MindQ · документация

API компьютерного зрения: сегментация и детекция на GPU. Совместим с curl, requests и любым HTTP-клиентом.
1. Получите ключ
  1. Зарегистрируйтесь — почта и пароль, ключ создаётся сразу.
  2. Кабинет → Доступ → «Заменить ключ» покажет ключ один раз.
Ключ выглядит так: mq-… — храните его как пароль.
2. Сделайте первый запрос
curl https://cpu.mindq.ru/v1/segment \ -H "Authorization: Bearer mq-ВАШ-КЛЮЧ" \ -F "model=mindq/sam3" \ -F "image=@photo.jpg" \ -F 'params={"prompt": "dish of food", "threshold": 0.4}'

Python:

import base64, requests r = requests.post( "https://cpu.mindq.ru/v1/segment", headers={"Authorization": "Bearer mq-ВАШ-КЛЮЧ"}, files={"image": open("photo.jpg", "rb")}, data={"model": "mindq/sam3"}, ) data = r.json() print(data["timing"], data["result"]["n_instances"]) # маска каждого объекта — base64-PNG: png = base64.b64decode(data["result"]["instances"][0]["mask_png_b64"])
3. Эндпоинты
ЭндпоинтДля чего
GET /v1/modelsкаталог моделей: цены, параметры по умолчанию
POST /v1/segmentинференс: form-data model + image (файл) или image_b64, опционально params (JSON)
GET /v1/meбаланс и лимиты ключа
POST /v1/jobsочередь: тот же формат, что /v1/segment, но отвечает мгновенно {"job_id": "job_…"} — можно слать пачками, задания обрабатываются параллельно (по моделям)
GET /v1/jobs/{id}статус задания: queued / running / done (+result) / error; результат хранится 24 ч
4. Модели и цены
modelТипЦена/запросПараметры
mindq/sam3
SAM 3 — сегментация по тексту		 segmentation 10 units prompt=dish of food threshold=0.4 max_side=1024
mindq/yoloe
YOLOE — детекция+маски по текстовым классам		 detection 2 units classes=plate,bowl,tray,cup,glass,mug,saucer,food container,packaging conf=0.2
mindq/isnet
isnet — маска главного объекта		 matting 1 units model_name=isnet-general-use
mindq/birefnet
BiRefNet — салиентная сегментация (точнее isnet)		 matting 2 units rembg_model=birefnet-general mask_threshold=128
mindq/birefnet-lite
BiRefNet-lite — то же, вдвое быстрее		 matting 1 units rembg_model=birefnet-general-lite mask_threshold=128
mindq/fastsam
FastSAM-s — «сегментируй всё» (быстрый)		 segmentation 2 units weights=FastSAM-s.pt conf=0.4 iou=0.9 imgsz=1024
mindq/fastsam-x
FastSAM-x — «сегментируй всё» (точнее, тяжелее)		 segmentation 4 units weights=FastSAM-x.pt conf=0.4 iou=0.9 imgsz=1024
mindq/florence2
Florence-2 — сегментация по тексту (+полигоны)		 segmentation 8 units prompt=food dish
mindq/depth
Depth Anything V2 Small — карта глубины		 depth 2 units hf_model=depth-anything/Depth-Anything-V2-Small-hf
mindq/depth-large
Depth Anything V2 Large — глубина (точнее)		 depth 4 units hf_model=depth-anything/Depth-Anything-V2-Large-hf
mindq/qwen-vl
Qwen2.5-VL 3B — VLM (ответ текстом на вопрос о фото)		 vlm 15 units hf_model=Qwen/Qwen2.5-VL-3B-Instruct max_new_tokens=256
mindq/easyocr
EasyOCR (GPU) — текст на фото		 ocr 3 units langs=['en', 'ru'] min_conf=0.3 upscale=2.0
5. Ответ и ошибки
{ "request_id": "req_…", "model": "mindq/sam3", "result": { "instances": [ {"score": 0.93, "box": [x1, y1, x2, y2], "mask_png_b64": "…"} ], "union_mask_png_b64": "…", "n_instances": 2 }, "image": {"w": 1200, "h": 900}, "timing": {"queue_ms": 3, "infer_ms": 620, "total_ms": 700}, "cost_units": 10 }

Ошибки приходят как {"error": {"code": "...", "message": "..."}}: 401 нет ключа · 404 нет модели · 413 файл больше 20 МБ · 429 лимит 100000/мин или больше 2 одновременных запросов (используйте /v1/jobs) · 5xx сбой инференса.

← на главную · статус