Qwen2 72B Instruct es la edición 72B ajustada para seguir instrucciones de la serie de modelos de lenguaje Qwen2. La ficha del fabricante abarca comprensión y generación del lenguaje, texto multilingüe, programación, matemáticas y razonamiento. El perfil alojado exacto de esta ficha indica una longitud de contexto de 32,000 tokens.
Proporciona el texto pertinente e indica el resultado que necesitas. Una tarea documental puede pedir los requisitos de un pasaje, una comparación entre dos fragmentos etiquetados o una explicación para un público concreto. Especifica los detalles que deben permanecer intactos, como cantidades, nombres e identificadores de fuentes.
Para reescribir, proporciona el pasaje original y describe el cambio: una redacción más breve, una organización más clara o un tono diferente. Pide el texto revisado seguido de cualquier cambio que afecte al significado. Unos límites de edición precisos facilitan la comparación del resultado con el original.
Un prompt de código puede incluir la interfaz, entradas representativas y salidas esperadas. Pide la implementación y las pruebas para los casos que nombres. Para una corrección, proporciona el fallo exacto y pregunta qué parte del código suministrado lo explica antes de pedir un cambio.
Para un cálculo o problema lógico, indica los supuestos y la precisión deseada. Pide el resultado con las relaciones o las pruebas necesarias para comprobarlo. La respuesta devuelta sigue siendo una propuesta que se debe inspeccionar frente a las entradas reales y las condiciones de aceptación de la tarea.
El desarrollador describe compatibilidad con hasta 131,072 tokens mediante una receta de despliegue para texto largo. Esa receta utiliza escalado YaRN para entradas superiores a 32,768 tokens. La ficha del modelo también señala que el escalado estático puede afectar al rendimiento con textos más cortos y recomienda habilitarlo cuando se requiera contexto largo.
Son detalles de despliegue del fabricante; prepara una solicitud para este perfil alojado según su propio contexto indicado de 32,000 tokens. Selecciona los pasajes y el código pertinentes para la pregunta actual, conserva las decisiones anteriores que la afecten y deja espacio para la respuesta. Un despliegue de contexto más largo debe planificarse según la configuración que se esté utilizando realmente.
", "aboutText": "Qwen2 72B Instruct es la edición 72B ajustada para seguir instrucciones de la serie de modelos de lenguaje Qwen2. La ficha del fabricante abarca comprensión y generación del lenguaje, texto multilingüe, programación, matemáticas y razonamiento. El perfil alojado exacto de esta ficha indica una longitud de contexto de 32,000 tokens.\n\n### Da a la conversación un propósito definido\n\nProporciona el texto pertinente e indica el resultado que necesitas. Una tarea documental puede pedir los requisitos de un pasaje, una comparación entre dos fragmentos etiquetados o una explicación para un público concreto. Especifica los detalles que deben permanecer intactos, como cantidades, nombres e identificadores de fuentes.\n\nPara reescribir, proporciona el pasaje original y describe el cambio: una redacción más breve, una organización más clara o un tono diferente. Pide el texto revisado seguido de cualquier cambio que afecte al significado. Unos límites de edición precisos facilitan la comparación del resultado con el original.\n\n### Prepara una pregunta de programación o razonamiento\n\nUn prompt de código puede incluir la interfaz, entradas representativas y salidas esperadas. Pide la implementación y las pruebas para los casos que nombres. Para una corrección, proporciona el fallo exacto y pregunta qué parte del código suministrado lo explica antes de pedir un cambio.\n\nPara un cálculo o problema lógico, indica los supuestos y la precisión deseada. Pide el resultado con las relaciones o las pruebas necesarias para comprobarlo. La respuesta devuelta sigue siendo una propuesta que se debe inspeccionar frente a las entradas reales y las condiciones de aceptación de la tarea.\n\n### Distingue el contexto largo alojado del configurado\n\nEl desarrollador describe compatibilidad con hasta 131,072 tokens mediante una receta de despliegue para texto largo. Esa receta utiliza escalado YaRN para entradas superiores a 32,768 tokens. La ficha del modelo también señala que el escalado estático puede afectar al rendimiento con textos más cortos y recomienda habilitarlo cuando se requiera contexto largo.\n\nSon detalles de despliegue del fabricante; prepara una solicitud para este perfil alojado según su propio contexto indicado de 32,000 tokens. Selecciona los pasajes y el código pertinentes para la pregunta actual, conserva las decisiones anteriores que la afecten y deja espacio para la respuesta. Un despliegue de contexto más largo debe planificarse según la configuración que se esté utilizando realmente.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Clarify a conditional policy notice\n\nRewrite this notice in plain English: “Requests received after 16:00 are processed on the next business day unless the team has confirmed an exception in writing.” Keep both the cutoff and the written-exception condition. Return the revised notice followed by one sentence explaining any change in meaning; say explicitly if there is none.A clearer notice and a separate meaning-change note.Check that the revision does not promise same-day processing or remove the requirement for a written exception.qwen2-72b-instructQwen2 72B Instruct es el modelo textual Qwen2 72B ajustado para seguir instrucciones de diálogo, explicación y trabajo con código. Su perfil alojado identificado indica un contexto de 32,000 tokens; la receta de contexto más largo del desarrollador es una configuración de servicio independiente.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen2 72B Instruct es la edición 72B ajustada para seguir instrucciones de la serie de modelos de lenguaje Qwen2. La ficha del fabricante abarca comprensión y generación del lenguaje, texto multilingüe, programación, matemáticas y razonamiento. El perfil alojado exacto de esta ficha indica una longitud de contexto de 32,000 tokens.
Proporciona el texto pertinente e indica el resultado que necesitas. Una tarea documental puede pedir los requisitos de un pasaje, una comparación entre dos fragmentos etiquetados o una explicación para un público concreto. Especifica los detalles que deben permanecer intactos, como cantidades, nombres e identificadores de fuentes.
Para reescribir, proporciona el pasaje original y describe el cambio: una redacción más breve, una organización más clara o un tono diferente. Pide el texto revisado seguido de cualquier cambio que afecte al significado. Unos límites de edición precisos facilitan la comparación del resultado con el original.
Un prompt de código puede incluir la interfaz, entradas representativas y salidas esperadas. Pide la implementación y las pruebas para los casos que nombres. Para una corrección, proporciona el fallo exacto y pregunta qué parte del código suministrado lo explica antes de pedir un cambio.
Para un cálculo o problema lógico, indica los supuestos y la precisión deseada. Pide el resultado con las relaciones o las pruebas necesarias para comprobarlo. La respuesta devuelta sigue siendo una propuesta que se debe inspeccionar frente a las entradas reales y las condiciones de aceptación de la tarea.
El desarrollador describe compatibilidad con hasta 131,072 tokens mediante una receta de despliegue para texto largo. Esa receta utiliza escalado YaRN para entradas superiores a 32,768 tokens. La ficha del modelo también señala que el escalado estático puede afectar al rendimiento con textos más cortos y recomienda habilitarlo cuando se requiera contexto largo.
Son detalles de despliegue del fabricante; prepara una solicitud para este perfil alojado según su propio contexto indicado de 32,000 tokens. Selecciona los pasajes y el código pertinentes para la pregunta actual, conserva las decisiones anteriores que la afecten y deja espacio para la respuesta. Un despliegue de contexto más largo debe planificarse según la configuración que se esté utilizando realmente.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2-72b-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 $0.00116 / 1K tokens Salida · Tokens de salida $0.00344 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-72b-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='qwen2-72b-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='qwen2-72b-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 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 qwen2-72b-instruct
Usa las rutas de método indicadas arriba.
qwen2-72b-instructQwen2 72B Instruct es el modelo textual Qwen2 72B ajustado para seguir instrucciones de diálogo, explicación y trabajo con código. Su perfil alojado identificado indica un contexto de 32,000 tokens; la receta de contexto más largo del desarrollador es una configuración de servicio independiente.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen2 72B Instruct es la edición 72B ajustada para seguir instrucciones de la serie de modelos de lenguaje Qwen2. La ficha del fabricante abarca comprensión y generación del lenguaje, texto multilingüe, programación, matemáticas y razonamiento. El perfil alojado exacto de esta ficha indica una longitud de contexto de 32,000 tokens.
Proporciona el texto pertinente e indica el resultado que necesitas. Una tarea documental puede pedir los requisitos de un pasaje, una comparación entre dos fragmentos etiquetados o una explicación para un público concreto. Especifica los detalles que deben permanecer intactos, como cantidades, nombres e identificadores de fuentes.
Para reescribir, proporciona el pasaje original y describe el cambio: una redacción más breve, una organización más clara o un tono diferente. Pide el texto revisado seguido de cualquier cambio que afecte al significado. Unos límites de edición precisos facilitan la comparación del resultado con el original.
Un prompt de código puede incluir la interfaz, entradas representativas y salidas esperadas. Pide la implementación y las pruebas para los casos que nombres. Para una corrección, proporciona el fallo exacto y pregunta qué parte del código suministrado lo explica antes de pedir un cambio.
Para un cálculo o problema lógico, indica los supuestos y la precisión deseada. Pide el resultado con las relaciones o las pruebas necesarias para comprobarlo. La respuesta devuelta sigue siendo una propuesta que se debe inspeccionar frente a las entradas reales y las condiciones de aceptación de la tarea.
El desarrollador describe compatibilidad con hasta 131,072 tokens mediante una receta de despliegue para texto largo. Esa receta utiliza escalado YaRN para entradas superiores a 32,768 tokens. La ficha del modelo también señala que el escalado estático puede afectar al rendimiento con textos más cortos y recomienda habilitarlo cuando se requiera contexto largo.
Son detalles de despliegue del fabricante; prepara una solicitud para este perfil alojado según su propio contexto indicado de 32,000 tokens. Selecciona los pasajes y el código pertinentes para la pregunta actual, conserva las decisiones anteriores que la afecten y deja espacio para la respuesta. Un despliegue de contexto más largo debe planificarse según la configuración que se esté utilizando realmente.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen2-72b-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 $0.00116 / 1K tokens Salida · Tokens de salida $0.00344 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen2-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2-72b-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': 'qwen2-72b-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 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 qwen2-72b-instruct
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Clarify a conditional policy notice\n\nRewrite this notice in plain English: “Requests received after 16:00 are processed on the next business day unless the team has confirmed an exception in writing.” Keep both the cutoff and the written-exception condition. Return the revised notice followed by one sentence explaining any change in meaning; say explicitly if there is none.A clearer notice and a separate meaning-change note.Check that the revision does not promise same-day processing or remove the requirement for a written exception.