Qwen2.5-Coder-7B-Instruct es la versión de tamaño 7B ajustada para seguir instrucciones de la familia de Qwen centrada en código, antes conocida como CodeQwen. Sus tareas principales son la generación de código, el razonamiento sobre el comportamiento de programas y la reparación de código. Recibe texto, incluidos requisitos y código fuente, y devuelve texto que puede contener una implementación, una explicación o un cambio propuesto.
Capacidades de programación y entrenamiento
El desarrollador describe 5.5 billones de tokens de entrenamiento, incluidos código fuente, material que conecta texto con código y ejemplos sintéticos. La familia conserva capacidades matemáticas y lingüísticas generales junto con su especialización en programación. El anuncio de la versión distingue entre generar un programa, razonar sobre su ejecución y reparar una implementación existente; estas tareas requieren entradas diferentes y artefactos finales distintos.
Para generar código, proporciona el lenguaje de programación, la firma de la función, los tipos de entrada y el valor de retorno esperado. Incluye restricciones, como si la función puede modificar su entrada o utilizar una dependencia externa. Pide la implementación y una breve explicación de cómo cumple cada requisito. Por ejemplo, una solicitud de ordenación puede especificar que se conserven los valores duplicados y que la lista original no se modifique, y después pedir una función junto con llamadas de ejemplo para una lista vacía y una lista que contenga valores repetidos.
Para razonar sobre código, proporciona el fragmento exacto y la entrada concreta que se debe seguir. Pregunta qué ramas se ejecutan, cómo cambian los valores intermedios y qué devuelve la función. Esto resulta más útil que una petición sin enfoque de explicar un archivo entero: la respuesta conecta una entrada concreta con una ruta concreta a través del programa. Conserva junto al fragmento las funciones auxiliares a las que se llame o las definiciones de tipos pertinentes.
Para reparar código, proporciona el comportamiento que falla, el comportamiento esperado y el código que determina la diferencia. Un mensaje de error por sí solo puede dejar sin especificar la condición importante. Pide una corrección propuesta, una explicación de la causa y ejemplos que distingan el comportamiento anterior del previsto. El parche devuelto es un artefacto textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo que lo integra.
La edición 7B identificada
El modelo publicado tiene 7.61 mil millones de parámetros, incluidos 6.53 mil millones de parámetros que no son de embeddings, y 28 capas Transformer. Utiliza embeddings posicionales rotatorios, SwiGLU, RMSNorm y sesgo QKV en la atención. Su atención de consultas agrupadas tiene 28 cabezas de consulta y 4 cabezas de clave/valor. Estos detalles describen esta versión y no una edición Coder de mayor tamaño.
La familia proporciona modelos Base e Instruct independientes. Instruct está alineado para solicitudes conversacionales; Base es una base para completar texto y realizar ajustes posteriores. Esta entrada corresponde al modelo 7B ajustado para seguir instrucciones. Los ejemplos y los resultados destacados de la versión para otros tamaños no definen las capacidades ni los requisitos de recursos de esta edición.
Preparación de la instrucción
La ficha del modelo muestra una conversación con mensajes de sistema y de usuario separados y la plantilla de chat correspondiente. Sitúa las reglas duraderas de respuesta, como la forma de presentar la implementación y la explicación, separadas del código y de la tarea. Marca qué fragmento es código fuente existente, qué texto es un requisito y qué salida se debe devolver. Esto ayuda a conservar los identificadores, las interfaces y el comportamiento que debe mantener el cambio solicitado.
Una entrada útil para un asistente de desarrollo puede contener un módulo breve, su código llamante y el cambio previsto. Pide una función revisada, una lista de supuestos y entradas de ejemplo con las salidas esperadas. Para un artefacto visual generado, especifica los datos y las interacciones que se deben implementar y pide el texto fuente resultante; la familia centrada en código también muestra asistentes de código y artefactos visuales. Renderizar el artefacto sigue siendo un paso independiente de generar su código fuente.
Procesamiento de texto largo
La ficha del modelo indica un contexto completo de 131,072 tokens, mientras que la configuración publicada está inicialmente ajustada a 32,768 tokens. Procesar entradas superiores a ese ajuste requiere la extensión YaRN documentada. El ejemplo especifica un factor de escala de 4.0 y un ajuste original de posiciones máximas de 32,768. El desarrollador señala que el escalado estático puede afectar al comportamiento con textos más cortos y recomienda añadir la extensión cuando se necesiten contextos largos.
Utiliza el contexto mayor para mantener juntos el código y los requisitos relacionados, pero identifica la pregunta real: localizar una llamada incompatible, explicar un recorrido de datos o proponer un cambio dentro de una interfaz especificada. Incluye las partes que determinan el comportamiento, en lugar de material no relacionado del proyecto. Los 512 tokens generados del inicio rápido son un ajuste de ejemplo; la ficha no establece una capacidad máxima de salida independiente a partir de ese valor.
El resultado documentado del modelo es texto. Su función dentro de un agente de código depende de que la aplicación proporcione acceso al repositorio, ejecución y retroalimentación. Mantén esas operaciones separadas de la capacidad del modelo para proponer código y explicar su comportamiento, y explicita la edición 7B-Instruct exacta y los ajustes de contexto largo al planificar una tarea repetible.
", "aboutText": "Qwen2.5-Coder-7B-Instruct es la versión de tamaño 7B ajustada para seguir instrucciones de la familia de Qwen centrada en código, antes conocida como CodeQwen. Sus tareas principales son la generación de código, el razonamiento sobre el comportamiento de programas y la reparación de código. Recibe texto, incluidos requisitos y código fuente, y devuelve texto que puede contener una implementación, una explicación o un cambio propuesto.\n\nCapacidades de programación y entrenamiento\n\nEl desarrollador describe 5.5 billones de tokens de entrenamiento, incluidos código fuente, material que conecta texto con código y ejemplos sintéticos. La familia conserva capacidades matemáticas y lingüísticas generales junto con su especialización en programación. El anuncio de la versión distingue entre generar un programa, razonar sobre su ejecución y reparar una implementación existente; estas tareas requieren entradas diferentes y artefactos finales distintos.\n\nPara generar código, proporciona el lenguaje de programación, la firma de la función, los tipos de entrada y el valor de retorno esperado. Incluye restricciones, como si la función puede modificar su entrada o utilizar una dependencia externa. Pide la implementación y una breve explicación de cómo cumple cada requisito. Por ejemplo, una solicitud de ordenación puede especificar que se conserven los valores duplicados y que la lista original no se modifique, y después pedir una función junto con llamadas de ejemplo para una lista vacía y una lista que contenga valores repetidos.\n\nPara razonar sobre código, proporciona el fragmento exacto y la entrada concreta que se debe seguir. Pregunta qué ramas se ejecutan, cómo cambian los valores intermedios y qué devuelve la función. Esto resulta más útil que una petición sin enfoque de explicar un archivo entero: la respuesta conecta una entrada concreta con una ruta concreta a través del programa. Conserva junto al fragmento las funciones auxiliares a las que se llame o las definiciones de tipos pertinentes.\n\nPara reparar código, proporciona el comportamiento que falla, el comportamiento esperado y el código que determina la diferencia. Un mensaje de error por sí solo puede dejar sin especificar la condición importante. Pide una corrección propuesta, una explicación de la causa y ejemplos que distingan el comportamiento anterior del previsto. El parche devuelto es un artefacto textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo que lo integra.\n\nLa edición 7B identificada\n\nEl modelo publicado tiene 7.61 mil millones de parámetros, incluidos 6.53 mil millones de parámetros que no son de embeddings, y 28 capas Transformer. Utiliza embeddings posicionales rotatorios, SwiGLU, RMSNorm y sesgo QKV en la atención. Su atención de consultas agrupadas tiene 28 cabezas de consulta y 4 cabezas de clave/valor. Estos detalles describen esta versión y no una edición Coder de mayor tamaño.\n\nLa familia proporciona modelos Base e Instruct independientes. Instruct está alineado para solicitudes conversacionales; Base es una base para completar texto y realizar ajustes posteriores. Esta entrada corresponde al modelo 7B ajustado para seguir instrucciones. Los ejemplos y los resultados destacados de la versión para otros tamaños no definen las capacidades ni los requisitos de recursos de esta edición.\n\nPreparación de la instrucción\n\nLa ficha del modelo muestra una conversación con mensajes de sistema y de usuario separados y la plantilla de chat correspondiente. Sitúa las reglas duraderas de respuesta, como la forma de presentar la implementación y la explicación, separadas del código y de la tarea. Marca qué fragmento es código fuente existente, qué texto es un requisito y qué salida se debe devolver. Esto ayuda a conservar los identificadores, las interfaces y el comportamiento que debe mantener el cambio solicitado.\n\nUna entrada útil para un asistente de desarrollo puede contener un módulo breve, su código llamante y el cambio previsto. Pide una función revisada, una lista de supuestos y entradas de ejemplo con las salidas esperadas. Para un artefacto visual generado, especifica los datos y las interacciones que se deben implementar y pide el texto fuente resultante; la familia centrada en código también muestra asistentes de código y artefactos visuales. Renderizar el artefacto sigue siendo un paso independiente de generar su código fuente.\n\nProcesamiento de texto largo\n\nLa ficha del modelo indica un contexto completo de 131,072 tokens, mientras que la configuración publicada está inicialmente ajustada a 32,768 tokens. Procesar entradas superiores a ese ajuste requiere la extensión YaRN documentada. El ejemplo especifica un factor de escala de 4.0 y un ajuste original de posiciones máximas de 32,768. El desarrollador señala que el escalado estático puede afectar al comportamiento con textos más cortos y recomienda añadir la extensión cuando se necesiten contextos largos.\n\nUtiliza el contexto mayor para mantener juntos el código y los requisitos relacionados, pero identifica la pregunta real: localizar una llamada incompatible, explicar un recorrido de datos o proponer un cambio dentro de una interfaz especificada. Incluye las partes que determinan el comportamiento, en lugar de material no relacionado del proyecto. Los 512 tokens generados del inicio rápido son un ajuste de ejemplo; la ficha no establece una capacidad máxima de salida independiente a partir de ese valor.\n\nEl resultado documentado del modelo es texto. Su función dentro de un agente de código depende de que la aplicación proporcione acceso al repositorio, ejecución y retroalimentación. Mantén esas operaciones separadas de la capacidad del modelo para proponer código y explicar su comportamiento, y explicita la edición 7B-Instruct exacta y los ajustes de contexto largo al planificar una tarea repetible.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct es un modelo textual para generar, explicar y reparar código a partir de instrucciones. Su versión de 7.61 mil millones de parámetros admite contextos ampliados de hasta 131,072 tokens con la configuración de contexto largo documentada.
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-Coder-7B-Instruct es la versión de tamaño 7B ajustada para seguir instrucciones de la familia de Qwen centrada en código, antes conocida como CodeQwen. Sus tareas principales son la generación de código, el razonamiento sobre el comportamiento de programas y la reparación de código. Recibe texto, incluidos requisitos y código fuente, y devuelve texto que puede contener una implementación, una explicación o un cambio propuesto.
Capacidades de programación y entrenamiento
El desarrollador describe 5.5 billones de tokens de entrenamiento, incluidos código fuente, material que conecta texto con código y ejemplos sintéticos. La familia conserva capacidades matemáticas y lingüísticas generales junto con su especialización en programación. El anuncio de la versión distingue entre generar un programa, razonar sobre su ejecución y reparar una implementación existente; estas tareas requieren entradas diferentes y artefactos finales distintos.
Para generar código, proporciona el lenguaje de programación, la firma de la función, los tipos de entrada y el valor de retorno esperado. Incluye restricciones, como si la función puede modificar su entrada o utilizar una dependencia externa. Pide la implementación y una breve explicación de cómo cumple cada requisito. Por ejemplo, una solicitud de ordenación puede especificar que se conserven los valores duplicados y que la lista original no se modifique, y después pedir una función junto con llamadas de ejemplo para una lista vacía y una lista que contenga valores repetidos.
Para razonar sobre código, proporciona el fragmento exacto y la entrada concreta que se debe seguir. Pregunta qué ramas se ejecutan, cómo cambian los valores intermedios y qué devuelve la función. Esto resulta más útil que una petición sin enfoque de explicar un archivo entero: la respuesta conecta una entrada concreta con una ruta concreta a través del programa. Conserva junto al fragmento las funciones auxiliares a las que se llame o las definiciones de tipos pertinentes.
Para reparar código, proporciona el comportamiento que falla, el comportamiento esperado y el código que determina la diferencia. Un mensaje de error por sí solo puede dejar sin especificar la condición importante. Pide una corrección propuesta, una explicación de la causa y ejemplos que distingan el comportamiento anterior del previsto. El parche devuelto es un artefacto textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo que lo integra.
La edición 7B identificada
El modelo publicado tiene 7.61 mil millones de parámetros, incluidos 6.53 mil millones de parámetros que no son de embeddings, y 28 capas Transformer. Utiliza embeddings posicionales rotatorios, SwiGLU, RMSNorm y sesgo QKV en la atención. Su atención de consultas agrupadas tiene 28 cabezas de consulta y 4 cabezas de clave/valor. Estos detalles describen esta versión y no una edición Coder de mayor tamaño.
La familia proporciona modelos Base e Instruct independientes. Instruct está alineado para solicitudes conversacionales; Base es una base para completar texto y realizar ajustes posteriores. Esta entrada corresponde al modelo 7B ajustado para seguir instrucciones. Los ejemplos y los resultados destacados de la versión para otros tamaños no definen las capacidades ni los requisitos de recursos de esta edición.
Preparación de la instrucción
La ficha del modelo muestra una conversación con mensajes de sistema y de usuario separados y la plantilla de chat correspondiente. Sitúa las reglas duraderas de respuesta, como la forma de presentar la implementación y la explicación, separadas del código y de la tarea. Marca qué fragmento es código fuente existente, qué texto es un requisito y qué salida se debe devolver. Esto ayuda a conservar los identificadores, las interfaces y el comportamiento que debe mantener el cambio solicitado.
Una entrada útil para un asistente de desarrollo puede contener un módulo breve, su código llamante y el cambio previsto. Pide una función revisada, una lista de supuestos y entradas de ejemplo con las salidas esperadas. Para un artefacto visual generado, especifica los datos y las interacciones que se deben implementar y pide el texto fuente resultante; la familia centrada en código también muestra asistentes de código y artefactos visuales. Renderizar el artefacto sigue siendo un paso independiente de generar su código fuente.
Procesamiento de texto largo
La ficha del modelo indica un contexto completo de 131,072 tokens, mientras que la configuración publicada está inicialmente ajustada a 32,768 tokens. Procesar entradas superiores a ese ajuste requiere la extensión YaRN documentada. El ejemplo especifica un factor de escala de 4.0 y un ajuste original de posiciones máximas de 32,768. El desarrollador señala que el escalado estático puede afectar al comportamiento con textos más cortos y recomienda añadir la extensión cuando se necesiten contextos largos.
Utiliza el contexto mayor para mantener juntos el código y los requisitos relacionados, pero identifica la pregunta real: localizar una llamada incompatible, explicar un recorrido de datos o proponer un cambio dentro de una interfaz especificada. Incluye las partes que determinan el comportamiento, en lugar de material no relacionado del proyecto. Los 512 tokens generados del inicio rápido son un ajuste de ejemplo; la ficha no establece una capacidad máxima de salida independiente a partir de ese valor.
El resultado documentado del modelo es texto. Su función dentro de un agente de código depende de que la aplicación proporcione acceso al repositorio, ejecución y retroalimentación. Mantén esas operaciones separadas de la capacidad del modelo para proponer código y explicar su comportamiento, y explicita la edición 7B-Instruct exacta y los ajustes de contexto largo al planificar una tarea repetible.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2.5-coder-7b-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 $0.0001 / 1K tokens Salida · Tokens de salida $0.0001 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-coder-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-coder-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-coder-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 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 las cabeceras. 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-coder-7b-instruct
Usa las rutas de método indicadas arriba.
qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct es un modelo textual para generar, explicar y reparar código a partir de instrucciones. Su versión de 7.61 mil millones de parámetros admite contextos ampliados de hasta 131,072 tokens con la configuración de contexto largo documentada.
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-Coder-7B-Instruct es la versión de tamaño 7B ajustada para seguir instrucciones de la familia de Qwen centrada en código, antes conocida como CodeQwen. Sus tareas principales son la generación de código, el razonamiento sobre el comportamiento de programas y la reparación de código. Recibe texto, incluidos requisitos y código fuente, y devuelve texto que puede contener una implementación, una explicación o un cambio propuesto.
Capacidades de programación y entrenamiento
El desarrollador describe 5.5 billones de tokens de entrenamiento, incluidos código fuente, material que conecta texto con código y ejemplos sintéticos. La familia conserva capacidades matemáticas y lingüísticas generales junto con su especialización en programación. El anuncio de la versión distingue entre generar un programa, razonar sobre su ejecución y reparar una implementación existente; estas tareas requieren entradas diferentes y artefactos finales distintos.
Para generar código, proporciona el lenguaje de programación, la firma de la función, los tipos de entrada y el valor de retorno esperado. Incluye restricciones, como si la función puede modificar su entrada o utilizar una dependencia externa. Pide la implementación y una breve explicación de cómo cumple cada requisito. Por ejemplo, una solicitud de ordenación puede especificar que se conserven los valores duplicados y que la lista original no se modifique, y después pedir una función junto con llamadas de ejemplo para una lista vacía y una lista que contenga valores repetidos.
Para razonar sobre código, proporciona el fragmento exacto y la entrada concreta que se debe seguir. Pregunta qué ramas se ejecutan, cómo cambian los valores intermedios y qué devuelve la función. Esto resulta más útil que una petición sin enfoque de explicar un archivo entero: la respuesta conecta una entrada concreta con una ruta concreta a través del programa. Conserva junto al fragmento las funciones auxiliares a las que se llame o las definiciones de tipos pertinentes.
Para reparar código, proporciona el comportamiento que falla, el comportamiento esperado y el código que determina la diferencia. Un mensaje de error por sí solo puede dejar sin especificar la condición importante. Pide una corrección propuesta, una explicación de la causa y ejemplos que distingan el comportamiento anterior del previsto. El parche devuelto es un artefacto textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo que lo integra.
La edición 7B identificada
El modelo publicado tiene 7.61 mil millones de parámetros, incluidos 6.53 mil millones de parámetros que no son de embeddings, y 28 capas Transformer. Utiliza embeddings posicionales rotatorios, SwiGLU, RMSNorm y sesgo QKV en la atención. Su atención de consultas agrupadas tiene 28 cabezas de consulta y 4 cabezas de clave/valor. Estos detalles describen esta versión y no una edición Coder de mayor tamaño.
La familia proporciona modelos Base e Instruct independientes. Instruct está alineado para solicitudes conversacionales; Base es una base para completar texto y realizar ajustes posteriores. Esta entrada corresponde al modelo 7B ajustado para seguir instrucciones. Los ejemplos y los resultados destacados de la versión para otros tamaños no definen las capacidades ni los requisitos de recursos de esta edición.
Preparación de la instrucción
La ficha del modelo muestra una conversación con mensajes de sistema y de usuario separados y la plantilla de chat correspondiente. Sitúa las reglas duraderas de respuesta, como la forma de presentar la implementación y la explicación, separadas del código y de la tarea. Marca qué fragmento es código fuente existente, qué texto es un requisito y qué salida se debe devolver. Esto ayuda a conservar los identificadores, las interfaces y el comportamiento que debe mantener el cambio solicitado.
Una entrada útil para un asistente de desarrollo puede contener un módulo breve, su código llamante y el cambio previsto. Pide una función revisada, una lista de supuestos y entradas de ejemplo con las salidas esperadas. Para un artefacto visual generado, especifica los datos y las interacciones que se deben implementar y pide el texto fuente resultante; la familia centrada en código también muestra asistentes de código y artefactos visuales. Renderizar el artefacto sigue siendo un paso independiente de generar su código fuente.
Procesamiento de texto largo
La ficha del modelo indica un contexto completo de 131,072 tokens, mientras que la configuración publicada está inicialmente ajustada a 32,768 tokens. Procesar entradas superiores a ese ajuste requiere la extensión YaRN documentada. El ejemplo especifica un factor de escala de 4.0 y un ajuste original de posiciones máximas de 32,768. El desarrollador señala que el escalado estático puede afectar al comportamiento con textos más cortos y recomienda añadir la extensión cuando se necesiten contextos largos.
Utiliza el contexto mayor para mantener juntos el código y los requisitos relacionados, pero identifica la pregunta real: localizar una llamada incompatible, explicar un recorrido de datos o proponer un cambio dentro de una interfaz especificada. Incluye las partes que determinan el comportamiento, en lugar de material no relacionado del proyecto. Los 512 tokens generados del inicio rápido son un ajuste de ejemplo; la ficha no establece una capacidad máxima de salida independiente a partir de ese valor.
El resultado documentado del modelo es texto. Su función dentro de un agente de código depende de que la aplicación proporcione acceso al repositorio, ejecución y retroalimentación. Mantén esas operaciones separadas de la capacidad del modelo para proponer código y explicar su comportamiento, y explicita la edición 7B-Instruct exacta y los ajustes de contexto largo al planificar una tarea repetible.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2.5-coder-7b-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 $0.0001 / 1K tokens Salida · Tokens de salida $0.0001 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen2.5-coder-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-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-coder-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 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 las cabeceras. 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-coder-7b-instruct
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.