Qwen2.5-Math-72B-Instruct es la edición 72B ajustada para seguir instrucciones de la familia matemática Qwen2.5-Math. Su fabricante se enfoca específicamente en problemas matemáticos en inglés y chino, y describe dos enfoques: razonamiento de cadena de pensamiento y razonamiento integrado con herramientas. El modelo recibe una condición matemática escrita y devuelve texto con una derivación, explicación o solución. Su especialidad son las matemáticas, en lugar de la escritura creativa general o el procesamiento de documentos.
Capacidades matemáticas y enfoques de razonamiento
En el enfoque de razonamiento textual, la tarea solicita las definiciones pertinentes, las transformaciones justificadas y una respuesta final claramente separada. La ficha del modelo también describe el razonamiento integrado con herramientas, en el cual el razonamiento en lenguaje natural se combina con programas. El fabricante menciona encontrar las raíces de una ecuación cuadrática y calcular los valores propios de una matriz como ejemplos donde importan el cálculo preciso y la manipulación simbólica o algorítmica.
El razonamiento integrado con herramientas no es lo mismo que simplemente mostrar código en una respuesta. La demostración matemática del fabricante proporciona un entorno que puede ejecutar programas, y el resultado del cálculo participa después en la solución. Una solicitud independiente de generación de texto produce texto; una aplicación que use un flujo computacional debe proporcionar el paso de ejecución real. Esta diferencia mantiene separados el razonamiento matemático, las propuestas de programas y los resultados numéricos devueltos.
Ediciones Base, Instruct y de modelo de recompensa
La familia incluye modelos base, modelos ajustados para seguir instrucciones y un modelo de recompensa matemático independientes. La edición 72B-Instruct está pensada para instrucciones en formato de chat. La edición base Qwen2.5-Math-72B se describe como una base para completar texto y trabajar con pocos ejemplos, y como punto de partida para ajustes adicionales. El modelo de recompensa con nombre propio tiene otro papel y no debe tratarse como el generador de respuestas ordinario de este modelo.
El anuncio de la versión describe un proceso de entrenamiento especializado en matemáticas. Los modelos base usan material matemático sintetizado adicional, más datos matemáticos en chino e inicialización a partir de la base de Qwen2.5. La etapa Instruct usa ajuste fino supervisado y aprendizaje por refuerzo, con un modelo de recompensa específico de matemáticas que guía el muestreo por rechazo y la optimización posterior. El fabricante añade datos de razonamiento integrado con herramientas y datos de instrucciones en inglés y chino. Esto explica el enfoque matemático de la edición; no implica que se invoque automáticamente un verificador independiente para cada solicitud del usuario.
Preparación de la pregunta
Mantén completo el enunciado matemático. Define las variables, las restricciones de dominio y la cantidad o proposición que se debe establecer. Usa una notación coherente entre la condición original y la respuesta solicitada. Una instrucción útil puede pedir el método, las transformaciones importantes y el resultado final, con una comprobación separada contra las condiciones originales.
El inicio rápido del fabricante distingue los dos enfoques mediante las instrucciones. Una solicitud de razonamiento textual pide una solución paso a paso y una respuesta final enmarcada. Una solicitud integrada con herramientas pide al modelo combinar razonamiento en lenguaje natural con programas y conservar la misma convención de respuesta final. Son flujos matemáticos documentados, no una promesa independiente sobre las herramientas expuestas por todas las interfaces que sirven el modelo.
Como ilustración, la ecuación simple de la ficha es 4x + 5 = 6x + 7. Un diseño de salida útil separa la agrupación de los términos de la variable, el despeje de la variable y la expresión final; el resultado matemático de esa condición ilustrativa es x = -1. La sustitución da 4(-1) + 5 = 1 y 6(-1) + 7 = 1, así que ambos lados coinciden. Una solicitud más compleja puede proporcionar una matriz, pedir una derivación simbólica de sus valores propios e identificar qué cálculo numérico se delegaría al entorno computacional.
Contexto y configuración
La versión publicada describe preentrenamiento matemático con un contexto de 4K. La configuración del modelo publicada establece las posiciones máximas en 4,096, por lo que el prompt y la solución desarrollada necesitan una planificación compacta de extensión. No atribuyas a esta edición matemática el contexto mucho mayor anunciado para la línea Qwen2.5 general. Mantén juntas las condiciones pertinentes y el desarrollo matemático, y omite el material sin relación que consumiría ese espacio.
La generación de inicio rápido de la ficha usa un ajuste de ejemplo de 512 tokens. Ese valor no se presenta como una capacidad máxima de salida. Puede especificarse una longitud deseada de respuesta para la tarea, pero un límite de salida independiente debe provenir de la configuración real aplicable, en lugar de un ejemplo u otra edición de Qwen.
Límites sustantivos y resultados útiles
El fabricante recomienda esta serie para tareas matemáticas en inglés y chino, y no recomienda tareas generales fuera de esa especialización. Los pesos corresponden a modelos de generación de texto; una pregunta matemática en una imagen necesita que sus símbolos y condiciones se conviertan a texto mediante un paso visual u OCR independiente. Una demostración multimodal que combina modelos visuales y matemáticos no convierte a la edición matemática en sí en un modelo con entrada de imagen.
Para un flujo de tutoría, proporciona el intento de derivación del estudiante y marca la transición que necesita explicación. Solicita una corrección en la notación original y una respuesta final con el nivel de detalle requerido. Para un cálculo técnico, especifica si la salida debe ser exacta o aproximada, las unidades y el redondeo antes de elegir razonamiento textual o un flujo computacional. Estas preparaciones vinculan la especialización matemática del modelo con una solución concreta e inspeccionable.
", "aboutText": "Qwen2.5-Math-72B-Instruct es la edición 72B ajustada para seguir instrucciones de la familia matemática Qwen2.5-Math. Su fabricante se enfoca específicamente en problemas matemáticos en inglés y chino, y describe dos enfoques: razonamiento de cadena de pensamiento y razonamiento integrado con herramientas. El modelo recibe una condición matemática escrita y devuelve texto con una derivación, explicación o solución. Su especialidad son las matemáticas, en lugar de la escritura creativa general o el procesamiento de documentos.\n\nCapacidades matemáticas y enfoques de razonamiento\n\nEn el enfoque de razonamiento textual, la tarea solicita las definiciones pertinentes, las transformaciones justificadas y una respuesta final claramente separada. La ficha del modelo también describe el razonamiento integrado con herramientas, en el cual el razonamiento en lenguaje natural se combina con programas. El fabricante menciona encontrar las raíces de una ecuación cuadrática y calcular los valores propios de una matriz como ejemplos donde importan el cálculo preciso y la manipulación simbólica o algorítmica.\n\nEl razonamiento integrado con herramientas no es lo mismo que simplemente mostrar código en una respuesta. La demostración matemática del fabricante proporciona un entorno que puede ejecutar programas, y el resultado del cálculo participa después en la solución. Una solicitud independiente de generación de texto produce texto; una aplicación que use un flujo computacional debe proporcionar el paso de ejecución real. Esta diferencia mantiene separados el razonamiento matemático, las propuestas de programas y los resultados numéricos devueltos.\n\nEdiciones Base, Instruct y de modelo de recompensa\n\nLa familia incluye modelos base, modelos ajustados para seguir instrucciones y un modelo de recompensa matemático independientes. La edición 72B-Instruct está pensada para instrucciones en formato de chat. La edición base Qwen2.5-Math-72B se describe como una base para completar texto y trabajar con pocos ejemplos, y como punto de partida para ajustes adicionales. El modelo de recompensa con nombre propio tiene otro papel y no debe tratarse como el generador de respuestas ordinario de este modelo.\n\nEl anuncio de la versión describe un proceso de entrenamiento especializado en matemáticas. Los modelos base usan material matemático sintetizado adicional, más datos matemáticos en chino e inicialización a partir de la base de Qwen2.5. La etapa Instruct usa ajuste fino supervisado y aprendizaje por refuerzo, con un modelo de recompensa específico de matemáticas que guía el muestreo por rechazo y la optimización posterior. El fabricante añade datos de razonamiento integrado con herramientas y datos de instrucciones en inglés y chino. Esto explica el enfoque matemático de la edición; no implica que se invoque automáticamente un verificador independiente para cada solicitud del usuario.\n\nPreparación de la pregunta\n\nMantén completo el enunciado matemático. Define las variables, las restricciones de dominio y la cantidad o proposición que se debe establecer. Usa una notación coherente entre la condición original y la respuesta solicitada. Una instrucción útil puede pedir el método, las transformaciones importantes y el resultado final, con una comprobación separada contra las condiciones originales.\n\nEl inicio rápido del fabricante distingue los dos enfoques mediante las instrucciones. Una solicitud de razonamiento textual pide una solución paso a paso y una respuesta final enmarcada. Una solicitud integrada con herramientas pide al modelo combinar razonamiento en lenguaje natural con programas y conservar la misma convención de respuesta final. Son flujos matemáticos documentados, no una promesa independiente sobre las herramientas expuestas por todas las interfaces que sirven el modelo.\n\nComo ilustración, la ecuación simple de la ficha es 4x + 5 = 6x + 7. Un diseño de salida útil separa la agrupación de los términos de la variable, el despeje de la variable y la expresión final; el resultado matemático de esa condición ilustrativa es x = -1. La sustitución da 4(-1) + 5 = 1 y 6(-1) + 7 = 1, así que ambos lados coinciden. Una solicitud más compleja puede proporcionar una matriz, pedir una derivación simbólica de sus valores propios e identificar qué cálculo numérico se delegaría al entorno computacional.\n\nContexto y configuración\n\nLa versión publicada describe preentrenamiento matemático con un contexto de 4K. La configuración del modelo publicada establece las posiciones máximas en 4,096, por lo que el prompt y la solución desarrollada necesitan una planificación compacta de extensión. No atribuyas a esta edición matemática el contexto mucho mayor anunciado para la línea Qwen2.5 general. Mantén juntas las condiciones pertinentes y el desarrollo matemático, y omite el material sin relación que consumiría ese espacio.\n\nLa generación de inicio rápido de la ficha usa un ajuste de ejemplo de 512 tokens. Ese valor no se presenta como una capacidad máxima de salida. Puede especificarse una longitud deseada de respuesta para la tarea, pero un límite de salida independiente debe provenir de la configuración real aplicable, en lugar de un ejemplo u otra edición de Qwen.\n\nLímites sustantivos y resultados útiles\n\nEl fabricante recomienda esta serie para tareas matemáticas en inglés y chino, y no recomienda tareas generales fuera de esa especialización. Los pesos corresponden a modelos de generación de texto; una pregunta matemática en una imagen necesita que sus símbolos y condiciones se conviertan a texto mediante un paso visual u OCR independiente. Una demostración multimodal que combina modelos visuales y matemáticos no convierte a la edición matemática en sí en un modelo con entrada de imagen.\n\nPara un flujo de tutoría, proporciona el intento de derivación del estudiante y marca la transición que necesita explicación. Solicita una corrección en la notación original y una respuesta final con el nivel de detalle requerido. Para un cálculo técnico, especifica si la salida debe ser exacta o aproximada, las unidades y el redondeo antes de elegir razonamiento textual o un flujo computacional. Estas preparaciones vinculan la especialización matemática del modelo con una solución concreta e inspeccionable.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct es un modelo de instrucciones matemáticas para problemas en inglés y chino. Admite razonamiento desarrollado en texto y flujos matemáticos integrados con herramientas, con una configuración propia de la versión de 4K, distinta de las especificaciones de contexto largo del Qwen2.5 general.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen2.5-Math-72B-Instruct es la edición 72B ajustada para seguir instrucciones de la familia matemática Qwen2.5-Math. Su fabricante se enfoca específicamente en problemas matemáticos en inglés y chino, y describe dos enfoques: razonamiento de cadena de pensamiento y razonamiento integrado con herramientas. El modelo recibe una condición matemática escrita y devuelve texto con una derivación, explicación o solución. Su especialidad son las matemáticas, en lugar de la escritura creativa general o el procesamiento de documentos.
Capacidades matemáticas y enfoques de razonamiento
En el enfoque de razonamiento textual, la tarea solicita las definiciones pertinentes, las transformaciones justificadas y una respuesta final claramente separada. La ficha del modelo también describe el razonamiento integrado con herramientas, en el cual el razonamiento en lenguaje natural se combina con programas. El fabricante menciona encontrar las raíces de una ecuación cuadrática y calcular los valores propios de una matriz como ejemplos donde importan el cálculo preciso y la manipulación simbólica o algorítmica.
El razonamiento integrado con herramientas no es lo mismo que simplemente mostrar código en una respuesta. La demostración matemática del fabricante proporciona un entorno que puede ejecutar programas, y el resultado del cálculo participa después en la solución. Una solicitud independiente de generación de texto produce texto; una aplicación que use un flujo computacional debe proporcionar el paso de ejecución real. Esta diferencia mantiene separados el razonamiento matemático, las propuestas de programas y los resultados numéricos devueltos.
Ediciones Base, Instruct y de modelo de recompensa
La familia incluye modelos base, modelos ajustados para seguir instrucciones y un modelo de recompensa matemático independientes. La edición 72B-Instruct está pensada para instrucciones en formato de chat. La edición base Qwen2.5-Math-72B se describe como una base para completar texto y trabajar con pocos ejemplos, y como punto de partida para ajustes adicionales. El modelo de recompensa con nombre propio tiene otro papel y no debe tratarse como el generador de respuestas ordinario de este modelo.
El anuncio de la versión describe un proceso de entrenamiento especializado en matemáticas. Los modelos base usan material matemático sintetizado adicional, más datos matemáticos en chino e inicialización a partir de la base de Qwen2.5. La etapa Instruct usa ajuste fino supervisado y aprendizaje por refuerzo, con un modelo de recompensa específico de matemáticas que guía el muestreo por rechazo y la optimización posterior. El fabricante añade datos de razonamiento integrado con herramientas y datos de instrucciones en inglés y chino. Esto explica el enfoque matemático de la edición; no implica que se invoque automáticamente un verificador independiente para cada solicitud del usuario.
Preparación de la pregunta
Mantén completo el enunciado matemático. Define las variables, las restricciones de dominio y la cantidad o proposición que se debe establecer. Usa una notación coherente entre la condición original y la respuesta solicitada. Una instrucción útil puede pedir el método, las transformaciones importantes y el resultado final, con una comprobación separada contra las condiciones originales.
El inicio rápido del fabricante distingue los dos enfoques mediante las instrucciones. Una solicitud de razonamiento textual pide una solución paso a paso y una respuesta final enmarcada. Una solicitud integrada con herramientas pide al modelo combinar razonamiento en lenguaje natural con programas y conservar la misma convención de respuesta final. Son flujos matemáticos documentados, no una promesa independiente sobre las herramientas expuestas por todas las interfaces que sirven el modelo.
Como ilustración, la ecuación simple de la ficha es 4x + 5 = 6x + 7. Un diseño de salida útil separa la agrupación de los términos de la variable, el despeje de la variable y la expresión final; el resultado matemático de esa condición ilustrativa es x = -1. La sustitución da 4(-1) + 5 = 1 y 6(-1) + 7 = 1, así que ambos lados coinciden. Una solicitud más compleja puede proporcionar una matriz, pedir una derivación simbólica de sus valores propios e identificar qué cálculo numérico se delegaría al entorno computacional.
Contexto y configuración
La versión publicada describe preentrenamiento matemático con un contexto de 4K. La configuración del modelo publicada establece las posiciones máximas en 4,096, por lo que el prompt y la solución desarrollada necesitan una planificación compacta de extensión. No atribuyas a esta edición matemática el contexto mucho mayor anunciado para la línea Qwen2.5 general. Mantén juntas las condiciones pertinentes y el desarrollo matemático, y omite el material sin relación que consumiría ese espacio.
La generación de inicio rápido de la ficha usa un ajuste de ejemplo de 512 tokens. Ese valor no se presenta como una capacidad máxima de salida. Puede especificarse una longitud deseada de respuesta para la tarea, pero un límite de salida independiente debe provenir de la configuración real aplicable, en lugar de un ejemplo u otra edición de Qwen.
Límites sustantivos y resultados útiles
El fabricante recomienda esta serie para tareas matemáticas en inglés y chino, y no recomienda tareas generales fuera de esa especialización. Los pesos corresponden a modelos de generación de texto; una pregunta matemática en una imagen necesita que sus símbolos y condiciones se conviertan a texto mediante un paso visual u OCR independiente. Una demostración multimodal que combina modelos visuales y matemáticos no convierte a la edición matemática en sí en un modelo con entrada de imagen.
Para un flujo de tutoría, proporciona el intento de derivación del estudiante y marca la transición que necesita explicación. Solicita una corrección en la notación original y una respuesta final con el nivel de detalle requerido. Para un cálculo técnico, especifica si la salida debe ser exacta o aproximada, las unidades y el redondeo antes de elegir razonamiento textual o un flujo computacional. Estas preparaciones vinculan la especialización matemática del modelo con una solución concreta e inspeccionable.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2.5-math-72b-instruct | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.001144 / 1K tokens Salida · Tokens de salida $0.00344 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-math-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen2.5-math-72b-instruct
Usa las rutas de método indicadas arriba.
qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct es un modelo de instrucciones matemáticas para problemas en inglés y chino. Admite razonamiento desarrollado en texto y flujos matemáticos integrados con herramientas, con una configuración propia de la versión de 4K, distinta de las especificaciones de contexto largo del Qwen2.5 general.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen2.5-Math-72B-Instruct es la edición 72B ajustada para seguir instrucciones de la familia matemática Qwen2.5-Math. Su fabricante se enfoca específicamente en problemas matemáticos en inglés y chino, y describe dos enfoques: razonamiento de cadena de pensamiento y razonamiento integrado con herramientas. El modelo recibe una condición matemática escrita y devuelve texto con una derivación, explicación o solución. Su especialidad son las matemáticas, en lugar de la escritura creativa general o el procesamiento de documentos.
Capacidades matemáticas y enfoques de razonamiento
En el enfoque de razonamiento textual, la tarea solicita las definiciones pertinentes, las transformaciones justificadas y una respuesta final claramente separada. La ficha del modelo también describe el razonamiento integrado con herramientas, en el cual el razonamiento en lenguaje natural se combina con programas. El fabricante menciona encontrar las raíces de una ecuación cuadrática y calcular los valores propios de una matriz como ejemplos donde importan el cálculo preciso y la manipulación simbólica o algorítmica.
El razonamiento integrado con herramientas no es lo mismo que simplemente mostrar código en una respuesta. La demostración matemática del fabricante proporciona un entorno que puede ejecutar programas, y el resultado del cálculo participa después en la solución. Una solicitud independiente de generación de texto produce texto; una aplicación que use un flujo computacional debe proporcionar el paso de ejecución real. Esta diferencia mantiene separados el razonamiento matemático, las propuestas de programas y los resultados numéricos devueltos.
Ediciones Base, Instruct y de modelo de recompensa
La familia incluye modelos base, modelos ajustados para seguir instrucciones y un modelo de recompensa matemático independientes. La edición 72B-Instruct está pensada para instrucciones en formato de chat. La edición base Qwen2.5-Math-72B se describe como una base para completar texto y trabajar con pocos ejemplos, y como punto de partida para ajustes adicionales. El modelo de recompensa con nombre propio tiene otro papel y no debe tratarse como el generador de respuestas ordinario de este modelo.
El anuncio de la versión describe un proceso de entrenamiento especializado en matemáticas. Los modelos base usan material matemático sintetizado adicional, más datos matemáticos en chino e inicialización a partir de la base de Qwen2.5. La etapa Instruct usa ajuste fino supervisado y aprendizaje por refuerzo, con un modelo de recompensa específico de matemáticas que guía el muestreo por rechazo y la optimización posterior. El fabricante añade datos de razonamiento integrado con herramientas y datos de instrucciones en inglés y chino. Esto explica el enfoque matemático de la edición; no implica que se invoque automáticamente un verificador independiente para cada solicitud del usuario.
Preparación de la pregunta
Mantén completo el enunciado matemático. Define las variables, las restricciones de dominio y la cantidad o proposición que se debe establecer. Usa una notación coherente entre la condición original y la respuesta solicitada. Una instrucción útil puede pedir el método, las transformaciones importantes y el resultado final, con una comprobación separada contra las condiciones originales.
El inicio rápido del fabricante distingue los dos enfoques mediante las instrucciones. Una solicitud de razonamiento textual pide una solución paso a paso y una respuesta final enmarcada. Una solicitud integrada con herramientas pide al modelo combinar razonamiento en lenguaje natural con programas y conservar la misma convención de respuesta final. Son flujos matemáticos documentados, no una promesa independiente sobre las herramientas expuestas por todas las interfaces que sirven el modelo.
Como ilustración, la ecuación simple de la ficha es 4x + 5 = 6x + 7. Un diseño de salida útil separa la agrupación de los términos de la variable, el despeje de la variable y la expresión final; el resultado matemático de esa condición ilustrativa es x = -1. La sustitución da 4(-1) + 5 = 1 y 6(-1) + 7 = 1, así que ambos lados coinciden. Una solicitud más compleja puede proporcionar una matriz, pedir una derivación simbólica de sus valores propios e identificar qué cálculo numérico se delegaría al entorno computacional.
Contexto y configuración
La versión publicada describe preentrenamiento matemático con un contexto de 4K. La configuración del modelo publicada establece las posiciones máximas en 4,096, por lo que el prompt y la solución desarrollada necesitan una planificación compacta de extensión. No atribuyas a esta edición matemática el contexto mucho mayor anunciado para la línea Qwen2.5 general. Mantén juntas las condiciones pertinentes y el desarrollo matemático, y omite el material sin relación que consumiría ese espacio.
La generación de inicio rápido de la ficha usa un ajuste de ejemplo de 512 tokens. Ese valor no se presenta como una capacidad máxima de salida. Puede especificarse una longitud deseada de respuesta para la tarea, pero un límite de salida independiente debe provenir de la configuración real aplicable, en lugar de un ejemplo u otra edición de Qwen.
Límites sustantivos y resultados útiles
El fabricante recomienda esta serie para tareas matemáticas en inglés y chino, y no recomienda tareas generales fuera de esa especialización. Los pesos corresponden a modelos de generación de texto; una pregunta matemática en una imagen necesita que sus símbolos y condiciones se conviertan a texto mediante un paso visual u OCR independiente. Una demostración multimodal que combina modelos visuales y matemáticos no convierte a la edición matemática en sí en un modelo con entrada de imagen.
Para un flujo de tutoría, proporciona el intento de derivación del estudiante y marca la transición que necesita explicación. Solicita una corrección en la notación original y una respuesta final con el nivel de detalle requerido. Para un cálculo técnico, especifica si la salida debe ser exacta o aproximada, las unidades y el redondeo antes de elegir razonamiento textual o un flujo computacional. Estas preparaciones vinculan la especialización matemática del modelo con una solución concreta e inspeccionable.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2.5-math-72b-instruct | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.001144 / 1K tokens Salida · Tokens de salida $0.00344 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen2.5-math-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen2.5-math-72b-instruct
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.