Qwen2.5-Coder-14B-Instruct adalah edisi 14B yang disetel untuk mengikuti instruksi dari keluarga model Qwen yang berfokus pada kode. Model menerima instruksi tertulis dan kode sumber lalu mengembalikan teks, termasuk implementasi, penjelasan, dan usulan perbaikan. Kemampuan utamanya adalah pembuatan kode, penalaran kode, dan perbaikan kode, dengan fondasi dalam matematika dan tugas bahasa umum.
Berikan kepada model bahasa pemrograman, perilaku yang diperlukan, dan antarmuka di sekitarnya. Permintaan terarah dapat meminta fungsi parsing yang menerima masukan tertentu dan mempertahankan format kembalian yang ada. Sertakan kasus tepi dan identifikasi nama atau dependensi yang harus tetap utuh. Hasilnya dapat berupa fungsi atau patch kecil beserta penjelasan tentang bagaimana hasil itu memenuhi persyaratan.
Panduan mulai cepat dari produsennya memperagakan percakapan yang diikuti kode hasil pembuatan. Instruct merupakan edisi yang diselaraskan untuk bentuk interaksi ini. Tindak lanjut dapat menyempurnakan tugas yang sama: mengubah kondisi masukan, menjelaskan satu cabang, atau menyesuaikan implementasi dengan antarmuka yang ada. Simpan dan jalankan kode hasilnya di lingkungan pengembangan aplikasi untuk memeriksa perilaku yang diminta.
Untuk penalaran kode, berikan cuplikan yang relevan dan tanyakan hubungan tertentu: bagaimana data berpindah antar fungsi, kondisi mana yang mengubah keluaran, atau mengapa suatu nilai mencapai keadaan yang tidak diharapkan. Untuk perbaikan, pasangkan kode dengan galat yang diamati, masukan yang memicunya, dan hasil yang dimaksud. Minta koreksi terpisah dari penjelasan agar masing-masing dapat ditinjau terhadap perilaku asli.
Materi pelatihan keluarga ini mencakup kode sumber, teks yang dipasangkan dengan kode, dan materi sintetis. Skala pelatihan yang dipublikasikan adalah 5.5 triliun token. Ini merupakan latar belakang spesialisasi pemrograman; hal itu tidak membuktikan bahwa implementasi yang diusulkan telah dijalankan atau lolos pemeriksaan proyek Anda.
Kartu model yang spesifik menetapkan konteks penuh sebesar 131,072 token. Konfigurasi bawaan ditetapkan sebesar 32,768 token; masukan yang lebih panjang memerlukan konfigurasi YaRN yang dijelaskan dalam runtime yang mendukungnya. Produsennya mencatat bahwa penskalaan statis dapat memengaruhi masukan yang lebih pendek dan merekomendasikan pengaktifannya ketika pemrosesan konteks panjang diperlukan. Ini merupakan kondisi penerapan model, sehingga angka konteks penuh itu sendiri tidak menetapkan batas antarmuka API tertentu.
Model ini memiliki 14.7 miliar parameter, termasuk 13.1 miliar parameter non-embedding, dan 48 lapisan. Model ini menggunakan grouped-query attention dengan 40 query head dan delapan key/value head. Pertahankan identitas 14B-Instruct saat memilihnya untuk tugas: edisi Base dan anggota keluarga yang lebih besar memiliki spesifikasi terpisah. Artefak akhir yang berguna adalah kode yang diusulkan, penjelasannya, dan kasus yang diperlukan untuk memverifikasinya.
", "aboutText": "Qwen2.5-Coder-14B-Instruct adalah edisi 14B yang disetel untuk mengikuti instruksi dari keluarga model Qwen yang berfokus pada kode. Model menerima instruksi tertulis dan kode sumber lalu mengembalikan teks, termasuk implementasi, penjelasan, dan usulan perbaikan. Kemampuan utamanya adalah pembuatan kode, penalaran kode, dan perbaikan kode, dengan fondasi dalam matematika dan tugas bahasa umum.\n\n### Hasilkan kode dari persyaratan konkret\n\nBerikan kepada model bahasa pemrograman, perilaku yang diperlukan, dan antarmuka di sekitarnya. Permintaan terarah dapat meminta fungsi parsing yang menerima masukan tertentu dan mempertahankan format kembalian yang ada. Sertakan kasus tepi dan identifikasi nama atau dependensi yang harus tetap utuh. Hasilnya dapat berupa fungsi atau patch kecil beserta penjelasan tentang bagaimana hasil itu memenuhi persyaratan.\n\nPanduan mulai cepat dari produsennya memperagakan percakapan yang diikuti kode hasil pembuatan. Instruct merupakan edisi yang diselaraskan untuk bentuk interaksi ini. Tindak lanjut dapat menyempurnakan tugas yang sama: mengubah kondisi masukan, menjelaskan satu cabang, atau menyesuaikan implementasi dengan antarmuka yang ada. Simpan dan jalankan kode hasilnya di lingkungan pengembangan aplikasi untuk memeriksa perilaku yang diminta.\n\n### Jelaskan perilaku dan usulkan perbaikan\n\nUntuk penalaran kode, berikan cuplikan yang relevan dan tanyakan hubungan tertentu: bagaimana data berpindah antar fungsi, kondisi mana yang mengubah keluaran, atau mengapa suatu nilai mencapai keadaan yang tidak diharapkan. Untuk perbaikan, pasangkan kode dengan galat yang diamati, masukan yang memicunya, dan hasil yang dimaksud. Minta koreksi terpisah dari penjelasan agar masing-masing dapat ditinjau terhadap perilaku asli.\n\nMateri pelatihan keluarga ini mencakup kode sumber, teks yang dipasangkan dengan kode, dan materi sintetis. Skala pelatihan yang dipublikasikan adalah 5.5 triliun token. Ini merupakan latar belakang spesialisasi pemrograman; hal itu tidak membuktikan bahwa implementasi yang diusulkan telah dijalankan atau lolos pemeriksaan proyek Anda.\n\n### Gunakan konteks yang didokumentasikan\n\nKartu model yang spesifik menetapkan konteks penuh sebesar 131,072 token. Konfigurasi bawaan ditetapkan sebesar 32,768 token; masukan yang lebih panjang memerlukan konfigurasi YaRN yang dijelaskan dalam runtime yang mendukungnya. Produsennya mencatat bahwa penskalaan statis dapat memengaruhi masukan yang lebih pendek dan merekomendasikan pengaktifannya ketika pemrosesan konteks panjang diperlukan. Ini merupakan kondisi penerapan model, sehingga angka konteks penuh itu sendiri tidak menetapkan batas antarmuka API tertentu.\n\n### Edisi instruksi 14B yang spesifik\n\nModel ini memiliki 14.7 miliar parameter, termasuk 13.1 miliar parameter non-embedding, dan 48 lapisan. Model ini menggunakan grouped-query attention dengan 40 query head dan delapan key/value head. Pertahankan identitas 14B-Instruct saat memilihnya untuk tugas: edisi Base dan anggota keluarga yang lebih besar memiliki spesifikasi terpisah. Artefak akhir yang berguna adalah kode yang diusulkan, penjelasannya, dan kasus yang diperlukan untuk memverifikasinya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Implement a strict inventory-line parser\n\nWrite a Python function parse_line(text) for inventory lines formatted SKU|quantity. Trim surrounding spaces on both fields, reject an empty SKU, and require quantity to be a nonnegative integer. Return a tuple of SKU and quantity; raise ValueError for invalid input. Include tests for a valid line, zero quantity, an empty SKU and a negative quantity.A complete parser and four concrete tests preserving the specified tuple return format.Zero is accepted, a negative quantity is rejected, and invalid records raise ValueError rather than silently changing data.qwen2.5-coder-14b-instructQwen2.5-Coder-14B-Instruct adalah model pemrograman dengan 14.7 miliar parameter untuk menghasilkan, menjelaskan, dan memperbaiki kode. Desain yang disetel untuk mengikuti instruksi mendukung tugas percakapan; konteks 131,072 token yang didokumentasikan memerlukan konfigurasi konteks panjang di luar pengaturan bawaan 32,768 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen2.5-Coder-14B-Instruct adalah edisi 14B yang disetel untuk mengikuti instruksi dari keluarga model Qwen yang berfokus pada kode. Model menerima instruksi tertulis dan kode sumber lalu mengembalikan teks, termasuk implementasi, penjelasan, dan usulan perbaikan. Kemampuan utamanya adalah pembuatan kode, penalaran kode, dan perbaikan kode, dengan fondasi dalam matematika dan tugas bahasa umum.
Berikan kepada model bahasa pemrograman, perilaku yang diperlukan, dan antarmuka di sekitarnya. Permintaan terarah dapat meminta fungsi parsing yang menerima masukan tertentu dan mempertahankan format kembalian yang ada. Sertakan kasus tepi dan identifikasi nama atau dependensi yang harus tetap utuh. Hasilnya dapat berupa fungsi atau patch kecil beserta penjelasan tentang bagaimana hasil itu memenuhi persyaratan.
Panduan mulai cepat dari produsennya memperagakan percakapan yang diikuti kode hasil pembuatan. Instruct merupakan edisi yang diselaraskan untuk bentuk interaksi ini. Tindak lanjut dapat menyempurnakan tugas yang sama: mengubah kondisi masukan, menjelaskan satu cabang, atau menyesuaikan implementasi dengan antarmuka yang ada. Simpan dan jalankan kode hasilnya di lingkungan pengembangan aplikasi untuk memeriksa perilaku yang diminta.
Untuk penalaran kode, berikan cuplikan yang relevan dan tanyakan hubungan tertentu: bagaimana data berpindah antar fungsi, kondisi mana yang mengubah keluaran, atau mengapa suatu nilai mencapai keadaan yang tidak diharapkan. Untuk perbaikan, pasangkan kode dengan galat yang diamati, masukan yang memicunya, dan hasil yang dimaksud. Minta koreksi terpisah dari penjelasan agar masing-masing dapat ditinjau terhadap perilaku asli.
Materi pelatihan keluarga ini mencakup kode sumber, teks yang dipasangkan dengan kode, dan materi sintetis. Skala pelatihan yang dipublikasikan adalah 5.5 triliun token. Ini merupakan latar belakang spesialisasi pemrograman; hal itu tidak membuktikan bahwa implementasi yang diusulkan telah dijalankan atau lolos pemeriksaan proyek Anda.
Kartu model yang spesifik menetapkan konteks penuh sebesar 131,072 token. Konfigurasi bawaan ditetapkan sebesar 32,768 token; masukan yang lebih panjang memerlukan konfigurasi YaRN yang dijelaskan dalam runtime yang mendukungnya. Produsennya mencatat bahwa penskalaan statis dapat memengaruhi masukan yang lebih pendek dan merekomendasikan pengaktifannya ketika pemrosesan konteks panjang diperlukan. Ini merupakan kondisi penerapan model, sehingga angka konteks penuh itu sendiri tidak menetapkan batas antarmuka API tertentu.
Model ini memiliki 14.7 miliar parameter, termasuk 13.1 miliar parameter non-embedding, dan 48 lapisan. Model ini menggunakan grouped-query attention dengan 40 query head dan delapan key/value head. Pertahankan identitas 14B-Instruct saat memilihnya untuk tugas: edisi Base dan anggota keluarga yang lebih besar memiliki spesifikasi terpisah. Artefak akhir yang berguna adalah kode yang diusulkan, penjelasannya, dan kasus yang diperlukan untuk memverifikasinya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen2.5-coder-14b-instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.00172 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-coder-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='qwen2.5-coder-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='qwen2.5-coder-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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen2.5-coder-14b-instruct
Gunakan jalur metode yang ditampilkan di atas.
qwen2.5-coder-14b-instructQwen2.5-Coder-14B-Instruct adalah model pemrograman dengan 14.7 miliar parameter untuk menghasilkan, menjelaskan, dan memperbaiki kode. Desain yang disetel untuk mengikuti instruksi mendukung tugas percakapan; konteks 131,072 token yang didokumentasikan memerlukan konfigurasi konteks panjang di luar pengaturan bawaan 32,768 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Qwen2.5-Coder-14B-Instruct adalah edisi 14B yang disetel untuk mengikuti instruksi dari keluarga model Qwen yang berfokus pada kode. Model menerima instruksi tertulis dan kode sumber lalu mengembalikan teks, termasuk implementasi, penjelasan, dan usulan perbaikan. Kemampuan utamanya adalah pembuatan kode, penalaran kode, dan perbaikan kode, dengan fondasi dalam matematika dan tugas bahasa umum.
Berikan kepada model bahasa pemrograman, perilaku yang diperlukan, dan antarmuka di sekitarnya. Permintaan terarah dapat meminta fungsi parsing yang menerima masukan tertentu dan mempertahankan format kembalian yang ada. Sertakan kasus tepi dan identifikasi nama atau dependensi yang harus tetap utuh. Hasilnya dapat berupa fungsi atau patch kecil beserta penjelasan tentang bagaimana hasil itu memenuhi persyaratan.
Panduan mulai cepat dari produsennya memperagakan percakapan yang diikuti kode hasil pembuatan. Instruct merupakan edisi yang diselaraskan untuk bentuk interaksi ini. Tindak lanjut dapat menyempurnakan tugas yang sama: mengubah kondisi masukan, menjelaskan satu cabang, atau menyesuaikan implementasi dengan antarmuka yang ada. Simpan dan jalankan kode hasilnya di lingkungan pengembangan aplikasi untuk memeriksa perilaku yang diminta.
Untuk penalaran kode, berikan cuplikan yang relevan dan tanyakan hubungan tertentu: bagaimana data berpindah antar fungsi, kondisi mana yang mengubah keluaran, atau mengapa suatu nilai mencapai keadaan yang tidak diharapkan. Untuk perbaikan, pasangkan kode dengan galat yang diamati, masukan yang memicunya, dan hasil yang dimaksud. Minta koreksi terpisah dari penjelasan agar masing-masing dapat ditinjau terhadap perilaku asli.
Materi pelatihan keluarga ini mencakup kode sumber, teks yang dipasangkan dengan kode, dan materi sintetis. Skala pelatihan yang dipublikasikan adalah 5.5 triliun token. Ini merupakan latar belakang spesialisasi pemrograman; hal itu tidak membuktikan bahwa implementasi yang diusulkan telah dijalankan atau lolos pemeriksaan proyek Anda.
Kartu model yang spesifik menetapkan konteks penuh sebesar 131,072 token. Konfigurasi bawaan ditetapkan sebesar 32,768 token; masukan yang lebih panjang memerlukan konfigurasi YaRN yang dijelaskan dalam runtime yang mendukungnya. Produsennya mencatat bahwa penskalaan statis dapat memengaruhi masukan yang lebih pendek dan merekomendasikan pengaktifannya ketika pemrosesan konteks panjang diperlukan. Ini merupakan kondisi penerapan model, sehingga angka konteks penuh itu sendiri tidak menetapkan batas antarmuka API tertentu.
Model ini memiliki 14.7 miliar parameter, termasuk 13.1 miliar parameter non-embedding, dan 48 lapisan. Model ini menggunakan grouped-query attention dengan 40 query head dan delapan key/value head. Pertahankan identitas 14B-Instruct saat memilihnya untuk tugas: edisi Base dan anggota keluarga yang lebih besar memiliki spesifikasi terpisah. Artefak akhir yang berguna adalah kode yang diusulkan, penjelasannya, dan kasus yang diperlukan untuk memverifikasinya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan qwen2.5-coder-14b-instruct | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.000572 / 1K token Keluaran · Token keluaran $0.00172 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "qwen2.5-coder-14b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-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-coder-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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra qwen2.5-coder-14b-instruct
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Implement a strict inventory-line parser\n\nWrite a Python function parse_line(text) for inventory lines formatted SKU|quantity. Trim surrounding spaces on both fields, reject an empty SKU, and require quantity to be a nonnegative integer. Return a tuple of SKU and quantity; raise ValueError for invalid input. Include tests for a valid line, zero quantity, an empty SKU and a negative quantity.A complete parser and four concrete tests preserving the specified tuple return format.Zero is accepted, a negative quantity is rejected, and invalid records raise ValueError rather than silently changing data.