Перейти до основного вмісту

Прямі API для генеративного штучного інтелекту.

Використовуйте прямі API GenAI від Neat, коли модель LLM, VLM або ASR працює в тому ж процесі, що й ваша програма. Завантажте розгорнутий каталог моделі LLiMa, створіть GenerationRequest, а потім дочекайтеся повного результату або отримуйте токени по мірі їх генерації.

Якщо браузеру, сервісу або віддаленому клієнту потрібно викликати модель через HTTP, використовуйте Сервер GenAI. Перегляньте Огляд моделі генеративного штучного інтелекту., щоб отримати допомогу у виборі між двома варіантами реалізації.

Оберіть відповідну ручку.​

Для більшості застосунків почніть з GenAIModel. Він автоматично визначає завдання моделі на основі каталогу моделі та надає можливість перевірки її функціональних можливостей:

  • accepts_text()
  • accepts_image()
  • accepts_audio()
  • task()
  • model_id()

Використовуйте спеціальні обробники для конкретних завдань, коли програма знає, що саме завантажує, і потребує більш обмеженого API:

РучкаВикористовуйте для
genai::GenAIModelАвтоматично виявлено каталоги моделей LLM, VLM або ASR.
genai::VisionLanguageModelВеликі мовні моделі (ВММ), що працюють лише з текстом, і великі багатомодальні моделі (ВБМ), здатні обробляти зображення.
genai::ASRModelМоделі перетворення мовлення на текст.

Надішліть текстовий запит.​

#include "neat/genai.h"

#include <iostream>

int main() {
  simaai::neat::genai::GenAIModel model(
      "/media/nvme/llima/models/Qwen3-4B-Instruct-2507-GPTQ-a16w4");

  simaai::neat::genai::GenerationRequest request;
  request.prompt = "Explain what an API gateway is in one sentence.";
  request.max_new_tokens = 64;

  auto result = model.run(request);
  std::cout << result.text << "\n";
}

run() є синхронним: він завершує роботу після завершення генерації. Це найпростіша форма для тестів, сценаріїв і коду застосунків, що обробляють запити та відповіді.

Потік згенерованих токенів​

Використовуйте stream(), коли абоненту потрібно бачити вивід у міру його створення. Кожен елемент є TokenSample, що містить останній фрагмент тексту, поточні показники та остаточний статус після завершення генерації.

simaai::neat::genai::GenerationRequest request;
request.prompt = "Give me three practical tips for designing a small REST API.";
request.max_new_tokens = 96;

simaai::neat::genai::GenerationStream stream_handle = model.stream(request);
for (const auto& token : stream_handle) {
  std::cout << token.text << std::flush;
}
std::cout << "\n";

Якщо користувач закриє запит, змінить підказки або якщо час генерації, встановлений вашою програмою, закінчиться, надішліть команду cancel() у потоці даних.

Додайте зображення для великих мовних моделей.​

Візуальні мовні моделі (VLMs) приймають текст і одне або кілька зображень. Зображення передаються через GenerationRequest.images для простого запиту або через ChatMessage.images, коли ви використовуєте історію чату.

Зображення, що передаються як значення Tensor, повинні бути uint8 тензорами HWC RGB. Вхідні дані OpenCV cv::Mat відповідають конвенції Neat/OpenCV: триканальні матриці розглядаються як BGR і перетворюються на RGB перед збереженням у запиті.

simaai::neat::genai::VisionLanguageModel model(
    "/media/nvme/llima/models/Qwen3-VL-4B-Instruct-GPTQ-a16w4");

cv::Mat image = cv::imread("scene.jpg");

simaai::neat::genai::GenerationRequest request;
request.prompt = "What is visible in this image?";
request.images = {image};
request.max_new_tokens = 128;

auto result = model.run(request);
std::cout << result.text << "\n";

У випадку повторюваних запитань щодо одного й того ж зображення, VisionLanguageModel.encode(...) може зберігати в моделі векторні представлення зображень у кеші. Потім встановіть request.use_cached_images = true або використовуйте повідомлення в чаті з параметром use_cached_images = true.

Перемикайте адаптери LoRA.​

Моделі, скомпільовані з використанням режиму LORA_BRANCH від LLiMa, можуть перемикатися між сумісними адаптерами, що зберігаються за адресою npy_files/<adapter-name>:

model.set_lora("customer-adapter");
auto adapted = model.run(request);
model.unset_lora();

Назва адаптера має бути назвою однієї директорії, а не шляхом до неї. Перемикання чекає завершення будь-якого активного процесу генерації та очищає кешований стан токенів мовної моделі перед наступним запитом. Динамічне перемикання недоступне для ASR, пакетів спекулятивного декодування або для постійно об’єднаних ваг LORA_MERGED.

Перетворіть аудіо на текст.​

Моделі автоматичного розпізнавання мовлення (ASR) використовують однакову структуру запиту/відповіді, але запит повинен містити аудіодані. Використовуйте audio_file для вказівки шляху до файлу або audio для представлення аудіо у вигляді тензора.

simaai::neat::genai::ASRModel model("/media/nvme/llima/models/whisper-model");

simaai::neat::genai::GenerationRequest request;
request.audio_file = "meeting.wav";

auto result = model.run(request);
std::cout << result.text << "\n";
std::cout << "language=" << result.language << "\n";

За замовчуванням використовується auto, тому багатомовні моделі Whisper визначають вихідну мову. Встановіть request.language на підтримуваний код або назву мови, коли відома вихідна мова. Результати також містять no_speech_prob та avg_logprob, якщо завантажений артефакт Whisper надає ці показники. Вище значення no_speech_prob означає, що вхідні дані, ймовірніше, не містять мовлення. Вище (менш від’ємне) значення avg_logprob означає, що Whisper присвоїла більшу середню ймовірність згенерованим токенам.

Щоб перекласти мовлення на англійську мову, виберіть завдання перекладу:

request.asr_task = simaai::neat::genai::ASRTask::Translate;
auto result = model.run(request);

Інтегруйте GenAI у граф.​

Прямі виклики run() / stream() є найшвидшим способом для більшості застосунків генеративного штучного інтелекту (GenAI). Якщо GenAI є лише одним із етапів у більшому графі Neat, використовуйте загальнодоступні фрагменти графа:

  • genai::graphs::VisionLanguage(...)
  • genai::graphs::SpeechTranscriber(...)

Ці фрагменти розкривають етапи GenAI за допомогою іменованих кінцевих точок графа, щоб ви могли об’єднати їх з тією ж моделлю Graph і Run, яка використовується рештою системи Neat.

Для графів ASR, SpeechTranscriberOptions за замовчуванням використовує автоматичне визначення мови джерела та транскрипцію. Щоб явно вказати мову перекладу, виберіть її:

auto model = std::make_shared<simaai::neat::genai::ASRModel>(
    "/media/nvme/llima/models/whisper-small-a16w8");

simaai::neat::genai::SpeechTranscriberOptions options;
options.task = simaai::neat::genai::ASRTask::Translate;
options.streaming = true;

auto fragment = simaai::neat::genai::graphs::SpeechTranscriber(model, options);

Цей фрагмент приймає audio та audio_path. Його остаточний пакет done містить text, finish_reason, language, no_speech_prob та avg_logprob, коли модель надає результати перевірки.

auto model = std::make_shared<simaai::neat::genai::VisionLanguageModel>(
    "/media/nvme/llima/models/Qwen3-VL-4B-Instruct-GPTQ-a16w4");

simaai::neat::genai::VisionLanguageOptions options;
options.max_new_tokens = 128;
options.streaming = true;

simaai::neat::Graph fragment =
    simaai::neat::genai::graphs::VisionLanguage(model, options, "vlm");

Правила подання запитів.​

GenerationRequest навмисно сформульовано чітко:

  • Використовуйте або prompt, або messages, але не обидва одночасно.
  • Використовуйте system_prompt лише разом із prompt.
  • Додавайте зображення безпосередньо лише за допомогою prompt; додавайте зображення для кожного окремого повідомлення через ChatMessage.images.
  • Використовуйте або прямі зображення, або зображення, збережені в кеші, але не обидва варіанти одночасно.
  • Запити ASR використовують аудіополя, а не текстові чи графічні поля.

Встановіть GenerationRequest.enable_thinking для моделей, що виконують логічні міркування, таких як Qwen3 або Gemma 4. Використовуйте E2B/E4B, щоб увімкнути логічні міркування. У повних результатах логічні міркування зберігаються в GenerationResult.reasoning, а остаточна відповідь – у GenerationResult.text; потокові об’єкти TokenSample також використовують reasoning та text.

Для GPT-OSS GenerationRequest.reasoning_effort задає low (за замовчуванням), medium або high; інші значення відхиляються. enable_thinking визначає, чи повертати міркування.

Ці правила дозволяють Neat швидко завершувати роботу з чіткою помилкою запиту, замість того щоб надсилати неоднозначний запит до середовища виконання.

Наступні кроки​