Qwen2.5-Coder-7B-Instruct est la version de taille 7B affinée pour les instructions de la famille Qwen spécialisée dans le code, auparavant appelée CodeQwen. Ses tâches centrales sont la génération de code, le raisonnement sur le comportement des programmes et la réparation de code. Il reçoit du texte, notamment des exigences et du code source, et renvoie du texte pouvant contenir une implémentation, une explication ou une modification proposée.
Capacités de programmation et entraînement
Le concepteur décrit 5.5 billions de tokens d’entraînement, comprenant du code source, des contenus reliant texte et code, et des exemples synthétiques. La famille conserve des capacités mathématiques et linguistiques générales en complément de sa spécialisation en programmation. L’annonce distingue la génération d’un programme, le raisonnement sur son exécution et la réparation d’une implémentation existante ; ces tâches requièrent des entrées et des artefacts finaux différents.
Pour la génération, fournissez le langage de programmation, la signature de la fonction, les types d’entrée et la valeur de retour attendue. Incluez les contraintes, comme la possibilité de modifier l’entrée ou d’utiliser une dépendance externe. Demandez l’implémentation et une courte explication de sa conformité à chaque exigence. Par exemple, une demande de tri peut préciser que les doublons doivent être conservés et que la liste d’origine doit rester intacte, puis demander une fonction et des exemples d’appels pour une liste vide et une liste contenant des valeurs répétées.
Pour raisonner sur le code, fournissez le fragment exact et l’entrée précise à suivre. Demandez quelles branches s’exécutent, comment évoluent les valeurs intermédiaires et ce que la fonction renvoie. Cela est plus utile qu’une demande vague d’explication d’un fichier entier : la réponse relie une entrée concrète à un chemin concret dans le programme. Joignez au fragment les fonctions auxiliaires appelées ou les définitions de types pertinentes.
Pour la réparation, fournissez le comportement défaillant, le comportement attendu et le code qui détermine cette différence. Un message d’erreur seul peut laisser la condition importante indéfinie. Demandez une correction proposée, une explication de la cause et des exemples distinguant le comportement ancien de celui visé. Le correctif renvoyé est un artefact textuel ; le compiler, l’exécuter ou l’appliquer à un dépôt nécessite l’environnement de développement qui l’entoure.
L’édition 7B nommée
Le modèle publié compte 7.61 milliards de paramètres, dont 6.53 milliards hors embeddings, et 28 couches Transformer. Il utilise des embeddings positionnels rotatifs, SwiGLU, RMSNorm et un biais QKV d’attention. Son attention à requêtes groupées possède 28 têtes de requête et 4 têtes clé/valeur. Ces détails décrivent cette version plutôt qu’une édition Coder plus grande.
La famille propose des modèles Base et Instruct distincts. Instruct est aligné sur les requêtes conversationnelles ; Base constitue un socle de complétion et d’affinage ultérieur. Cette entrée concerne le modèle 7B affiné pour les instructions. Les exemples et les résultats mis en avant pour d’autres tailles ne définissent pas les capacités ou les ressources requises de cette édition.
Préparer l’instruction
La fiche présente une conversation avec des messages système et utilisateur séparés et le modèle de conversation correspondant. Placez les règles de réponse durables, comme la présentation de l’implémentation et de l’explication, à part du code et de la tâche. Indiquez quel fragment est du code existant, quel texte est une exigence et quelle sortie doit être renvoyée. Cela aide à préserver les identifiants, les interfaces et le comportement que la modification demandée doit conserver.
Une entrée utile d’assistant de développement peut contenir un module court, son appelant et la modification souhaitée. Demandez une fonction révisée, une liste d’hypothèses et des exemples d’entrées avec les sorties attendues. Pour un artefact visuel généré, précisez les données et les interactions à implémenter et demandez le texte source obtenu ; la famille spécialisée dans le code illustre aussi des assistants de code et des artefacts visuels. Le rendu de l’artefact reste une étape distincte de la génération de sa source.
Traitement des textes longs
La fiche annonce un contexte complet de 131,072 tokens, tandis que la configuration publiée est initialement réglée sur 32,768 tokens. Traiter des entrées au-delà de ce réglage nécessite l’extension YaRN documentée. L’exemple précise un facteur d’échelle de 4.0 et un nombre maximal initial de positions de 32,768. Le concepteur note que la mise à l’échelle statique peut affecter le comportement sur les textes courts et recommande d’ajouter l’extension lorsque de longs contextes sont nécessaires.
Utilisez le contexte élargi pour réunir le code et les exigences liés, mais identifiez la vraie question : localiser un appel incompatible, expliquer un cheminement de données ou proposer une modification dans une interface donnée. Incluez les parties déterminant le comportement plutôt que des contenus du projet sans rapport. Les 512 tokens générés du démarrage rapide sont un réglage d’exemple ; la fiche n’établit pas de capacité maximale de sortie distincte à partir de cette valeur.
Le résultat documenté du modèle est du texte. Son rôle dans un agent de code dépend de l’application fournissant l’accès au dépôt, l’exécution et les retours. Distinguez ces opérations de sa capacité à proposer du code et à en expliquer le comportement, et précisez l’édition exacte 7B-Instruct ainsi que les réglages de contexte long pour planifier une tâche reproductible.
", "aboutText": "Qwen2.5-Coder-7B-Instruct est la version de taille 7B affinée pour les instructions de la famille Qwen spécialisée dans le code, auparavant appelée CodeQwen. Ses tâches centrales sont la génération de code, le raisonnement sur le comportement des programmes et la réparation de code. Il reçoit du texte, notamment des exigences et du code source, et renvoie du texte pouvant contenir une implémentation, une explication ou une modification proposée.\n\nCapacités de programmation et entraînement\n\nLe concepteur décrit 5.5 billions de tokens d’entraînement, comprenant du code source, des contenus reliant texte et code, et des exemples synthétiques. La famille conserve des capacités mathématiques et linguistiques générales en complément de sa spécialisation en programmation. L’annonce distingue la génération d’un programme, le raisonnement sur son exécution et la réparation d’une implémentation existante ; ces tâches requièrent des entrées et des artefacts finaux différents.\n\nPour la génération, fournissez le langage de programmation, la signature de la fonction, les types d’entrée et la valeur de retour attendue. Incluez les contraintes, comme la possibilité de modifier l’entrée ou d’utiliser une dépendance externe. Demandez l’implémentation et une courte explication de sa conformité à chaque exigence. Par exemple, une demande de tri peut préciser que les doublons doivent être conservés et que la liste d’origine doit rester intacte, puis demander une fonction et des exemples d’appels pour une liste vide et une liste contenant des valeurs répétées.\n\nPour raisonner sur le code, fournissez le fragment exact et l’entrée précise à suivre. Demandez quelles branches s’exécutent, comment évoluent les valeurs intermédiaires et ce que la fonction renvoie. Cela est plus utile qu’une demande vague d’explication d’un fichier entier : la réponse relie une entrée concrète à un chemin concret dans le programme. Joignez au fragment les fonctions auxiliaires appelées ou les définitions de types pertinentes.\n\nPour la réparation, fournissez le comportement défaillant, le comportement attendu et le code qui détermine cette différence. Un message d’erreur seul peut laisser la condition importante indéfinie. Demandez une correction proposée, une explication de la cause et des exemples distinguant le comportement ancien de celui visé. Le correctif renvoyé est un artefact textuel ; le compiler, l’exécuter ou l’appliquer à un dépôt nécessite l’environnement de développement qui l’entoure.\n\nL’édition 7B nommée\n\nLe modèle publié compte 7.61 milliards de paramètres, dont 6.53 milliards hors embeddings, et 28 couches Transformer. Il utilise des embeddings positionnels rotatifs, SwiGLU, RMSNorm et un biais QKV d’attention. Son attention à requêtes groupées possède 28 têtes de requête et 4 têtes clé/valeur. Ces détails décrivent cette version plutôt qu’une édition Coder plus grande.\n\nLa famille propose des modèles Base et Instruct distincts. Instruct est aligné sur les requêtes conversationnelles ; Base constitue un socle de complétion et d’affinage ultérieur. Cette entrée concerne le modèle 7B affiné pour les instructions. Les exemples et les résultats mis en avant pour d’autres tailles ne définissent pas les capacités ou les ressources requises de cette édition.\n\nPréparer l’instruction\n\nLa fiche présente une conversation avec des messages système et utilisateur séparés et le modèle de conversation correspondant. Placez les règles de réponse durables, comme la présentation de l’implémentation et de l’explication, à part du code et de la tâche. Indiquez quel fragment est du code existant, quel texte est une exigence et quelle sortie doit être renvoyée. Cela aide à préserver les identifiants, les interfaces et le comportement que la modification demandée doit conserver.\n\nUne entrée utile d’assistant de développement peut contenir un module court, son appelant et la modification souhaitée. Demandez une fonction révisée, une liste d’hypothèses et des exemples d’entrées avec les sorties attendues. Pour un artefact visuel généré, précisez les données et les interactions à implémenter et demandez le texte source obtenu ; la famille spécialisée dans le code illustre aussi des assistants de code et des artefacts visuels. Le rendu de l’artefact reste une étape distincte de la génération de sa source.\n\nTraitement des textes longs\n\nLa fiche annonce un contexte complet de 131,072 tokens, tandis que la configuration publiée est initialement réglée sur 32,768 tokens. Traiter des entrées au-delà de ce réglage nécessite l’extension YaRN documentée. L’exemple précise un facteur d’échelle de 4.0 et un nombre maximal initial de positions de 32,768. Le concepteur note que la mise à l’échelle statique peut affecter le comportement sur les textes courts et recommande d’ajouter l’extension lorsque de longs contextes sont nécessaires.\n\nUtilisez le contexte élargi pour réunir le code et les exigences liés, mais identifiez la vraie question : localiser un appel incompatible, expliquer un cheminement de données ou proposer une modification dans une interface donnée. Incluez les parties déterminant le comportement plutôt que des contenus du projet sans rapport. Les 512 tokens générés du démarrage rapide sont un réglage d’exemple ; la fiche n’établit pas de capacité maximale de sortie distincte à partir de cette valeur.\n\nLe résultat documenté du modèle est du texte. Son rôle dans un agent de code dépend de l’application fournissant l’accès au dépôt, l’exécution et les retours. Distinguez ces opérations de sa capacité à proposer du code et à en expliquer le comportement, et précisez l’édition exacte 7B-Instruct ainsi que les réglages de contexte long pour planifier une tâche reproductible.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct est un modèle textuel pour générer, expliquer et réparer du code à partir d’instructions. Sa version de 7.61 milliards de paramètres prend en charge des contextes étendus jusqu’à 131,072 tokens avec la configuration documentée de contexte long.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2.5-Coder-7B-Instruct est la version de taille 7B affinée pour les instructions de la famille Qwen spécialisée dans le code, auparavant appelée CodeQwen. Ses tâches centrales sont la génération de code, le raisonnement sur le comportement des programmes et la réparation de code. Il reçoit du texte, notamment des exigences et du code source, et renvoie du texte pouvant contenir une implémentation, une explication ou une modification proposée.
Capacités de programmation et entraînement
Le concepteur décrit 5.5 billions de tokens d’entraînement, comprenant du code source, des contenus reliant texte et code, et des exemples synthétiques. La famille conserve des capacités mathématiques et linguistiques générales en complément de sa spécialisation en programmation. L’annonce distingue la génération d’un programme, le raisonnement sur son exécution et la réparation d’une implémentation existante ; ces tâches requièrent des entrées et des artefacts finaux différents.
Pour la génération, fournissez le langage de programmation, la signature de la fonction, les types d’entrée et la valeur de retour attendue. Incluez les contraintes, comme la possibilité de modifier l’entrée ou d’utiliser une dépendance externe. Demandez l’implémentation et une courte explication de sa conformité à chaque exigence. Par exemple, une demande de tri peut préciser que les doublons doivent être conservés et que la liste d’origine doit rester intacte, puis demander une fonction et des exemples d’appels pour une liste vide et une liste contenant des valeurs répétées.
Pour raisonner sur le code, fournissez le fragment exact et l’entrée précise à suivre. Demandez quelles branches s’exécutent, comment évoluent les valeurs intermédiaires et ce que la fonction renvoie. Cela est plus utile qu’une demande vague d’explication d’un fichier entier : la réponse relie une entrée concrète à un chemin concret dans le programme. Joignez au fragment les fonctions auxiliaires appelées ou les définitions de types pertinentes.
Pour la réparation, fournissez le comportement défaillant, le comportement attendu et le code qui détermine cette différence. Un message d’erreur seul peut laisser la condition importante indéfinie. Demandez une correction proposée, une explication de la cause et des exemples distinguant le comportement ancien de celui visé. Le correctif renvoyé est un artefact textuel ; le compiler, l’exécuter ou l’appliquer à un dépôt nécessite l’environnement de développement qui l’entoure.
L’édition 7B nommée
Le modèle publié compte 7.61 milliards de paramètres, dont 6.53 milliards hors embeddings, et 28 couches Transformer. Il utilise des embeddings positionnels rotatifs, SwiGLU, RMSNorm et un biais QKV d’attention. Son attention à requêtes groupées possède 28 têtes de requête et 4 têtes clé/valeur. Ces détails décrivent cette version plutôt qu’une édition Coder plus grande.
La famille propose des modèles Base et Instruct distincts. Instruct est aligné sur les requêtes conversationnelles ; Base constitue un socle de complétion et d’affinage ultérieur. Cette entrée concerne le modèle 7B affiné pour les instructions. Les exemples et les résultats mis en avant pour d’autres tailles ne définissent pas les capacités ou les ressources requises de cette édition.
Préparer l’instruction
La fiche présente une conversation avec des messages système et utilisateur séparés et le modèle de conversation correspondant. Placez les règles de réponse durables, comme la présentation de l’implémentation et de l’explication, à part du code et de la tâche. Indiquez quel fragment est du code existant, quel texte est une exigence et quelle sortie doit être renvoyée. Cela aide à préserver les identifiants, les interfaces et le comportement que la modification demandée doit conserver.
Une entrée utile d’assistant de développement peut contenir un module court, son appelant et la modification souhaitée. Demandez une fonction révisée, une liste d’hypothèses et des exemples d’entrées avec les sorties attendues. Pour un artefact visuel généré, précisez les données et les interactions à implémenter et demandez le texte source obtenu ; la famille spécialisée dans le code illustre aussi des assistants de code et des artefacts visuels. Le rendu de l’artefact reste une étape distincte de la génération de sa source.
Traitement des textes longs
La fiche annonce un contexte complet de 131,072 tokens, tandis que la configuration publiée est initialement réglée sur 32,768 tokens. Traiter des entrées au-delà de ce réglage nécessite l’extension YaRN documentée. L’exemple précise un facteur d’échelle de 4.0 et un nombre maximal initial de positions de 32,768. Le concepteur note que la mise à l’échelle statique peut affecter le comportement sur les textes courts et recommande d’ajouter l’extension lorsque de longs contextes sont nécessaires.
Utilisez le contexte élargi pour réunir le code et les exigences liés, mais identifiez la vraie question : localiser un appel incompatible, expliquer un cheminement de données ou proposer une modification dans une interface donnée. Incluez les parties déterminant le comportement plutôt que des contenus du projet sans rapport. Les 512 tokens générés du démarrage rapide sont un réglage d’exemple ; la fiche n’établit pas de capacité maximale de sortie distincte à partir de cette valeur.
Le résultat documenté du modèle est du texte. Son rôle dans un agent de code dépend de l’application fournissant l’accès au dépôt, l’exécution et les retours. Distinguez ces opérations de sa capacité à proposer du code et à en expliquer le comportement, et précisez l’édition exacte 7B-Instruct ainsi que les réglages de contexte long pour planifier une tâche reproductible.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2.5-coder-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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0001 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-coder-7b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-coder-7b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-coder-7b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen2.5-coder-7b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct est un modèle textuel pour générer, expliquer et réparer du code à partir d’instructions. Sa version de 7.61 milliards de paramètres prend en charge des contextes étendus jusqu’à 131,072 tokens avec la configuration documentée de contexte long.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2.5-Coder-7B-Instruct est la version de taille 7B affinée pour les instructions de la famille Qwen spécialisée dans le code, auparavant appelée CodeQwen. Ses tâches centrales sont la génération de code, le raisonnement sur le comportement des programmes et la réparation de code. Il reçoit du texte, notamment des exigences et du code source, et renvoie du texte pouvant contenir une implémentation, une explication ou une modification proposée.
Capacités de programmation et entraînement
Le concepteur décrit 5.5 billions de tokens d’entraînement, comprenant du code source, des contenus reliant texte et code, et des exemples synthétiques. La famille conserve des capacités mathématiques et linguistiques générales en complément de sa spécialisation en programmation. L’annonce distingue la génération d’un programme, le raisonnement sur son exécution et la réparation d’une implémentation existante ; ces tâches requièrent des entrées et des artefacts finaux différents.
Pour la génération, fournissez le langage de programmation, la signature de la fonction, les types d’entrée et la valeur de retour attendue. Incluez les contraintes, comme la possibilité de modifier l’entrée ou d’utiliser une dépendance externe. Demandez l’implémentation et une courte explication de sa conformité à chaque exigence. Par exemple, une demande de tri peut préciser que les doublons doivent être conservés et que la liste d’origine doit rester intacte, puis demander une fonction et des exemples d’appels pour une liste vide et une liste contenant des valeurs répétées.
Pour raisonner sur le code, fournissez le fragment exact et l’entrée précise à suivre. Demandez quelles branches s’exécutent, comment évoluent les valeurs intermédiaires et ce que la fonction renvoie. Cela est plus utile qu’une demande vague d’explication d’un fichier entier : la réponse relie une entrée concrète à un chemin concret dans le programme. Joignez au fragment les fonctions auxiliaires appelées ou les définitions de types pertinentes.
Pour la réparation, fournissez le comportement défaillant, le comportement attendu et le code qui détermine cette différence. Un message d’erreur seul peut laisser la condition importante indéfinie. Demandez une correction proposée, une explication de la cause et des exemples distinguant le comportement ancien de celui visé. Le correctif renvoyé est un artefact textuel ; le compiler, l’exécuter ou l’appliquer à un dépôt nécessite l’environnement de développement qui l’entoure.
L’édition 7B nommée
Le modèle publié compte 7.61 milliards de paramètres, dont 6.53 milliards hors embeddings, et 28 couches Transformer. Il utilise des embeddings positionnels rotatifs, SwiGLU, RMSNorm et un biais QKV d’attention. Son attention à requêtes groupées possède 28 têtes de requête et 4 têtes clé/valeur. Ces détails décrivent cette version plutôt qu’une édition Coder plus grande.
La famille propose des modèles Base et Instruct distincts. Instruct est aligné sur les requêtes conversationnelles ; Base constitue un socle de complétion et d’affinage ultérieur. Cette entrée concerne le modèle 7B affiné pour les instructions. Les exemples et les résultats mis en avant pour d’autres tailles ne définissent pas les capacités ou les ressources requises de cette édition.
Préparer l’instruction
La fiche présente une conversation avec des messages système et utilisateur séparés et le modèle de conversation correspondant. Placez les règles de réponse durables, comme la présentation de l’implémentation et de l’explication, à part du code et de la tâche. Indiquez quel fragment est du code existant, quel texte est une exigence et quelle sortie doit être renvoyée. Cela aide à préserver les identifiants, les interfaces et le comportement que la modification demandée doit conserver.
Une entrée utile d’assistant de développement peut contenir un module court, son appelant et la modification souhaitée. Demandez une fonction révisée, une liste d’hypothèses et des exemples d’entrées avec les sorties attendues. Pour un artefact visuel généré, précisez les données et les interactions à implémenter et demandez le texte source obtenu ; la famille spécialisée dans le code illustre aussi des assistants de code et des artefacts visuels. Le rendu de l’artefact reste une étape distincte de la génération de sa source.
Traitement des textes longs
La fiche annonce un contexte complet de 131,072 tokens, tandis que la configuration publiée est initialement réglée sur 32,768 tokens. Traiter des entrées au-delà de ce réglage nécessite l’extension YaRN documentée. L’exemple précise un facteur d’échelle de 4.0 et un nombre maximal initial de positions de 32,768. Le concepteur note que la mise à l’échelle statique peut affecter le comportement sur les textes courts et recommande d’ajouter l’extension lorsque de longs contextes sont nécessaires.
Utilisez le contexte élargi pour réunir le code et les exigences liés, mais identifiez la vraie question : localiser un appel incompatible, expliquer un cheminement de données ou proposer une modification dans une interface donnée. Incluez les parties déterminant le comportement plutôt que des contenus du projet sans rapport. Les 512 tokens générés du démarrage rapide sont un réglage d’exemple ; la fiche n’établit pas de capacité maximale de sortie distincte à partir de cette valeur.
Le résultat documenté du modèle est du texte. Son rôle dans un agent de code dépend de l’application fournissant l’accès au dépôt, l’exécution et les retours. Distinguez ces opérations de sa capacité à proposer du code et à en expliquer le comportement, et précisez l’édition exacte 7B-Instruct ainsi que les réglages de contexte long pour planifier une tâche reproductible.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen2.5-coder-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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0001 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen2.5-coder-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-coder-7b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-coder-7b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen2.5-coder-7b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.