Qwen2.5-Math-7B-Instruct es el modelo 7B de Alibaba ajustado para seguir instrucciones de resolución de problemas matemáticos. Recibe un problema textual y produce una solución escrita. La serie Qwen2.5-Math se centra en las matemáticas en inglés y chino; el fabricante recomienda este ámbito matemático frente a tareas generales no relacionadas. La edición Instruct está pensada para un formato de instrucciones conversacionales, mientras que Qwen2.5-Math-7B es la edición base independiente utilizada para completar texto, realizar inferencia con pocos ejemplos y llevar a cabo ajustes adicionales.
El modelo admite dos enfoques documentados: Chain-of-Thought (CoT) y Tool-integrated Reasoning (TIR). CoT desarrolla la solución mediante una secuencia de pasos escritos. El fabricante señala que CoT puede tener dificultades con el cálculo preciso y los problemas matemáticos o algorítmicos complejos; TIR está destinado a mejorar el cálculo exacto y el trabajo simbólico. TIR combina el razonamiento en lenguaje natural con programas para cálculo, operaciones simbólicas o trabajo algorítmico. Esa distinción importa en un problema en el que el cálculo numérico sea tan importante como la explicación. El desarrollador demuestra TIR con ejecución local de código: un intérprete conectado realiza los cálculos del programa y el flujo de razonamiento utiliza esos resultados. Una solicitud de razonamiento basado en programas, por sí sola, no ejecuta el programa.
La especialización matemática incluye datos de instrucciones en chino e inglés y datos de razonamiento integrado con herramientas en el posentrenamiento. La configuración publicada de 7B-Instruct establece una ventana posicional de 4,096 tokens. Prepara un enunciado centrado en el problema, con las definiciones y los pasos intermedios necesarios, dejando espacio para la solución resultante. La entrada y la salida documentadas del modelo son texto, así que presenta por escrito las expresiones, las condiciones y las etiquetas de los diagramas pertinentes.
Para una solución desarrollada, proporciona la pregunta completa, los valores conocidos, el dominio de cada variable y lo que se debe encontrar o demostrar. Pide el método elegido, las transformaciones justificadas y el resultado final en la notación que necesites. Los ejemplos del fabricante distinguen entre un prompt de razonamiento paso a paso y otro que pide al modelo integrar el razonamiento con programas; ambos solicitan la respuesta final en el formato LaTeX \\boxed{}. Puedes especificar una respuesta simbólica exacta o un resultado numérico con una precisión indicada, según el problema.
Para un flujo de tutoría o comprobación, incluye los pasos intermedios del estudiante e identifica el punto que necesita examinarse. Una tarea ilustrativa es comparar dos transformaciones algebraicas propuestas, explicar la condición en la que cada una es válida y sustituir el valor resultante en la ecuación original. En problemas con varios casos, indica los intervalos permitidos y pide que se trate cada caso de forma explícita. Así se obtiene un artefacto de revisión concreto: el problema, un método propuesto, los pasos que se deben inspeccionar y una respuesta final que se puede contrastar con las condiciones originales.
Si tu flujo de trabajo matemático incluye un intérprete, especifica el cálculo que debe realizar el programa y conserva su resultado real junto con la explicación. Mantén visible en la salida la distinción entre un programa propuesto y un cálculo completado. Para un ejercicio solo de texto, pide un desarrollo escrito y una comprobación por sustitución independiente. Estas instrucciones aprovechan la especialización matemática del modelo sin convertir cada problema en una conversación sin restricciones.
", "aboutText": "Qwen2.5-Math-7B-Instruct es el modelo 7B de Alibaba ajustado para seguir instrucciones de resolución de problemas matemáticos. Recibe un problema textual y produce una solución escrita. La serie Qwen2.5-Math se centra en las matemáticas en inglés y chino; el fabricante recomienda este ámbito matemático frente a tareas generales no relacionadas. La edición Instruct está pensada para un formato de instrucciones conversacionales, mientras que Qwen2.5-Math-7B es la edición base independiente utilizada para completar texto, realizar inferencia con pocos ejemplos y llevar a cabo ajustes adicionales.\n\nEl modelo admite dos enfoques documentados: Chain-of-Thought (CoT) y Tool-integrated Reasoning (TIR). CoT desarrolla la solución mediante una secuencia de pasos escritos. El fabricante señala que CoT puede tener dificultades con el cálculo preciso y los problemas matemáticos o algorítmicos complejos; TIR está destinado a mejorar el cálculo exacto y el trabajo simbólico. TIR combina el razonamiento en lenguaje natural con programas para cálculo, operaciones simbólicas o trabajo algorítmico. Esa distinción importa en un problema en el que el cálculo numérico sea tan importante como la explicación. El desarrollador demuestra TIR con ejecución local de código: un intérprete conectado realiza los cálculos del programa y el flujo de razonamiento utiliza esos resultados. Una solicitud de razonamiento basado en programas, por sí sola, no ejecuta el programa.\n\nLa especialización matemática incluye datos de instrucciones en chino e inglés y datos de razonamiento integrado con herramientas en el posentrenamiento. La configuración publicada de 7B-Instruct establece una ventana posicional de 4,096 tokens. Prepara un enunciado centrado en el problema, con las definiciones y los pasos intermedios necesarios, dejando espacio para la solución resultante. La entrada y la salida documentadas del modelo son texto, así que presenta por escrito las expresiones, las condiciones y las etiquetas de los diagramas pertinentes.\n\nPara una solución desarrollada, proporciona la pregunta completa, los valores conocidos, el dominio de cada variable y lo que se debe encontrar o demostrar. Pide el método elegido, las transformaciones justificadas y el resultado final en la notación que necesites. Los ejemplos del fabricante distinguen entre un prompt de razonamiento paso a paso y otro que pide al modelo integrar el razonamiento con programas; ambos solicitan la respuesta final en el formato LaTeX \\boxed{}. Puedes especificar una respuesta simbólica exacta o un resultado numérico con una precisión indicada, según el problema.\n\nPara un flujo de tutoría o comprobación, incluye los pasos intermedios del estudiante e identifica el punto que necesita examinarse. Una tarea ilustrativa es comparar dos transformaciones algebraicas propuestas, explicar la condición en la que cada una es válida y sustituir el valor resultante en la ecuación original. En problemas con varios casos, indica los intervalos permitidos y pide que se trate cada caso de forma explícita. Así se obtiene un artefacto de revisión concreto: el problema, un método propuesto, los pasos que se deben inspeccionar y una respuesta final que se puede contrastar con las condiciones originales.\n\nSi tu flujo de trabajo matemático incluye un intérprete, especifica el cálculo que debe realizar el programa y conserva su resultado real junto con la explicación. Mantén visible en la salida la distinción entre un programa propuesto y un cálculo completado. Para un ejercicio solo de texto, pide un desarrollo escrito y una comprobación por sustitución independiente. Estas instrucciones aprovechan la especialización matemática del modelo sin convertir cada problema en una conversación sin restricciones.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Check an algebraic cancellation against its domain\n\nSolve (x squared - 9) divided by (x - 3) = 6 over the real numbers. State the original domain restriction before simplifying, show the algebra and check any candidate against the original expression. Finish with the solution set. Use a written derivation only; no calculator or interpreter is available.A domain restriction, justified simplification, candidate check and separate final solution set.The cancelled factor's restriction x != 3 survives, so an excluded candidate is not accepted as a solution.qwen2.5-math-7b-instructModelo matemático de 7B de Alibaba ajustado a instrucciones, para problemas en inglés y chino. Admite razonamiento textual paso a paso y razonamiento integrado con herramientas, combinando explicaciones y programas cuando hay un intérprete conectado.
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-7B-Instruct es el modelo 7B de Alibaba ajustado para seguir instrucciones de resolución de problemas matemáticos. Recibe un problema textual y produce una solución escrita. La serie Qwen2.5-Math se centra en las matemáticas en inglés y chino; el fabricante recomienda este ámbito matemático frente a tareas generales no relacionadas. La edición Instruct está pensada para un formato de instrucciones conversacionales, mientras que Qwen2.5-Math-7B es la edición base independiente utilizada para completar texto, realizar inferencia con pocos ejemplos y llevar a cabo ajustes adicionales.
El modelo admite dos enfoques documentados: Chain-of-Thought (CoT) y Tool-integrated Reasoning (TIR). CoT desarrolla la solución mediante una secuencia de pasos escritos. El fabricante señala que CoT puede tener dificultades con el cálculo preciso y los problemas matemáticos o algorítmicos complejos; TIR está destinado a mejorar el cálculo exacto y el trabajo simbólico. TIR combina el razonamiento en lenguaje natural con programas para cálculo, operaciones simbólicas o trabajo algorítmico. Esa distinción importa en un problema en el que el cálculo numérico sea tan importante como la explicación. El desarrollador demuestra TIR con ejecución local de código: un intérprete conectado realiza los cálculos del programa y el flujo de razonamiento utiliza esos resultados. Una solicitud de razonamiento basado en programas, por sí sola, no ejecuta el programa.
La especialización matemática incluye datos de instrucciones en chino e inglés y datos de razonamiento integrado con herramientas en el posentrenamiento. La configuración publicada de 7B-Instruct establece una ventana posicional de 4,096 tokens. Prepara un enunciado centrado en el problema, con las definiciones y los pasos intermedios necesarios, dejando espacio para la solución resultante. La entrada y la salida documentadas del modelo son texto, así que presenta por escrito las expresiones, las condiciones y las etiquetas de los diagramas pertinentes.
Para una solución desarrollada, proporciona la pregunta completa, los valores conocidos, el dominio de cada variable y lo que se debe encontrar o demostrar. Pide el método elegido, las transformaciones justificadas y el resultado final en la notación que necesites. Los ejemplos del fabricante distinguen entre un prompt de razonamiento paso a paso y otro que pide al modelo integrar el razonamiento con programas; ambos solicitan la respuesta final en el formato LaTeX \\boxed{}. Puedes especificar una respuesta simbólica exacta o un resultado numérico con una precisión indicada, según el problema.
Para un flujo de tutoría o comprobación, incluye los pasos intermedios del estudiante e identifica el punto que necesita examinarse. Una tarea ilustrativa es comparar dos transformaciones algebraicas propuestas, explicar la condición en la que cada una es válida y sustituir el valor resultante en la ecuación original. En problemas con varios casos, indica los intervalos permitidos y pide que se trate cada caso de forma explícita. Así se obtiene un artefacto de revisión concreto: el problema, un método propuesto, los pasos que se deben inspeccionar y una respuesta final que se puede contrastar con las condiciones originales.
Si tu flujo de trabajo matemático incluye un intérprete, especifica el cálculo que debe realizar el programa y conserva su resultado real junto con la explicación. Mantén visible en la salida la distinción entre un programa propuesto y un cálculo completado. Para un ejercicio solo de texto, pide un desarrollo escrito y una comprobación por sustitución independiente. Estas instrucciones aprovechan la especialización matemática del modelo sin convertir cada problema en una conversación sin restricciones.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2.5-math-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 $0.000286 / 1K tokens Salida · Tokens de salida $0.000572 / 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-math-7b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-math-7b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-math-7b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-math-7b-instruct
Usa las rutas de método indicadas arriba.
qwen2.5-math-7b-instructModelo matemático de 7B de Alibaba ajustado a instrucciones, para problemas en inglés y chino. Admite razonamiento textual paso a paso y razonamiento integrado con herramientas, combinando explicaciones y programas cuando hay un intérprete conectado.
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-7B-Instruct es el modelo 7B de Alibaba ajustado para seguir instrucciones de resolución de problemas matemáticos. Recibe un problema textual y produce una solución escrita. La serie Qwen2.5-Math se centra en las matemáticas en inglés y chino; el fabricante recomienda este ámbito matemático frente a tareas generales no relacionadas. La edición Instruct está pensada para un formato de instrucciones conversacionales, mientras que Qwen2.5-Math-7B es la edición base independiente utilizada para completar texto, realizar inferencia con pocos ejemplos y llevar a cabo ajustes adicionales.
El modelo admite dos enfoques documentados: Chain-of-Thought (CoT) y Tool-integrated Reasoning (TIR). CoT desarrolla la solución mediante una secuencia de pasos escritos. El fabricante señala que CoT puede tener dificultades con el cálculo preciso y los problemas matemáticos o algorítmicos complejos; TIR está destinado a mejorar el cálculo exacto y el trabajo simbólico. TIR combina el razonamiento en lenguaje natural con programas para cálculo, operaciones simbólicas o trabajo algorítmico. Esa distinción importa en un problema en el que el cálculo numérico sea tan importante como la explicación. El desarrollador demuestra TIR con ejecución local de código: un intérprete conectado realiza los cálculos del programa y el flujo de razonamiento utiliza esos resultados. Una solicitud de razonamiento basado en programas, por sí sola, no ejecuta el programa.
La especialización matemática incluye datos de instrucciones en chino e inglés y datos de razonamiento integrado con herramientas en el posentrenamiento. La configuración publicada de 7B-Instruct establece una ventana posicional de 4,096 tokens. Prepara un enunciado centrado en el problema, con las definiciones y los pasos intermedios necesarios, dejando espacio para la solución resultante. La entrada y la salida documentadas del modelo son texto, así que presenta por escrito las expresiones, las condiciones y las etiquetas de los diagramas pertinentes.
Para una solución desarrollada, proporciona la pregunta completa, los valores conocidos, el dominio de cada variable y lo que se debe encontrar o demostrar. Pide el método elegido, las transformaciones justificadas y el resultado final en la notación que necesites. Los ejemplos del fabricante distinguen entre un prompt de razonamiento paso a paso y otro que pide al modelo integrar el razonamiento con programas; ambos solicitan la respuesta final en el formato LaTeX \\boxed{}. Puedes especificar una respuesta simbólica exacta o un resultado numérico con una precisión indicada, según el problema.
Para un flujo de tutoría o comprobación, incluye los pasos intermedios del estudiante e identifica el punto que necesita examinarse. Una tarea ilustrativa es comparar dos transformaciones algebraicas propuestas, explicar la condición en la que cada una es válida y sustituir el valor resultante en la ecuación original. En problemas con varios casos, indica los intervalos permitidos y pide que se trate cada caso de forma explícita. Así se obtiene un artefacto de revisión concreto: el problema, un método propuesto, los pasos que se deben inspeccionar y una respuesta final que se puede contrastar con las condiciones originales.
Si tu flujo de trabajo matemático incluye un intérprete, especifica el cálculo que debe realizar el programa y conserva su resultado real junto con la explicación. Mantén visible en la salida la distinción entre un programa propuesto y un cálculo completado. Para un ejercicio solo de texto, pide un desarrollo escrito y una comprobación por sustitución independiente. Estas instrucciones aprovechan la especialización matemática del modelo sin convertir cada problema en una conversación sin restricciones.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2.5-math-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 $0.000286 / 1K tokens Salida · Tokens de salida $0.000572 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen2.5-math-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-7b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-7b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-math-7b-instruct
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Check an algebraic cancellation against its domain\n\nSolve (x squared - 9) divided by (x - 3) = 6 over the real numbers. State the original domain restriction before simplifying, show the algebra and check any candidate against the original expression. Finish with the solution set. Use a written derivation only; no calculator or interpreter is available.A domain restriction, justified simplification, candidate check and separate final solution set.The cancelled factor's restriction x != 3 survives, so an excluded candidate is not accepted as a solution.