Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée pour suivre les consignes de la famille mathématique Qwen2.5-Math. Son fabricant cible précisément les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit un énoncé mathématique écrit et retourne du texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en rédaction créative générale ou en traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation quadratique et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.
Le raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte; une application qui utilise un processus de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.
Éditions de base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles ajustés pour suivre les consignes et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux consignes de type conversation. L’édition de base Qwen2.5-Math-72B est décrite comme une fondation pour la complétion et l’inférence avec quelques exemples et comme un point de départ pour un ajustement supplémentaire. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.
L’annonce de la version décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent davantage de contenu mathématique synthétisé, plus de données mathématiques chinoises et une initialisation à partir de la fondation Qwen2.5. L’étape Instruct utilise l’ajustement supervisé et l’apprentissage par renforcement, avec un modèle de récompense propre aux mathématiques pour guider l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données de consignes en anglais et en chinois. Cela explique l’orientation mathématique de l’édition; cela ne signifie pas qu’un vérificateur distinct est invoqué automatiquement pour chaque requête utilisateur.
Préparer la question
Gardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition originale et la réponse demandée. Une consigne utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification distincte par rapport aux conditions originales.
Le guide de démarrage du fabricant distingue les deux approches dans les consignes. Une requête de raisonnement textuel demande une solution étape par étape et une réponse finale encadrée. Une requête intégrée aux outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention pour la réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une sortie utile sépare le regroupement des termes variables, l’isolation de la variable et l’expression finale; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1; les deux côtés concordent donc. Une requête plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et préciser quel calcul numérique serait délégué à l’environnement de calcul.
Contexte et configuration
La version publiée décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée du modèle fixe le nombre maximal de positions à 4,096; la consigne et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte beaucoup plus grand annoncé pour la gamme Qwen2.5 générale. Gardez les conditions pertinentes et les étapes mathématiques ensemble, et omettez les documents sans rapport qui consommeraient cet espace.
La génération du guide de démarrage de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée de réponse peut être précisée pour la tâche, mais une limite de sortie distincte doit provenir de la configuration réellement applicable plutôt que d’un exemple ou d’une autre édition Qwen.
Limites de fond et résultats utiles
Le fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les modèles distribués sous forme de poids sont des modèles de génération de texte; une question mathématique dans une image exige que ses symboles et conditions soient convertis en texte par une étape visuelle ou d’OCR distincte. Une démonstration multimodale qui combine des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.
Pour un processus de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition qui nécessite une explication. Demandez une correction dans la notation originale et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondissement avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et vérifiable.
", "aboutText": "Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée pour suivre les consignes de la famille mathématique Qwen2.5-Math. Son fabricant cible précisément les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit un énoncé mathématique écrit et retourne du texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en rédaction créative générale ou en traitement documentaire.\n\nCapacités mathématiques et approches de raisonnement\n\nDans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation quadratique et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.\n\nLe raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte; une application qui utilise un processus de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.\n\nÉditions de base, Instruct et modèle de récompense\n\nLa famille comprend des modèles de base distincts, des modèles ajustés pour suivre les consignes et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux consignes de type conversation. L’édition de base Qwen2.5-Math-72B est décrite comme une fondation pour la complétion et l’inférence avec quelques exemples et comme un point de départ pour un ajustement supplémentaire. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.\n\nL’annonce de la version décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent davantage de contenu mathématique synthétisé, plus de données mathématiques chinoises et une initialisation à partir de la fondation Qwen2.5. L’étape Instruct utilise l’ajustement supervisé et l’apprentissage par renforcement, avec un modèle de récompense propre aux mathématiques pour guider l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données de consignes en anglais et en chinois. Cela explique l’orientation mathématique de l’édition; cela ne signifie pas qu’un vérificateur distinct est invoqué automatiquement pour chaque requête utilisateur.\n\nPréparer la question\n\nGardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition originale et la réponse demandée. Une consigne utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification distincte par rapport aux conditions originales.\n\nLe guide de démarrage du fabricant distingue les deux approches dans les consignes. Une requête de raisonnement textuel demande une solution étape par étape et une réponse finale encadrée. Une requête intégrée aux outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention pour la réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.\n\nÀ titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une sortie utile sépare le regroupement des termes variables, l’isolation de la variable et l’expression finale; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1; les deux côtés concordent donc. Une requête plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et préciser quel calcul numérique serait délégué à l’environnement de calcul.\n\nContexte et configuration\n\nLa version publiée décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée du modèle fixe le nombre maximal de positions à 4,096; la consigne et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte beaucoup plus grand annoncé pour la gamme Qwen2.5 générale. Gardez les conditions pertinentes et les étapes mathématiques ensemble, et omettez les documents sans rapport qui consommeraient cet espace.\n\nLa génération du guide de démarrage de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée de réponse peut être précisée pour la tâche, mais une limite de sortie distincte doit provenir de la configuration réellement applicable plutôt que d’un exemple ou d’une autre édition Qwen.\n\nLimites de fond et résultats utiles\n\nLe fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les modèles distribués sous forme de poids sont des modèles de génération de texte; une question mathématique dans une image exige que ses symboles et conditions soient convertis en texte par une étape visuelle ou d’OCR distincte. Une démonstration multimodale qui combine des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.\n\nPour un processus de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition qui nécessite une explication. Demandez une correction dans la notation originale et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondissement avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et vérifiable.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct est un modèle ajusté pour suivre des consignes mathématiques et résoudre des problèmes en anglais et en chinois. Il prend en charge le raisonnement textuel détaillé et les processus mathématiques intégrant des outils, avec une configuration de version distincte de 4K plutôt que les spécifications de long contexte de Qwen2.5 général.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée pour suivre les consignes de la famille mathématique Qwen2.5-Math. Son fabricant cible précisément les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit un énoncé mathématique écrit et retourne du texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en rédaction créative générale ou en traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation quadratique et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.
Le raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte; une application qui utilise un processus de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.
Éditions de base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles ajustés pour suivre les consignes et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux consignes de type conversation. L’édition de base Qwen2.5-Math-72B est décrite comme une fondation pour la complétion et l’inférence avec quelques exemples et comme un point de départ pour un ajustement supplémentaire. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.
L’annonce de la version décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent davantage de contenu mathématique synthétisé, plus de données mathématiques chinoises et une initialisation à partir de la fondation Qwen2.5. L’étape Instruct utilise l’ajustement supervisé et l’apprentissage par renforcement, avec un modèle de récompense propre aux mathématiques pour guider l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données de consignes en anglais et en chinois. Cela explique l’orientation mathématique de l’édition; cela ne signifie pas qu’un vérificateur distinct est invoqué automatiquement pour chaque requête utilisateur.
Préparer la question
Gardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition originale et la réponse demandée. Une consigne utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification distincte par rapport aux conditions originales.
Le guide de démarrage du fabricant distingue les deux approches dans les consignes. Une requête de raisonnement textuel demande une solution étape par étape et une réponse finale encadrée. Une requête intégrée aux outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention pour la réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une sortie utile sépare le regroupement des termes variables, l’isolation de la variable et l’expression finale; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1; les deux côtés concordent donc. Une requête plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et préciser quel calcul numérique serait délégué à l’environnement de calcul.
Contexte et configuration
La version publiée décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée du modèle fixe le nombre maximal de positions à 4,096; la consigne et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte beaucoup plus grand annoncé pour la gamme Qwen2.5 générale. Gardez les conditions pertinentes et les étapes mathématiques ensemble, et omettez les documents sans rapport qui consommeraient cet espace.
La génération du guide de démarrage de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée de réponse peut être précisée pour la tâche, mais une limite de sortie distincte doit provenir de la configuration réellement applicable plutôt que d’un exemple ou d’une autre édition Qwen.
Limites de fond et résultats utiles
Le fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les modèles distribués sous forme de poids sont des modèles de génération de texte; une question mathématique dans une image exige que ses symboles et conditions soient convertis en texte par une étape visuelle ou d’OCR distincte. Une démonstration multimodale qui combine des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.
Pour un processus de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition qui nécessite une explication. Demandez une correction dans la notation originale et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondissement avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et vérifiable.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2.5-math-72b-instruct | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.001144 / 1K jetons Sortie · Jetons en sortie $0.00344 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-math-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen2.5-math-72b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct est un modèle ajusté pour suivre des consignes mathématiques et résoudre des problèmes en anglais et en chinois. Il prend en charge le raisonnement textuel détaillé et les processus mathématiques intégrant des outils, avec une configuration de version distincte de 4K plutôt que les spécifications de long contexte de Qwen2.5 général.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée pour suivre les consignes de la famille mathématique Qwen2.5-Math. Son fabricant cible précisément les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit un énoncé mathématique écrit et retourne du texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en rédaction créative générale ou en traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation quadratique et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.
Le raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte; une application qui utilise un processus de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.
Éditions de base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles ajustés pour suivre les consignes et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux consignes de type conversation. L’édition de base Qwen2.5-Math-72B est décrite comme une fondation pour la complétion et l’inférence avec quelques exemples et comme un point de départ pour un ajustement supplémentaire. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.
L’annonce de la version décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent davantage de contenu mathématique synthétisé, plus de données mathématiques chinoises et une initialisation à partir de la fondation Qwen2.5. L’étape Instruct utilise l’ajustement supervisé et l’apprentissage par renforcement, avec un modèle de récompense propre aux mathématiques pour guider l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données de consignes en anglais et en chinois. Cela explique l’orientation mathématique de l’édition; cela ne signifie pas qu’un vérificateur distinct est invoqué automatiquement pour chaque requête utilisateur.
Préparer la question
Gardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition originale et la réponse demandée. Une consigne utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification distincte par rapport aux conditions originales.
Le guide de démarrage du fabricant distingue les deux approches dans les consignes. Une requête de raisonnement textuel demande une solution étape par étape et une réponse finale encadrée. Une requête intégrée aux outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention pour la réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une sortie utile sépare le regroupement des termes variables, l’isolation de la variable et l’expression finale; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1; les deux côtés concordent donc. Une requête plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et préciser quel calcul numérique serait délégué à l’environnement de calcul.
Contexte et configuration
La version publiée décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée du modèle fixe le nombre maximal de positions à 4,096; la consigne et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte beaucoup plus grand annoncé pour la gamme Qwen2.5 générale. Gardez les conditions pertinentes et les étapes mathématiques ensemble, et omettez les documents sans rapport qui consommeraient cet espace.
La génération du guide de démarrage de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée de réponse peut être précisée pour la tâche, mais une limite de sortie distincte doit provenir de la configuration réellement applicable plutôt que d’un exemple ou d’une autre édition Qwen.
Limites de fond et résultats utiles
Le fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les modèles distribués sous forme de poids sont des modèles de génération de texte; une question mathématique dans une image exige que ses symboles et conditions soient convertis en texte par une étape visuelle ou d’OCR distincte. Une démonstration multimodale qui combine des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.
Pour un processus de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition qui nécessite une explication. Demandez une correction dans la notation originale et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondissement avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et vérifiable.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2.5-math-72b-instruct | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.001144 / 1K jetons Sortie · Jetons en sortie $0.00344 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen2.5-math-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen2.5-math-72b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.