Qwen2.5-14B-Instruct היא מהדורת 14B של משפחת Qwen2.5 הכללית, שעברה התאמה למילוי הוראות. היא מקבלת שיחה טקסטואלית ומחזירה טקסט: הסבר, מסמך, קוד תוכנה או שדות מובְנים. היצרן מדגיש מילוי הוראות, תכנות, מתמטיקה, הבנת נתונים מובְנים כגון טבלאות ויצירת תשובות מובְנות, ובפרט JSON.
מה משתפר במשפחה
היצרן מתאר ידע רחב יותר ויכולות תכנות ומתמטיקה משופרות לעומת דור Qwen2 הקודם, לצד יצירת תשובות ארוכות והתמודדות טובה יותר עם מגוון הוראות מערכת. המשפחה משתמשת בקורפוס לאימון מקדים שמתואר ככזה שמגיע ל־18 טריליון טוקנים. יכולות אלה מתאימות לעוזר בתחום מסוים שתפקידו ופלטו מוגדרים במשימה. מודל זה נשאר מהדורת Instruct הכללית; לסדרות Qwen2.5-Coder ו־Qwen2.5-Math, ששמותיהן נפרדים, יש התמחויות משלהן.
עוזר לתהליכי עבודה יכול לקבל נוהל ושאלה על אחד משלבי התהליך. הגדירו את תפקיד הקורא, בקשו את הפעולות הרלוונטיות לשלב זה ודרשו שהתשובה תשמור על התנאים המקוריים של הנוהל. פלט שימושי יכול להפריד בין הפעולה הבאה, התנאי שמאפשר לבצע אותה והמידע שעדיין נדרש. כך הופכים בקשה כללית לייעוץ לתשובה הקשורה לתהליך שסופק.
להסבר קוד, ספקו את הפונקציה, את ההגדרות הרלוונטיות של פונקציות העזר ואת הקלט שיוצר אי־בהירות. בקשו את רצף הפעולות ואת הערך המוחזר עבור קלט זה. להסבר מתמטי, ציינו את הסמלים, ההנחות וביטוי היעד לפני שתבקשו את הפיתוח. שתי המשימות משתמשות בטקסט; הרצת התוכנית או העמדת כלי חישוב נפרד לרשות המודל הן באחריות היישום שסביבו.
טבלאות ו־JSON
לשאלה על טבלה, שמרו על כותרות העמודות והיחידות, ציינו את השורות הרלוונטיות והגדירו את ההשוואה. הפלט הרצוי יכול לכלול את מזהי השורות המתאימות ולהסביר איזה תנאי שסופק מתקיים בכל שורה. אם חסרים ערכים בטבלה, ציינו אם התשובה צריכה להשאיר אותם חסרים או לייצג במפורש את היעדרם.
לחליצה מובְנית, הציגו את שמות השדות ואת הטיפוסים הנדרשים. קלט כגון מזהה פריט, כמות במלאי ותווית מחסן יכול להפוך לרשומה עם אותם שדות. בקשו רק את הרשומה כאשר יישום ינתח אותה; בקשו הסבר מילולי נפרד כאשר המשתמש צריך לבדוק כיצד פורש המקור. היכולת המתועדת של המודל ליצור JSON נפרדת מממשק מסוים שאוכף סכֵמה.
שיחה רב־לשונית נתמכת ביותר מ־29 שפות, ובהן אנגלית, סינית, רוסית, גרמנית, צרפתית, ספרדית, פורטוגזית, איטלקית, יפנית, קוריאנית, וייטנאמית, תאית וערבית. הגדירו את שפת התשובה הסופית וספקו מונחים שחייבים להישאר ללא שינוי. להסבר טכני מתורגם, בקשו מהמודל לשמור על שמות משתנים, תוויות מצוטטות ויחידות, תוך התאמת הטקסט שסביבם לקורא.
הפרטים של גרסת 14B זו
כרטיס המודל מציין 14.7 מיליארד פרמטרים, ובהם 13.1 מיליארד פרמטרים שאינם פרמטרי הטמעה, ו־48 שכבות Transformer. הארכיטקטורה משתמשת בהטמעות מיקום סיבוביות, ב־SwiGLU, ב־RMSNorm ובהטיית QKV במנגנון הקשב, עם 40 ראשי שאילתה ו־8 ראשי מפתח/ערך במנגנון קשב של שאילתות מקובצות. אימון מקדים ואימון לאחריו יוצרים את מהדורת Instruct זו. מספר הפרמטרים ומספר השכבות שלה שונים מאלה של מהדורת 32B, גם כאשר יכולות המשפחה ונתוני ההקשר שפורסמו זהים.
כרטיס המודל מציין הקשר מלא של 131,072 טוקנים ויצירה של עד 8,192 טוקנים. הנתון הראשון מתייחס לשיחה ולחומר שנשמרים לצורך המשימה; השני מתייחס לתשובה שנוצרת. הגדרת היצירה של 512 טוקנים בדוגמת ההתחלה המהירה היא דוגמה בלבד, ואינה מחליפה את קיבולת התשובה המוצהרת בכרטיס. הבנת תמונות, וידאו ואודיו שייכת לגרסאות רב־מודאליות בעלות שמות נפרדים, ולא למודל טקסט זה.
פורמט הקלט ומשימות הנעזרות בכלים
בדוגמת היצרן מוחלת תבנית הצ'אט המתאימה על הודעות מערכת ומשתמש נפרדות. הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מהחומר הנבדק. ספקו שאלה מלאה וסמנו את טקסט המקור כך שהוראה המצוטטת בתוך המקור לא תתבלבל עם המשימה שהיישום נותן.
ההכרזה הרשמית על Qwen2.5 מתארת גם תבניות לקריאה לכלים ואינטגרציות תואמות. משימה הנעזרת בכלים דורשת שהיישום שסביב המודל יספק תיאורי פונקציות, יבצע את הפעולה שנבחרה וימסור את תוצאתה לצורך התשובה הבאה. למשל, שיחה יכולה לבקש חישוב באמצעות כלי חישוב שסופק; תוצאת הפונקציה הופכת אז למידע שהמודל יכול להסביר. זמינות הכלים והפעלתם מגיעות מהאינטגרציה, ואילו גרסה זו מספקת את ההתנהגות הטקסטואלית בשיחה.
תצורה לטקסט ארוך
התצורה שפורסמה מכסה בתחילה 32,768 טוקנים. ההרחבה המתועדת לקלטים ארוכים יותר משתמשת ב־YaRN, עם מקדם הגדלה של 4.0 בדוגמה והגדרת מספר מיקומים מרבי מקורית של 32,768. הגדלה סטטית עשויה להשפיע על ההתנהגות בטקסטים קצרים יותר, ולכן היצרן ממליץ להוסיף אותה כאשר נדרשים הקשרים ארוכים.
בהכנת מקור ארוך, ציינו את הסעיף שיש לתקן או את השאלה שיש לענות עליה, ושמרו יחד את החלקים התומכים. בקשה ברורה יכולה לבקש קטע מתוקן, טבלת שינויים והפניות לסעיפים המקוריים. כך משתמשים בהקשר המורחב ליצירת תוצר מוגדר, תוך שמירה על התשובה בגבול היצירה הנפרד.
", "aboutText": "Qwen2.5-14B-Instruct היא מהדורת 14B של משפחת Qwen2.5 הכללית, שעברה התאמה למילוי הוראות. היא מקבלת שיחה טקסטואלית ומחזירה טקסט: הסבר, מסמך, קוד תוכנה או שדות מובְנים. היצרן מדגיש מילוי הוראות, תכנות, מתמטיקה, הבנת נתונים מובְנים כגון טבלאות ויצירת תשובות מובְנות, ובפרט JSON.\n\nמה משתפר במשפחה\n\nהיצרן מתאר ידע רחב יותר ויכולות תכנות ומתמטיקה משופרות לעומת דור Qwen2 הקודם, לצד יצירת תשובות ארוכות והתמודדות טובה יותר עם מגוון הוראות מערכת. המשפחה משתמשת בקורפוס לאימון מקדים שמתואר ככזה שמגיע ל־18 טריליון טוקנים. יכולות אלה מתאימות לעוזר בתחום מסוים שתפקידו ופלטו מוגדרים במשימה. מודל זה נשאר מהדורת Instruct הכללית; לסדרות Qwen2.5-Coder ו־Qwen2.5-Math, ששמותיהן נפרדים, יש התמחויות משלהן.\n\nעוזר לתהליכי עבודה יכול לקבל נוהל ושאלה על אחד משלבי התהליך. הגדירו את תפקיד הקורא, בקשו את הפעולות הרלוונטיות לשלב זה ודרשו שהתשובה תשמור על התנאים המקוריים של הנוהל. פלט שימושי יכול להפריד בין הפעולה הבאה, התנאי שמאפשר לבצע אותה והמידע שעדיין נדרש. כך הופכים בקשה כללית לייעוץ לתשובה הקשורה לתהליך שסופק.\n\nלהסבר קוד, ספקו את הפונקציה, את ההגדרות הרלוונטיות של פונקציות העזר ואת הקלט שיוצר אי־בהירות. בקשו את רצף הפעולות ואת הערך המוחזר עבור קלט זה. להסבר מתמטי, ציינו את הסמלים, ההנחות וביטוי היעד לפני שתבקשו את הפיתוח. שתי המשימות משתמשות בטקסט; הרצת התוכנית או העמדת כלי חישוב נפרד לרשות המודל הן באחריות היישום שסביבו.\n\nטבלאות ו־JSON\n\nלשאלה על טבלה, שמרו על כותרות העמודות והיחידות, ציינו את השורות הרלוונטיות והגדירו את ההשוואה. הפלט הרצוי יכול לכלול את מזהי השורות המתאימות ולהסביר איזה תנאי שסופק מתקיים בכל שורה. אם חסרים ערכים בטבלה, ציינו אם התשובה צריכה להשאיר אותם חסרים או לייצג במפורש את היעדרם.\n\nלחליצה מובְנית, הציגו את שמות השדות ואת הטיפוסים הנדרשים. קלט כגון מזהה פריט, כמות במלאי ותווית מחסן יכול להפוך לרשומה עם אותם שדות. בקשו רק את הרשומה כאשר יישום ינתח אותה; בקשו הסבר מילולי נפרד כאשר המשתמש צריך לבדוק כיצד פורש המקור. היכולת המתועדת של המודל ליצור JSON נפרדת מממשק מסוים שאוכף סכֵמה.\n\nשיחה רב־לשונית נתמכת ביותר מ־29 שפות, ובהן אנגלית, סינית, רוסית, גרמנית, צרפתית, ספרדית, פורטוגזית, איטלקית, יפנית, קוריאנית, וייטנאמית, תאית וערבית. הגדירו את שפת התשובה הסופית וספקו מונחים שחייבים להישאר ללא שינוי. להסבר טכני מתורגם, בקשו מהמודל לשמור על שמות משתנים, תוויות מצוטטות ויחידות, תוך התאמת הטקסט שסביבם לקורא.\n\nהפרטים של גרסת 14B זו\n\nכרטיס המודל מציין 14.7 מיליארד פרמטרים, ובהם 13.1 מיליארד פרמטרים שאינם פרמטרי הטמעה, ו־48 שכבות Transformer. הארכיטקטורה משתמשת בהטמעות מיקום סיבוביות, ב־SwiGLU, ב־RMSNorm ובהטיית QKV במנגנון הקשב, עם 40 ראשי שאילתה ו־8 ראשי מפתח/ערך במנגנון קשב של שאילתות מקובצות. אימון מקדים ואימון לאחריו יוצרים את מהדורת Instruct זו. מספר הפרמטרים ומספר השכבות שלה שונים מאלה של מהדורת 32B, גם כאשר יכולות המשפחה ונתוני ההקשר שפורסמו זהים.\n\nכרטיס המודל מציין הקשר מלא של 131,072 טוקנים ויצירה של עד 8,192 טוקנים. הנתון הראשון מתייחס לשיחה ולחומר שנשמרים לצורך המשימה; השני מתייחס לתשובה שנוצרת. הגדרת היצירה של 512 טוקנים בדוגמת ההתחלה המהירה היא דוגמה בלבד, ואינה מחליפה את קיבולת התשובה המוצהרת בכרטיס. הבנת תמונות, וידאו ואודיו שייכת לגרסאות רב־מודאליות בעלות שמות נפרדים, ולא למודל טקסט זה.\n\nפורמט הקלט ומשימות הנעזרות בכלים\n\nבדוגמת היצרן מוחלת תבנית הצ'אט המתאימה על הודעות מערכת ומשתמש נפרדות. הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מהחומר הנבדק. ספקו שאלה מלאה וסמנו את טקסט המקור כך שהוראה המצוטטת בתוך המקור לא תתבלבל עם המשימה שהיישום נותן.\n\nההכרזה הרשמית על Qwen2.5 מתארת גם תבניות לקריאה לכלים ואינטגרציות תואמות. משימה הנעזרת בכלים דורשת שהיישום שסביב המודל יספק תיאורי פונקציות, יבצע את הפעולה שנבחרה וימסור את תוצאתה לצורך התשובה הבאה. למשל, שיחה יכולה לבקש חישוב באמצעות כלי חישוב שסופק; תוצאת הפונקציה הופכת אז למידע שהמודל יכול להסביר. זמינות הכלים והפעלתם מגיעות מהאינטגרציה, ואילו גרסה זו מספקת את ההתנהגות הטקסטואלית בשיחה.\n\nתצורה לטקסט ארוך\n\nהתצורה שפורסמה מכסה בתחילה 32,768 טוקנים. ההרחבה המתועדת לקלטים ארוכים יותר משתמשת ב־YaRN, עם מקדם הגדלה של 4.0 בדוגמה והגדרת מספר מיקומים מרבי מקורית של 32,768. הגדלה סטטית עשויה להשפיע על ההתנהגות בטקסטים קצרים יותר, ולכן היצרן ממליץ להוסיף אותה כאשר נדרשים הקשרים ארוכים.\n\nבהכנת מקור ארוך, ציינו את הסעיף שיש לתקן או את השאלה שיש לענות עליה, ושמרו יחד את החלקים התומכים. בקשה ברורה יכולה לבקש קטע מתוקן, טבלת שינויים והפניות לסעיפים המקוריים. כך משתמשים בהקשר המורחב ליצירת תוצר מוגדר, תוך שמירה על התשובה בגבול היצירה הנפרד.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Filter a stock table with missing values\n\nUse this stock table: item_id | stock | reorder_at; A7 | 3 | 5; B2 | 8 | 4; C9 | unknown | 6. Return the identifiers requiring reorder under stock < reorder_at, then list rows that cannot be decided. Preserve identifiers and explain the condition for each selected or unresolved row.A reorder list and a separate unresolved-row list, each with a short source-based reason.Check that equality would not trigger reorder and that unknown stock is not treated as zero.Qwen/Qwen2.5-14B-InstructQwen2.5-14B-Instruct הוא מודל טקסט רב־לשוני לעוזרים המונחים באמצעות הוראות, לקוד ולמתמטיקה. גרסתו בעלת 14.7 מיליארד הפרמטרים תומכת בפענוח טבלאות, ביצירת JSON ובתשובות באורך של עד 8,192 טוקנים, עם תצורת הקשר מורחב לקלטים ארוכים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen2.5-14B-Instruct היא מהדורת 14B של משפחת Qwen2.5 הכללית, שעברה התאמה למילוי הוראות. היא מקבלת שיחה טקסטואלית ומחזירה טקסט: הסבר, מסמך, קוד תוכנה או שדות מובְנים. היצרן מדגיש מילוי הוראות, תכנות, מתמטיקה, הבנת נתונים מובְנים כגון טבלאות ויצירת תשובות מובְנות, ובפרט JSON.
מה משתפר במשפחה
היצרן מתאר ידע רחב יותר ויכולות תכנות ומתמטיקה משופרות לעומת דור Qwen2 הקודם, לצד יצירת תשובות ארוכות והתמודדות טובה יותר עם מגוון הוראות מערכת. המשפחה משתמשת בקורפוס לאימון מקדים שמתואר ככזה שמגיע ל־18 טריליון טוקנים. יכולות אלה מתאימות לעוזר בתחום מסוים שתפקידו ופלטו מוגדרים במשימה. מודל זה נשאר מהדורת Instruct הכללית; לסדרות Qwen2.5-Coder ו־Qwen2.5-Math, ששמותיהן נפרדים, יש התמחויות משלהן.
עוזר לתהליכי עבודה יכול לקבל נוהל ושאלה על אחד משלבי התהליך. הגדירו את תפקיד הקורא, בקשו את הפעולות הרלוונטיות לשלב זה ודרשו שהתשובה תשמור על התנאים המקוריים של הנוהל. פלט שימושי יכול להפריד בין הפעולה הבאה, התנאי שמאפשר לבצע אותה והמידע שעדיין נדרש. כך הופכים בקשה כללית לייעוץ לתשובה הקשורה לתהליך שסופק.
להסבר קוד, ספקו את הפונקציה, את ההגדרות הרלוונטיות של פונקציות העזר ואת הקלט שיוצר אי־בהירות. בקשו את רצף הפעולות ואת הערך המוחזר עבור קלט זה. להסבר מתמטי, ציינו את הסמלים, ההנחות וביטוי היעד לפני שתבקשו את הפיתוח. שתי המשימות משתמשות בטקסט; הרצת התוכנית או העמדת כלי חישוב נפרד לרשות המודל הן באחריות היישום שסביבו.
טבלאות ו־JSON
לשאלה על טבלה, שמרו על כותרות העמודות והיחידות, ציינו את השורות הרלוונטיות והגדירו את ההשוואה. הפלט הרצוי יכול לכלול את מזהי השורות המתאימות ולהסביר איזה תנאי שסופק מתקיים בכל שורה. אם חסרים ערכים בטבלה, ציינו אם התשובה צריכה להשאיר אותם חסרים או לייצג במפורש את היעדרם.
לחליצה מובְנית, הציגו את שמות השדות ואת הטיפוסים הנדרשים. קלט כגון מזהה פריט, כמות במלאי ותווית מחסן יכול להפוך לרשומה עם אותם שדות. בקשו רק את הרשומה כאשר יישום ינתח אותה; בקשו הסבר מילולי נפרד כאשר המשתמש צריך לבדוק כיצד פורש המקור. היכולת המתועדת של המודל ליצור JSON נפרדת מממשק מסוים שאוכף סכֵמה.
שיחה רב־לשונית נתמכת ביותר מ־29 שפות, ובהן אנגלית, סינית, רוסית, גרמנית, צרפתית, ספרדית, פורטוגזית, איטלקית, יפנית, קוריאנית, וייטנאמית, תאית וערבית. הגדירו את שפת התשובה הסופית וספקו מונחים שחייבים להישאר ללא שינוי. להסבר טכני מתורגם, בקשו מהמודל לשמור על שמות משתנים, תוויות מצוטטות ויחידות, תוך התאמת הטקסט שסביבם לקורא.
הפרטים של גרסת 14B זו
כרטיס המודל מציין 14.7 מיליארד פרמטרים, ובהם 13.1 מיליארד פרמטרים שאינם פרמטרי הטמעה, ו־48 שכבות Transformer. הארכיטקטורה משתמשת בהטמעות מיקום סיבוביות, ב־SwiGLU, ב־RMSNorm ובהטיית QKV במנגנון הקשב, עם 40 ראשי שאילתה ו־8 ראשי מפתח/ערך במנגנון קשב של שאילתות מקובצות. אימון מקדים ואימון לאחריו יוצרים את מהדורת Instruct זו. מספר הפרמטרים ומספר השכבות שלה שונים מאלה של מהדורת 32B, גם כאשר יכולות המשפחה ונתוני ההקשר שפורסמו זהים.
כרטיס המודל מציין הקשר מלא של 131,072 טוקנים ויצירה של עד 8,192 טוקנים. הנתון הראשון מתייחס לשיחה ולחומר שנשמרים לצורך המשימה; השני מתייחס לתשובה שנוצרת. הגדרת היצירה של 512 טוקנים בדוגמת ההתחלה המהירה היא דוגמה בלבד, ואינה מחליפה את קיבולת התשובה המוצהרת בכרטיס. הבנת תמונות, וידאו ואודיו שייכת לגרסאות רב־מודאליות בעלות שמות נפרדים, ולא למודל טקסט זה.
פורמט הקלט ומשימות הנעזרות בכלים
בדוגמת היצרן מוחלת תבנית הצ'אט המתאימה על הודעות מערכת ומשתמש נפרדות. הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מהחומר הנבדק. ספקו שאלה מלאה וסמנו את טקסט המקור כך שהוראה המצוטטת בתוך המקור לא תתבלבל עם המשימה שהיישום נותן.
ההכרזה הרשמית על Qwen2.5 מתארת גם תבניות לקריאה לכלים ואינטגרציות תואמות. משימה הנעזרת בכלים דורשת שהיישום שסביב המודל יספק תיאורי פונקציות, יבצע את הפעולה שנבחרה וימסור את תוצאתה לצורך התשובה הבאה. למשל, שיחה יכולה לבקש חישוב באמצעות כלי חישוב שסופק; תוצאת הפונקציה הופכת אז למידע שהמודל יכול להסביר. זמינות הכלים והפעלתם מגיעות מהאינטגרציה, ואילו גרסה זו מספקת את ההתנהגות הטקסטואלית בשיחה.
תצורה לטקסט ארוך
התצורה שפורסמה מכסה בתחילה 32,768 טוקנים. ההרחבה המתועדת לקלטים ארוכים יותר משתמשת ב־YaRN, עם מקדם הגדלה של 4.0 בדוגמה והגדרת מספר מיקומים מרבי מקורית של 32,768. הגדלה סטטית עשויה להשפיע על ההתנהגות בטקסטים קצרים יותר, ולכן היצרן ממליץ להוסיף אותה כאשר נדרשים הקשרים ארוכים.
בהכנת מקור ארוך, ציינו את הסעיף שיש לתקן או את השאלה שיש לענות עליה, ושמרו יחד את החלקים התומכים. בקשה ברורה יכולה לבקש קטע מתוקן, טבלת שינויים והפניות לסעיפים המקוריים. כך משתמשים בהקשר המורחב ליצירת תוצר מוגדר, תוך שמירה על התשובה בגבול היצירה הנפרד.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Qwen/Qwen2.5-14B-Instruct | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0002 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen2.5-14B-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='Qwen/Qwen2.5-14B-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='Qwen/Qwen2.5-14B-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
Qwen/Qwen2.5-14B-InstructQwen2.5-14B-Instruct הוא מודל טקסט רב־לשוני לעוזרים המונחים באמצעות הוראות, לקוד ולמתמטיקה. גרסתו בעלת 14.7 מיליארד הפרמטרים תומכת בפענוח טבלאות, ביצירת JSON ובתשובות באורך של עד 8,192 טוקנים, עם תצורת הקשר מורחב לקלטים ארוכים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen2.5-14B-Instruct היא מהדורת 14B של משפחת Qwen2.5 הכללית, שעברה התאמה למילוי הוראות. היא מקבלת שיחה טקסטואלית ומחזירה טקסט: הסבר, מסמך, קוד תוכנה או שדות מובְנים. היצרן מדגיש מילוי הוראות, תכנות, מתמטיקה, הבנת נתונים מובְנים כגון טבלאות ויצירת תשובות מובְנות, ובפרט JSON.
מה משתפר במשפחה
היצרן מתאר ידע רחב יותר ויכולות תכנות ומתמטיקה משופרות לעומת דור Qwen2 הקודם, לצד יצירת תשובות ארוכות והתמודדות טובה יותר עם מגוון הוראות מערכת. המשפחה משתמשת בקורפוס לאימון מקדים שמתואר ככזה שמגיע ל־18 טריליון טוקנים. יכולות אלה מתאימות לעוזר בתחום מסוים שתפקידו ופלטו מוגדרים במשימה. מודל זה נשאר מהדורת Instruct הכללית; לסדרות Qwen2.5-Coder ו־Qwen2.5-Math, ששמותיהן נפרדים, יש התמחויות משלהן.
עוזר לתהליכי עבודה יכול לקבל נוהל ושאלה על אחד משלבי התהליך. הגדירו את תפקיד הקורא, בקשו את הפעולות הרלוונטיות לשלב זה ודרשו שהתשובה תשמור על התנאים המקוריים של הנוהל. פלט שימושי יכול להפריד בין הפעולה הבאה, התנאי שמאפשר לבצע אותה והמידע שעדיין נדרש. כך הופכים בקשה כללית לייעוץ לתשובה הקשורה לתהליך שסופק.
להסבר קוד, ספקו את הפונקציה, את ההגדרות הרלוונטיות של פונקציות העזר ואת הקלט שיוצר אי־בהירות. בקשו את רצף הפעולות ואת הערך המוחזר עבור קלט זה. להסבר מתמטי, ציינו את הסמלים, ההנחות וביטוי היעד לפני שתבקשו את הפיתוח. שתי המשימות משתמשות בטקסט; הרצת התוכנית או העמדת כלי חישוב נפרד לרשות המודל הן באחריות היישום שסביבו.
טבלאות ו־JSON
לשאלה על טבלה, שמרו על כותרות העמודות והיחידות, ציינו את השורות הרלוונטיות והגדירו את ההשוואה. הפלט הרצוי יכול לכלול את מזהי השורות המתאימות ולהסביר איזה תנאי שסופק מתקיים בכל שורה. אם חסרים ערכים בטבלה, ציינו אם התשובה צריכה להשאיר אותם חסרים או לייצג במפורש את היעדרם.
לחליצה מובְנית, הציגו את שמות השדות ואת הטיפוסים הנדרשים. קלט כגון מזהה פריט, כמות במלאי ותווית מחסן יכול להפוך לרשומה עם אותם שדות. בקשו רק את הרשומה כאשר יישום ינתח אותה; בקשו הסבר מילולי נפרד כאשר המשתמש צריך לבדוק כיצד פורש המקור. היכולת המתועדת של המודל ליצור JSON נפרדת מממשק מסוים שאוכף סכֵמה.
שיחה רב־לשונית נתמכת ביותר מ־29 שפות, ובהן אנגלית, סינית, רוסית, גרמנית, צרפתית, ספרדית, פורטוגזית, איטלקית, יפנית, קוריאנית, וייטנאמית, תאית וערבית. הגדירו את שפת התשובה הסופית וספקו מונחים שחייבים להישאר ללא שינוי. להסבר טכני מתורגם, בקשו מהמודל לשמור על שמות משתנים, תוויות מצוטטות ויחידות, תוך התאמת הטקסט שסביבם לקורא.
הפרטים של גרסת 14B זו
כרטיס המודל מציין 14.7 מיליארד פרמטרים, ובהם 13.1 מיליארד פרמטרים שאינם פרמטרי הטמעה, ו־48 שכבות Transformer. הארכיטקטורה משתמשת בהטמעות מיקום סיבוביות, ב־SwiGLU, ב־RMSNorm ובהטיית QKV במנגנון הקשב, עם 40 ראשי שאילתה ו־8 ראשי מפתח/ערך במנגנון קשב של שאילתות מקובצות. אימון מקדים ואימון לאחריו יוצרים את מהדורת Instruct זו. מספר הפרמטרים ומספר השכבות שלה שונים מאלה של מהדורת 32B, גם כאשר יכולות המשפחה ונתוני ההקשר שפורסמו זהים.
כרטיס המודל מציין הקשר מלא של 131,072 טוקנים ויצירה של עד 8,192 טוקנים. הנתון הראשון מתייחס לשיחה ולחומר שנשמרים לצורך המשימה; השני מתייחס לתשובה שנוצרת. הגדרת היצירה של 512 טוקנים בדוגמת ההתחלה המהירה היא דוגמה בלבד, ואינה מחליפה את קיבולת התשובה המוצהרת בכרטיס. הבנת תמונות, וידאו ואודיו שייכת לגרסאות רב־מודאליות בעלות שמות נפרדים, ולא למודל טקסט זה.
פורמט הקלט ומשימות הנעזרות בכלים
בדוגמת היצרן מוחלת תבנית הצ'אט המתאימה על הודעות מערכת ומשתמש נפרדות. הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מהחומר הנבדק. ספקו שאלה מלאה וסמנו את טקסט המקור כך שהוראה המצוטטת בתוך המקור לא תתבלבל עם המשימה שהיישום נותן.
ההכרזה הרשמית על Qwen2.5 מתארת גם תבניות לקריאה לכלים ואינטגרציות תואמות. משימה הנעזרת בכלים דורשת שהיישום שסביב המודל יספק תיאורי פונקציות, יבצע את הפעולה שנבחרה וימסור את תוצאתה לצורך התשובה הבאה. למשל, שיחה יכולה לבקש חישוב באמצעות כלי חישוב שסופק; תוצאת הפונקציה הופכת אז למידע שהמודל יכול להסביר. זמינות הכלים והפעלתם מגיעות מהאינטגרציה, ואילו גרסה זו מספקת את ההתנהגות הטקסטואלית בשיחה.
תצורה לטקסט ארוך
התצורה שפורסמה מכסה בתחילה 32,768 טוקנים. ההרחבה המתועדת לקלטים ארוכים יותר משתמשת ב־YaRN, עם מקדם הגדלה של 4.0 בדוגמה והגדרת מספר מיקומים מרבי מקורית של 32,768. הגדלה סטטית עשויה להשפיע על ההתנהגות בטקסטים קצרים יותר, ולכן היצרן ממליץ להוסיף אותה כאשר נדרשים הקשרים ארוכים.
בהכנת מקור ארוך, ציינו את הסעיף שיש לתקן או את השאלה שיש לענות עליה, ושמרו יחד את החלקים התומכים. בקשה ברורה יכולה לבקש קטע מתוקן, טבלת שינויים והפניות לסעיפים המקוריים. כך משתמשים בהקשר המורחב ליצירת תוצר מוגדר, תוך שמירה על התשובה בגבול היצירה הנפרד.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Qwen/Qwen2.5-14B-Instruct | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0002 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "Qwen/Qwen2.5-14B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'Qwen/Qwen2.5-14B-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': 'Qwen/Qwen2.5-14B-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
qwen2.5-14b-instructQwen2.5-14B-Instruct הוא מודל טקסט רב־לשוני לעוזרים המונחים באמצעות הוראות, לקוד ולמתמטיקה. גרסתו בעלת 14.7 מיליארד הפרמטרים תומכת בפענוח טבלאות, ביצירת JSON ובתשובות באורך של עד 8,192 טוקנים, עם תצורת הקשר מורחב לקלטים ארוכים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen2.5-14B-Instruct היא מהדורת 14B של משפחת Qwen2.5 הכללית, שעברה התאמה למילוי הוראות. היא מקבלת שיחה טקסטואלית ומחזירה טקסט: הסבר, מסמך, קוד תוכנה או שדות מובְנים. היצרן מדגיש מילוי הוראות, תכנות, מתמטיקה, הבנת נתונים מובְנים כגון טבלאות ויצירת תשובות מובְנות, ובפרט JSON.
מה משתפר במשפחה
היצרן מתאר ידע רחב יותר ויכולות תכנות ומתמטיקה משופרות לעומת דור Qwen2 הקודם, לצד יצירת תשובות ארוכות והתמודדות טובה יותר עם מגוון הוראות מערכת. המשפחה משתמשת בקורפוס לאימון מקדים שמתואר ככזה שמגיע ל־18 טריליון טוקנים. יכולות אלה מתאימות לעוזר בתחום מסוים שתפקידו ופלטו מוגדרים במשימה. מודל זה נשאר מהדורת Instruct הכללית; לסדרות Qwen2.5-Coder ו־Qwen2.5-Math, ששמותיהן נפרדים, יש התמחויות משלהן.
עוזר לתהליכי עבודה יכול לקבל נוהל ושאלה על אחד משלבי התהליך. הגדירו את תפקיד הקורא, בקשו את הפעולות הרלוונטיות לשלב זה ודרשו שהתשובה תשמור על התנאים המקוריים של הנוהל. פלט שימושי יכול להפריד בין הפעולה הבאה, התנאי שמאפשר לבצע אותה והמידע שעדיין נדרש. כך הופכים בקשה כללית לייעוץ לתשובה הקשורה לתהליך שסופק.
להסבר קוד, ספקו את הפונקציה, את ההגדרות הרלוונטיות של פונקציות העזר ואת הקלט שיוצר אי־בהירות. בקשו את רצף הפעולות ואת הערך המוחזר עבור קלט זה. להסבר מתמטי, ציינו את הסמלים, ההנחות וביטוי היעד לפני שתבקשו את הפיתוח. שתי המשימות משתמשות בטקסט; הרצת התוכנית או העמדת כלי חישוב נפרד לרשות המודל הן באחריות היישום שסביבו.
טבלאות ו־JSON
לשאלה על טבלה, שמרו על כותרות העמודות והיחידות, ציינו את השורות הרלוונטיות והגדירו את ההשוואה. הפלט הרצוי יכול לכלול את מזהי השורות המתאימות ולהסביר איזה תנאי שסופק מתקיים בכל שורה. אם חסרים ערכים בטבלה, ציינו אם התשובה צריכה להשאיר אותם חסרים או לייצג במפורש את היעדרם.
לחליצה מובְנית, הציגו את שמות השדות ואת הטיפוסים הנדרשים. קלט כגון מזהה פריט, כמות במלאי ותווית מחסן יכול להפוך לרשומה עם אותם שדות. בקשו רק את הרשומה כאשר יישום ינתח אותה; בקשו הסבר מילולי נפרד כאשר המשתמש צריך לבדוק כיצד פורש המקור. היכולת המתועדת של המודל ליצור JSON נפרדת מממשק מסוים שאוכף סכֵמה.
שיחה רב־לשונית נתמכת ביותר מ־29 שפות, ובהן אנגלית, סינית, רוסית, גרמנית, צרפתית, ספרדית, פורטוגזית, איטלקית, יפנית, קוריאנית, וייטנאמית, תאית וערבית. הגדירו את שפת התשובה הסופית וספקו מונחים שחייבים להישאר ללא שינוי. להסבר טכני מתורגם, בקשו מהמודל לשמור על שמות משתנים, תוויות מצוטטות ויחידות, תוך התאמת הטקסט שסביבם לקורא.
הפרטים של גרסת 14B זו
כרטיס המודל מציין 14.7 מיליארד פרמטרים, ובהם 13.1 מיליארד פרמטרים שאינם פרמטרי הטמעה, ו־48 שכבות Transformer. הארכיטקטורה משתמשת בהטמעות מיקום סיבוביות, ב־SwiGLU, ב־RMSNorm ובהטיית QKV במנגנון הקשב, עם 40 ראשי שאילתה ו־8 ראשי מפתח/ערך במנגנון קשב של שאילתות מקובצות. אימון מקדים ואימון לאחריו יוצרים את מהדורת Instruct זו. מספר הפרמטרים ומספר השכבות שלה שונים מאלה של מהדורת 32B, גם כאשר יכולות המשפחה ונתוני ההקשר שפורסמו זהים.
כרטיס המודל מציין הקשר מלא של 131,072 טוקנים ויצירה של עד 8,192 טוקנים. הנתון הראשון מתייחס לשיחה ולחומר שנשמרים לצורך המשימה; השני מתייחס לתשובה שנוצרת. הגדרת היצירה של 512 טוקנים בדוגמת ההתחלה המהירה היא דוגמה בלבד, ואינה מחליפה את קיבולת התשובה המוצהרת בכרטיס. הבנת תמונות, וידאו ואודיו שייכת לגרסאות רב־מודאליות בעלות שמות נפרדים, ולא למודל טקסט זה.
פורמט הקלט ומשימות הנעזרות בכלים
בדוגמת היצרן מוחלת תבנית הצ'אט המתאימה על הודעות מערכת ומשתמש נפרדות. הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מהחומר הנבדק. ספקו שאלה מלאה וסמנו את טקסט המקור כך שהוראה המצוטטת בתוך המקור לא תתבלבל עם המשימה שהיישום נותן.
ההכרזה הרשמית על Qwen2.5 מתארת גם תבניות לקריאה לכלים ואינטגרציות תואמות. משימה הנעזרת בכלים דורשת שהיישום שסביב המודל יספק תיאורי פונקציות, יבצע את הפעולה שנבחרה וימסור את תוצאתה לצורך התשובה הבאה. למשל, שיחה יכולה לבקש חישוב באמצעות כלי חישוב שסופק; תוצאת הפונקציה הופכת אז למידע שהמודל יכול להסביר. זמינות הכלים והפעלתם מגיעות מהאינטגרציה, ואילו גרסה זו מספקת את ההתנהגות הטקסטואלית בשיחה.
תצורה לטקסט ארוך
התצורה שפורסמה מכסה בתחילה 32,768 טוקנים. ההרחבה המתועדת לקלטים ארוכים יותר משתמשת ב־YaRN, עם מקדם הגדלה של 4.0 בדוגמה והגדרת מספר מיקומים מרבי מקורית של 32,768. הגדלה סטטית עשויה להשפיע על ההתנהגות בטקסטים קצרים יותר, ולכן היצרן ממליץ להוסיף אותה כאשר נדרשים הקשרים ארוכים.
בהכנת מקור ארוך, ציינו את הסעיף שיש לתקן או את השאלה שיש לענות עליה, ושמרו יחד את החלקים התומכים. בקשה ברורה יכולה לבקש קטע מתוקן, טבלת שינויים והפניות לסעיפים המקוריים. כך משתמשים בהקשר המורחב ליצירת תוצר מוגדר, תוך שמירה על התשובה בגבול היצירה הנפרד.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen2.5-14b-instruct | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: שיחת טקסט | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream |
פרמטרcontrol_scope | מפרטשיחת טקסט; stream הוא ערך בוליאני וברירת המחדל שלו היא false. |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
כינויים לשיטה: /chat/completions
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0002 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen2.5-14b-instruct","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="qwen2.5-14b-instruct", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
qwen2.5-14b-instructQwen2.5-14B-Instruct הוא מודל טקסט רב־לשוני לעוזרים המונחים באמצעות הוראות, לקוד ולמתמטיקה. גרסתו בעלת 14.7 מיליארד הפרמטרים תומכת בפענוח טבלאות, ביצירת JSON ובתשובות באורך של עד 8,192 טוקנים, עם תצורת הקשר מורחב לקלטים ארוכים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen2.5-14B-Instruct היא מהדורת 14B של משפחת Qwen2.5 הכללית, שעברה התאמה למילוי הוראות. היא מקבלת שיחה טקסטואלית ומחזירה טקסט: הסבר, מסמך, קוד תוכנה או שדות מובְנים. היצרן מדגיש מילוי הוראות, תכנות, מתמטיקה, הבנת נתונים מובְנים כגון טבלאות ויצירת תשובות מובְנות, ובפרט JSON.
מה משתפר במשפחה
היצרן מתאר ידע רחב יותר ויכולות תכנות ומתמטיקה משופרות לעומת דור Qwen2 הקודם, לצד יצירת תשובות ארוכות והתמודדות טובה יותר עם מגוון הוראות מערכת. המשפחה משתמשת בקורפוס לאימון מקדים שמתואר ככזה שמגיע ל־18 טריליון טוקנים. יכולות אלה מתאימות לעוזר בתחום מסוים שתפקידו ופלטו מוגדרים במשימה. מודל זה נשאר מהדורת Instruct הכללית; לסדרות Qwen2.5-Coder ו־Qwen2.5-Math, ששמותיהן נפרדים, יש התמחויות משלהן.
עוזר לתהליכי עבודה יכול לקבל נוהל ושאלה על אחד משלבי התהליך. הגדירו את תפקיד הקורא, בקשו את הפעולות הרלוונטיות לשלב זה ודרשו שהתשובה תשמור על התנאים המקוריים של הנוהל. פלט שימושי יכול להפריד בין הפעולה הבאה, התנאי שמאפשר לבצע אותה והמידע שעדיין נדרש. כך הופכים בקשה כללית לייעוץ לתשובה הקשורה לתהליך שסופק.
להסבר קוד, ספקו את הפונקציה, את ההגדרות הרלוונטיות של פונקציות העזר ואת הקלט שיוצר אי־בהירות. בקשו את רצף הפעולות ואת הערך המוחזר עבור קלט זה. להסבר מתמטי, ציינו את הסמלים, ההנחות וביטוי היעד לפני שתבקשו את הפיתוח. שתי המשימות משתמשות בטקסט; הרצת התוכנית או העמדת כלי חישוב נפרד לרשות המודל הן באחריות היישום שסביבו.
טבלאות ו־JSON
לשאלה על טבלה, שמרו על כותרות העמודות והיחידות, ציינו את השורות הרלוונטיות והגדירו את ההשוואה. הפלט הרצוי יכול לכלול את מזהי השורות המתאימות ולהסביר איזה תנאי שסופק מתקיים בכל שורה. אם חסרים ערכים בטבלה, ציינו אם התשובה צריכה להשאיר אותם חסרים או לייצג במפורש את היעדרם.
לחליצה מובְנית, הציגו את שמות השדות ואת הטיפוסים הנדרשים. קלט כגון מזהה פריט, כמות במלאי ותווית מחסן יכול להפוך לרשומה עם אותם שדות. בקשו רק את הרשומה כאשר יישום ינתח אותה; בקשו הסבר מילולי נפרד כאשר המשתמש צריך לבדוק כיצד פורש המקור. היכולת המתועדת של המודל ליצור JSON נפרדת מממשק מסוים שאוכף סכֵמה.
שיחה רב־לשונית נתמכת ביותר מ־29 שפות, ובהן אנגלית, סינית, רוסית, גרמנית, צרפתית, ספרדית, פורטוגזית, איטלקית, יפנית, קוריאנית, וייטנאמית, תאית וערבית. הגדירו את שפת התשובה הסופית וספקו מונחים שחייבים להישאר ללא שינוי. להסבר טכני מתורגם, בקשו מהמודל לשמור על שמות משתנים, תוויות מצוטטות ויחידות, תוך התאמת הטקסט שסביבם לקורא.
הפרטים של גרסת 14B זו
כרטיס המודל מציין 14.7 מיליארד פרמטרים, ובהם 13.1 מיליארד פרמטרים שאינם פרמטרי הטמעה, ו־48 שכבות Transformer. הארכיטקטורה משתמשת בהטמעות מיקום סיבוביות, ב־SwiGLU, ב־RMSNorm ובהטיית QKV במנגנון הקשב, עם 40 ראשי שאילתה ו־8 ראשי מפתח/ערך במנגנון קשב של שאילתות מקובצות. אימון מקדים ואימון לאחריו יוצרים את מהדורת Instruct זו. מספר הפרמטרים ומספר השכבות שלה שונים מאלה של מהדורת 32B, גם כאשר יכולות המשפחה ונתוני ההקשר שפורסמו זהים.
כרטיס המודל מציין הקשר מלא של 131,072 טוקנים ויצירה של עד 8,192 טוקנים. הנתון הראשון מתייחס לשיחה ולחומר שנשמרים לצורך המשימה; השני מתייחס לתשובה שנוצרת. הגדרת היצירה של 512 טוקנים בדוגמת ההתחלה המהירה היא דוגמה בלבד, ואינה מחליפה את קיבולת התשובה המוצהרת בכרטיס. הבנת תמונות, וידאו ואודיו שייכת לגרסאות רב־מודאליות בעלות שמות נפרדים, ולא למודל טקסט זה.
פורמט הקלט ומשימות הנעזרות בכלים
בדוגמת היצרן מוחלת תבנית הצ'אט המתאימה על הודעות מערכת ומשתמש נפרדות. הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מהחומר הנבדק. ספקו שאלה מלאה וסמנו את טקסט המקור כך שהוראה המצוטטת בתוך המקור לא תתבלבל עם המשימה שהיישום נותן.
ההכרזה הרשמית על Qwen2.5 מתארת גם תבניות לקריאה לכלים ואינטגרציות תואמות. משימה הנעזרת בכלים דורשת שהיישום שסביב המודל יספק תיאורי פונקציות, יבצע את הפעולה שנבחרה וימסור את תוצאתה לצורך התשובה הבאה. למשל, שיחה יכולה לבקש חישוב באמצעות כלי חישוב שסופק; תוצאת הפונקציה הופכת אז למידע שהמודל יכול להסביר. זמינות הכלים והפעלתם מגיעות מהאינטגרציה, ואילו גרסה זו מספקת את ההתנהגות הטקסטואלית בשיחה.
תצורה לטקסט ארוך
התצורה שפורסמה מכסה בתחילה 32,768 טוקנים. ההרחבה המתועדת לקלטים ארוכים יותר משתמשת ב־YaRN, עם מקדם הגדלה של 4.0 בדוגמה והגדרת מספר מיקומים מרבי מקורית של 32,768. הגדלה סטטית עשויה להשפיע על ההתנהגות בטקסטים קצרים יותר, ולכן היצרן ממליץ להוסיף אותה כאשר נדרשים הקשרים ארוכים.
בהכנת מקור ארוך, ציינו את הסעיף שיש לתקן או את השאלה שיש לענות עליה, ושמרו יחד את החלקים התומכים. בקשה ברורה יכולה לבקש קטע מתוקן, טבלת שינויים והפניות לסעיפים המקוריים. כך משתמשים בהקשר המורחב ליצירת תוצר מוגדר, תוך שמירה על התשובה בגבול היצירה הנפרד.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen2.5-14b-instruct | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0002 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen2.5-14b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-14b-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': 'qwen2.5-14b-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
דוגמה טכנית באנגלית
Filter a stock table with missing values\n\nUse this stock table: item_id | stock | reorder_at; A7 | 3 | 5; B2 | 8 | 4; C9 | unknown | 6. Return the identifiers requiring reorder under stock < reorder_at, then list rows that cannot be decided. Preserve identifiers and explain the condition for each selected or unresolved row.A reorder list and a separate unresolved-row list, each with a short source-based reason.Check that equality would not trigger reorder and that unknown stock is not treated as zero.