Qwen2.5 3B Instruct ist die anweisungsoptimierte 3B-Ausgabe der Sprachmodellserie Qwen2.5. Der Hersteller nennt 3,09 Milliarden Parameter und beschreibt unter den Familienfähigkeiten das Befolgen von Anweisungen, Programmierung, Mathematik, das Verständnis strukturierter Daten und JSON-orientierte Ausgabe. Das auf dieser Karte benannte gehostete Profil nennt eine Kontextlänge von 32.000 Tokens.
Stellen Sie den Text oder die Tabelle bereit und benennen Sie die zu beantwortende Frage. Eine Extraktionsanfrage kann die Felder und den Umgang mit einem fehlenden Wert definieren. Ein Vergleich kann die zu untersuchenden Zeilen oder Passagen benennen und Quellenkennzeichnungen neben den Befunden anfordern.
Geben Sie für ein strukturiertes Ergebnis Feldnamen, Typen und ein kleines Beispiel der gewünschten Struktur an. Validieren Sie die zurückgegebene Struktur und vergleichen Sie die Werte mit dem ursprünglichen Material, bevor Sie sie in einem weiteren Vorgang verwenden. Ein klares Schema hilft bei der Definition der Aufgabe, ohne diese Prüfung zu ersetzen.
Der Hersteller beschreibt Robustheit gegenüber unterschiedlichen Systemprompts und rollenbezogenen Anweisungen. Nennen Sie Zweck des Assistenten, Antwortstil und Aufgabenbedingungen ausdrücklich. Ein Entwurfsauftrag kann Zielgruppe, gewünschte Länge und zu vermittelnde Fakten benennen. Eine Überarbeitung kann die Änderung von Wortlaut oder Gliederung festlegen und dabei die ursprüngliche Bedeutung bewahren.
Stellen Sie für Codeaufgaben die relevante Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Fordern Sie eine gezielte Implementierung oder Korrektur mit Tests für die von Ihnen benannten Fälle an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn in der Zielentwicklungsumgebung aus.
Die genaue 3B-Modellkarte nennt einen Kontext von 32.768 Tokens und ein Generierungskontingent von 8.192 Tokens. Weitergehende Kontextangaben der Qwen2.5-Familie gehören zu den Ausgaben und Konfigurationen, die sie beschreiben; richten Sie dieses gehostete Profil an seinem eigenen angegebenen Kontext von 32.000 Tokens aus.
Die Familiendokumentation nennt Unterstützung für mehr als 29 Sprachen. Legen Sie die gewünschte Antwortsprache fest und stellen Sie ein Glossar bereit, wenn Terminologie wichtig ist. Bewahren Sie Quellenkennzeichnungen, Mengenangaben und Kennungen unverändert, wählen Sie die für die aktuelle Aufgabe relevanten Passagen aus und lassen Sie Platz für ihr Ergebnis.
", "aboutText": "Qwen2.5 3B Instruct ist die anweisungsoptimierte 3B-Ausgabe der Sprachmodellserie Qwen2.5. Der Hersteller nennt 3,09 Milliarden Parameter und beschreibt unter den Familienfähigkeiten das Befolgen von Anweisungen, Programmierung, Mathematik, das Verständnis strukturierter Daten und JSON-orientierte Ausgabe. Das auf dieser Karte benannte gehostete Profil nennt eine Kontextlänge von 32.000 Tokens.\n\n### Eine Passage oder Tabelle in eine definierte Antwort umwandeln\n\nStellen Sie den Text oder die Tabelle bereit und benennen Sie die zu beantwortende Frage. Eine Extraktionsanfrage kann die Felder und den Umgang mit einem fehlenden Wert definieren. Ein Vergleich kann die zu untersuchenden Zeilen oder Passagen benennen und Quellenkennzeichnungen neben den Befunden anfordern.\n\nGeben Sie für ein strukturiertes Ergebnis Feldnamen, Typen und ein kleines Beispiel der gewünschten Struktur an. Validieren Sie die zurückgegebene Struktur und vergleichen Sie die Werte mit dem ursprünglichen Material, bevor Sie sie in einem weiteren Vorgang verwenden. Ein klares Schema hilft bei der Definition der Aufgabe, ohne diese Prüfung zu ersetzen.\n\n### Rolle und Schreibrahmen festlegen\n\nDer Hersteller beschreibt Robustheit gegenüber unterschiedlichen Systemprompts und rollenbezogenen Anweisungen. Nennen Sie Zweck des Assistenten, Antwortstil und Aufgabenbedingungen ausdrücklich. Ein Entwurfsauftrag kann Zielgruppe, gewünschte Länge und zu vermittelnde Fakten benennen. Eine Überarbeitung kann die Änderung von Wortlaut oder Gliederung festlegen und dabei die ursprüngliche Bedeutung bewahren.\n\nStellen Sie für Codeaufgaben die relevante Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Fordern Sie eine gezielte Implementierung oder Korrektur mit Tests für die von Ihnen benannten Fälle an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn in der Zielentwicklungsumgebung aus.\n\n### Die Grenzen der 3B-Ausgabe getrennt halten\n\nDie genaue 3B-Modellkarte nennt einen Kontext von 32.768 Tokens und ein Generierungskontingent von 8.192 Tokens. Weitergehende Kontextangaben der Qwen2.5-Familie gehören zu den Ausgaben und Konfigurationen, die sie beschreiben; richten Sie dieses gehostete Profil an seinem eigenen angegebenen Kontext von 32.000 Tokens aus.\n\nDie Familiendokumentation nennt Unterstützung für mehr als 29 Sprachen. Legen Sie die gewünschte Antwortsprache fest und stellen Sie ein Glossar bereit, wenn Terminologie wichtig ist. Bewahren Sie Quellenkennzeichnungen, Mengenangaben und Kennungen unverändert, wählen Sie die für die aktuelle Aufgabe relevanten Passagen aus und lassen Sie Platz für ihr Ergebnis.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Create a typed stock record\n\nConvert this note into one JSON-shaped record: Item P-204 has 12 units in warehouse North. No reorder threshold is provided. Fields: item_id string, quantity integer, warehouse string, reorder_threshold integer or null. Return only the record and preserve the identifier and warehouse name exactly.A single record with the four requested fields and null for the unstated reorder threshold.Parse the result and check field types, exact identifiers and the absence of an invented threshold.qwen2.5-3b-instructQwen2.5 3B Instruct ist ein kleines anweisungsoptimiertes Textmodell für Dialog, strukturierte Daten und Schreibaufgaben. Der Hersteller nennt 3,09 Milliarden Parameter, einen Kontext von 32.768 Tokens und ein Generierungskontingent von 8.192 Tokens; dieses gehostete Profil führt einen Kontext von 32.000 Tokens auf.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen2.5 3B Instruct ist die anweisungsoptimierte 3B-Ausgabe der Sprachmodellserie Qwen2.5. Der Hersteller nennt 3,09 Milliarden Parameter und beschreibt unter den Familienfähigkeiten das Befolgen von Anweisungen, Programmierung, Mathematik, das Verständnis strukturierter Daten und JSON-orientierte Ausgabe. Das auf dieser Karte benannte gehostete Profil nennt eine Kontextlänge von 32.000 Tokens.
Stellen Sie den Text oder die Tabelle bereit und benennen Sie die zu beantwortende Frage. Eine Extraktionsanfrage kann die Felder und den Umgang mit einem fehlenden Wert definieren. Ein Vergleich kann die zu untersuchenden Zeilen oder Passagen benennen und Quellenkennzeichnungen neben den Befunden anfordern.
Geben Sie für ein strukturiertes Ergebnis Feldnamen, Typen und ein kleines Beispiel der gewünschten Struktur an. Validieren Sie die zurückgegebene Struktur und vergleichen Sie die Werte mit dem ursprünglichen Material, bevor Sie sie in einem weiteren Vorgang verwenden. Ein klares Schema hilft bei der Definition der Aufgabe, ohne diese Prüfung zu ersetzen.
Der Hersteller beschreibt Robustheit gegenüber unterschiedlichen Systemprompts und rollenbezogenen Anweisungen. Nennen Sie Zweck des Assistenten, Antwortstil und Aufgabenbedingungen ausdrücklich. Ein Entwurfsauftrag kann Zielgruppe, gewünschte Länge und zu vermittelnde Fakten benennen. Eine Überarbeitung kann die Änderung von Wortlaut oder Gliederung festlegen und dabei die ursprüngliche Bedeutung bewahren.
Stellen Sie für Codeaufgaben die relevante Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Fordern Sie eine gezielte Implementierung oder Korrektur mit Tests für die von Ihnen benannten Fälle an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn in der Zielentwicklungsumgebung aus.
Die genaue 3B-Modellkarte nennt einen Kontext von 32.768 Tokens und ein Generierungskontingent von 8.192 Tokens. Weitergehende Kontextangaben der Qwen2.5-Familie gehören zu den Ausgaben und Konfigurationen, die sie beschreiben; richten Sie dieses gehostete Profil an seinem eigenen angegebenen Kontext von 32.000 Tokens aus.
Die Familiendokumentation nennt Unterstützung für mehr als 29 Sprachen. Legen Sie die gewünschte Antwortsprache fest und stellen Sie ein Glossar bereit, wenn Terminologie wichtig ist. Bewahren Sie Quellenkennzeichnungen, Mengenangaben und Kennungen unverändert, wählen Sie die für die aktuelle Aufgabe relevanten Passagen aus und lassen Sie Platz für ihr Ergebnis.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen2.5-3b-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 $0.0001 / 1K Token Ausgabe · Ausgabetoken $0.00026 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-3b-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='qwen2.5-3b-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='qwen2.5-3b-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 qwen2.5-3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
qwen2.5-3b-instructQwen2.5 3B Instruct ist ein kleines anweisungsoptimiertes Textmodell für Dialog, strukturierte Daten und Schreibaufgaben. Der Hersteller nennt 3,09 Milliarden Parameter, einen Kontext von 32.768 Tokens und ein Generierungskontingent von 8.192 Tokens; dieses gehostete Profil führt einen Kontext von 32.000 Tokens auf.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen2.5 3B Instruct ist die anweisungsoptimierte 3B-Ausgabe der Sprachmodellserie Qwen2.5. Der Hersteller nennt 3,09 Milliarden Parameter und beschreibt unter den Familienfähigkeiten das Befolgen von Anweisungen, Programmierung, Mathematik, das Verständnis strukturierter Daten und JSON-orientierte Ausgabe. Das auf dieser Karte benannte gehostete Profil nennt eine Kontextlänge von 32.000 Tokens.
Stellen Sie den Text oder die Tabelle bereit und benennen Sie die zu beantwortende Frage. Eine Extraktionsanfrage kann die Felder und den Umgang mit einem fehlenden Wert definieren. Ein Vergleich kann die zu untersuchenden Zeilen oder Passagen benennen und Quellenkennzeichnungen neben den Befunden anfordern.
Geben Sie für ein strukturiertes Ergebnis Feldnamen, Typen und ein kleines Beispiel der gewünschten Struktur an. Validieren Sie die zurückgegebene Struktur und vergleichen Sie die Werte mit dem ursprünglichen Material, bevor Sie sie in einem weiteren Vorgang verwenden. Ein klares Schema hilft bei der Definition der Aufgabe, ohne diese Prüfung zu ersetzen.
Der Hersteller beschreibt Robustheit gegenüber unterschiedlichen Systemprompts und rollenbezogenen Anweisungen. Nennen Sie Zweck des Assistenten, Antwortstil und Aufgabenbedingungen ausdrücklich. Ein Entwurfsauftrag kann Zielgruppe, gewünschte Länge und zu vermittelnde Fakten benennen. Eine Überarbeitung kann die Änderung von Wortlaut oder Gliederung festlegen und dabei die ursprüngliche Bedeutung bewahren.
Stellen Sie für Codeaufgaben die relevante Schnittstelle, repräsentative Eingaben und erwartete Ausgaben bereit. Fordern Sie eine gezielte Implementierung oder Korrektur mit Tests für die von Ihnen benannten Fälle an. Prüfen Sie den zurückgegebenen Code und führen Sie ihn in der Zielentwicklungsumgebung aus.
Die genaue 3B-Modellkarte nennt einen Kontext von 32.768 Tokens und ein Generierungskontingent von 8.192 Tokens. Weitergehende Kontextangaben der Qwen2.5-Familie gehören zu den Ausgaben und Konfigurationen, die sie beschreiben; richten Sie dieses gehostete Profil an seinem eigenen angegebenen Kontext von 32.000 Tokens aus.
Die Familiendokumentation nennt Unterstützung für mehr als 29 Sprachen. Legen Sie die gewünschte Antwortsprache fest und stellen Sie ein Glossar bereit, wenn Terminologie wichtig ist. Bewahren Sie Quellenkennzeichnungen, Mengenangaben und Kennungen unverändert, wählen Sie die für die aktuelle Aufgabe relevanten Passagen aus und lassen Sie Platz für ihr Ergebnis.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen2.5-3b-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 $0.0001 / 1K Token Ausgabe · Ausgabetoken $0.00026 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen2.5-3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-3b-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': 'qwen2.5-3b-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 qwen2.5-3b-instruct
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Create a typed stock record\n\nConvert this note into one JSON-shaped record: Item P-204 has 12 units in warehouse North. No reorder threshold is provided. Fields: item_id string, quantity integer, warehouse string, reorder_threshold integer or null. Return only the record and preserve the identifier and warehouse name exactly.A single record with the four requested fields and null for the unstated reorder threshold.Parse the result and check field types, exact identifiers and the absence of an invented threshold.