Qwen2.5-Math-72B-Instruct è l’edizione 72B ottimizzata per le istruzioni della famiglia matematica Qwen2.5-Math. Il produttore si rivolge specificamente ai problemi matematici in inglese e cinese e descrive due approcci: ragionamento chain-of-thought e ragionamento integrato con strumenti. Il modello riceve una condizione matematica scritta e restituisce testo contenente una derivazione, una spiegazione o una soluzione. La sua specializzazione è la matematica, anziché la scrittura creativa generale o l’elaborazione di documenti.
Capacità matematiche e approcci di ragionamento
Nell’approccio di ragionamento testuale, l’attività richiede le definizioni pertinenti, trasformazioni giustificate e una risposta finale chiaramente separata. La scheda del modello descrive anche il ragionamento integrato con strumenti, in cui il ragionamento in linguaggio naturale viene combinato con programmi. Il produttore cita la ricerca delle radici di un’equazione quadratica e il calcolo degli autovalori di una matrice come esempi in cui contano il calcolo preciso e la manipolazione simbolica o algoritmica.
Il ragionamento integrato con strumenti non equivale a mostrare semplicemente del codice in una risposta. La dimostrazione matematica del produttore fornisce un ambiente capace di eseguire programmi e il risultato del calcolo partecipa poi alla soluzione. Una richiesta autonoma di generazione testuale produce testo; un’applicazione che usa un flusso computazionale deve fornire il passaggio effettivo di esecuzione. Questa distinzione mantiene separati ragionamento matematico, programmi proposti e risultati numerici restituiti.
Edizioni Base, Instruct e modello di ricompensa
La famiglia include modelli base, modelli ottimizzati per le istruzioni e un modello di ricompensa matematico separati. L’edizione 72B-Instruct è destinata a istruzioni in stile chat. L’edizione base Qwen2.5-Math-72B viene descritta come fondamento per completamento e few-shot e come punto di partenza per ulteriore ottimizzazione. Il modello di ricompensa con un nome distinto ha un proprio ruolo e non deve essere trattato come il normale generatore di risposte di questo modello.
L’annuncio della versione descrive una pipeline di addestramento specializzata in matematica. I modelli base usano ulteriore materiale matematico sintetizzato, più dati matematici cinesi e l’inizializzazione dal modello fondazionale Qwen2.5. La fase Instruct usa fine-tuning supervisionato e apprendimento per rinforzo, con un modello di ricompensa specifico per la matematica che guida il rejection sampling e l’ottimizzazione successiva. Il produttore aggiunge dati di ragionamento integrato con strumenti e dati di istruzioni in inglese e cinese. Questi elementi spiegano l’orientamento matematico dell’edizione; non implicano che venga invocato automaticamente un verificatore separato per ogni richiesta dell’utente.
Preparare la domanda
Mantenere completo l’enunciato matematico. Definire variabili, restrizioni di dominio e quantità o proposizione da stabilire. Usare una notazione coerente fra la condizione originale e la risposta richiesta. Un’istruzione utile può chiedere il metodo, le trasformazioni importanti e il risultato finale, con un controllo separato rispetto alle condizioni originali.
La guida rapida del produttore distingue i due approcci tramite le istruzioni. Una richiesta di ragionamento testuale chiede una soluzione passo per passo e una risposta finale racchiusa in un riquadro. Una richiesta integrata con strumenti chiede al modello di combinare ragionamento in linguaggio naturale e programmi mantenendo la stessa convenzione per la risposta finale. Sono flussi matematici documentati, non una promessa separata sugli strumenti esposti da ogni interfaccia di servizio.
A titolo illustrativo, l’equazione semplice della scheda è 4x + 5 = 6x + 7. Una struttura di output utile separa il raggruppamento dei termini variabili, l’isolamento della variabile e l’espressione finale; il risultato matematico di questa condizione illustrativa è x = -1. La sostituzione dà 4(-1) + 5 = 1 e 6(-1) + 7 = 1, quindi entrambi i membri coincidono. Una richiesta più articolata può fornire una matrice, chiedere una derivazione simbolica degli autovalori e identificare quale calcolo numerico delegare all’ambiente computazionale.
Contesto e configurazione
La versione pubblicata descrive un pre-addestramento matematico con contesto 4K. La configurazione del modello rilasciato imposta il massimo delle posizioni a 4,096, quindi prompt e soluzione svolta richiedono un piano compatto delle lunghezze. Non attribuire a questa edizione matematica il contesto molto più ampio pubblicizzato per la linea generale Qwen2.5. Mantenere insieme condizioni pertinenti e passaggi matematici, omettendo materiale estraneo che consumerebbe tale spazio.
La generazione della guida rapida nella scheda usa un’impostazione di esempio di 512 token. Quel valore non è presentato come capacità massima dell’output. Si può specificare una lunghezza di risposta desiderata per l’attività, ma un limite di output separato deve derivare dalla configurazione effettivamente applicabile anziché da un esempio o da un’altra edizione Qwen.
Limiti sostanziali e risultati utili
Il produttore raccomanda questa serie per attività matematiche in inglese e cinese e sconsiglia attività generiche al di fuori di tale specializzazione. I pesi sono modelli di generazione testuale; una domanda matematica in un’immagine richiede che simboli e condizioni vengano convertiti in testo tramite un passaggio visivo o OCR separato. Una dimostrazione multimodale che combina modelli visivi e matematici non rende l’edizione matematica stessa un modello con input di immagini.
Per un flusso didattico, fornire il tentativo di derivazione dell’allievo e segnare il passaggio che richiede spiegazione. Chiedere una correzione nella notazione originale e una risposta finale al livello di dettaglio richiesto. Per un calcolo tecnico, specificare output esatto o approssimato, unità e arrotondamento prima di scegliere fra ragionamento testuale e flusso computazionale. Queste preparazioni collegano la specializzazione matematica del modello a una soluzione concreta ed esaminabile.
", "aboutText": "Qwen2.5-Math-72B-Instruct è l’edizione 72B ottimizzata per le istruzioni della famiglia matematica Qwen2.5-Math. Il produttore si rivolge specificamente ai problemi matematici in inglese e cinese e descrive due approcci: ragionamento chain-of-thought e ragionamento integrato con strumenti. Il modello riceve una condizione matematica scritta e restituisce testo contenente una derivazione, una spiegazione o una soluzione. La sua specializzazione è la matematica, anziché la scrittura creativa generale o l’elaborazione di documenti.\n\nCapacità matematiche e approcci di ragionamento\n\nNell’approccio di ragionamento testuale, l’attività richiede le definizioni pertinenti, trasformazioni giustificate e una risposta finale chiaramente separata. La scheda del modello descrive anche il ragionamento integrato con strumenti, in cui il ragionamento in linguaggio naturale viene combinato con programmi. Il produttore cita la ricerca delle radici di un’equazione quadratica e il calcolo degli autovalori di una matrice come esempi in cui contano il calcolo preciso e la manipolazione simbolica o algoritmica.\n\nIl ragionamento integrato con strumenti non equivale a mostrare semplicemente del codice in una risposta. La dimostrazione matematica del produttore fornisce un ambiente capace di eseguire programmi e il risultato del calcolo partecipa poi alla soluzione. Una richiesta autonoma di generazione testuale produce testo; un’applicazione che usa un flusso computazionale deve fornire il passaggio effettivo di esecuzione. Questa distinzione mantiene separati ragionamento matematico, programmi proposti e risultati numerici restituiti.\n\nEdizioni Base, Instruct e modello di ricompensa\n\nLa famiglia include modelli base, modelli ottimizzati per le istruzioni e un modello di ricompensa matematico separati. L’edizione 72B-Instruct è destinata a istruzioni in stile chat. L’edizione base Qwen2.5-Math-72B viene descritta come fondamento per completamento e few-shot e come punto di partenza per ulteriore ottimizzazione. Il modello di ricompensa con un nome distinto ha un proprio ruolo e non deve essere trattato come il normale generatore di risposte di questo modello.\n\nL’annuncio della versione descrive una pipeline di addestramento specializzata in matematica. I modelli base usano ulteriore materiale matematico sintetizzato, più dati matematici cinesi e l’inizializzazione dal modello fondazionale Qwen2.5. La fase Instruct usa fine-tuning supervisionato e apprendimento per rinforzo, con un modello di ricompensa specifico per la matematica che guida il rejection sampling e l’ottimizzazione successiva. Il produttore aggiunge dati di ragionamento integrato con strumenti e dati di istruzioni in inglese e cinese. Questi elementi spiegano l’orientamento matematico dell’edizione; non implicano che venga invocato automaticamente un verificatore separato per ogni richiesta dell’utente.\n\nPreparare la domanda\n\nMantenere completo l’enunciato matematico. Definire variabili, restrizioni di dominio e quantità o proposizione da stabilire. Usare una notazione coerente fra la condizione originale e la risposta richiesta. Un’istruzione utile può chiedere il metodo, le trasformazioni importanti e il risultato finale, con un controllo separato rispetto alle condizioni originali.\n\nLa guida rapida del produttore distingue i due approcci tramite le istruzioni. Una richiesta di ragionamento testuale chiede una soluzione passo per passo e una risposta finale racchiusa in un riquadro. Una richiesta integrata con strumenti chiede al modello di combinare ragionamento in linguaggio naturale e programmi mantenendo la stessa convenzione per la risposta finale. Sono flussi matematici documentati, non una promessa separata sugli strumenti esposti da ogni interfaccia di servizio.\n\nA titolo illustrativo, l’equazione semplice della scheda è 4x + 5 = 6x + 7. Una struttura di output utile separa il raggruppamento dei termini variabili, l’isolamento della variabile e l’espressione finale; il risultato matematico di questa condizione illustrativa è x = -1. La sostituzione dà 4(-1) + 5 = 1 e 6(-1) + 7 = 1, quindi entrambi i membri coincidono. Una richiesta più articolata può fornire una matrice, chiedere una derivazione simbolica degli autovalori e identificare quale calcolo numerico delegare all’ambiente computazionale.\n\nContesto e configurazione\n\nLa versione pubblicata descrive un pre-addestramento matematico con contesto 4K. La configurazione del modello rilasciato imposta il massimo delle posizioni a 4,096, quindi prompt e soluzione svolta richiedono un piano compatto delle lunghezze. Non attribuire a questa edizione matematica il contesto molto più ampio pubblicizzato per la linea generale Qwen2.5. Mantenere insieme condizioni pertinenti e passaggi matematici, omettendo materiale estraneo che consumerebbe tale spazio.\n\nLa generazione della guida rapida nella scheda usa un’impostazione di esempio di 512 token. Quel valore non è presentato come capacità massima dell’output. Si può specificare una lunghezza di risposta desiderata per l’attività, ma un limite di output separato deve derivare dalla configurazione effettivamente applicabile anziché da un esempio o da un’altra edizione Qwen.\n\nLimiti sostanziali e risultati utili\n\nIl produttore raccomanda questa serie per attività matematiche in inglese e cinese e sconsiglia attività generiche al di fuori di tale specializzazione. I pesi sono modelli di generazione testuale; una domanda matematica in un’immagine richiede che simboli e condizioni vengano convertiti in testo tramite un passaggio visivo o OCR separato. Una dimostrazione multimodale che combina modelli visivi e matematici non rende l’edizione matematica stessa un modello con input di immagini.\n\nPer un flusso didattico, fornire il tentativo di derivazione dell’allievo e segnare il passaggio che richiede spiegazione. Chiedere una correzione nella notazione originale e una risposta finale al livello di dettaglio richiesto. Per un calcolo tecnico, specificare output esatto o approssimato, unità e arrotondamento prima di scegliere fra ragionamento testuale e flusso computazionale. Queste preparazioni collegano la specializzazione matematica del modello a una soluzione concreta ed esaminabile.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct è un modello per seguire istruzioni e risolvere problemi matematici in inglese e cinese. Supporta soluzioni ragionate in forma testuale e flussi matematici integrati con strumenti, con una specifica configurazione di rilascio da 4K anziché le specifiche generali a contesto lungo di Qwen2.5.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Qwen2.5-Math-72B-Instruct è l’edizione 72B ottimizzata per le istruzioni della famiglia matematica Qwen2.5-Math. Il produttore si rivolge specificamente ai problemi matematici in inglese e cinese e descrive due approcci: ragionamento chain-of-thought e ragionamento integrato con strumenti. Il modello riceve una condizione matematica scritta e restituisce testo contenente una derivazione, una spiegazione o una soluzione. La sua specializzazione è la matematica, anziché la scrittura creativa generale o l’elaborazione di documenti.
Capacità matematiche e approcci di ragionamento
Nell’approccio di ragionamento testuale, l’attività richiede le definizioni pertinenti, trasformazioni giustificate e una risposta finale chiaramente separata. La scheda del modello descrive anche il ragionamento integrato con strumenti, in cui il ragionamento in linguaggio naturale viene combinato con programmi. Il produttore cita la ricerca delle radici di un’equazione quadratica e il calcolo degli autovalori di una matrice come esempi in cui contano il calcolo preciso e la manipolazione simbolica o algoritmica.
Il ragionamento integrato con strumenti non equivale a mostrare semplicemente del codice in una risposta. La dimostrazione matematica del produttore fornisce un ambiente capace di eseguire programmi e il risultato del calcolo partecipa poi alla soluzione. Una richiesta autonoma di generazione testuale produce testo; un’applicazione che usa un flusso computazionale deve fornire il passaggio effettivo di esecuzione. Questa distinzione mantiene separati ragionamento matematico, programmi proposti e risultati numerici restituiti.
Edizioni Base, Instruct e modello di ricompensa
La famiglia include modelli base, modelli ottimizzati per le istruzioni e un modello di ricompensa matematico separati. L’edizione 72B-Instruct è destinata a istruzioni in stile chat. L’edizione base Qwen2.5-Math-72B viene descritta come fondamento per completamento e few-shot e come punto di partenza per ulteriore ottimizzazione. Il modello di ricompensa con un nome distinto ha un proprio ruolo e non deve essere trattato come il normale generatore di risposte di questo modello.
L’annuncio della versione descrive una pipeline di addestramento specializzata in matematica. I modelli base usano ulteriore materiale matematico sintetizzato, più dati matematici cinesi e l’inizializzazione dal modello fondazionale Qwen2.5. La fase Instruct usa fine-tuning supervisionato e apprendimento per rinforzo, con un modello di ricompensa specifico per la matematica che guida il rejection sampling e l’ottimizzazione successiva. Il produttore aggiunge dati di ragionamento integrato con strumenti e dati di istruzioni in inglese e cinese. Questi elementi spiegano l’orientamento matematico dell’edizione; non implicano che venga invocato automaticamente un verificatore separato per ogni richiesta dell’utente.
Preparare la domanda
Mantenere completo l’enunciato matematico. Definire variabili, restrizioni di dominio e quantità o proposizione da stabilire. Usare una notazione coerente fra la condizione originale e la risposta richiesta. Un’istruzione utile può chiedere il metodo, le trasformazioni importanti e il risultato finale, con un controllo separato rispetto alle condizioni originali.
La guida rapida del produttore distingue i due approcci tramite le istruzioni. Una richiesta di ragionamento testuale chiede una soluzione passo per passo e una risposta finale racchiusa in un riquadro. Una richiesta integrata con strumenti chiede al modello di combinare ragionamento in linguaggio naturale e programmi mantenendo la stessa convenzione per la risposta finale. Sono flussi matematici documentati, non una promessa separata sugli strumenti esposti da ogni interfaccia di servizio.
A titolo illustrativo, l’equazione semplice della scheda è 4x + 5 = 6x + 7. Una struttura di output utile separa il raggruppamento dei termini variabili, l’isolamento della variabile e l’espressione finale; il risultato matematico di questa condizione illustrativa è x = -1. La sostituzione dà 4(-1) + 5 = 1 e 6(-1) + 7 = 1, quindi entrambi i membri coincidono. Una richiesta più articolata può fornire una matrice, chiedere una derivazione simbolica degli autovalori e identificare quale calcolo numerico delegare all’ambiente computazionale.
Contesto e configurazione
La versione pubblicata descrive un pre-addestramento matematico con contesto 4K. La configurazione del modello rilasciato imposta il massimo delle posizioni a 4,096, quindi prompt e soluzione svolta richiedono un piano compatto delle lunghezze. Non attribuire a questa edizione matematica il contesto molto più ampio pubblicizzato per la linea generale Qwen2.5. Mantenere insieme condizioni pertinenti e passaggi matematici, omettendo materiale estraneo che consumerebbe tale spazio.
La generazione della guida rapida nella scheda usa un’impostazione di esempio di 512 token. Quel valore non è presentato come capacità massima dell’output. Si può specificare una lunghezza di risposta desiderata per l’attività, ma un limite di output separato deve derivare dalla configurazione effettivamente applicabile anziché da un esempio o da un’altra edizione Qwen.
Limiti sostanziali e risultati utili
Il produttore raccomanda questa serie per attività matematiche in inglese e cinese e sconsiglia attività generiche al di fuori di tale specializzazione. I pesi sono modelli di generazione testuale; una domanda matematica in un’immagine richiede che simboli e condizioni vengano convertiti in testo tramite un passaggio visivo o OCR separato. Una dimostrazione multimodale che combina modelli visivi e matematici non rende l’edizione matematica stessa un modello con input di immagini.
Per un flusso didattico, fornire il tentativo di derivazione dell’allievo e segnare il passaggio che richiede spiegazione. Chiedere una correzione nella notazione originale e una risposta finale al livello di dettaglio richiesto. Per un calcolo tecnico, specificare output esatto o approssimato, unità e arrotondamento prima di scegliere fra ragionamento testuale e flusso computazionale. Queste preparazioni collegano la specializzazione matematica del modello a una soluzione concreta ed esaminabile.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen2.5-math-72b-instruct | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.001144 / 1K token Output · Token in output $0.00344 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-math-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-math-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen2.5-math-72b-instruct
Usa i percorsi dei metodi indicati sopra.
qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct è un modello per seguire istruzioni e risolvere problemi matematici in inglese e cinese. Supporta soluzioni ragionate in forma testuale e flussi matematici integrati con strumenti, con una specifica configurazione di rilascio da 4K anziché le specifiche generali a contesto lungo di Qwen2.5.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Qwen2.5-Math-72B-Instruct è l’edizione 72B ottimizzata per le istruzioni della famiglia matematica Qwen2.5-Math. Il produttore si rivolge specificamente ai problemi matematici in inglese e cinese e descrive due approcci: ragionamento chain-of-thought e ragionamento integrato con strumenti. Il modello riceve una condizione matematica scritta e restituisce testo contenente una derivazione, una spiegazione o una soluzione. La sua specializzazione è la matematica, anziché la scrittura creativa generale o l’elaborazione di documenti.
Capacità matematiche e approcci di ragionamento
Nell’approccio di ragionamento testuale, l’attività richiede le definizioni pertinenti, trasformazioni giustificate e una risposta finale chiaramente separata. La scheda del modello descrive anche il ragionamento integrato con strumenti, in cui il ragionamento in linguaggio naturale viene combinato con programmi. Il produttore cita la ricerca delle radici di un’equazione quadratica e il calcolo degli autovalori di una matrice come esempi in cui contano il calcolo preciso e la manipolazione simbolica o algoritmica.
Il ragionamento integrato con strumenti non equivale a mostrare semplicemente del codice in una risposta. La dimostrazione matematica del produttore fornisce un ambiente capace di eseguire programmi e il risultato del calcolo partecipa poi alla soluzione. Una richiesta autonoma di generazione testuale produce testo; un’applicazione che usa un flusso computazionale deve fornire il passaggio effettivo di esecuzione. Questa distinzione mantiene separati ragionamento matematico, programmi proposti e risultati numerici restituiti.
Edizioni Base, Instruct e modello di ricompensa
La famiglia include modelli base, modelli ottimizzati per le istruzioni e un modello di ricompensa matematico separati. L’edizione 72B-Instruct è destinata a istruzioni in stile chat. L’edizione base Qwen2.5-Math-72B viene descritta come fondamento per completamento e few-shot e come punto di partenza per ulteriore ottimizzazione. Il modello di ricompensa con un nome distinto ha un proprio ruolo e non deve essere trattato come il normale generatore di risposte di questo modello.
L’annuncio della versione descrive una pipeline di addestramento specializzata in matematica. I modelli base usano ulteriore materiale matematico sintetizzato, più dati matematici cinesi e l’inizializzazione dal modello fondazionale Qwen2.5. La fase Instruct usa fine-tuning supervisionato e apprendimento per rinforzo, con un modello di ricompensa specifico per la matematica che guida il rejection sampling e l’ottimizzazione successiva. Il produttore aggiunge dati di ragionamento integrato con strumenti e dati di istruzioni in inglese e cinese. Questi elementi spiegano l’orientamento matematico dell’edizione; non implicano che venga invocato automaticamente un verificatore separato per ogni richiesta dell’utente.
Preparare la domanda
Mantenere completo l’enunciato matematico. Definire variabili, restrizioni di dominio e quantità o proposizione da stabilire. Usare una notazione coerente fra la condizione originale e la risposta richiesta. Un’istruzione utile può chiedere il metodo, le trasformazioni importanti e il risultato finale, con un controllo separato rispetto alle condizioni originali.
La guida rapida del produttore distingue i due approcci tramite le istruzioni. Una richiesta di ragionamento testuale chiede una soluzione passo per passo e una risposta finale racchiusa in un riquadro. Una richiesta integrata con strumenti chiede al modello di combinare ragionamento in linguaggio naturale e programmi mantenendo la stessa convenzione per la risposta finale. Sono flussi matematici documentati, non una promessa separata sugli strumenti esposti da ogni interfaccia di servizio.
A titolo illustrativo, l’equazione semplice della scheda è 4x + 5 = 6x + 7. Una struttura di output utile separa il raggruppamento dei termini variabili, l’isolamento della variabile e l’espressione finale; il risultato matematico di questa condizione illustrativa è x = -1. La sostituzione dà 4(-1) + 5 = 1 e 6(-1) + 7 = 1, quindi entrambi i membri coincidono. Una richiesta più articolata può fornire una matrice, chiedere una derivazione simbolica degli autovalori e identificare quale calcolo numerico delegare all’ambiente computazionale.
Contesto e configurazione
La versione pubblicata descrive un pre-addestramento matematico con contesto 4K. La configurazione del modello rilasciato imposta il massimo delle posizioni a 4,096, quindi prompt e soluzione svolta richiedono un piano compatto delle lunghezze. Non attribuire a questa edizione matematica il contesto molto più ampio pubblicizzato per la linea generale Qwen2.5. Mantenere insieme condizioni pertinenti e passaggi matematici, omettendo materiale estraneo che consumerebbe tale spazio.
La generazione della guida rapida nella scheda usa un’impostazione di esempio di 512 token. Quel valore non è presentato come capacità massima dell’output. Si può specificare una lunghezza di risposta desiderata per l’attività, ma un limite di output separato deve derivare dalla configurazione effettivamente applicabile anziché da un esempio o da un’altra edizione Qwen.
Limiti sostanziali e risultati utili
Il produttore raccomanda questa serie per attività matematiche in inglese e cinese e sconsiglia attività generiche al di fuori di tale specializzazione. I pesi sono modelli di generazione testuale; una domanda matematica in un’immagine richiede che simboli e condizioni vengano convertiti in testo tramite un passaggio visivo o OCR separato. Una dimostrazione multimodale che combina modelli visivi e matematici non rende l’edizione matematica stessa un modello con input di immagini.
Per un flusso didattico, fornire il tentativo di derivazione dell’allievo e segnare il passaggio che richiede spiegazione. Chiedere una correzione nella notazione originale e una risposta finale al livello di dettaglio richiesto. Per un calcolo tecnico, specificare output esatto o approssimato, unità e arrotondamento prima di scegliere fra ragionamento testuale e flusso computazionale. Queste preparazioni collegano la specializzazione matematica del modello a una soluzione concreta ed esaminabile.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen2.5-math-72b-instruct | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.001144 / 1K token Output · Token in output $0.00344 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "qwen2.5-math-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra qwen2.5-math-72b-instruct
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.