Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée aux instructions de la famille mathématique Qwen2.5-Math. Son fabricant vise spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement par chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit une condition mathématique écrite et retourne du texte contenant une dérivation, une explication ou une solution. Sa spécialisation est mathématique plutôt que la rédaction créative générale ou le traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.
Le raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte ; une application utilisant un processus de calcul doit fournir l’étape réelle d’exécution. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.
Éditions Base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles ajustés aux instructions et un modèle de récompense mathématique. L’édition 72B-Instruct vise les instructions de type dialogue. L’édition de base Qwen2.5-Math-72B est décrite comme une base pour la complétion et l’inférence avec quelques exemples, ainsi qu’un point de départ pour un affinage supplémentaire. Le modèle de récompense nommé séparément a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.
L’annonce de publication décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des éléments mathématiques synthétisés supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir de la base Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécifique aux mathématiques guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données d’instructions en anglais et en chinois. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur séparé soit automatiquement appelé pour chaque requête utilisateur.
Préparer la question
Gardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition initiale et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée au regard des conditions initiales.
Le démarrage rapide du fabricant distingue les deux approches par les instructions. Une demande de raisonnement textuel exige une solution étape par étape et une réponse finale encadrée. Une demande intégrée aux outils exige que le modèle combine le raisonnement en langage naturel à des programmes et conserve la même convention de réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une structure de sortie utile sépare le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 : les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique qui serait délégué à l’environnement de calcul.
Contexte et configuration
La publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration du modèle publié fixe le maximum de positions à 4 096 ; le prompt et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte bien plus grand annoncé pour la lignée Qwen2.5 générale. Conservez ensemble les conditions pertinentes et le travail mathématique, et omettez les éléments sans rapport qui consommeraient cet espace.
La génération de démarrage rapide de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur de réponse souhaitée peut être précisée pour la tâche, mais une limite de sortie séparée doit provenir de la configuration réelle applicable plutôt que d’un exemple ou d’une autre édition Qwen.
Limites de fond et résultats utiles
Le fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les poids correspondent à des modèles de génération de texte ; les symboles et les conditions d’une question mathématique en image doivent être convertis en texte par une étape distincte de vision ou d’OCR. Une démonstration multimodale combinant des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.
Pour un processus pédagogique, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation initiale et une réponse finale au niveau de détail requis. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondi avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparations relient la spécialisation mathématique du modèle à une solution concrète et examinable.
", "aboutText": "Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée aux instructions de la famille mathématique Qwen2.5-Math. Son fabricant vise spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement par chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit une condition mathématique écrite et retourne du texte contenant une dérivation, une explication ou une solution. Sa spécialisation est mathématique plutôt que la rédaction créative générale ou le traitement documentaire.\n\nCapacités mathématiques et approches de raisonnement\n\nDans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.\n\nLe raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte ; une application utilisant un processus de calcul doit fournir l’étape réelle d’exécution. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.\n\nÉditions Base, Instruct et modèle de récompense\n\nLa famille comprend des modèles de base distincts, des modèles ajustés aux instructions et un modèle de récompense mathématique. L’édition 72B-Instruct vise les instructions de type dialogue. L’édition de base Qwen2.5-Math-72B est décrite comme une base pour la complétion et l’inférence avec quelques exemples, ainsi qu’un point de départ pour un affinage supplémentaire. Le modèle de récompense nommé séparément a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.\n\nL’annonce de publication décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des éléments mathématiques synthétisés supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir de la base Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécifique aux mathématiques guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données d’instructions en anglais et en chinois. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur séparé soit automatiquement appelé pour chaque requête utilisateur.\n\nPréparer la question\n\nGardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition initiale et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée au regard des conditions initiales.\n\nLe démarrage rapide du fabricant distingue les deux approches par les instructions. Une demande de raisonnement textuel exige une solution étape par étape et une réponse finale encadrée. Une demande intégrée aux outils exige que le modèle combine le raisonnement en langage naturel à des programmes et conserve la même convention de réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.\n\nÀ titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une structure de sortie utile sépare le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 : les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique qui serait délégué à l’environnement de calcul.\n\nContexte et configuration\n\nLa publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration du modèle publié fixe le maximum de positions à 4 096 ; le prompt et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte bien plus grand annoncé pour la lignée Qwen2.5 générale. Conservez ensemble les conditions pertinentes et le travail mathématique, et omettez les éléments sans rapport qui consommeraient cet espace.\n\nLa génération de démarrage rapide de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur de réponse souhaitée peut être précisée pour la tâche, mais une limite de sortie séparée doit provenir de la configuration réelle applicable plutôt que d’un exemple ou d’une autre édition Qwen.\n\nLimites de fond et résultats utiles\n\nLe fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les poids correspondent à des modèles de génération de texte ; les symboles et les conditions d’une question mathématique en image doivent être convertis en texte par une étape distincte de vision ou d’OCR. Une démonstration multimodale combinant des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.\n\nPour un processus pédagogique, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation initiale et une réponse finale au niveau de détail requis. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondi avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparations 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 mathématique de suivi des instructions pour les problèmes en anglais et en chinois. Il permet un raisonnement textuel détaillé et des processus mathématiques intégrant des outils, avec une configuration publiée distincte de 4K plutôt que les spécifications générales de contexte long de Qwen2.5.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée aux instructions de la famille mathématique Qwen2.5-Math. Son fabricant vise spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement par chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit une condition mathématique écrite et retourne du texte contenant une dérivation, une explication ou une solution. Sa spécialisation est mathématique plutôt que la rédaction créative générale ou le traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.
Le raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte ; une application utilisant un processus de calcul doit fournir l’étape réelle d’exécution. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.
Éditions Base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles ajustés aux instructions et un modèle de récompense mathématique. L’édition 72B-Instruct vise les instructions de type dialogue. L’édition de base Qwen2.5-Math-72B est décrite comme une base pour la complétion et l’inférence avec quelques exemples, ainsi qu’un point de départ pour un affinage supplémentaire. Le modèle de récompense nommé séparément a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.
L’annonce de publication décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des éléments mathématiques synthétisés supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir de la base Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécifique aux mathématiques guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données d’instructions en anglais et en chinois. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur séparé soit automatiquement appelé pour chaque requête utilisateur.
Préparer la question
Gardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition initiale et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée au regard des conditions initiales.
Le démarrage rapide du fabricant distingue les deux approches par les instructions. Une demande de raisonnement textuel exige une solution étape par étape et une réponse finale encadrée. Une demande intégrée aux outils exige que le modèle combine le raisonnement en langage naturel à des programmes et conserve la même convention de réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une structure de sortie utile sépare le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 : les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique qui serait délégué à l’environnement de calcul.
Contexte et configuration
La publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration du modèle publié fixe le maximum de positions à 4 096 ; le prompt et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte bien plus grand annoncé pour la lignée Qwen2.5 générale. Conservez ensemble les conditions pertinentes et le travail mathématique, et omettez les éléments sans rapport qui consommeraient cet espace.
La génération de démarrage rapide de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur de réponse souhaitée peut être précisée pour la tâche, mais une limite de sortie séparée doit provenir de la configuration réelle applicable plutôt que d’un exemple ou d’une autre édition Qwen.
Limites de fond et résultats utiles
Le fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les poids correspondent à des modèles de génération de texte ; les symboles et les conditions d’une question mathématique en image doivent être convertis en texte par une étape distincte de vision ou d’OCR. Une démonstration multimodale combinant des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.
Pour un processus pédagogique, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation initiale et une réponse finale au niveau de détail requis. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondi avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparations 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 mathématique de suivi des instructions pour les problèmes en anglais et en chinois. Il permet un raisonnement textuel détaillé et des processus mathématiques intégrant des outils, avec une configuration publiée distincte de 4K plutôt que les spécifications générales de contexte long de Qwen2.5.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen2.5-Math-72B-Instruct est l’édition 72B ajustée aux instructions de la famille mathématique Qwen2.5-Math. Son fabricant vise spécifiquement les problèmes mathématiques en anglais et en chinois et décrit deux approches : le raisonnement par chaîne de pensée et le raisonnement intégré aux outils. Le modèle reçoit une condition mathématique écrite et retourne du texte contenant une dérivation, une explication ou une solution. Sa spécialisation est mathématique plutôt que la rédaction créative générale ou le traitement documentaire.
Capacités mathématiques et approches de raisonnement
Dans l’approche de raisonnement textuel, la tâche demande les définitions pertinentes, les transformations justifiées et une réponse finale clairement séparée. La fiche du modèle décrit aussi le raisonnement intégré aux outils, dans lequel le raisonnement en langage naturel est combiné à des programmes. Le fabricant cite la recherche des racines d’une équation du second degré et le calcul des valeurs propres d’une matrice comme exemples où le calcul précis et la manipulation symbolique ou algorithmique comptent.
Le raisonnement intégré aux outils ne consiste pas simplement à afficher du code dans une réponse. La démonstration mathématique du fabricant fournit un environnement capable d’exécuter des programmes, et le résultat du calcul participe ensuite à la solution. Une requête autonome de génération de texte produit du texte ; une application utilisant un processus de calcul doit fournir l’étape réelle d’exécution. Cette distinction sépare le raisonnement mathématique, les programmes proposés et les résultats numériques retournés.
Éditions Base, Instruct et modèle de récompense
La famille comprend des modèles de base distincts, des modèles ajustés aux instructions et un modèle de récompense mathématique. L’édition 72B-Instruct vise les instructions de type dialogue. L’édition de base Qwen2.5-Math-72B est décrite comme une base pour la complétion et l’inférence avec quelques exemples, ainsi qu’un point de départ pour un affinage supplémentaire. Le modèle de récompense nommé séparément a son propre rôle et ne doit pas être traité comme le générateur de réponses ordinaire de ce modèle.
L’annonce de publication décrit un processus d’entraînement spécialisé en mathématiques. Les modèles de base utilisent des éléments mathématiques synthétisés supplémentaires, davantage de données mathématiques chinoises et une initialisation à partir de la base Qwen2.5. L’étape Instruct emploie l’affinage supervisé et l’apprentissage par renforcement, avec un modèle de récompense spécifique aux mathématiques guidant l’échantillonnage par rejet et l’optimisation ultérieure. Le fabricant ajoute des données de raisonnement intégré aux outils et des données d’instructions en anglais et en chinois. Ces éléments expliquent l’orientation mathématique de l’édition ; ils n’impliquent pas qu’un vérificateur séparé soit automatiquement appelé pour chaque requête utilisateur.
Préparer la question
Gardez l’énoncé mathématique complet. Définissez les variables, les restrictions de domaine et la quantité ou la proposition à établir. Utilisez une notation cohérente entre la condition initiale et la réponse demandée. Une instruction utile peut demander la méthode, les transformations importantes et le résultat final, avec une vérification séparée au regard des conditions initiales.
Le démarrage rapide du fabricant distingue les deux approches par les instructions. Une demande de raisonnement textuel exige une solution étape par étape et une réponse finale encadrée. Une demande intégrée aux outils exige que le modèle combine le raisonnement en langage naturel à des programmes et conserve la même convention de réponse finale. Ce sont des processus mathématiques documentés, et non une promesse distincte concernant les outils exposés par chaque interface de service.
À titre d’illustration, l’équation simple de la fiche est 4x + 5 = 6x + 7. Une structure de sortie utile sépare le regroupement des termes variables, l’isolement de la variable et l’expression finale ; le résultat mathématique de cette condition illustrative est x = -1. La substitution donne 4(-1) + 5 = 1 et 6(-1) + 7 = 1 : les deux membres concordent donc. Une demande plus élaborée peut fournir une matrice, demander une dérivation symbolique des valeurs propres et identifier le calcul numérique qui serait délégué à l’environnement de calcul.
Contexte et configuration
La publication décrit un préentraînement mathématique avec un contexte de 4K. La configuration du modèle publié fixe le maximum de positions à 4 096 ; le prompt et la solution détaillée nécessitent donc un plan de longueur compact. N’attribuez pas à cette édition mathématique le contexte bien plus grand annoncé pour la lignée Qwen2.5 générale. Conservez ensemble les conditions pertinentes et le travail mathématique, et omettez les éléments sans rapport qui consommeraient cet espace.
La génération de démarrage rapide de la fiche utilise un réglage d’exemple de 512 tokens. Cette valeur n’est pas présentée comme une capacité maximale de sortie. Une longueur de réponse souhaitée peut être précisée pour la tâche, mais une limite de sortie séparée doit provenir de la configuration réelle applicable plutôt que d’un exemple ou d’une autre édition Qwen.
Limites de fond et résultats utiles
Le fabricant recommande cette série pour les tâches mathématiques en anglais et en chinois et ne recommande pas les tâches générales hors de cette spécialisation. Les poids correspondent à des modèles de génération de texte ; les symboles et les conditions d’une question mathématique en image doivent être convertis en texte par une étape distincte de vision ou d’OCR. Une démonstration multimodale combinant des modèles visuels et mathématiques ne fait pas de l’édition mathématique elle-même un modèle acceptant les images.
Pour un processus pédagogique, fournissez la tentative de dérivation de l’apprenant et marquez la transition à expliquer. Demandez une correction dans la notation initiale et une réponse finale au niveau de détail requis. Pour un calcul technique, précisez la sortie exacte ou approximative, les unités et l’arrondi avant de choisir le raisonnement textuel ou un processus de calcul. Ces préparations 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.