Qwen2.5-Math-7B-Instruct est le modèle 7B d’Alibaba ajusté pour suivre les consignes et résoudre des problèmes mathématiques. Il reçoit un problème textuel et produit une solution écrite. La série Qwen2.5-Math se concentre sur les mathématiques en anglais et en chinois; le fabricant recommande ce domaine mathématique plutôt que des tâches générales sans rapport. L’édition Instruct est destinée à un format de consignes conversationnelles, tandis que Qwen2.5-Math-7B est l’édition de base distincte utilisée pour la complétion, l’inférence avec quelques exemples et l’ajustement supplémentaire.
Le modèle prend en charge deux approches documentées : Chain-of-Thought (CoT) et Tool-integrated Reasoning (TIR). CoT développe la solution par une suite d’étapes écrites. Le fabricant note que CoT peut éprouver des difficultés avec le calcul exact et les problèmes mathématiques ou algorithmiques complexes; TIR vise à améliorer le calcul précis et le travail symbolique. TIR combine le raisonnement en langage naturel avec des programmes de calcul, d’opérations symboliques ou de travail algorithmique. Cette distinction compte lorsqu’un calcul numérique est aussi important que l’explication. Le fabricant présente TIR avec l’exécution locale de code : un interpréteur connecté effectue les calculs du programme, et le processus de raisonnement utilise ces résultats. Une demande de raisonnement fondé sur un programme n’exécute pas à elle seule ce programme.
La spécialisation mathématique comprend des données de consignes en chinois et en anglais ainsi que des données de raisonnement intégré aux outils lors du postentraînement. La configuration publiée de 7B-Instruct fixe une fenêtre positionnelle de 4,096 tokens. Préparez un énoncé ciblé avec les définitions et les étapes intermédiaires nécessaires, en gardant de l’espace pour la solution. L’entrée et la sortie documentées du modèle sont textuelles; présentez donc les expressions, les conditions et les étiquettes de schémas pertinentes par écrit.
Pour une solution détaillée, fournissez la question complète, les valeurs connues, le domaine de chaque variable et ce qu’il faut trouver ou prouver. Demandez la méthode choisie, les transformations justifiées et le résultat final dans la notation requise. Les exemples du fabricant distinguent une consigne de raisonnement étape par étape d’une consigne demandant d’intégrer le raisonnement à des programmes; les deux demandent la réponse finale sous la forme LaTeX \\boxed{}. Vous pouvez préciser une réponse symbolique exacte ou un résultat numérique avec une précision indiquée, selon le problème.
Pour un processus de tutorat ou de vérification, incluez les étapes intermédiaires de l’apprenant et repérez le point à examiner. Une tâche illustrative consiste à comparer deux transformations algébriques proposées, à expliquer la condition de validité de chacune et à substituer la valeur obtenue dans l’équation originale. Pour les problèmes à plusieurs cas, précisez les plages permises et demandez que chaque cas soit traité explicitement. Cela produit un livrable concret à réviser : le problème, une méthode proposée, les étapes à examiner et une réponse finale vérifiable par rapport aux conditions originales.
Si votre processus mathématique comprend un interpréteur, précisez le calcul que le programme doit effectuer et conservez son résultat réel avec l’explication. Gardez visible dans la sortie la distinction entre un programme proposé et un calcul terminé. Pour un exercice uniquement textuel, demandez une dérivation écrite et une vérification distincte par substitution. Ces consignes utilisent la spécialisation mathématique du modèle sans transformer chaque problème en conversation sans limites.
", "aboutText": "Qwen2.5-Math-7B-Instruct est le modèle 7B d’Alibaba ajusté pour suivre les consignes et résoudre des problèmes mathématiques. Il reçoit un problème textuel et produit une solution écrite. La série Qwen2.5-Math se concentre sur les mathématiques en anglais et en chinois; le fabricant recommande ce domaine mathématique plutôt que des tâches générales sans rapport. L’édition Instruct est destinée à un format de consignes conversationnelles, tandis que Qwen2.5-Math-7B est l’édition de base distincte utilisée pour la complétion, l’inférence avec quelques exemples et l’ajustement supplémentaire.\n\nLe modèle prend en charge deux approches documentées : Chain-of-Thought (CoT) et Tool-integrated Reasoning (TIR). CoT développe la solution par une suite d’étapes écrites. Le fabricant note que CoT peut éprouver des difficultés avec le calcul exact et les problèmes mathématiques ou algorithmiques complexes; TIR vise à améliorer le calcul précis et le travail symbolique. TIR combine le raisonnement en langage naturel avec des programmes de calcul, d’opérations symboliques ou de travail algorithmique. Cette distinction compte lorsqu’un calcul numérique est aussi important que l’explication. Le fabricant présente TIR avec l’exécution locale de code : un interpréteur connecté effectue les calculs du programme, et le processus de raisonnement utilise ces résultats. Une demande de raisonnement fondé sur un programme n’exécute pas à elle seule ce programme.\n\nLa spécialisation mathématique comprend des données de consignes en chinois et en anglais ainsi que des données de raisonnement intégré aux outils lors du postentraînement. La configuration publiée de 7B-Instruct fixe une fenêtre positionnelle de 4,096 tokens. Préparez un énoncé ciblé avec les définitions et les étapes intermédiaires nécessaires, en gardant de l’espace pour la solution. L’entrée et la sortie documentées du modèle sont textuelles; présentez donc les expressions, les conditions et les étiquettes de schémas pertinentes par écrit.\n\nPour une solution détaillée, fournissez la question complète, les valeurs connues, le domaine de chaque variable et ce qu’il faut trouver ou prouver. Demandez la méthode choisie, les transformations justifiées et le résultat final dans la notation requise. Les exemples du fabricant distinguent une consigne de raisonnement étape par étape d’une consigne demandant d’intégrer le raisonnement à des programmes; les deux demandent la réponse finale sous la forme LaTeX \\boxed{}. Vous pouvez préciser une réponse symbolique exacte ou un résultat numérique avec une précision indiquée, selon le problème.\n\nPour un processus de tutorat ou de vérification, incluez les étapes intermédiaires de l’apprenant et repérez le point à examiner. Une tâche illustrative consiste à comparer deux transformations algébriques proposées, à expliquer la condition de validité de chacune et à substituer la valeur obtenue dans l’équation originale. Pour les problèmes à plusieurs cas, précisez les plages permises et demandez que chaque cas soit traité explicitement. Cela produit un livrable concret à réviser : le problème, une méthode proposée, les étapes à examiner et une réponse finale vérifiable par rapport aux conditions originales.\n\nSi votre processus mathématique comprend un interpréteur, précisez le calcul que le programme doit effectuer et conservez son résultat réel avec l’explication. Gardez visible dans la sortie la distinction entre un programme proposé et un calcul terminé. Pour un exercice uniquement textuel, demandez une dérivation écrite et une vérification distincte par substitution. Ces consignes utilisent la spécialisation mathématique du modèle sans transformer chaque problème en conversation sans limites.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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-instructModèle mathématique 7B d’Alibaba ajusté au suivi d’instructions, pour des problèmes en anglais et en chinois. Il prend en charge le raisonnement textuel étape par étape et le raisonnement avec outils, qui combine des explications et des programmes lorsqu’un interpréteur est connecté.
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-7B-Instruct est le modèle 7B d’Alibaba ajusté pour suivre les consignes et résoudre des problèmes mathématiques. Il reçoit un problème textuel et produit une solution écrite. La série Qwen2.5-Math se concentre sur les mathématiques en anglais et en chinois; le fabricant recommande ce domaine mathématique plutôt que des tâches générales sans rapport. L’édition Instruct est destinée à un format de consignes conversationnelles, tandis que Qwen2.5-Math-7B est l’édition de base distincte utilisée pour la complétion, l’inférence avec quelques exemples et l’ajustement supplémentaire.
Le modèle prend en charge deux approches documentées : Chain-of-Thought (CoT) et Tool-integrated Reasoning (TIR). CoT développe la solution par une suite d’étapes écrites. Le fabricant note que CoT peut éprouver des difficultés avec le calcul exact et les problèmes mathématiques ou algorithmiques complexes; TIR vise à améliorer le calcul précis et le travail symbolique. TIR combine le raisonnement en langage naturel avec des programmes de calcul, d’opérations symboliques ou de travail algorithmique. Cette distinction compte lorsqu’un calcul numérique est aussi important que l’explication. Le fabricant présente TIR avec l’exécution locale de code : un interpréteur connecté effectue les calculs du programme, et le processus de raisonnement utilise ces résultats. Une demande de raisonnement fondé sur un programme n’exécute pas à elle seule ce programme.
La spécialisation mathématique comprend des données de consignes en chinois et en anglais ainsi que des données de raisonnement intégré aux outils lors du postentraînement. La configuration publiée de 7B-Instruct fixe une fenêtre positionnelle de 4,096 tokens. Préparez un énoncé ciblé avec les définitions et les étapes intermédiaires nécessaires, en gardant de l’espace pour la solution. L’entrée et la sortie documentées du modèle sont textuelles; présentez donc les expressions, les conditions et les étiquettes de schémas pertinentes par écrit.
Pour une solution détaillée, fournissez la question complète, les valeurs connues, le domaine de chaque variable et ce qu’il faut trouver ou prouver. Demandez la méthode choisie, les transformations justifiées et le résultat final dans la notation requise. Les exemples du fabricant distinguent une consigne de raisonnement étape par étape d’une consigne demandant d’intégrer le raisonnement à des programmes; les deux demandent la réponse finale sous la forme LaTeX \\boxed{}. Vous pouvez préciser une réponse symbolique exacte ou un résultat numérique avec une précision indiquée, selon le problème.
Pour un processus de tutorat ou de vérification, incluez les étapes intermédiaires de l’apprenant et repérez le point à examiner. Une tâche illustrative consiste à comparer deux transformations algébriques proposées, à expliquer la condition de validité de chacune et à substituer la valeur obtenue dans l’équation originale. Pour les problèmes à plusieurs cas, précisez les plages permises et demandez que chaque cas soit traité explicitement. Cela produit un livrable concret à réviser : le problème, une méthode proposée, les étapes à examiner et une réponse finale vérifiable par rapport aux conditions originales.
Si votre processus mathématique comprend un interpréteur, précisez le calcul que le programme doit effectuer et conservez son résultat réel avec l’explication. Gardez visible dans la sortie la distinction entre un programme proposé et un calcul terminé. Pour un exercice uniquement textuel, demandez une dérivation écrite et une vérification distincte par substitution. Ces consignes utilisent la spécialisation mathématique du modèle sans transformer chaque problème en conversation sans limites.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2.5-math-7b-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 $0.000286 / 1K jetons Sortie · Jetons en sortie $0.000572 / 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-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 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-7b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
qwen2.5-math-7b-instructModèle mathématique 7B d’Alibaba ajusté au suivi d’instructions, pour des problèmes en anglais et en chinois. Il prend en charge le raisonnement textuel étape par étape et le raisonnement avec outils, qui combine des explications et des programmes lorsqu’un interpréteur est connecté.
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-7B-Instruct est le modèle 7B d’Alibaba ajusté pour suivre les consignes et résoudre des problèmes mathématiques. Il reçoit un problème textuel et produit une solution écrite. La série Qwen2.5-Math se concentre sur les mathématiques en anglais et en chinois; le fabricant recommande ce domaine mathématique plutôt que des tâches générales sans rapport. L’édition Instruct est destinée à un format de consignes conversationnelles, tandis que Qwen2.5-Math-7B est l’édition de base distincte utilisée pour la complétion, l’inférence avec quelques exemples et l’ajustement supplémentaire.
Le modèle prend en charge deux approches documentées : Chain-of-Thought (CoT) et Tool-integrated Reasoning (TIR). CoT développe la solution par une suite d’étapes écrites. Le fabricant note que CoT peut éprouver des difficultés avec le calcul exact et les problèmes mathématiques ou algorithmiques complexes; TIR vise à améliorer le calcul précis et le travail symbolique. TIR combine le raisonnement en langage naturel avec des programmes de calcul, d’opérations symboliques ou de travail algorithmique. Cette distinction compte lorsqu’un calcul numérique est aussi important que l’explication. Le fabricant présente TIR avec l’exécution locale de code : un interpréteur connecté effectue les calculs du programme, et le processus de raisonnement utilise ces résultats. Une demande de raisonnement fondé sur un programme n’exécute pas à elle seule ce programme.
La spécialisation mathématique comprend des données de consignes en chinois et en anglais ainsi que des données de raisonnement intégré aux outils lors du postentraînement. La configuration publiée de 7B-Instruct fixe une fenêtre positionnelle de 4,096 tokens. Préparez un énoncé ciblé avec les définitions et les étapes intermédiaires nécessaires, en gardant de l’espace pour la solution. L’entrée et la sortie documentées du modèle sont textuelles; présentez donc les expressions, les conditions et les étiquettes de schémas pertinentes par écrit.
Pour une solution détaillée, fournissez la question complète, les valeurs connues, le domaine de chaque variable et ce qu’il faut trouver ou prouver. Demandez la méthode choisie, les transformations justifiées et le résultat final dans la notation requise. Les exemples du fabricant distinguent une consigne de raisonnement étape par étape d’une consigne demandant d’intégrer le raisonnement à des programmes; les deux demandent la réponse finale sous la forme LaTeX \\boxed{}. Vous pouvez préciser une réponse symbolique exacte ou un résultat numérique avec une précision indiquée, selon le problème.
Pour un processus de tutorat ou de vérification, incluez les étapes intermédiaires de l’apprenant et repérez le point à examiner. Une tâche illustrative consiste à comparer deux transformations algébriques proposées, à expliquer la condition de validité de chacune et à substituer la valeur obtenue dans l’équation originale. Pour les problèmes à plusieurs cas, précisez les plages permises et demandez que chaque cas soit traité explicitement. Cela produit un livrable concret à réviser : le problème, une méthode proposée, les étapes à examiner et une réponse finale vérifiable par rapport aux conditions originales.
Si votre processus mathématique comprend un interpréteur, précisez le calcul que le programme doit effectuer et conservez son résultat réel avec l’explication. Gardez visible dans la sortie la distinction entre un programme proposé et un calcul terminé. Pour un exercice uniquement textuel, demandez une dérivation écrite et une vérification distincte par substitution. Ces consignes utilisent la spécialisation mathématique du modèle sans transformer chaque problème en conversation sans limites.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2.5-math-7b-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 $0.000286 / 1K jetons Sortie · Jetons en sortie $0.000572 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen2.5-math-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-7b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.