Qwen2.5-Math-72B-Instruct est l’édition 72B affinée pour suivre des instructions de la famille mathématique Qwen2.5-Math. Son concepteur cible spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégrant des outils. Le modèle reçoit un énoncé mathématique écrit et renvoie un texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en écriture créative générale ou en traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, des transformations justifiées et une réponse finale clairement séparée. La fiche décrit aussi le raisonnement intégrant des outils, où le raisonnement en langage naturel est combiné à des programmes. Le concepteur cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et les manipulations symboliques ou algorithmiques comptent.
Le raisonnement avec outils ne consiste pas seulement à afficher du code dans une réponse. La démonstration mathématique du concepteur fournit un environnement pouvant exécuter des programmes, puis le résultat du calcul contribue à la solution. Une requête autonome de génération textuelle produit du texte ; une application utilisant un flux de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques renvoyés.
Éditions de base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles affinés pour les instructions et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux instructions de type chat. L’édition de base Qwen2.5-Math-72B est décrite comme un socle de complétion et d’inférence avec quelques exemples, et comme un point de départ pour l’affinage ultérieur. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être considéré comme le générateur ordinaire de réponses de ce modèle.
L’annonce de la version décrit un pipeline d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des contenus mathématiques synthétiques supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir du socle Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécialisé guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le concepteur ajoute des données de raisonnement intégrant des outils et des données d’instructions anglaises et chinoises. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur distinct soit automatiquement invoqué 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 les conditions initiales et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée des conditions d’origine.
Le démarrage rapide du concepteur distingue les deux approches par les instructions. Une demande de raisonnement textuel sollicite une solution étape par étape et une réponse finale encadrée. Une demande intégrant des outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention de réponse finale. Il s’agit de flux mathématiques documentés, et non d’une promesse distincte sur les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une structure de sortie utile distingue le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cet exemple est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 ; les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique à déléguer à l’environnement de calcul.
Contexte et configuration
La publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée fixe le nombre maximal de positions à 4,096 ; le prompt et la solution détaillée nécessitent donc une gestion compacte de la longueur. N’attribuez pas à cette édition mathématique le contexte bien plus large annoncé pour la gamme générale Qwen2.5. Gardez ensemble les conditions pertinentes et le travail mathématique, et écartez les contenus sans rapport qui consommeraient cet espace.
L’exemple de génération du démarrage rapide utilise un réglage de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée 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 substantielles et résultats utiles
Le concepteur recommande cette série pour les tâches mathématiques en anglais et en chinois et déconseille les tâches générales hors de cette spécialisation. Les poids sont ceux de modèles de génération textuelle ; une question mathématique dans une image nécessite une conversion de ses symboles et conditions en texte par une étape visuelle ou OCR distincte. Une démonstration multimodale associant modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant des images.
Pour un flux de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation d’origine et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez si la sortie doit être exacte ou approchée, ainsi que les unités et l’arrondi, avant de choisir un raisonnement textuel ou un flux de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et examinable.
", "aboutText": "Qwen2.5-Math-72B-Instruct est l’édition 72B affinée pour suivre des instructions de la famille mathématique Qwen2.5-Math. Son concepteur cible spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégrant des outils. Le modèle reçoit un énoncé mathématique écrit et renvoie un texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en écriture 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, des transformations justifiées et une réponse finale clairement séparée. La fiche décrit aussi le raisonnement intégrant des outils, où le raisonnement en langage naturel est combiné à des programmes. Le concepteur cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et les manipulations symboliques ou algorithmiques comptent.\n\nLe raisonnement avec outils ne consiste pas seulement à afficher du code dans une réponse. La démonstration mathématique du concepteur fournit un environnement pouvant exécuter des programmes, puis le résultat du calcul contribue à la solution. Une requête autonome de génération textuelle produit du texte ; une application utilisant un flux de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques renvoyés.\n\nÉditions de base, Instruct et modèle de récompense\n\nLa famille comprend des modèles de base distincts, des modèles affinés pour les instructions et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux instructions de type chat. L’édition de base Qwen2.5-Math-72B est décrite comme un socle de complétion et d’inférence avec quelques exemples, et comme un point de départ pour l’affinage ultérieur. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être considéré comme le générateur ordinaire de réponses de ce modèle.\n\nL’annonce de la version décrit un pipeline d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des contenus mathématiques synthétiques supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir du socle Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécialisé guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le concepteur ajoute des données de raisonnement intégrant des outils et des données d’instructions anglaises et chinoises. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur distinct soit automatiquement invoqué 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 les conditions initiales et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée des conditions d’origine.\n\nLe démarrage rapide du concepteur distingue les deux approches par les instructions. Une demande de raisonnement textuel sollicite une solution étape par étape et une réponse finale encadrée. Une demande intégrant des outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention de réponse finale. Il s’agit de flux mathématiques documentés, et non d’une promesse distincte sur 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 structure de sortie utile distingue le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cet exemple est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 ; les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique à déléguer à l’environnement de calcul.\n\nContexte et configuration\n\nLa publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée fixe le nombre maximal de positions à 4,096 ; le prompt et la solution détaillée nécessitent donc une gestion compacte de la longueur. N’attribuez pas à cette édition mathématique le contexte bien plus large annoncé pour la gamme générale Qwen2.5. Gardez ensemble les conditions pertinentes et le travail mathématique, et écartez les contenus sans rapport qui consommeraient cet espace.\n\nL’exemple de génération du démarrage rapide utilise un réglage de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée 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 substantielles et résultats utiles\n\nLe concepteur recommande cette série pour les tâches mathématiques en anglais et en chinois et déconseille les tâches générales hors de cette spécialisation. Les poids sont ceux de modèles de génération textuelle ; une question mathématique dans une image nécessite une conversion de ses symboles et conditions en texte par une étape visuelle ou OCR distincte. Une démonstration multimodale associant modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant des images.\n\nPour un flux de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation d’origine et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez si la sortie doit être exacte ou approchée, ainsi que les unités et l’arrondi, avant de choisir un raisonnement textuel ou un flux de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et examinable.", "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 d’instructions mathématiques pour les problèmes en anglais et en chinois. Il prend en charge le raisonnement textuel détaillé et les flux mathématiques intégrant des outils, avec une configuration de version distincte de 4K, plutôt que les spécifications de contexte long 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 affinée pour suivre des instructions de la famille mathématique Qwen2.5-Math. Son concepteur cible spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégrant des outils. Le modèle reçoit un énoncé mathématique écrit et renvoie un texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en écriture créative générale ou en traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, des transformations justifiées et une réponse finale clairement séparée. La fiche décrit aussi le raisonnement intégrant des outils, où le raisonnement en langage naturel est combiné à des programmes. Le concepteur cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et les manipulations symboliques ou algorithmiques comptent.
Le raisonnement avec outils ne consiste pas seulement à afficher du code dans une réponse. La démonstration mathématique du concepteur fournit un environnement pouvant exécuter des programmes, puis le résultat du calcul contribue à la solution. Une requête autonome de génération textuelle produit du texte ; une application utilisant un flux de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques renvoyés.
Éditions de base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles affinés pour les instructions et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux instructions de type chat. L’édition de base Qwen2.5-Math-72B est décrite comme un socle de complétion et d’inférence avec quelques exemples, et comme un point de départ pour l’affinage ultérieur. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être considéré comme le générateur ordinaire de réponses de ce modèle.
L’annonce de la version décrit un pipeline d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des contenus mathématiques synthétiques supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir du socle Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécialisé guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le concepteur ajoute des données de raisonnement intégrant des outils et des données d’instructions anglaises et chinoises. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur distinct soit automatiquement invoqué 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 les conditions initiales et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée des conditions d’origine.
Le démarrage rapide du concepteur distingue les deux approches par les instructions. Une demande de raisonnement textuel sollicite une solution étape par étape et une réponse finale encadrée. Une demande intégrant des outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention de réponse finale. Il s’agit de flux mathématiques documentés, et non d’une promesse distincte sur les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une structure de sortie utile distingue le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cet exemple est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 ; les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique à déléguer à l’environnement de calcul.
Contexte et configuration
La publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée fixe le nombre maximal de positions à 4,096 ; le prompt et la solution détaillée nécessitent donc une gestion compacte de la longueur. N’attribuez pas à cette édition mathématique le contexte bien plus large annoncé pour la gamme générale Qwen2.5. Gardez ensemble les conditions pertinentes et le travail mathématique, et écartez les contenus sans rapport qui consommeraient cet espace.
L’exemple de génération du démarrage rapide utilise un réglage de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée 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 substantielles et résultats utiles
Le concepteur recommande cette série pour les tâches mathématiques en anglais et en chinois et déconseille les tâches générales hors de cette spécialisation. Les poids sont ceux de modèles de génération textuelle ; une question mathématique dans une image nécessite une conversion de ses symboles et conditions en texte par une étape visuelle ou OCR distincte. Une démonstration multimodale associant modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant des images.
Pour un flux de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation d’origine et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez si la sortie doit être exacte ou approchée, ainsi que les unités et l’arrondi, avant de choisir un raisonnement textuel ou un flux de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et examinable.
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’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 $0.001144 / 1K tokens Sortie · Tokens en sortie $0.00344 / 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-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, 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-math-72b-instruct
Utilisez les chemins de méthode indiqués ci-dessus.
qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct est un modèle d’instructions mathématiques pour les problèmes en anglais et en chinois. Il prend en charge le raisonnement textuel détaillé et les flux mathématiques intégrant des outils, avec une configuration de version distincte de 4K, plutôt que les spécifications de contexte long 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 affinée pour suivre des instructions de la famille mathématique Qwen2.5-Math. Son concepteur cible spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement en chaîne de pensée et le raisonnement intégrant des outils. Le modèle reçoit un énoncé mathématique écrit et renvoie un texte contenant une dérivation, une explication ou une solution. Il est spécialisé en mathématiques plutôt qu’en écriture créative générale ou en traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, des transformations justifiées et une réponse finale clairement séparée. La fiche décrit aussi le raisonnement intégrant des outils, où le raisonnement en langage naturel est combiné à des programmes. Le concepteur cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et les manipulations symboliques ou algorithmiques comptent.
Le raisonnement avec outils ne consiste pas seulement à afficher du code dans une réponse. La démonstration mathématique du concepteur fournit un environnement pouvant exécuter des programmes, puis le résultat du calcul contribue à la solution. Une requête autonome de génération textuelle produit du texte ; une application utilisant un flux de calcul doit fournir l’étape d’exécution réelle. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques renvoyés.
Éditions de base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles affinés pour les instructions et un modèle de récompense mathématique. L’édition 72B-Instruct est destinée aux instructions de type chat. L’édition de base Qwen2.5-Math-72B est décrite comme un socle de complétion et d’inférence avec quelques exemples, et comme un point de départ pour l’affinage ultérieur. Le modèle de récompense portant un nom distinct a son propre rôle et ne doit pas être considéré comme le générateur ordinaire de réponses de ce modèle.
L’annonce de la version décrit un pipeline d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des contenus mathématiques synthétiques supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir du socle Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécialisé guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le concepteur ajoute des données de raisonnement intégrant des outils et des données d’instructions anglaises et chinoises. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur distinct soit automatiquement invoqué 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 les conditions initiales et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée des conditions d’origine.
Le démarrage rapide du concepteur distingue les deux approches par les instructions. Une demande de raisonnement textuel sollicite une solution étape par étape et une réponse finale encadrée. Une demande intégrant des outils demande au modèle de combiner le raisonnement en langage naturel avec des programmes et de conserver la même convention de réponse finale. Il s’agit de flux mathématiques documentés, et non d’une promesse distincte sur les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une structure de sortie utile distingue le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cet exemple est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 ; les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique à déléguer à l’environnement de calcul.
Contexte et configuration
La publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration publiée fixe le nombre maximal de positions à 4,096 ; le prompt et la solution détaillée nécessitent donc une gestion compacte de la longueur. N’attribuez pas à cette édition mathématique le contexte bien plus large annoncé pour la gamme générale Qwen2.5. Gardez ensemble les conditions pertinentes et le travail mathématique, et écartez les contenus sans rapport qui consommeraient cet espace.
L’exemple de génération du démarrage rapide utilise un réglage de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur souhaitée 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 substantielles et résultats utiles
Le concepteur recommande cette série pour les tâches mathématiques en anglais et en chinois et déconseille les tâches générales hors de cette spécialisation. Les poids sont ceux de modèles de génération textuelle ; une question mathématique dans une image nécessite une conversion de ses symboles et conditions en texte par une étape visuelle ou OCR distincte. Une démonstration multimodale associant modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant des images.
Pour un flux de tutorat, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation d’origine et une réponse finale au niveau de détail souhaité. Pour un calcul technique, précisez si la sortie doit être exacte ou approchée, ainsi que les unités et l’arrondi, avant de choisir un raisonnement textuel ou un flux de calcul. Ces préparatifs relient la spécialisation mathématique du modèle à une solution concrète et examinable.
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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.001144 / 1K tokens Sortie · Tokens en sortie $0.00344 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen2.5-math-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-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.