Qwen2-7B-Instruct היא גרסת Qwen2 בגודל 7B המכווננת להוראות, לשיחה ולמשימות המנוסחות בשפה טבעית. זהו מודל עם קלט טקסט ופלט טקסט: התשובה יכולה להיות הסבר, תרגום, טיוטת מסמך או קוד תוכנה. היצרן מציין הבנת שפה, יצירה, עבודה רב-לשונית, קוד, מתמטיקה וחשיבה כתחומי השימוש העיקריים.
פרטי המודל
Qwen2 כולל גרסאות בסיס וגרסאות מכווננות להוראות נפרדות. כרטיס זה עוסק בגרסת Instruct, ולא במודל הבסיס Qwen2-7B או בגרסת תערובת המומחים של המשפחה. טבלת המידע של היצרן מציינת 7.07 מיליארד פרמטרים במודל בגודל 7B. ה-Transformer המפענח שלו משתמש ב-SwiGLU, בהטיית קשב QKV ובקשב עם שאילתות מקובצות, עם טוקנייזר שתוכנן לשפות טבעיות ולקוד. אלה בחירות ארכיטקטורה וייצוג, ולא אופני קלט נוספים.
הודעת הגרסה מתארת אימון באנגלית ובסינית וב-27 שפות נוספות. הן כוללות רוסית, צ'כית ופולנית; גרמנית, צרפתית וספרדית; ערבית, פרסית וטורקית; יפנית וקוריאנית; ושפות נוספות בדרום אסיה ובדרום-מזרח אסיה. עוזר רב-לשוני יכול לכן לקבל הוראה וחומר מקור בשפות שונות, אך עדיין צריך לציין את השפה, המינוח והקהל של התוצר הסופי.
האימון וההבחנה בגרסת Instruct
לאחר הקדם-אימון, היצרן משתמש בכיוונון עדין מפוקח ובאופטימיזציה ישירה של העדפות. הגרסה המכווננת להוראות מיועדת להגיב לבקשה בשיחה, ואילו לגרסת הבסיס יש תפקיד אחר כבסיס למודל שפה. שמרו על שם גרסה מפורש בעת בחירת מודל או השוואת התנהגות הנחיות. אימון מודל לביצוע הוראות ומתן הוראה מדויקת בזמן השימוש הם חלקים משלימים בתהליך העבודה.
הכנת קלט לשיחה
מדריך ההתחלה המהירה בכרטיס המודל מפריד בין הוראת מערכת לשאלת המשתמש ומחיל את תבנית הצ'אט המתאימה לפני היצירה. במשימה ברמת היישום, אותה הבחנה מעשית שימושית: הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מקטע המקור או מהקוד שעליו לעבוד עליהם. תווית טקסטואלית בתוך מסמך אינה תחליף לתפקידי שיחה בפורמט תקין בממשק המשתמש במודל.
משימת הסבר טכני יכולה לספק פונקציה ודוגמת קלט אחת, ואז לשאול מה כל ענף עושה ואילו תנאים משפיעים על התוצאה. משימת קוד יכולה להגדיר את הקלט המתקבל, ערך ההחזרה המצופה והאילוצים על שינוי התנהגות קיימת. בקשו את המימוש ולאחריו דוגמאות למקרה רגיל ולמקרה קצה. אלה שימושים ביכולות השפה והקוד המתועדות; יצירת קוד היא תוצאה טקסטואלית, ואילו הרצתו שייכת לסביבת היישום.
לעריכה רב-לשונית, ספקו את הקטע המקורי, קהל היעד ורשימת מינוח קטנה. בקשו גרסה מתוקנת ששומרת על השמות והתנאים המקוריים ולאחריה הסבר קצר לשינויים. זה ממוקד יותר מבקשה לשפר את הטקסט: הוא מגדיר איזה מובן חייב להישמר ואיזה פלט שימושי יש להחזיר.
עיבוד טקסט ארוך
היצרן מתעד תמיכה בהקשר עד 131,072 טוקנים, אך ההוראות להקשר ארוך חשובות. קלט מעבר ל-32,768 טוקנים דורש את תצורת ההרחבה YaRN המתועדת. הדוגמה שפורסמה משתמשת במקדם קנה מידה של 4.0 ובהגדרת מיקומים מקורית של 32,768. היצרן מציין שהגדרת הרחבה סטטית עלולה להשפיע על התנהגות בטקסט קצר יותר וממליץ להפעילה כשבאמת נדרש עיבוד הקשר ארוך.
הכינו משימת מסמך ארוך עם שאלה ממוקדת, סעיפי מקור בעלי שמות ומבנה פלט מפורש. לדוגמה, ספקו כמה חלקים ממפרט טכני ובקשו את הדרישות הרלוונטיות לשינוי מסוים, עם סעיף המקור לצד כל ממצא. חלון קלט גדול שימושי לשמירת החלקים האלה יחד; התשובה עדיין יכולה להיות טבלה תמציתית במקום חזרה על כל המסמך.
גבולות חשובים
המספר 131,072 טוקנים מציין תמיכה בהקשר מורחב, ולא היתר להתעלם מהתצורה להקשר ארוך. 512 הטוקנים שנוצרים בדוגמת ההתחלה המהירה הם הגדרת דוגמה, ולא קיבולת פלט מרבית שפורסמה. גרסת Instruct זו היא מודל טקסט ואינה צריכה לרשת יכולות תמונה או וידאו מ-Qwen-VL, או את האימון המתמטי המיוחד המשולב בכלים של Qwen2.5-Math. בחרו את הגרסה בעלת השם והכינו את הטקסט להסבר, לקוד או למסמך המסוימים שאתם צריכים.
", "aboutText": "Qwen2-7B-Instruct היא גרסת Qwen2 בגודל 7B המכווננת להוראות, לשיחה ולמשימות המנוסחות בשפה טבעית. זהו מודל עם קלט טקסט ופלט טקסט: התשובה יכולה להיות הסבר, תרגום, טיוטת מסמך או קוד תוכנה. היצרן מציין הבנת שפה, יצירה, עבודה רב-לשונית, קוד, מתמטיקה וחשיבה כתחומי השימוש העיקריים.\n\nפרטי המודל\n\nQwen2 כולל גרסאות בסיס וגרסאות מכווננות להוראות נפרדות. כרטיס זה עוסק בגרסת Instruct, ולא במודל הבסיס Qwen2-7B או בגרסת תערובת המומחים של המשפחה. טבלת המידע של היצרן מציינת 7.07 מיליארד פרמטרים במודל בגודל 7B. ה-Transformer המפענח שלו משתמש ב-SwiGLU, בהטיית קשב QKV ובקשב עם שאילתות מקובצות, עם טוקנייזר שתוכנן לשפות טבעיות ולקוד. אלה בחירות ארכיטקטורה וייצוג, ולא אופני קלט נוספים.\n\nהודעת הגרסה מתארת אימון באנגלית ובסינית וב-27 שפות נוספות. הן כוללות רוסית, צ'כית ופולנית; גרמנית, צרפתית וספרדית; ערבית, פרסית וטורקית; יפנית וקוריאנית; ושפות נוספות בדרום אסיה ובדרום-מזרח אסיה. עוזר רב-לשוני יכול לכן לקבל הוראה וחומר מקור בשפות שונות, אך עדיין צריך לציין את השפה, המינוח והקהל של התוצר הסופי.\n\nהאימון וההבחנה בגרסת Instruct\n\nלאחר הקדם-אימון, היצרן משתמש בכיוונון עדין מפוקח ובאופטימיזציה ישירה של העדפות. הגרסה המכווננת להוראות מיועדת להגיב לבקשה בשיחה, ואילו לגרסת הבסיס יש תפקיד אחר כבסיס למודל שפה. שמרו על שם גרסה מפורש בעת בחירת מודל או השוואת התנהגות הנחיות. אימון מודל לביצוע הוראות ומתן הוראה מדויקת בזמן השימוש הם חלקים משלימים בתהליך העבודה.\n\nהכנת קלט לשיחה\n\nמדריך ההתחלה המהירה בכרטיס המודל מפריד בין הוראת מערכת לשאלת המשתמש ומחיל את תבנית הצ'אט המתאימה לפני היצירה. במשימה ברמת היישום, אותה הבחנה מעשית שימושית: הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מקטע המקור או מהקוד שעליו לעבוד עליהם. תווית טקסטואלית בתוך מסמך אינה תחליף לתפקידי שיחה בפורמט תקין בממשק המשתמש במודל.\n\nמשימת הסבר טכני יכולה לספק פונקציה ודוגמת קלט אחת, ואז לשאול מה כל ענף עושה ואילו תנאים משפיעים על התוצאה. משימת קוד יכולה להגדיר את הקלט המתקבל, ערך ההחזרה המצופה והאילוצים על שינוי התנהגות קיימת. בקשו את המימוש ולאחריו דוגמאות למקרה רגיל ולמקרה קצה. אלה שימושים ביכולות השפה והקוד המתועדות; יצירת קוד היא תוצאה טקסטואלית, ואילו הרצתו שייכת לסביבת היישום.\n\nלעריכה רב-לשונית, ספקו את הקטע המקורי, קהל היעד ורשימת מינוח קטנה. בקשו גרסה מתוקנת ששומרת על השמות והתנאים המקוריים ולאחריה הסבר קצר לשינויים. זה ממוקד יותר מבקשה לשפר את הטקסט: הוא מגדיר איזה מובן חייב להישמר ואיזה פלט שימושי יש להחזיר.\n\nעיבוד טקסט ארוך\n\nהיצרן מתעד תמיכה בהקשר עד 131,072 טוקנים, אך ההוראות להקשר ארוך חשובות. קלט מעבר ל-32,768 טוקנים דורש את תצורת ההרחבה YaRN המתועדת. הדוגמה שפורסמה משתמשת במקדם קנה מידה של 4.0 ובהגדרת מיקומים מקורית של 32,768. היצרן מציין שהגדרת הרחבה סטטית עלולה להשפיע על התנהגות בטקסט קצר יותר וממליץ להפעילה כשבאמת נדרש עיבוד הקשר ארוך.\n\nהכינו משימת מסמך ארוך עם שאלה ממוקדת, סעיפי מקור בעלי שמות ומבנה פלט מפורש. לדוגמה, ספקו כמה חלקים ממפרט טכני ובקשו את הדרישות הרלוונטיות לשינוי מסוים, עם סעיף המקור לצד כל ממצא. חלון קלט גדול שימושי לשמירת החלקים האלה יחד; התשובה עדיין יכולה להיות טבלה תמציתית במקום חזרה על כל המסמך.\n\nגבולות חשובים\n\nהמספר 131,072 טוקנים מציין תמיכה בהקשר מורחב, ולא היתר להתעלם מהתצורה להקשר ארוך. 512 הטוקנים שנוצרים בדוגמת ההתחלה המהירה הם הגדרת דוגמה, ולא קיבולת פלט מרבית שפורסמה. גרסת Instruct זו היא מודל טקסט ואינה צריכה לרשת יכולות תמונה או וידאו מ-Qwen-VL, או את האימון המתמטי המיוחד המשולב בכלים של Qwen2.5-Math. בחרו את הגרסה בעלת השם והכינו את הטקסט להסבר, לקוד או למסמך המסוימים שאתם צריכים.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Translate a terminology-bound notice\n\nTranslate this notice into German for office staff: 'The access badge expires on 30 April. Collect a replacement from Reception before your next shift. Temporary passes are valid for one day.' Use Zugangskarte for access badge and Empfang for Reception. Preserve the date and conditions, then explain one translation choice in English.A complete German notice followed by one short English explanation of terminology or phrasing.The replacement is collected before the next shift and the temporary pass remains valid for one day.Qwen/Qwen2-7B-InstructQwen2-7B-Instruct הוא מודל טקסט המכוונן להוראות לדיאלוג רב-לשוני, קוד, מתמטיקה וחשיבה. היצרן מתעד הקשר של עד 131,072 טוקנים כשהתצורה להקשר ארוך מופעלת.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen2-7B-Instruct היא גרסת Qwen2 בגודל 7B המכווננת להוראות, לשיחה ולמשימות המנוסחות בשפה טבעית. זהו מודל עם קלט טקסט ופלט טקסט: התשובה יכולה להיות הסבר, תרגום, טיוטת מסמך או קוד תוכנה. היצרן מציין הבנת שפה, יצירה, עבודה רב-לשונית, קוד, מתמטיקה וחשיבה כתחומי השימוש העיקריים.
פרטי המודל
Qwen2 כולל גרסאות בסיס וגרסאות מכווננות להוראות נפרדות. כרטיס זה עוסק בגרסת Instruct, ולא במודל הבסיס Qwen2-7B או בגרסת תערובת המומחים של המשפחה. טבלת המידע של היצרן מציינת 7.07 מיליארד פרמטרים במודל בגודל 7B. ה-Transformer המפענח שלו משתמש ב-SwiGLU, בהטיית קשב QKV ובקשב עם שאילתות מקובצות, עם טוקנייזר שתוכנן לשפות טבעיות ולקוד. אלה בחירות ארכיטקטורה וייצוג, ולא אופני קלט נוספים.
הודעת הגרסה מתארת אימון באנגלית ובסינית וב-27 שפות נוספות. הן כוללות רוסית, צ'כית ופולנית; גרמנית, צרפתית וספרדית; ערבית, פרסית וטורקית; יפנית וקוריאנית; ושפות נוספות בדרום אסיה ובדרום-מזרח אסיה. עוזר רב-לשוני יכול לכן לקבל הוראה וחומר מקור בשפות שונות, אך עדיין צריך לציין את השפה, המינוח והקהל של התוצר הסופי.
האימון וההבחנה בגרסת Instruct
לאחר הקדם-אימון, היצרן משתמש בכיוונון עדין מפוקח ובאופטימיזציה ישירה של העדפות. הגרסה המכווננת להוראות מיועדת להגיב לבקשה בשיחה, ואילו לגרסת הבסיס יש תפקיד אחר כבסיס למודל שפה. שמרו על שם גרסה מפורש בעת בחירת מודל או השוואת התנהגות הנחיות. אימון מודל לביצוע הוראות ומתן הוראה מדויקת בזמן השימוש הם חלקים משלימים בתהליך העבודה.
הכנת קלט לשיחה
מדריך ההתחלה המהירה בכרטיס המודל מפריד בין הוראת מערכת לשאלת המשתמש ומחיל את תבנית הצ'אט המתאימה לפני היצירה. במשימה ברמת היישום, אותה הבחנה מעשית שימושית: הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מקטע המקור או מהקוד שעליו לעבוד עליהם. תווית טקסטואלית בתוך מסמך אינה תחליף לתפקידי שיחה בפורמט תקין בממשק המשתמש במודל.
משימת הסבר טכני יכולה לספק פונקציה ודוגמת קלט אחת, ואז לשאול מה כל ענף עושה ואילו תנאים משפיעים על התוצאה. משימת קוד יכולה להגדיר את הקלט המתקבל, ערך ההחזרה המצופה והאילוצים על שינוי התנהגות קיימת. בקשו את המימוש ולאחריו דוגמאות למקרה רגיל ולמקרה קצה. אלה שימושים ביכולות השפה והקוד המתועדות; יצירת קוד היא תוצאה טקסטואלית, ואילו הרצתו שייכת לסביבת היישום.
לעריכה רב-לשונית, ספקו את הקטע המקורי, קהל היעד ורשימת מינוח קטנה. בקשו גרסה מתוקנת ששומרת על השמות והתנאים המקוריים ולאחריה הסבר קצר לשינויים. זה ממוקד יותר מבקשה לשפר את הטקסט: הוא מגדיר איזה מובן חייב להישמר ואיזה פלט שימושי יש להחזיר.
עיבוד טקסט ארוך
היצרן מתעד תמיכה בהקשר עד 131,072 טוקנים, אך ההוראות להקשר ארוך חשובות. קלט מעבר ל-32,768 טוקנים דורש את תצורת ההרחבה YaRN המתועדת. הדוגמה שפורסמה משתמשת במקדם קנה מידה של 4.0 ובהגדרת מיקומים מקורית של 32,768. היצרן מציין שהגדרת הרחבה סטטית עלולה להשפיע על התנהגות בטקסט קצר יותר וממליץ להפעילה כשבאמת נדרש עיבוד הקשר ארוך.
הכינו משימת מסמך ארוך עם שאלה ממוקדת, סעיפי מקור בעלי שמות ומבנה פלט מפורש. לדוגמה, ספקו כמה חלקים ממפרט טכני ובקשו את הדרישות הרלוונטיות לשינוי מסוים, עם סעיף המקור לצד כל ממצא. חלון קלט גדול שימושי לשמירת החלקים האלה יחד; התשובה עדיין יכולה להיות טבלה תמציתית במקום חזרה על כל המסמך.
גבולות חשובים
המספר 131,072 טוקנים מציין תמיכה בהקשר מורחב, ולא היתר להתעלם מהתצורה להקשר ארוך. 512 הטוקנים שנוצרים בדוגמת ההתחלה המהירה הם הגדרת דוגמה, ולא קיבולת פלט מרבית שפורסמה. גרסת Instruct זו היא מודל טקסט ואינה צריכה לרשת יכולות תמונה או וידאו מ-Qwen-VL, או את האימון המתמטי המיוחד המשולב בכלים של Qwen2.5-Math. בחרו את הגרסה בעלת השם והכינו את הטקסט להסבר, לקוד או למסמך המסוימים שאתם צריכים.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Qwen/Qwen2-7B-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 $0.0001 / 1K טוקנים פלט · טוקני פלט $0.0001 / 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/Qwen2-7B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2-7B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2-7B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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/Qwen2-7B-Instruct
השתמשו בנתיבי השיטות המוצגים למעלה.
Qwen/Qwen2-7B-InstructQwen2-7B-Instruct הוא מודל טקסט המכוונן להוראות לדיאלוג רב-לשוני, קוד, מתמטיקה וחשיבה. היצרן מתעד הקשר של עד 131,072 טוקנים כשהתצורה להקשר ארוך מופעלת.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen2-7B-Instruct היא גרסת Qwen2 בגודל 7B המכווננת להוראות, לשיחה ולמשימות המנוסחות בשפה טבעית. זהו מודל עם קלט טקסט ופלט טקסט: התשובה יכולה להיות הסבר, תרגום, טיוטת מסמך או קוד תוכנה. היצרן מציין הבנת שפה, יצירה, עבודה רב-לשונית, קוד, מתמטיקה וחשיבה כתחומי השימוש העיקריים.
פרטי המודל
Qwen2 כולל גרסאות בסיס וגרסאות מכווננות להוראות נפרדות. כרטיס זה עוסק בגרסת Instruct, ולא במודל הבסיס Qwen2-7B או בגרסת תערובת המומחים של המשפחה. טבלת המידע של היצרן מציינת 7.07 מיליארד פרמטרים במודל בגודל 7B. ה-Transformer המפענח שלו משתמש ב-SwiGLU, בהטיית קשב QKV ובקשב עם שאילתות מקובצות, עם טוקנייזר שתוכנן לשפות טבעיות ולקוד. אלה בחירות ארכיטקטורה וייצוג, ולא אופני קלט נוספים.
הודעת הגרסה מתארת אימון באנגלית ובסינית וב-27 שפות נוספות. הן כוללות רוסית, צ'כית ופולנית; גרמנית, צרפתית וספרדית; ערבית, פרסית וטורקית; יפנית וקוריאנית; ושפות נוספות בדרום אסיה ובדרום-מזרח אסיה. עוזר רב-לשוני יכול לכן לקבל הוראה וחומר מקור בשפות שונות, אך עדיין צריך לציין את השפה, המינוח והקהל של התוצר הסופי.
האימון וההבחנה בגרסת Instruct
לאחר הקדם-אימון, היצרן משתמש בכיוונון עדין מפוקח ובאופטימיזציה ישירה של העדפות. הגרסה המכווננת להוראות מיועדת להגיב לבקשה בשיחה, ואילו לגרסת הבסיס יש תפקיד אחר כבסיס למודל שפה. שמרו על שם גרסה מפורש בעת בחירת מודל או השוואת התנהגות הנחיות. אימון מודל לביצוע הוראות ומתן הוראה מדויקת בזמן השימוש הם חלקים משלימים בתהליך העבודה.
הכנת קלט לשיחה
מדריך ההתחלה המהירה בכרטיס המודל מפריד בין הוראת מערכת לשאלת המשתמש ומחיל את תבנית הצ'אט המתאימה לפני היצירה. במשימה ברמת היישום, אותה הבחנה מעשית שימושית: הגדירו את תפקיד העוזר ואת כללי התשובה בנפרד מקטע המקור או מהקוד שעליו לעבוד עליהם. תווית טקסטואלית בתוך מסמך אינה תחליף לתפקידי שיחה בפורמט תקין בממשק המשתמש במודל.
משימת הסבר טכני יכולה לספק פונקציה ודוגמת קלט אחת, ואז לשאול מה כל ענף עושה ואילו תנאים משפיעים על התוצאה. משימת קוד יכולה להגדיר את הקלט המתקבל, ערך ההחזרה המצופה והאילוצים על שינוי התנהגות קיימת. בקשו את המימוש ולאחריו דוגמאות למקרה רגיל ולמקרה קצה. אלה שימושים ביכולות השפה והקוד המתועדות; יצירת קוד היא תוצאה טקסטואלית, ואילו הרצתו שייכת לסביבת היישום.
לעריכה רב-לשונית, ספקו את הקטע המקורי, קהל היעד ורשימת מינוח קטנה. בקשו גרסה מתוקנת ששומרת על השמות והתנאים המקוריים ולאחריה הסבר קצר לשינויים. זה ממוקד יותר מבקשה לשפר את הטקסט: הוא מגדיר איזה מובן חייב להישמר ואיזה פלט שימושי יש להחזיר.
עיבוד טקסט ארוך
היצרן מתעד תמיכה בהקשר עד 131,072 טוקנים, אך ההוראות להקשר ארוך חשובות. קלט מעבר ל-32,768 טוקנים דורש את תצורת ההרחבה YaRN המתועדת. הדוגמה שפורסמה משתמשת במקדם קנה מידה של 4.0 ובהגדרת מיקומים מקורית של 32,768. היצרן מציין שהגדרת הרחבה סטטית עלולה להשפיע על התנהגות בטקסט קצר יותר וממליץ להפעילה כשבאמת נדרש עיבוד הקשר ארוך.
הכינו משימת מסמך ארוך עם שאלה ממוקדת, סעיפי מקור בעלי שמות ומבנה פלט מפורש. לדוגמה, ספקו כמה חלקים ממפרט טכני ובקשו את הדרישות הרלוונטיות לשינוי מסוים, עם סעיף המקור לצד כל ממצא. חלון קלט גדול שימושי לשמירת החלקים האלה יחד; התשובה עדיין יכולה להיות טבלה תמציתית במקום חזרה על כל המסמך.
גבולות חשובים
המספר 131,072 טוקנים מציין תמיכה בהקשר מורחב, ולא היתר להתעלם מהתצורה להקשר ארוך. 512 הטוקנים שנוצרים בדוגמת ההתחלה המהירה הם הגדרת דוגמה, ולא קיבולת פלט מרבית שפורסמה. גרסת Instruct זו היא מודל טקסט ואינה צריכה לרשת יכולות תמונה או וידאו מ-Qwen-VL, או את האימון המתמטי המיוחד המשולב בכלים של Qwen2.5-Math. בחרו את הגרסה בעלת השם והכינו את הטקסט להסבר, לקוד או למסמך המסוימים שאתם צריכים.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות Qwen/Qwen2-7B-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 $0.0001 / 1K טוקנים פלט · טוקני פלט $0.0001 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "Qwen/Qwen2-7B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-7B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-7B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/Qwen2-7B-Instruct
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Translate a terminology-bound notice\n\nTranslate this notice into German for office staff: 'The access badge expires on 30 April. Collect a replacement from Reception before your next shift. Temporary passes are valid for one day.' Use Zugangskarte for access badge and Empfang for Reception. Preserve the date and conditions, then explain one translation choice in English.A complete German notice followed by one short English explanation of terminology or phrasing.The replacement is collected before the next shift and the temporary pass remains valid for one day.