. За невідомого мережевого результату не можна стверджувати, що обробки або витрат не було. Спочатку перевірте збережений стан і облік, а вже потім вирішуйте питання ручного повтору. Документація OpenAI Python пояснює повтори SDK, а MDN — поведінку Fetch та скасування; жодне з цих джерел саме по собі не підтверджує розрахунків Dikaya.

Запитання й відповіді

Чи може Flash гарантовано прочитати будь-яку етикетку?

Ні, нативна підтримка зображень не є гарантією точного розпізнавання. Відблиски, низька роздільність, нахил і дрібний шрифт залишаються причинами помилок. Просіть позначати нерозбірливі поля, надавайте крупні плани та звіряйте числові значення з оригінальним кадром перед використанням у картці товару.

Чим seller-flash відрізняється від GLM Flash?

Це різні публічні ідентичності каталогу. seller-flash має нативний режим зображень, тоді як seller-glm-5-3-flash працює з їхнім текстовим описом через окремий оплачуваний міст. Спільне слово в назві не переносить можливостей і не доводить однакову затримку. Перевіряйте точний ID перед кожним робочим сценарієм.

Чи потрібен інтернет-пошук для читання фотографії?

Для опису видимого пакування пошук не потрібен. У платному браузерному чаті явний пошук доступний окремо, але зовнішня сторінка не підтверджує напис на вашій конкретній партії. Відокремлюйте відомості з фотографії від знайдених джерел. Публічний API при цьому не слід описувати як вбудований інтернет-інструмент.

Що робити, коли відповідь перервалася під час завантаження?

Збережіть імена кадрів, вихідний запит і відомий стан операції. Мережеве переривання не доводить відсутності обробки чи витрат, тому не запускайте цикл автоматичних повторів. Перевірте історію та доступні записи обліку. Повторюйте вручну лише після з’ясування стану й окремо перегляньте, які поля фактично були перевірені.

Джерела

Матеріал підготовлено за допомогою AI. Приклади ілюстративні, а не записи справжніх відповідей чи порівняльних тестів. Зовнішні джерела не замінюють умов сервісу.

• Документація Dikaya: запити та вкладення
  dikaya.cc
• Каталог Dikaya: моделі та режими зображень
  dikaya.cc
• OpenAI Python: керування повторними запитами
  github.com
• MDN: HTTP-відповіді, Fetch і скасування
  developer.mozilla.org