Qwen2.5-Math-7B-Instruct er Alibabas instruktionstilpassede 7B-model til matematisk problemløsning. Den modtager et tekstproblem og producerer en skriftlig løsning. Qwen2.5-Math-serien fokuserer på matematik på engelsk og kinesisk; producenten anbefaler dette matematiske område frem for uvedkommende generelle opgaver. Instruct-udgaven er beregnet til et samtalebaseret instruktionsformat, mens Qwen2.5-Math-7B er den separate basisudgave, der bruges til fuldførelse, few-shot-inferens og yderligere finjustering.
Modellen understøtter to dokumenterede tilgange: Chain-of-Thought (CoT) og Tool-integrated Reasoning (TIR). CoT udvikler løsningen gennem en række skriftlige trin. Producenten bemærker, at CoT kan have vanskeligt ved præcise beregninger og komplekse matematiske eller algoritmiske problemer; TIR er beregnet til at forbedre præcis beregning og symbolsk arbejde. TIR kombinerer ræsonnering i naturligt sprog med programmer til beregning, symbolske operationer eller algoritmisk arbejde. Denne sondring har betydning for et problem, hvor den numeriske beregning er lige så vigtig som forklaringen. Producenten demonstrerer TIR med lokal kodeeksekvering: en tilsluttet fortolker udfører programmets beregninger, og ræsonneringsarbejdsgangen bruger disse resultater. En anmodning om programbaseret ræsonnering udfører ikke i sig selv programmet.
Den matematiske specialisering omfatter kinesiske og engelske instruktionsdata og data til værktøjsintegreret ræsonnering i eftertræningen. Den offentliggjorte 7B-Instruct-konfiguration angiver et positionsvindue på 4,096 tokens. Forbered en afgrænset problemformulering med de nødvendige definitioner og mellemregninger, og levn plads til den resulterende løsning. Modellens dokumenterede input og output er tekst, så præsentér relevante udtryk, betingelser og diagrametiketter skriftligt.
Til en gennemarbejdet løsning skal du angive hele spørgsmålet, de kendte værdier, hver variabels definitionsmængde og hvad der skal findes eller bevises. Bed om den valgte metode, de begrundede omformninger og det endelige resultat i den notation, du har brug for. Producentens eksempler skelner mellem en prompt til trinvis ræsonnering og en, der beder modellen integrere ræsonnering med programmer; begge beder om det endelige svar i LaTeX-formen \\boxed{}. Du kan angive et præcist symbolsk svar eller et numerisk resultat med angivet præcision afhængigt af problemet.
Til en undervisnings- eller kontrolarbejdsgang skal du medtage elevens mellemregninger og identificere det punkt, der skal undersøges. En illustrativ opgave er at sammenligne to foreslåede algebraiske omformninger, forklare betingelsen for, at hver er gyldig, og indsætte den resulterende værdi i den oprindelige ligning. Ved problemer med flere tilfælde skal du angive de tilladte intervaller og bede om, at hvert tilfælde håndteres udtrykkeligt. Det producerer et konkret gennemgangsartefakt: problemet, en foreslået metode, trinnene, der skal gennemgås, og et endeligt svar, der kan kontrolleres mod de oprindelige betingelser.
Hvis din matematiske arbejdsgang omfatter en fortolker, skal du angive den beregning, programmet skal udføre, og bevare dets faktiske resultat sammen med forklaringen. Hold forskellen mellem et foreslået program og en gennemført beregning synlig i outputtet. Til en ren tekstøvelse skal du bede om en skriftlig udledning og en separat kontrol ved indsættelse. Disse instruktioner udnytter modellens matematiske specialisering uden at gøre hvert problem til en ubegrænset samtale.
", "aboutText": "Qwen2.5-Math-7B-Instruct er Alibabas instruktionstilpassede 7B-model til matematisk problemløsning. Den modtager et tekstproblem og producerer en skriftlig løsning. Qwen2.5-Math-serien fokuserer på matematik på engelsk og kinesisk; producenten anbefaler dette matematiske område frem for uvedkommende generelle opgaver. Instruct-udgaven er beregnet til et samtalebaseret instruktionsformat, mens Qwen2.5-Math-7B er den separate basisudgave, der bruges til fuldførelse, few-shot-inferens og yderligere finjustering.\n\nModellen understøtter to dokumenterede tilgange: Chain-of-Thought (CoT) og Tool-integrated Reasoning (TIR). CoT udvikler løsningen gennem en række skriftlige trin. Producenten bemærker, at CoT kan have vanskeligt ved præcise beregninger og komplekse matematiske eller algoritmiske problemer; TIR er beregnet til at forbedre præcis beregning og symbolsk arbejde. TIR kombinerer ræsonnering i naturligt sprog med programmer til beregning, symbolske operationer eller algoritmisk arbejde. Denne sondring har betydning for et problem, hvor den numeriske beregning er lige så vigtig som forklaringen. Producenten demonstrerer TIR med lokal kodeeksekvering: en tilsluttet fortolker udfører programmets beregninger, og ræsonneringsarbejdsgangen bruger disse resultater. En anmodning om programbaseret ræsonnering udfører ikke i sig selv programmet.\n\nDen matematiske specialisering omfatter kinesiske og engelske instruktionsdata og data til værktøjsintegreret ræsonnering i eftertræningen. Den offentliggjorte 7B-Instruct-konfiguration angiver et positionsvindue på 4,096 tokens. Forbered en afgrænset problemformulering med de nødvendige definitioner og mellemregninger, og levn plads til den resulterende løsning. Modellens dokumenterede input og output er tekst, så præsentér relevante udtryk, betingelser og diagrametiketter skriftligt.\n\nTil en gennemarbejdet løsning skal du angive hele spørgsmålet, de kendte værdier, hver variabels definitionsmængde og hvad der skal findes eller bevises. Bed om den valgte metode, de begrundede omformninger og det endelige resultat i den notation, du har brug for. Producentens eksempler skelner mellem en prompt til trinvis ræsonnering og en, der beder modellen integrere ræsonnering med programmer; begge beder om det endelige svar i LaTeX-formen \\boxed{}. Du kan angive et præcist symbolsk svar eller et numerisk resultat med angivet præcision afhængigt af problemet.\n\nTil en undervisnings- eller kontrolarbejdsgang skal du medtage elevens mellemregninger og identificere det punkt, der skal undersøges. En illustrativ opgave er at sammenligne to foreslåede algebraiske omformninger, forklare betingelsen for, at hver er gyldig, og indsætte den resulterende værdi i den oprindelige ligning. Ved problemer med flere tilfælde skal du angive de tilladte intervaller og bede om, at hvert tilfælde håndteres udtrykkeligt. Det producerer et konkret gennemgangsartefakt: problemet, en foreslået metode, trinnene, der skal gennemgås, og et endeligt svar, der kan kontrolleres mod de oprindelige betingelser.\n\nHvis din matematiske arbejdsgang omfatter en fortolker, skal du angive den beregning, programmet skal udføre, og bevare dets faktiske resultat sammen med forklaringen. Hold forskellen mellem et foreslået program og en gennemført beregning synlig i outputtet. Til en ren tekstøvelse skal du bede om en skriftlig udledning og en separat kontrol ved indsættelse. Disse instruktioner udnytter modellens matematiske specialisering uden at gøre hvert problem til en ubegrænset samtale.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Check an algebraic cancellation against its domain\n\nSolve (x squared - 9) divided by (x - 3) = 6 over the real numbers. State the original domain restriction before simplifying, show the algebra and check any candidate against the original expression. Finish with the solution set. Use a written derivation only; no calculator or interpreter is available.A domain restriction, justified simplification, candidate check and separate final solution set.The cancelled factor's restriction x != 3 survives, so an excluded candidate is not accepted as a solution.qwen2.5-math-7b-instructAlibabas instruktionsfinjusterede matematikmodel på 7B til engelske og kinesiske opgaver. Den understøtter trinvist tekstræsonnement og værktøjsintegreret ræsonnement, som kombinerer forklaringer med programmer, når en interpreter er tilsluttet.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen2.5-Math-7B-Instruct er Alibabas instruktionstilpassede 7B-model til matematisk problemløsning. Den modtager et tekstproblem og producerer en skriftlig løsning. Qwen2.5-Math-serien fokuserer på matematik på engelsk og kinesisk; producenten anbefaler dette matematiske område frem for uvedkommende generelle opgaver. Instruct-udgaven er beregnet til et samtalebaseret instruktionsformat, mens Qwen2.5-Math-7B er den separate basisudgave, der bruges til fuldførelse, few-shot-inferens og yderligere finjustering.
Modellen understøtter to dokumenterede tilgange: Chain-of-Thought (CoT) og Tool-integrated Reasoning (TIR). CoT udvikler løsningen gennem en række skriftlige trin. Producenten bemærker, at CoT kan have vanskeligt ved præcise beregninger og komplekse matematiske eller algoritmiske problemer; TIR er beregnet til at forbedre præcis beregning og symbolsk arbejde. TIR kombinerer ræsonnering i naturligt sprog med programmer til beregning, symbolske operationer eller algoritmisk arbejde. Denne sondring har betydning for et problem, hvor den numeriske beregning er lige så vigtig som forklaringen. Producenten demonstrerer TIR med lokal kodeeksekvering: en tilsluttet fortolker udfører programmets beregninger, og ræsonneringsarbejdsgangen bruger disse resultater. En anmodning om programbaseret ræsonnering udfører ikke i sig selv programmet.
Den matematiske specialisering omfatter kinesiske og engelske instruktionsdata og data til værktøjsintegreret ræsonnering i eftertræningen. Den offentliggjorte 7B-Instruct-konfiguration angiver et positionsvindue på 4,096 tokens. Forbered en afgrænset problemformulering med de nødvendige definitioner og mellemregninger, og levn plads til den resulterende løsning. Modellens dokumenterede input og output er tekst, så præsentér relevante udtryk, betingelser og diagrametiketter skriftligt.
Til en gennemarbejdet løsning skal du angive hele spørgsmålet, de kendte værdier, hver variabels definitionsmængde og hvad der skal findes eller bevises. Bed om den valgte metode, de begrundede omformninger og det endelige resultat i den notation, du har brug for. Producentens eksempler skelner mellem en prompt til trinvis ræsonnering og en, der beder modellen integrere ræsonnering med programmer; begge beder om det endelige svar i LaTeX-formen \\boxed{}. Du kan angive et præcist symbolsk svar eller et numerisk resultat med angivet præcision afhængigt af problemet.
Til en undervisnings- eller kontrolarbejdsgang skal du medtage elevens mellemregninger og identificere det punkt, der skal undersøges. En illustrativ opgave er at sammenligne to foreslåede algebraiske omformninger, forklare betingelsen for, at hver er gyldig, og indsætte den resulterende værdi i den oprindelige ligning. Ved problemer med flere tilfælde skal du angive de tilladte intervaller og bede om, at hvert tilfælde håndteres udtrykkeligt. Det producerer et konkret gennemgangsartefakt: problemet, en foreslået metode, trinnene, der skal gennemgås, og et endeligt svar, der kan kontrolleres mod de oprindelige betingelser.
Hvis din matematiske arbejdsgang omfatter en fortolker, skal du angive den beregning, programmet skal udføre, og bevare dets faktiske resultat sammen med forklaringen. Hold forskellen mellem et foreslået program og en gennemført beregning synlig i outputtet. Til en ren tekstøvelse skal du bede om en skriftlig udledning og en separat kontrol ved indsættelse. Disse instruktioner udnytter modellens matematiske specialisering uden at gøre hvert problem til en ubegrænset samtale.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen2.5-math-7b-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 $0.000286 / 1K tokens Output · Outputtokens $0.000572 / 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-7b-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-7b-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-7b-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-7b-instruct
Brug metodestierne vist ovenfor.
qwen2.5-math-7b-instructAlibabas instruktionsfinjusterede matematikmodel på 7B til engelske og kinesiske opgaver. Den understøtter trinvist tekstræsonnement og værktøjsintegreret ræsonnement, som kombinerer forklaringer med programmer, når en interpreter er tilsluttet.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen2.5-Math-7B-Instruct er Alibabas instruktionstilpassede 7B-model til matematisk problemløsning. Den modtager et tekstproblem og producerer en skriftlig løsning. Qwen2.5-Math-serien fokuserer på matematik på engelsk og kinesisk; producenten anbefaler dette matematiske område frem for uvedkommende generelle opgaver. Instruct-udgaven er beregnet til et samtalebaseret instruktionsformat, mens Qwen2.5-Math-7B er den separate basisudgave, der bruges til fuldførelse, few-shot-inferens og yderligere finjustering.
Modellen understøtter to dokumenterede tilgange: Chain-of-Thought (CoT) og Tool-integrated Reasoning (TIR). CoT udvikler løsningen gennem en række skriftlige trin. Producenten bemærker, at CoT kan have vanskeligt ved præcise beregninger og komplekse matematiske eller algoritmiske problemer; TIR er beregnet til at forbedre præcis beregning og symbolsk arbejde. TIR kombinerer ræsonnering i naturligt sprog med programmer til beregning, symbolske operationer eller algoritmisk arbejde. Denne sondring har betydning for et problem, hvor den numeriske beregning er lige så vigtig som forklaringen. Producenten demonstrerer TIR med lokal kodeeksekvering: en tilsluttet fortolker udfører programmets beregninger, og ræsonneringsarbejdsgangen bruger disse resultater. En anmodning om programbaseret ræsonnering udfører ikke i sig selv programmet.
Den matematiske specialisering omfatter kinesiske og engelske instruktionsdata og data til værktøjsintegreret ræsonnering i eftertræningen. Den offentliggjorte 7B-Instruct-konfiguration angiver et positionsvindue på 4,096 tokens. Forbered en afgrænset problemformulering med de nødvendige definitioner og mellemregninger, og levn plads til den resulterende løsning. Modellens dokumenterede input og output er tekst, så præsentér relevante udtryk, betingelser og diagrametiketter skriftligt.
Til en gennemarbejdet løsning skal du angive hele spørgsmålet, de kendte værdier, hver variabels definitionsmængde og hvad der skal findes eller bevises. Bed om den valgte metode, de begrundede omformninger og det endelige resultat i den notation, du har brug for. Producentens eksempler skelner mellem en prompt til trinvis ræsonnering og en, der beder modellen integrere ræsonnering med programmer; begge beder om det endelige svar i LaTeX-formen \\boxed{}. Du kan angive et præcist symbolsk svar eller et numerisk resultat med angivet præcision afhængigt af problemet.
Til en undervisnings- eller kontrolarbejdsgang skal du medtage elevens mellemregninger og identificere det punkt, der skal undersøges. En illustrativ opgave er at sammenligne to foreslåede algebraiske omformninger, forklare betingelsen for, at hver er gyldig, og indsætte den resulterende værdi i den oprindelige ligning. Ved problemer med flere tilfælde skal du angive de tilladte intervaller og bede om, at hvert tilfælde håndteres udtrykkeligt. Det producerer et konkret gennemgangsartefakt: problemet, en foreslået metode, trinnene, der skal gennemgås, og et endeligt svar, der kan kontrolleres mod de oprindelige betingelser.
Hvis din matematiske arbejdsgang omfatter en fortolker, skal du angive den beregning, programmet skal udføre, og bevare dets faktiske resultat sammen med forklaringen. Hold forskellen mellem et foreslået program og en gennemført beregning synlig i outputtet. Til en ren tekstøvelse skal du bede om en skriftlig udledning og en separat kontrol ved indsættelse. Disse instruktioner udnytter modellens matematiske specialisering uden at gøre hvert problem til en ubegrænset samtale.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen2.5-math-7b-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 $0.000286 / 1K tokens Output · Outputtokens $0.000572 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwen2.5-math-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-7b-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-7b-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-7b-instruct
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Check an algebraic cancellation against its domain\n\nSolve (x squared - 9) divided by (x - 3) = 6 over the real numbers. State the original domain restriction before simplifying, show the algebra and check any candidate against the original expression. Finish with the solution set. Use a written derivation only; no calculator or interpreter is available.A domain restriction, justified simplification, candidate check and separate final solution set.The cancelled factor's restriction x != 3 survives, so an excluded candidate is not accepted as a solution.