Source: https://ailoot.ai/models/da/qwen2-5-math-72b-instruct/ Canonical: https://ailoot.ai/models/da/qwen2-5-math-72b-instruct/ Language: da # Qwen2.5-Math-72B [Markdown](https://ailoot.ai/models/da/qwen2-5-math-72b-instruct/index.md) · [JSON](https://ailoot.ai/models/da/qwen2-5-math-72b-instruct/facts.json) ## [Qwen2.5-Math-72B](https://ailoot.ai/models/da/qwen2-5-math-72b-instruct/) Qwen2.5-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. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/qwen2-5-math-72b-instruct/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/qwen2-5-math-72b-instruct/#method-1) Om modellen 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. Praktisk opgave ### Praktisk opgave Teknisk eksempel på engelsk ``` Solve a quadratic with a domain check Solve 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. ``` #### Forventet resultat ``` A compact factorisation-based derivation, substitution check and boxed admissible solution set. ``` #### Kontrollér resultatet ``` Both equation roots are considered before the strict inequality excludes the boundary value 2. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `qwen2.5-math-72b-instruct` [`qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/#m=qwen2.5-math-72b-instruct&route=Ultra&caller=qwen2.5-math-72b-instruct&fmt=chat) Alibaba /`qwen2.5-math-72b-instruct` ### Start Qwen2.5-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. Accepterede input Tekst Resultater Tekst ### Tilgængelig i Ailoot · input og metoder **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Inputtyper `text` Outputtyper `text` Outputformat json eller SSE | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser qwen2.5-math-72b-instruct | Standard— | | Felt`messages` | Type`message[]` | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— | | Felt`messages[].role` | Type`string` | 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— | | Felt`messages[].content` | Type`string\|content_part[]\|null` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].tool_calls` | Type`tool_call[]` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].tool_call_id` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— | | Felt`messages[].name` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].reasoning_content` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— | | Felt`messages[].reasoning_details` | Type`object\|array` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`max_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— | | Felt`max_completion_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— | | Felt`stream` | Type`boolean` | KravValgfrit | Værdier og grænser | Standardfalse | | Felt`stream_options.include_usage` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`temperature` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`stop` | Type`string\|string[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools` | Type`function_tool[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools[].type` | Type`string` | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— | | Felt`tools[].function.name` | Type`string` | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— | | Felt`tools[].function.description` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tools[].function.parameters` | Type`JSON_schema` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tool_choice` | Type`string\|object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`parallel_tool_calls` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`response_format` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning_effort` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`service_tier` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`instructions` | Type`string` | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— | | Felt`functions` | Type`function[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`function_call` | Type`string\|object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`prompt_cache_options` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`modalities` | Type`string[]` | KravValgfrit | Værdier og grænser text | Standard— | | Felt`provider` | Type`object` | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— | | Felt`cache_control.ttl` | Type`string` | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— | Kombinationer af inputmaterialer **Tekst** · UTF8-tekst `messages[].content` Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`content_type` | Kontraktapplication/json | | Parameter`required` | Kontraktmodel, messages | | Parameter`material_types` | Kontrakttext | | Parameter`messages` | Kontraktbeskedarray med strukturen role/content | | Parameter`file_material` | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes | | Parameter`optional_controls` | Kontraktstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer | | Parameter`output_modalities` | Kontrakttext | | Parameter`hosted_operations` | Kontraktfalse | | Parameter`multimodal_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. ### Priser Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode. Hurtig tilstand Ikke angivet Når hurtig tilstand er valgt flex-tilstand Ikke angivet Når flex-tilstanden er valgt Maksimal ræsonneringsindsats Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats #### Ailoot-takster #### Priser efter konfiguration | 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 **$0** / 1K tokens Input · Cacheskrivning, 1 time **—** / 1K tokens | Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. [Sådan fungerer reservation og afregning →](https://ailoot.ai/docs/da/billing/reserve/) ### Eksempelanmodninger #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-stream ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "qwen2.5-math-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Hent og gem resultater #### Ailoot Ultra · OpenAI Chat json eller SSE ##### Behold alle færdige resultater 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. ##### Hvis det oprindelige svar skal kontrolleres Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob. Svarfelter | Felt | Type | | --- | --- | | Felt`choices[].index` | Typeinteger | | Felt`choices[].message.content` | Typestring\|null | | Felt`choices[].message.tool_calls` | Typetool\_call\[\] | | Felt`choices[].message.reasoning_content` | Typestring | | Felt`choices[].message.reasoning_details` | Typeobject\|array | | Felt`choices[].finish_reason` | Typestring\|null | | Felt`usage` | Typeobject | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. | ### Aliaser #### Modelaliaser **Ailoot Ultra** [`qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/#m=qwen2.5-math-72b-instruct&route=Ultra&caller=qwen2.5-math-72b-instruct&fmt=chat) #### Aliaser for metodestier Brug metodestierne vist ovenfor. #### Relaterede kalder-ID’er [`qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/#m=qwen2.5-math-72b-instruct&route=Ultra&caller=qwen2.5-math-72b-instruct&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `qwen2.5-math-72b-instruct` [`qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/#m=qwen2.5-math-72b-instruct&route=Ultra&caller=qwen2.5-math-72b-instruct&fmt=messages) Alibaba /`qwen2.5-math-72b-instruct` ### Start Qwen2.5-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. Accepterede input Tekst Resultater json · sse ### Tilgængelig i Ailoot · input og metoder **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Inputtyper `text` Outputtyper `json`, `sse` Outputformat JSON eller SSE | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser qwen2.5-math-72b-instruct | Standard— | | Felt`messages` | Type`message[]` | KravPåkrævet | Værdier og grænser | Standard— | | Felt`messages[].role` | Type`string` | KravPåkrævet | Værdier og grænser user, assistant | Standard— | | Felt`messages[].content` | Type`string` | KravPåkrævet | Værdier og grænser | Standard— | | Felt`max_tokens` | Type`integer` | KravPåkrævet | Værdier og grænser | Standard— | | Felt`stream` | Type`boolean` | KravValgfrit | Værdier og grænser | Standardfalse | Kombinationer af inputmaterialer **Tekst** · UTF-8-tekst `messages[].content som streng` Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`content_type` | Kontraktapplication/json | | Parameter`required` | Kontraktmodel, messages, max\_tokens | | Parameter`optional_controls` | Kontraktstream | | Parameter`material_types` | Kontrakttext | | Parameter`text_file_material` | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. | Livscyklus: `synchronous_or_streamed` ### Priser Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode. Hurtig tilstand Ikke angivet Når hurtig tilstand er valgt flex-tilstand Ikke angivet Når flex-tilstanden er valgt Maksimal ræsonneringsindsats Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats #### Ailoot-takster #### Priser efter konfiguration | 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 **$0** / 1K tokens Input · Cacheskrivning, 1 time **—** / 1K tokens | Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. [Sådan fungerer reservation og afregning →](https://ailoot.ai/docs/da/billing/reserve/) ### Eksempelanmodninger #### Ailoot Ultra · Anthropic Messages Komplet minimalt requestbody i JSONcurl · brug dit UTF-8-dokumentPython · gem hele resultatet ```json { "model": "qwen2.5-math-72b-instruct", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Hent og gem resultater #### Ailoot Ultra · Anthropic Messages JSON eller SSE ##### Behold alle færdige resultater 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. ##### Hvis det oprindelige svar skal kontrolleres Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob. Svarfelter | Felt | Type | | --- | --- | | Felt`id` | Typestring | | Felt`model` | Typestring | | Felt`content[]` | Typetext\|thinking\|tool\_use\|other content block | | Felt`stop_reason` | Typestring\|null | | Felt`usage` | Typeobject | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. | ### Aliaser #### Modelaliaser **Ailoot Ultra** [`qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/#m=qwen2.5-math-72b-instruct&route=Ultra&caller=qwen2.5-math-72b-instruct&fmt=messages) #### Aliaser for metodestier Brug metodestierne vist ovenfor. #### Relaterede kalder-ID’er [`qwen2.5-math-72b-instruct`](https://ailoot.ai/models/da/#m=qwen2.5-math-72b-instruct&route=Ultra&caller=qwen2.5-math-72b-instruct&fmt=messages) FAQ · Qwen2.5-Math-72B Hvilke input og resultater er tilgængelige? `POST /v1/chat/completions` · `qwen2.5-math-72b-instruct`: `text` → `text` `POST /v1/messages` · `qwen2.5-math-72b-instruct`: `text` → `json`, `sse` Hvilke felter bruger anmodningen? `POST /v1/chat/completions` · `qwen2.5-math-72b-instruct`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `qwen2.5-math-72b-instruct`: `model`, `messages`, `max_tokens`, `stream` Hvilke grænser gælder? `POST /v1/chat/completions` · `qwen2.5-math-72b-instruct`: `messages.min_items`: `1` Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation. ## Virksomheden og dens projektportefølje Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. ## Køb tokens med rabat. Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb. Abonnement Vælg et abonnement med rabat til dine regelmæssige anmodninger. Rabatkode på op til 50% Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne. Udgifter i historikken Model, tokens og beløb gemmes for hver anmodning. [Vælg abonnement](https://ailoot.ai/docs/da/billing/subscriptions/) · [Se modelpriser](https://ailoot.ai/models/da/) ## Tilslut API’et til produktet, du sælger. SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg. Kommerciel applikation Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner. Licens til forhandlere Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg. Dokumenter på websitet Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning. [Anmod om forhandlerlicens](mailto:support@ailoot.ai) · [Tilbudsvilkår og licensaftale](https://ailoot.ai/legal/offer?lang=da) ## Ailoot · Virksomheden og dens projektportefølje Ailoot bygger på solid driftserfaring, en stor kundebase, stabil service og løbende kontrol af KPI. Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. Ailoot bruger denne driftserfaring til API-adgang til AI-funktioner i kundernes produkter, agenter, applikationer og automatiseringer.