Qwen2.5-Math-7B-Instruct ist Alibabas auf Anweisungen abgestimmtes 7B-Modell zum Lösen mathematischer Probleme. Es nimmt eine Textaufgabe entgegen und erzeugt eine schriftliche Lösung. Die Qwen2.5-Math-Serie konzentriert sich auf Mathematik in Englisch und Chinesisch; der Hersteller empfiehlt diesen mathematischen Einsatzbereich statt sachfremder allgemeiner Aufgaben. Die Instruct-Ausführung ist für ein dialogorientiertes Anweisungsformat vorgesehen, während Qwen2.5-Math-7B die separate Basisausführung für Completion, Few-Shot-Inferenz und weiteres Fine-Tuning ist.
Das Modell unterstützt zwei dokumentierte Ansätze: Chain-of-Thought (CoT) und Tool-integrated Reasoning (TIR). CoT entwickelt die Lösung über eine Folge schriftlicher Schritte. Der Hersteller weist darauf hin, dass CoT bei präzisen Berechnungen und komplexen mathematischen oder algorithmischen Problemen Schwierigkeiten haben kann; TIR soll präzise Berechnungen und symbolisches Arbeiten verbessern. TIR kombiniert natürlichsprachliches Schlussfolgern mit Programmen für Berechnungen, symbolische Operationen oder algorithmische Arbeit. Diese Unterscheidung ist bei Problemen wichtig, bei denen die numerische Berechnung ebenso bedeutend ist wie die Erklärung. Der Hersteller demonstriert TIR mit lokaler Codeausführung: Ein angebundener Interpreter führt die Berechnungen des Programms aus, und der Denkablauf verwendet diese Ergebnisse. Eine bloße Anfrage nach programmbasiertem Schlussfolgern führt das Programm nicht aus.
Die mathematische Spezialisierung umfasst chinesische und englische Anweisungsdaten sowie Daten für toolintegriertes Schlussfolgern im Nachtraining. Die veröffentlichte 7B-Instruct-Konfiguration setzt ein Positionsfenster von 4,096 Tokens. Bereiten Sie eine gezielte Problemstellung mit den nötigen Definitionen und Zwischenschritten vor und lassen Sie Platz für die resultierende Lösung. Die dokumentierte Eingabe und Ausgabe des Modells sind Text; stellen Sie relevante Ausdrücke, Bedingungen und Diagrammbeschriftungen daher schriftlich bereit.
Geben Sie für eine ausgearbeitete Lösung die vollständige Frage, die bekannten Werte, den Definitionsbereich jeder Variablen und das Gesuchte oder zu Beweisende an. Fordern Sie die gewählte Methode, die begründeten Umformungen und das endgültige Ergebnis in der benötigten Notation an. Die Herstellerbeispiele unterscheiden einen Prompt für schrittweises Schlussfolgern von einem, der das Modell auffordert, Schlussfolgern mit Programmen zu integrieren; beide verlangen die endgültige Antwort in der LaTeX-Form \\boxed{}. Je nach Problem können Sie eine exakte symbolische Antwort oder ein numerisches Ergebnis mit festgelegter Genauigkeit verlangen.
Fügen Sie für einen Lern- oder Prüfablauf die Zwischenschritte der lernenden Person hinzu und benennen Sie die zu untersuchende Stelle. Eine Beispielaufgabe ist der Vergleich zweier vorgeschlagener algebraischer Umformungen, die Erklärung ihrer jeweiligen Gültigkeitsbedingung und das Einsetzen des resultierenden Werts in die ursprüngliche Gleichung. Geben Sie bei Problemen mit mehreren Fällen die erlaubten Bereiche an und verlangen Sie eine ausdrückliche Behandlung jedes Falls. Dadurch entsteht ein konkretes Prüfartefakt: Problemstellung, vorgeschlagene Methode, zu prüfende Schritte und eine endgültige Antwort, die sich anhand der ursprünglichen Bedingungen kontrollieren lässt.
Wenn Ihr mathematischer Ablauf einen Interpreter umfasst, legen Sie die vom Programm auszuführende Berechnung fest und bewahren Sie dessen tatsächliches Ergebnis zusammen mit der Erklärung. Halten Sie in der Ausgabe den Unterschied zwischen einem vorgeschlagenen Programm und einer abgeschlossenen Berechnung sichtbar. Fordern Sie bei einer reinen Textaufgabe eine schriftliche Herleitung und eine separate Einsetzprobe an. Diese Anweisungen nutzen die mathematische Spezialisierung des Modells, ohne jede Aufgabe in eine uneingeschränkte Konversation zu verwandeln.
", "aboutText": "Qwen2.5-Math-7B-Instruct ist Alibabas auf Anweisungen abgestimmtes 7B-Modell zum Lösen mathematischer Probleme. Es nimmt eine Textaufgabe entgegen und erzeugt eine schriftliche Lösung. Die Qwen2.5-Math-Serie konzentriert sich auf Mathematik in Englisch und Chinesisch; der Hersteller empfiehlt diesen mathematischen Einsatzbereich statt sachfremder allgemeiner Aufgaben. Die Instruct-Ausführung ist für ein dialogorientiertes Anweisungsformat vorgesehen, während Qwen2.5-Math-7B die separate Basisausführung für Completion, Few-Shot-Inferenz und weiteres Fine-Tuning ist.\n\nDas Modell unterstützt zwei dokumentierte Ansätze: Chain-of-Thought (CoT) und Tool-integrated Reasoning (TIR). CoT entwickelt die Lösung über eine Folge schriftlicher Schritte. Der Hersteller weist darauf hin, dass CoT bei präzisen Berechnungen und komplexen mathematischen oder algorithmischen Problemen Schwierigkeiten haben kann; TIR soll präzise Berechnungen und symbolisches Arbeiten verbessern. TIR kombiniert natürlichsprachliches Schlussfolgern mit Programmen für Berechnungen, symbolische Operationen oder algorithmische Arbeit. Diese Unterscheidung ist bei Problemen wichtig, bei denen die numerische Berechnung ebenso bedeutend ist wie die Erklärung. Der Hersteller demonstriert TIR mit lokaler Codeausführung: Ein angebundener Interpreter führt die Berechnungen des Programms aus, und der Denkablauf verwendet diese Ergebnisse. Eine bloße Anfrage nach programmbasiertem Schlussfolgern führt das Programm nicht aus.\n\nDie mathematische Spezialisierung umfasst chinesische und englische Anweisungsdaten sowie Daten für toolintegriertes Schlussfolgern im Nachtraining. Die veröffentlichte 7B-Instruct-Konfiguration setzt ein Positionsfenster von 4,096 Tokens. Bereiten Sie eine gezielte Problemstellung mit den nötigen Definitionen und Zwischenschritten vor und lassen Sie Platz für die resultierende Lösung. Die dokumentierte Eingabe und Ausgabe des Modells sind Text; stellen Sie relevante Ausdrücke, Bedingungen und Diagrammbeschriftungen daher schriftlich bereit.\n\nGeben Sie für eine ausgearbeitete Lösung die vollständige Frage, die bekannten Werte, den Definitionsbereich jeder Variablen und das Gesuchte oder zu Beweisende an. Fordern Sie die gewählte Methode, die begründeten Umformungen und das endgültige Ergebnis in der benötigten Notation an. Die Herstellerbeispiele unterscheiden einen Prompt für schrittweises Schlussfolgern von einem, der das Modell auffordert, Schlussfolgern mit Programmen zu integrieren; beide verlangen die endgültige Antwort in der LaTeX-Form \\boxed{}. Je nach Problem können Sie eine exakte symbolische Antwort oder ein numerisches Ergebnis mit festgelegter Genauigkeit verlangen.\n\nFügen Sie für einen Lern- oder Prüfablauf die Zwischenschritte der lernenden Person hinzu und benennen Sie die zu untersuchende Stelle. Eine Beispielaufgabe ist der Vergleich zweier vorgeschlagener algebraischer Umformungen, die Erklärung ihrer jeweiligen Gültigkeitsbedingung und das Einsetzen des resultierenden Werts in die ursprüngliche Gleichung. Geben Sie bei Problemen mit mehreren Fällen die erlaubten Bereiche an und verlangen Sie eine ausdrückliche Behandlung jedes Falls. Dadurch entsteht ein konkretes Prüfartefakt: Problemstellung, vorgeschlagene Methode, zu prüfende Schritte und eine endgültige Antwort, die sich anhand der ursprünglichen Bedingungen kontrollieren lässt.\n\nWenn Ihr mathematischer Ablauf einen Interpreter umfasst, legen Sie die vom Programm auszuführende Berechnung fest und bewahren Sie dessen tatsächliches Ergebnis zusammen mit der Erklärung. Halten Sie in der Ausgabe den Unterschied zwischen einem vorgeschlagenen Programm und einer abgeschlossenen Berechnung sichtbar. Fordern Sie bei einer reinen Textaufgabe eine schriftliche Herleitung und eine separate Einsetzprobe an. Diese Anweisungen nutzen die mathematische Spezialisierung des Modells, ohne jede Aufgabe in eine uneingeschränkte Konversation zu verwandeln.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 auf Anweisungen abgestimmtes mathematisches 7B-Modell für englisch- und chinesischsprachige Aufgaben. Es unterstützt schrittweises Schlussfolgern in Textform und werkzeugintegriertes Schlussfolgern, wobei es Erklärungen mit Programmen verbindet, wenn ein Interpreter angeschlossen ist.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen2.5-Math-7B-Instruct ist Alibabas auf Anweisungen abgestimmtes 7B-Modell zum Lösen mathematischer Probleme. Es nimmt eine Textaufgabe entgegen und erzeugt eine schriftliche Lösung. Die Qwen2.5-Math-Serie konzentriert sich auf Mathematik in Englisch und Chinesisch; der Hersteller empfiehlt diesen mathematischen Einsatzbereich statt sachfremder allgemeiner Aufgaben. Die Instruct-Ausführung ist für ein dialogorientiertes Anweisungsformat vorgesehen, während Qwen2.5-Math-7B die separate Basisausführung für Completion, Few-Shot-Inferenz und weiteres Fine-Tuning ist.
Das Modell unterstützt zwei dokumentierte Ansätze: Chain-of-Thought (CoT) und Tool-integrated Reasoning (TIR). CoT entwickelt die Lösung über eine Folge schriftlicher Schritte. Der Hersteller weist darauf hin, dass CoT bei präzisen Berechnungen und komplexen mathematischen oder algorithmischen Problemen Schwierigkeiten haben kann; TIR soll präzise Berechnungen und symbolisches Arbeiten verbessern. TIR kombiniert natürlichsprachliches Schlussfolgern mit Programmen für Berechnungen, symbolische Operationen oder algorithmische Arbeit. Diese Unterscheidung ist bei Problemen wichtig, bei denen die numerische Berechnung ebenso bedeutend ist wie die Erklärung. Der Hersteller demonstriert TIR mit lokaler Codeausführung: Ein angebundener Interpreter führt die Berechnungen des Programms aus, und der Denkablauf verwendet diese Ergebnisse. Eine bloße Anfrage nach programmbasiertem Schlussfolgern führt das Programm nicht aus.
Die mathematische Spezialisierung umfasst chinesische und englische Anweisungsdaten sowie Daten für toolintegriertes Schlussfolgern im Nachtraining. Die veröffentlichte 7B-Instruct-Konfiguration setzt ein Positionsfenster von 4,096 Tokens. Bereiten Sie eine gezielte Problemstellung mit den nötigen Definitionen und Zwischenschritten vor und lassen Sie Platz für die resultierende Lösung. Die dokumentierte Eingabe und Ausgabe des Modells sind Text; stellen Sie relevante Ausdrücke, Bedingungen und Diagrammbeschriftungen daher schriftlich bereit.
Geben Sie für eine ausgearbeitete Lösung die vollständige Frage, die bekannten Werte, den Definitionsbereich jeder Variablen und das Gesuchte oder zu Beweisende an. Fordern Sie die gewählte Methode, die begründeten Umformungen und das endgültige Ergebnis in der benötigten Notation an. Die Herstellerbeispiele unterscheiden einen Prompt für schrittweises Schlussfolgern von einem, der das Modell auffordert, Schlussfolgern mit Programmen zu integrieren; beide verlangen die endgültige Antwort in der LaTeX-Form \\boxed{}. Je nach Problem können Sie eine exakte symbolische Antwort oder ein numerisches Ergebnis mit festgelegter Genauigkeit verlangen.
Fügen Sie für einen Lern- oder Prüfablauf die Zwischenschritte der lernenden Person hinzu und benennen Sie die zu untersuchende Stelle. Eine Beispielaufgabe ist der Vergleich zweier vorgeschlagener algebraischer Umformungen, die Erklärung ihrer jeweiligen Gültigkeitsbedingung und das Einsetzen des resultierenden Werts in die ursprüngliche Gleichung. Geben Sie bei Problemen mit mehreren Fällen die erlaubten Bereiche an und verlangen Sie eine ausdrückliche Behandlung jedes Falls. Dadurch entsteht ein konkretes Prüfartefakt: Problemstellung, vorgeschlagene Methode, zu prüfende Schritte und eine endgültige Antwort, die sich anhand der ursprünglichen Bedingungen kontrollieren lässt.
Wenn Ihr mathematischer Ablauf einen Interpreter umfasst, legen Sie die vom Programm auszuführende Berechnung fest und bewahren Sie dessen tatsächliches Ergebnis zusammen mit der Erklärung. Halten Sie in der Ausgabe den Unterschied zwischen einem vorgeschlagenen Programm und einer abgeschlossenen Berechnung sichtbar. Fordern Sie bei einer reinen Textaufgabe eine schriftliche Herleitung und eine separate Einsetzprobe an. Diese Anweisungen nutzen die mathematische Spezialisierung des Modells, ohne jede Aufgabe in eine uneingeschränkte Konversation zu verwandeln.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen2.5-math-7b-instruct | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.000572 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen2.5-math-7b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
qwen2.5-math-7b-instructAlibabas auf Anweisungen abgestimmtes mathematisches 7B-Modell für englisch- und chinesischsprachige Aufgaben. Es unterstützt schrittweises Schlussfolgern in Textform und werkzeugintegriertes Schlussfolgern, wobei es Erklärungen mit Programmen verbindet, wenn ein Interpreter angeschlossen ist.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen2.5-Math-7B-Instruct ist Alibabas auf Anweisungen abgestimmtes 7B-Modell zum Lösen mathematischer Probleme. Es nimmt eine Textaufgabe entgegen und erzeugt eine schriftliche Lösung. Die Qwen2.5-Math-Serie konzentriert sich auf Mathematik in Englisch und Chinesisch; der Hersteller empfiehlt diesen mathematischen Einsatzbereich statt sachfremder allgemeiner Aufgaben. Die Instruct-Ausführung ist für ein dialogorientiertes Anweisungsformat vorgesehen, während Qwen2.5-Math-7B die separate Basisausführung für Completion, Few-Shot-Inferenz und weiteres Fine-Tuning ist.
Das Modell unterstützt zwei dokumentierte Ansätze: Chain-of-Thought (CoT) und Tool-integrated Reasoning (TIR). CoT entwickelt die Lösung über eine Folge schriftlicher Schritte. Der Hersteller weist darauf hin, dass CoT bei präzisen Berechnungen und komplexen mathematischen oder algorithmischen Problemen Schwierigkeiten haben kann; TIR soll präzise Berechnungen und symbolisches Arbeiten verbessern. TIR kombiniert natürlichsprachliches Schlussfolgern mit Programmen für Berechnungen, symbolische Operationen oder algorithmische Arbeit. Diese Unterscheidung ist bei Problemen wichtig, bei denen die numerische Berechnung ebenso bedeutend ist wie die Erklärung. Der Hersteller demonstriert TIR mit lokaler Codeausführung: Ein angebundener Interpreter führt die Berechnungen des Programms aus, und der Denkablauf verwendet diese Ergebnisse. Eine bloße Anfrage nach programmbasiertem Schlussfolgern führt das Programm nicht aus.
Die mathematische Spezialisierung umfasst chinesische und englische Anweisungsdaten sowie Daten für toolintegriertes Schlussfolgern im Nachtraining. Die veröffentlichte 7B-Instruct-Konfiguration setzt ein Positionsfenster von 4,096 Tokens. Bereiten Sie eine gezielte Problemstellung mit den nötigen Definitionen und Zwischenschritten vor und lassen Sie Platz für die resultierende Lösung. Die dokumentierte Eingabe und Ausgabe des Modells sind Text; stellen Sie relevante Ausdrücke, Bedingungen und Diagrammbeschriftungen daher schriftlich bereit.
Geben Sie für eine ausgearbeitete Lösung die vollständige Frage, die bekannten Werte, den Definitionsbereich jeder Variablen und das Gesuchte oder zu Beweisende an. Fordern Sie die gewählte Methode, die begründeten Umformungen und das endgültige Ergebnis in der benötigten Notation an. Die Herstellerbeispiele unterscheiden einen Prompt für schrittweises Schlussfolgern von einem, der das Modell auffordert, Schlussfolgern mit Programmen zu integrieren; beide verlangen die endgültige Antwort in der LaTeX-Form \\boxed{}. Je nach Problem können Sie eine exakte symbolische Antwort oder ein numerisches Ergebnis mit festgelegter Genauigkeit verlangen.
Fügen Sie für einen Lern- oder Prüfablauf die Zwischenschritte der lernenden Person hinzu und benennen Sie die zu untersuchende Stelle. Eine Beispielaufgabe ist der Vergleich zweier vorgeschlagener algebraischer Umformungen, die Erklärung ihrer jeweiligen Gültigkeitsbedingung und das Einsetzen des resultierenden Werts in die ursprüngliche Gleichung. Geben Sie bei Problemen mit mehreren Fällen die erlaubten Bereiche an und verlangen Sie eine ausdrückliche Behandlung jedes Falls. Dadurch entsteht ein konkretes Prüfartefakt: Problemstellung, vorgeschlagene Methode, zu prüfende Schritte und eine endgültige Antwort, die sich anhand der ursprünglichen Bedingungen kontrollieren lässt.
Wenn Ihr mathematischer Ablauf einen Interpreter umfasst, legen Sie die vom Programm auszuführende Berechnung fest und bewahren Sie dessen tatsächliches Ergebnis zusammen mit der Erklärung. Halten Sie in der Ausgabe den Unterschied zwischen einem vorgeschlagenen Programm und einer abgeschlossenen Berechnung sichtbar. Fordern Sie bei einer reinen Textaufgabe eine schriftliche Herleitung und eine separate Einsetzprobe an. Diese Anweisungen nutzen die mathematische Spezialisierung des Modells, ohne jede Aufgabe in eine uneingeschränkte Konversation zu verwandeln.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen2.5-math-7b-instruct | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000286 / 1K Tokens Ausgabe · Ausgabetoken $0.000572 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen2.5-math-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen2.5-math-7b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.