Qwen2.5-Math-72B-Instruct er den instruktionstilpassede 72B-udgave af den matematiske Qwen2.5-Math-familie. Producenten retter sig specifikt mod engelske og kinesiske matematiske problemer og beskriver to tilgange: tankekæderæsonnering og værktøjsintegreret ræsonnering. Modellen modtager en skriftlig matematisk betingelse og returnerer tekst med en udledning, forklaring eller løsning. Dens specialisering er matematik frem for generel kreativ skrivning eller dokumentbehandling.
Matematiske funktioner og ræsonneringstilgange
I tilgangen med tekstræsonnering beder opgaven om de relevante definitioner, begrundede omformninger og et tydeligt adskilt endeligt svar. Modelkortet beskriver også værktøjsintegreret ræsonnering, hvor ræsonnering i naturligt sprog kombineres med programmer. Producenten nævner bestemmelse af rødderne i en andengradsligning og beregning af en matrix' egenværdier som eksempler, hvor præcis beregning og symbolsk eller algoritmisk manipulation har betydning.
Værktøjsintegreret ræsonnering er ikke det samme som blot at vise kode i et svar. Producentens matematiske demonstration stiller et miljø til rådighed, som kan køre programmer, og beregningsresultatet indgår derefter i løsningen. En selvstændig tekstgenereringsanmodning producerer tekst; en applikation, der bruger en beregningsarbejdsgang, skal stille det faktiske eksekveringstrin til rådighed. Denne sondring holder matematisk ræsonnering, programforslag og returnerede numeriske resultater adskilt.
Base-, Instruct- og reward-model-udgaver
Familien omfatter separate basismodeller, instruktionstilpassede modeller og en matematisk belønningsmodel. 72B-Instruct-udgaven er beregnet til chatbaserede instruktioner. Qwen2.5-Math-72B-basisudgaven beskrives som et grundlag for fuldførelse og few-shot samt et udgangspunkt for yderligere tilpasning. Den særskilt navngivne belønningsmodel har sin egen rolle og bør ikke behandles som denne models almindelige svargenerator.
Udgivelsesmeddelelsen beskriver en matematisk specialiseret træningspipeline. Basismodellerne bruger yderligere syntetiseret matematisk materiale, flere kinesiske matematikdata og initialisering fra Qwen2.5-grundlaget. Instruct-trinnet bruger superviseret finjustering og reinforcement learning med en matematikspecifik belønningsmodel, der styrer rejection sampling og senere optimering. Producenten tilføjer data til værktøjsintegreret ræsonnering og engelske og kinesiske instruktionsdata. Det forklarer udgavens matematiske fokus; det betyder ikke, at en separat verifikator automatisk kaldes for hver brugeranmodning.
Forberedelse af spørgsmålet
Bevar den matematiske formulering fuldstændig. Definér variabler, begrænsninger i definitionsmængden og den størrelse eller påstand, der skal fastslås. Brug notation, der forbliver ens mellem den oprindelige betingelse og det ønskede svar. En nyttig instruktion kan bede om metoden, de vigtigste omformninger og det endelige resultat med en separat kontrol mod de oprindelige betingelser.
Producentens quickstart skelner mellem de to tilgange gennem instruktionerne. En anmodning om tekstræsonnering beder om en trinvis løsning og et indrammet endeligt svar. En værktøjsintegreret anmodning beder modellen kombinere ræsonnering i naturligt sprog med programmer og bevare samme konvention for det endelige svar. Det er dokumenterede matematiske arbejdsgange frem for et separat løfte om værktøjer, der eksponeres af enhver serveringsgrænseflade.
Som illustration er kortets simple ligning 4x + 5 = 6x + 7. Et nyttigt outputdesign adskiller samling af variabelleddene, isolering af variablen og det endelige udtryk; det matematiske resultat for denne illustrative betingelse er x = -1. Indsættelse giver 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider stemmer overens. En mere omfattende anmodning kan angive en matrix, bede om en symbolsk udledning af egenværdier og identificere, hvilken numerisk beregning der ville blive delegeret til beregningsmiljøet.
Kontekst og konfiguration
Den offentliggjorte udgivelse beskriver matematisk fortræning med en kontekst på 4K. Den udgivne modelkonfiguration sætter maksimalt antal positioner til 4,096, så prompten og den gennemarbejdede løsning kræver en kompakt længdeplan. Tildel ikke denne matematiske udgave den langt større kontekst, der annonceres for den generelle Qwen2.5-serie. Hold relevante betingelser og matematisk arbejde samlet, og udelad uvedkommende materiale, der ville optage pladsen.
Modelkortets quickstart-generering bruger en eksempelindstilling på 512 tokens. Den værdi præsenteres ikke som en maksimal outputkapacitet. En ønsket svarlængde kan angives for opgaven, men en separat outputgrænse bør komme fra den faktisk gældende konfiguration frem for et eksempel eller en anden Qwen-udgave.
Væsentlige begrænsninger og nyttige resultater
Producenten anbefaler denne serie til matematiske opgaver på engelsk og kinesisk og anbefaler ikke generelle opgaver uden for denne specialisering. Vægtene er tekstgenereringsmodeller; et matematisk spørgsmål i et billede kræver, at dets symboler og betingelser omdannes til tekst gennem et separat visuelt trin eller OCR-trin. En multimodal demonstration, der kombinerer visuelle og matematiske modeller, gør ikke selve den matematiske udgave til en model med billedinput.
Til en undervisningsarbejdsgang skal du angive elevens forsøg på en udledning og markere den overgang, der kræver forklaring. Bed om en rettelse i den oprindelige notation og et endeligt svar med den ønskede detaljeringsgrad. Til en teknisk beregning skal du angive præcist kontra tilnærmet output, enheder og afrunding, før du vælger tekstræsonnering eller en beregningsarbejdsgang. Disse forberedelser knytter modellens matematiske specialisering til en konkret løsning, der kan gennemgås.
", "aboutText": "Qwen2.5-Math-72B-Instruct er den instruktionstilpassede 72B-udgave af den matematiske Qwen2.5-Math-familie. Producenten retter sig specifikt mod engelske og kinesiske matematiske problemer og beskriver to tilgange: tankekæderæsonnering og værktøjsintegreret ræsonnering. Modellen modtager en skriftlig matematisk betingelse og returnerer tekst med en udledning, forklaring eller løsning. Dens specialisering er matematik frem for generel kreativ skrivning eller dokumentbehandling.\n\nMatematiske funktioner og ræsonneringstilgange\n\nI tilgangen med tekstræsonnering beder opgaven om de relevante definitioner, begrundede omformninger og et tydeligt adskilt endeligt svar. Modelkortet beskriver også værktøjsintegreret ræsonnering, hvor ræsonnering i naturligt sprog kombineres med programmer. Producenten nævner bestemmelse af rødderne i en andengradsligning og beregning af en matrix' egenværdier som eksempler, hvor præcis beregning og symbolsk eller algoritmisk manipulation har betydning.\n\nVærktøjsintegreret ræsonnering er ikke det samme som blot at vise kode i et svar. Producentens matematiske demonstration stiller et miljø til rådighed, som kan køre programmer, og beregningsresultatet indgår derefter i løsningen. En selvstændig tekstgenereringsanmodning producerer tekst; en applikation, der bruger en beregningsarbejdsgang, skal stille det faktiske eksekveringstrin til rådighed. Denne sondring holder matematisk ræsonnering, programforslag og returnerede numeriske resultater adskilt.\n\nBase-, Instruct- og reward-model-udgaver\n\nFamilien omfatter separate basismodeller, instruktionstilpassede modeller og en matematisk belønningsmodel. 72B-Instruct-udgaven er beregnet til chatbaserede instruktioner. Qwen2.5-Math-72B-basisudgaven beskrives som et grundlag for fuldførelse og few-shot samt et udgangspunkt for yderligere tilpasning. Den særskilt navngivne belønningsmodel har sin egen rolle og bør ikke behandles som denne models almindelige svargenerator.\n\nUdgivelsesmeddelelsen beskriver en matematisk specialiseret træningspipeline. Basismodellerne bruger yderligere syntetiseret matematisk materiale, flere kinesiske matematikdata og initialisering fra Qwen2.5-grundlaget. Instruct-trinnet bruger superviseret finjustering og reinforcement learning med en matematikspecifik belønningsmodel, der styrer rejection sampling og senere optimering. Producenten tilføjer data til værktøjsintegreret ræsonnering og engelske og kinesiske instruktionsdata. Det forklarer udgavens matematiske fokus; det betyder ikke, at en separat verifikator automatisk kaldes for hver brugeranmodning.\n\nForberedelse af spørgsmålet\n\nBevar den matematiske formulering fuldstændig. Definér variabler, begrænsninger i definitionsmængden og den størrelse eller påstand, der skal fastslås. Brug notation, der forbliver ens mellem den oprindelige betingelse og det ønskede svar. En nyttig instruktion kan bede om metoden, de vigtigste omformninger og det endelige resultat med en separat kontrol mod de oprindelige betingelser.\n\nProducentens quickstart skelner mellem de to tilgange gennem instruktionerne. En anmodning om tekstræsonnering beder om en trinvis løsning og et indrammet endeligt svar. En værktøjsintegreret anmodning beder modellen kombinere ræsonnering i naturligt sprog med programmer og bevare samme konvention for det endelige svar. Det er dokumenterede matematiske arbejdsgange frem for et separat løfte om værktøjer, der eksponeres af enhver serveringsgrænseflade.\n\nSom illustration er kortets simple ligning 4x + 5 = 6x + 7. Et nyttigt outputdesign adskiller samling af variabelleddene, isolering af variablen og det endelige udtryk; det matematiske resultat for denne illustrative betingelse er x = -1. Indsættelse giver 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider stemmer overens. En mere omfattende anmodning kan angive en matrix, bede om en symbolsk udledning af egenværdier og identificere, hvilken numerisk beregning der ville blive delegeret til beregningsmiljøet.\n\nKontekst og konfiguration\n\nDen offentliggjorte udgivelse beskriver matematisk fortræning med en kontekst på 4K. Den udgivne modelkonfiguration sætter maksimalt antal positioner til 4,096, så prompten og den gennemarbejdede løsning kræver en kompakt længdeplan. Tildel ikke denne matematiske udgave den langt større kontekst, der annonceres for den generelle Qwen2.5-serie. Hold relevante betingelser og matematisk arbejde samlet, og udelad uvedkommende materiale, der ville optage pladsen.\n\nModelkortets quickstart-generering bruger en eksempelindstilling på 512 tokens. Den værdi præsenteres ikke som en maksimal outputkapacitet. En ønsket svarlængde kan angives for opgaven, men en separat outputgrænse bør komme fra den faktisk gældende konfiguration frem for et eksempel eller en anden Qwen-udgave.\n\nVæsentlige begrænsninger og nyttige resultater\n\nProducenten anbefaler denne serie til matematiske opgaver på engelsk og kinesisk og anbefaler ikke generelle opgaver uden for denne specialisering. Vægtene er tekstgenereringsmodeller; et matematisk spørgsmål i et billede kræver, at dets symboler og betingelser omdannes til tekst gennem et separat visuelt trin eller OCR-trin. En multimodal demonstration, der kombinerer visuelle og matematiske modeller, gør ikke selve den matematiske udgave til en model med billedinput.\n\nTil en undervisningsarbejdsgang skal du angive elevens forsøg på en udledning og markere den overgang, der kræver forklaring. Bed om en rettelse i den oprindelige notation og et endeligt svar med den ønskede detaljeringsgrad. Til en teknisk beregning skal du angive præcist kontra tilnærmet output, enheder og afrunding, før du vælger tekstræsonnering eller en beregningsarbejdsgang. Disse forberedelser knytter modellens matematiske specialisering til en konkret løsning, der kan gennemgås.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct er en matematisk instruktionsmodel til engelske og kinesiske problemer. Den understøtter gennemarbejdet tekstræsonnering og værktøjsintegrerede matematiske arbejdsgange med en særskilt 4K-udgivelseskonfiguration frem for de generelle Qwen2.5-specifikationer for lang kontekst.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen2.5-Math-72B-Instruct er den instruktionstilpassede 72B-udgave af den matematiske Qwen2.5-Math-familie. Producenten retter sig specifikt mod engelske og kinesiske matematiske problemer og beskriver to tilgange: tankekæderæsonnering og værktøjsintegreret ræsonnering. Modellen modtager en skriftlig matematisk betingelse og returnerer tekst med en udledning, forklaring eller løsning. Dens specialisering er matematik frem for generel kreativ skrivning eller dokumentbehandling.
Matematiske funktioner og ræsonneringstilgange
I tilgangen med tekstræsonnering beder opgaven om de relevante definitioner, begrundede omformninger og et tydeligt adskilt endeligt svar. Modelkortet beskriver også værktøjsintegreret ræsonnering, hvor ræsonnering i naturligt sprog kombineres med programmer. Producenten nævner bestemmelse af rødderne i en andengradsligning og beregning af en matrix' egenværdier som eksempler, hvor præcis beregning og symbolsk eller algoritmisk manipulation har betydning.
Værktøjsintegreret ræsonnering er ikke det samme som blot at vise kode i et svar. Producentens matematiske demonstration stiller et miljø til rådighed, som kan køre programmer, og beregningsresultatet indgår derefter i løsningen. En selvstændig tekstgenereringsanmodning producerer tekst; en applikation, der bruger en beregningsarbejdsgang, skal stille det faktiske eksekveringstrin til rådighed. Denne sondring holder matematisk ræsonnering, programforslag og returnerede numeriske resultater adskilt.
Base-, Instruct- og reward-model-udgaver
Familien omfatter separate basismodeller, instruktionstilpassede modeller og en matematisk belønningsmodel. 72B-Instruct-udgaven er beregnet til chatbaserede instruktioner. Qwen2.5-Math-72B-basisudgaven beskrives som et grundlag for fuldførelse og few-shot samt et udgangspunkt for yderligere tilpasning. Den særskilt navngivne belønningsmodel har sin egen rolle og bør ikke behandles som denne models almindelige svargenerator.
Udgivelsesmeddelelsen beskriver en matematisk specialiseret træningspipeline. Basismodellerne bruger yderligere syntetiseret matematisk materiale, flere kinesiske matematikdata og initialisering fra Qwen2.5-grundlaget. Instruct-trinnet bruger superviseret finjustering og reinforcement learning med en matematikspecifik belønningsmodel, der styrer rejection sampling og senere optimering. Producenten tilføjer data til værktøjsintegreret ræsonnering og engelske og kinesiske instruktionsdata. Det forklarer udgavens matematiske fokus; det betyder ikke, at en separat verifikator automatisk kaldes for hver brugeranmodning.
Forberedelse af spørgsmålet
Bevar den matematiske formulering fuldstændig. Definér variabler, begrænsninger i definitionsmængden og den størrelse eller påstand, der skal fastslås. Brug notation, der forbliver ens mellem den oprindelige betingelse og det ønskede svar. En nyttig instruktion kan bede om metoden, de vigtigste omformninger og det endelige resultat med en separat kontrol mod de oprindelige betingelser.
Producentens quickstart skelner mellem de to tilgange gennem instruktionerne. En anmodning om tekstræsonnering beder om en trinvis løsning og et indrammet endeligt svar. En værktøjsintegreret anmodning beder modellen kombinere ræsonnering i naturligt sprog med programmer og bevare samme konvention for det endelige svar. Det er dokumenterede matematiske arbejdsgange frem for et separat løfte om værktøjer, der eksponeres af enhver serveringsgrænseflade.
Som illustration er kortets simple ligning 4x + 5 = 6x + 7. Et nyttigt outputdesign adskiller samling af variabelleddene, isolering af variablen og det endelige udtryk; det matematiske resultat for denne illustrative betingelse er x = -1. Indsættelse giver 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider stemmer overens. En mere omfattende anmodning kan angive en matrix, bede om en symbolsk udledning af egenværdier og identificere, hvilken numerisk beregning der ville blive delegeret til beregningsmiljøet.
Kontekst og konfiguration
Den offentliggjorte udgivelse beskriver matematisk fortræning med en kontekst på 4K. Den udgivne modelkonfiguration sætter maksimalt antal positioner til 4,096, så prompten og den gennemarbejdede løsning kræver en kompakt længdeplan. Tildel ikke denne matematiske udgave den langt større kontekst, der annonceres for den generelle Qwen2.5-serie. Hold relevante betingelser og matematisk arbejde samlet, og udelad uvedkommende materiale, der ville optage pladsen.
Modelkortets quickstart-generering bruger en eksempelindstilling på 512 tokens. Den værdi præsenteres ikke som en maksimal outputkapacitet. En ønsket svarlængde kan angives for opgaven, men en separat outputgrænse bør komme fra den faktisk gældende konfiguration frem for et eksempel eller en anden Qwen-udgave.
Væsentlige begrænsninger og nyttige resultater
Producenten anbefaler denne serie til matematiske opgaver på engelsk og kinesisk og anbefaler ikke generelle opgaver uden for denne specialisering. Vægtene er tekstgenereringsmodeller; et matematisk spørgsmål i et billede kræver, at dets symboler og betingelser omdannes til tekst gennem et separat visuelt trin eller OCR-trin. En multimodal demonstration, der kombinerer visuelle og matematiske modeller, gør ikke selve den matematiske udgave til en model med billedinput.
Til en undervisningsarbejdsgang skal du angive elevens forsøg på en udledning og markere den overgang, der kræver forklaring. Bed om en rettelse i den oprindelige notation og et endeligt svar med den ønskede detaljeringsgrad. Til en teknisk beregning skal du angive præcist kontra tilnærmet output, enheder og afrunding, før du vælger tekstræsonnering eller en beregningsarbejdsgang. Disse forberedelser knytter modellens matematiske specialisering til en konkret løsning, der kan gennemgås.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen2.5-math-72b-instruct | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.001144 / 1K tokens Output · Outputtokens $0.00344 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-math-72b-instruct", "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='qwen2.5-math-72b-instruct',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='qwen2.5-math-72b-instruct',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qwen2.5-math-72b-instruct
Brug metodestierne vist ovenfor.
qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct er en matematisk instruktionsmodel til engelske og kinesiske problemer. Den understøtter gennemarbejdet tekstræsonnering og værktøjsintegrerede matematiske arbejdsgange med en særskilt 4K-udgivelseskonfiguration frem for de generelle Qwen2.5-specifikationer for lang kontekst.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen2.5-Math-72B-Instruct er den instruktionstilpassede 72B-udgave af den matematiske Qwen2.5-Math-familie. Producenten retter sig specifikt mod engelske og kinesiske matematiske problemer og beskriver to tilgange: tankekæderæsonnering og værktøjsintegreret ræsonnering. Modellen modtager en skriftlig matematisk betingelse og returnerer tekst med en udledning, forklaring eller løsning. Dens specialisering er matematik frem for generel kreativ skrivning eller dokumentbehandling.
Matematiske funktioner og ræsonneringstilgange
I tilgangen med tekstræsonnering beder opgaven om de relevante definitioner, begrundede omformninger og et tydeligt adskilt endeligt svar. Modelkortet beskriver også værktøjsintegreret ræsonnering, hvor ræsonnering i naturligt sprog kombineres med programmer. Producenten nævner bestemmelse af rødderne i en andengradsligning og beregning af en matrix' egenværdier som eksempler, hvor præcis beregning og symbolsk eller algoritmisk manipulation har betydning.
Værktøjsintegreret ræsonnering er ikke det samme som blot at vise kode i et svar. Producentens matematiske demonstration stiller et miljø til rådighed, som kan køre programmer, og beregningsresultatet indgår derefter i løsningen. En selvstændig tekstgenereringsanmodning producerer tekst; en applikation, der bruger en beregningsarbejdsgang, skal stille det faktiske eksekveringstrin til rådighed. Denne sondring holder matematisk ræsonnering, programforslag og returnerede numeriske resultater adskilt.
Base-, Instruct- og reward-model-udgaver
Familien omfatter separate basismodeller, instruktionstilpassede modeller og en matematisk belønningsmodel. 72B-Instruct-udgaven er beregnet til chatbaserede instruktioner. Qwen2.5-Math-72B-basisudgaven beskrives som et grundlag for fuldførelse og few-shot samt et udgangspunkt for yderligere tilpasning. Den særskilt navngivne belønningsmodel har sin egen rolle og bør ikke behandles som denne models almindelige svargenerator.
Udgivelsesmeddelelsen beskriver en matematisk specialiseret træningspipeline. Basismodellerne bruger yderligere syntetiseret matematisk materiale, flere kinesiske matematikdata og initialisering fra Qwen2.5-grundlaget. Instruct-trinnet bruger superviseret finjustering og reinforcement learning med en matematikspecifik belønningsmodel, der styrer rejection sampling og senere optimering. Producenten tilføjer data til værktøjsintegreret ræsonnering og engelske og kinesiske instruktionsdata. Det forklarer udgavens matematiske fokus; det betyder ikke, at en separat verifikator automatisk kaldes for hver brugeranmodning.
Forberedelse af spørgsmålet
Bevar den matematiske formulering fuldstændig. Definér variabler, begrænsninger i definitionsmængden og den størrelse eller påstand, der skal fastslås. Brug notation, der forbliver ens mellem den oprindelige betingelse og det ønskede svar. En nyttig instruktion kan bede om metoden, de vigtigste omformninger og det endelige resultat med en separat kontrol mod de oprindelige betingelser.
Producentens quickstart skelner mellem de to tilgange gennem instruktionerne. En anmodning om tekstræsonnering beder om en trinvis løsning og et indrammet endeligt svar. En værktøjsintegreret anmodning beder modellen kombinere ræsonnering i naturligt sprog med programmer og bevare samme konvention for det endelige svar. Det er dokumenterede matematiske arbejdsgange frem for et separat løfte om værktøjer, der eksponeres af enhver serveringsgrænseflade.
Som illustration er kortets simple ligning 4x + 5 = 6x + 7. Et nyttigt outputdesign adskiller samling af variabelleddene, isolering af variablen og det endelige udtryk; det matematiske resultat for denne illustrative betingelse er x = -1. Indsættelse giver 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider stemmer overens. En mere omfattende anmodning kan angive en matrix, bede om en symbolsk udledning af egenværdier og identificere, hvilken numerisk beregning der ville blive delegeret til beregningsmiljøet.
Kontekst og konfiguration
Den offentliggjorte udgivelse beskriver matematisk fortræning med en kontekst på 4K. Den udgivne modelkonfiguration sætter maksimalt antal positioner til 4,096, så prompten og den gennemarbejdede løsning kræver en kompakt længdeplan. Tildel ikke denne matematiske udgave den langt større kontekst, der annonceres for den generelle Qwen2.5-serie. Hold relevante betingelser og matematisk arbejde samlet, og udelad uvedkommende materiale, der ville optage pladsen.
Modelkortets quickstart-generering bruger en eksempelindstilling på 512 tokens. Den værdi præsenteres ikke som en maksimal outputkapacitet. En ønsket svarlængde kan angives for opgaven, men en separat outputgrænse bør komme fra den faktisk gældende konfiguration frem for et eksempel eller en anden Qwen-udgave.
Væsentlige begrænsninger og nyttige resultater
Producenten anbefaler denne serie til matematiske opgaver på engelsk og kinesisk og anbefaler ikke generelle opgaver uden for denne specialisering. Vægtene er tekstgenereringsmodeller; et matematisk spørgsmål i et billede kræver, at dets symboler og betingelser omdannes til tekst gennem et separat visuelt trin eller OCR-trin. En multimodal demonstration, der kombinerer visuelle og matematiske modeller, gør ikke selve den matematiske udgave til en model med billedinput.
Til en undervisningsarbejdsgang skal du angive elevens forsøg på en udledning og markere den overgang, der kræver forklaring. Bed om en rettelse i den oprindelige notation og et endeligt svar med den ønskede detaljeringsgrad. Til en teknisk beregning skal du angive præcist kontra tilnærmet output, enheder og afrunding, før du vælger tekstræsonnering eller en beregningsarbejdsgang. Disse forberedelser knytter modellens matematiske specialisering til en konkret løsning, der kan gennemgås.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen2.5-math-72b-instruct | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.001144 / 1K tokens Output · Outputtokens $0.00344 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwen2.5-math-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-math-72b-instruct', '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': 'qwen2.5-math-72b-instruct', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qwen2.5-math-72b-instruct
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.