Qwen2-7B-Instructは、対話と自然言語で表現した課題向けに指示調整された、Qwen2の7Bサイズ版です。テキスト入力・テキスト出力のモデルで、回答は説明、翻訳、文書の草稿、プログラムコードなどになります。開発元は、言語理解、生成、多言語での作業、コーディング、数学、推論を主な利用分野として挙げています。
モデルの詳細
Qwen2には、ベース版と指示調整版の別々のリリースがあります。このカードはInstruct版を扱い、Qwen2-7Bベースモデルや、系列の混合エキスパート版ではありません。開発元のモデル情報表は、7Bサイズモデルのパラメータ数を70.7億と報告しています。デコーダーTransformerは、SwiGLU、注意機構のQKVバイアス、グループ化クエリ注意機構を使い、自然言語とコード向けに設計されたトークナイザーを備えます。これらはアーキテクチャと表現の選択であり、追加の入力モダリティではありません。
リリース告知は、英語と中国語に加え、さらに27言語での学習を説明しています。ロシア語、チェコ語、ポーランド語、ドイツ語、フランス語、スペイン語、アラビア語、ペルシャ語、トルコ語、日本語、韓国語に加え、南アジアと東南アジアの他の言語も含みます。そのため、多言語アシスタントは異なる言語の指示と元資料を受け取れますが、それでも最終成果物の言語、用語、読者を指定してください。
学習とInstruct版の違い
事前学習後、開発元は教師ありファインチューニングと直接選好最適化を行います。指示調整版は対話中の要求に応じるためのものであり、ベース版は言語モデルの基盤として別の役割を持ちます。モデルの選択やプロンプトへの対応を比較する際は、版の名前を明示してください。モデルを指示に従うよう学習させることと、利用時に正確な指示を渡すことは、同じフローの中で相互に補う要素です。
対話入力の準備
モデルカードのクイックスタートは、システム指示と利用者の質問を分け、生成前に対応するチャットテンプレートを適用します。アプリケーションの課題でも、この実用的な区別が役立ちます。アシスタントの役割と回答規則を、扱う元の文章やコードとは別に定義してください。文書の中に書いたテキストのラベルは、周囲のインターフェースで正しく書式化された対話の役割に代わるものではありません。
技術的な説明では、関数と入力例を一つ提示し、各分岐が何を行い、どの条件が結果に影響するかを尋ねられます。コーディングでは、受け付ける入力、期待する返り値、既存の動作を変える際の制約を指定できます。実装に続いて、通常ケースと境界ケースの例を求めてください。これらは文書化された言語・コーディング能力の利用例です。コード生成はテキストの結果であり、実行はアプリケーション環境が担います。
多言語の編集では、元の文章、対象読者、小さな用語一覧を提示してください。元の名前と条件を保持する修正と、その変更についての短い説明を求めます。単に文章を良くするという依頼より具体的であり、維持すべき意味と返すべき実用的な出力を定義できます。
長文の処理
開発元は、最大131,072トークンのコンテキスト対応を文書化していますが、長いコンテキスト用の指示が重要です。32,768トークンを超える入力には、文書化されたYaRN拡張設定が必要です。公開例では、元の位置設定32,768と、スケーリング係数4.0を使います。開発元は、静的な拡張設定が短い文章での動作に影響し得ると述べ、長いコンテキストでの処理が実際に必要な場合に有効にすることを推奨しています。
長い文書の課題では、焦点を絞った質問、名前付きの元資料の節、明確な出力構造を用意してください。例えば、技術仕様の複数の部分を提示し、特定の変更に関係する要件を、その出典となる節を各知見の横に残してまとめるよう求められます。大きな入力ウィンドウは、これらの部分をまとめて保持するのに役立ちます。回答は文書全体の語り直しではなく、簡潔な表でも構いません。
重要な境界
131,072トークンという数値は拡張コンテキストへの対応であり、長いコンテキスト用の設定を無視してよいという意味ではありません。クイックスタートの生成512トークンは設定例であり、公開された最大出力容量ではありません。このInstructリリースはテキストモデルであり、Qwen-VLの画像・動画能力や、Qwen2.5-Mathの専門的なツール統合数学学習を引き継ぐものではありません。必要な説明、コード、文書に応じて、名前付きの版を選び、テキストを準備してください。
", "aboutText": "Qwen2-7B-Instructは、対話と自然言語で表現した課題向けに指示調整された、Qwen2の7Bサイズ版です。テキスト入力・テキスト出力のモデルで、回答は説明、翻訳、文書の草稿、プログラムコードなどになります。開発元は、言語理解、生成、多言語での作業、コーディング、数学、推論を主な利用分野として挙げています。\n\nモデルの詳細\n\nQwen2には、ベース版と指示調整版の別々のリリースがあります。このカードはInstruct版を扱い、Qwen2-7Bベースモデルや、系列の混合エキスパート版ではありません。開発元のモデル情報表は、7Bサイズモデルのパラメータ数を70.7億と報告しています。デコーダーTransformerは、SwiGLU、注意機構のQKVバイアス、グループ化クエリ注意機構を使い、自然言語とコード向けに設計されたトークナイザーを備えます。これらはアーキテクチャと表現の選択であり、追加の入力モダリティではありません。\n\nリリース告知は、英語と中国語に加え、さらに27言語での学習を説明しています。ロシア語、チェコ語、ポーランド語、ドイツ語、フランス語、スペイン語、アラビア語、ペルシャ語、トルコ語、日本語、韓国語に加え、南アジアと東南アジアの他の言語も含みます。そのため、多言語アシスタントは異なる言語の指示と元資料を受け取れますが、それでも最終成果物の言語、用語、読者を指定してください。\n\n学習とInstruct版の違い\n\n事前学習後、開発元は教師ありファインチューニングと直接選好最適化を行います。指示調整版は対話中の要求に応じるためのものであり、ベース版は言語モデルの基盤として別の役割を持ちます。モデルの選択やプロンプトへの対応を比較する際は、版の名前を明示してください。モデルを指示に従うよう学習させることと、利用時に正確な指示を渡すことは、同じフローの中で相互に補う要素です。\n\n対話入力の準備\n\nモデルカードのクイックスタートは、システム指示と利用者の質問を分け、生成前に対応するチャットテンプレートを適用します。アプリケーションの課題でも、この実用的な区別が役立ちます。アシスタントの役割と回答規則を、扱う元の文章やコードとは別に定義してください。文書の中に書いたテキストのラベルは、周囲のインターフェースで正しく書式化された対話の役割に代わるものではありません。\n\n技術的な説明では、関数と入力例を一つ提示し、各分岐が何を行い、どの条件が結果に影響するかを尋ねられます。コーディングでは、受け付ける入力、期待する返り値、既存の動作を変える際の制約を指定できます。実装に続いて、通常ケースと境界ケースの例を求めてください。これらは文書化された言語・コーディング能力の利用例です。コード生成はテキストの結果であり、実行はアプリケーション環境が担います。\n\n多言語の編集では、元の文章、対象読者、小さな用語一覧を提示してください。元の名前と条件を保持する修正と、その変更についての短い説明を求めます。単に文章を良くするという依頼より具体的であり、維持すべき意味と返すべき実用的な出力を定義できます。\n\n長文の処理\n\n開発元は、最大131,072トークンのコンテキスト対応を文書化していますが、長いコンテキスト用の指示が重要です。32,768トークンを超える入力には、文書化されたYaRN拡張設定が必要です。公開例では、元の位置設定32,768と、スケーリング係数4.0を使います。開発元は、静的な拡張設定が短い文章での動作に影響し得ると述べ、長いコンテキストでの処理が実際に必要な場合に有効にすることを推奨しています。\n\n長い文書の課題では、焦点を絞った質問、名前付きの元資料の節、明確な出力構造を用意してください。例えば、技術仕様の複数の部分を提示し、特定の変更に関係する要件を、その出典となる節を各知見の横に残してまとめるよう求められます。大きな入力ウィンドウは、これらの部分をまとめて保持するのに役立ちます。回答は文書全体の語り直しではなく、簡潔な表でも構いません。\n\n重要な境界\n\n131,072トークンという数値は拡張コンテキストへの対応であり、長いコンテキスト用の設定を無視してよいという意味ではありません。クイックスタートの生成512トークンは設定例であり、公開された最大出力容量ではありません。このInstructリリースはテキストモデルであり、Qwen-VLの画像・動画能力や、Qwen2.5-Mathの専門的なツール統合数学学習を引き継ぐものではありません。必要な説明、コード、文書に応じて、名前付きの版を選び、テキストを準備してください。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
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は、多言語の対話、コーディング、数学、推論向けに指示調整されたテキストモデルです。開発元は、長いコンテキスト用の設定を有効にした場合、最大131,072トークンのコンテキストに対応すると文書化しています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen2-7B-Instructは、対話と自然言語で表現した課題向けに指示調整された、Qwen2の7Bサイズ版です。テキスト入力・テキスト出力のモデルで、回答は説明、翻訳、文書の草稿、プログラムコードなどになります。開発元は、言語理解、生成、多言語での作業、コーディング、数学、推論を主な利用分野として挙げています。
モデルの詳細
Qwen2には、ベース版と指示調整版の別々のリリースがあります。このカードはInstruct版を扱い、Qwen2-7Bベースモデルや、系列の混合エキスパート版ではありません。開発元のモデル情報表は、7Bサイズモデルのパラメータ数を70.7億と報告しています。デコーダーTransformerは、SwiGLU、注意機構のQKVバイアス、グループ化クエリ注意機構を使い、自然言語とコード向けに設計されたトークナイザーを備えます。これらはアーキテクチャと表現の選択であり、追加の入力モダリティではありません。
リリース告知は、英語と中国語に加え、さらに27言語での学習を説明しています。ロシア語、チェコ語、ポーランド語、ドイツ語、フランス語、スペイン語、アラビア語、ペルシャ語、トルコ語、日本語、韓国語に加え、南アジアと東南アジアの他の言語も含みます。そのため、多言語アシスタントは異なる言語の指示と元資料を受け取れますが、それでも最終成果物の言語、用語、読者を指定してください。
学習とInstruct版の違い
事前学習後、開発元は教師ありファインチューニングと直接選好最適化を行います。指示調整版は対話中の要求に応じるためのものであり、ベース版は言語モデルの基盤として別の役割を持ちます。モデルの選択やプロンプトへの対応を比較する際は、版の名前を明示してください。モデルを指示に従うよう学習させることと、利用時に正確な指示を渡すことは、同じフローの中で相互に補う要素です。
対話入力の準備
モデルカードのクイックスタートは、システム指示と利用者の質問を分け、生成前に対応するチャットテンプレートを適用します。アプリケーションの課題でも、この実用的な区別が役立ちます。アシスタントの役割と回答規則を、扱う元の文章やコードとは別に定義してください。文書の中に書いたテキストのラベルは、周囲のインターフェースで正しく書式化された対話の役割に代わるものではありません。
技術的な説明では、関数と入力例を一つ提示し、各分岐が何を行い、どの条件が結果に影響するかを尋ねられます。コーディングでは、受け付ける入力、期待する返り値、既存の動作を変える際の制約を指定できます。実装に続いて、通常ケースと境界ケースの例を求めてください。これらは文書化された言語・コーディング能力の利用例です。コード生成はテキストの結果であり、実行はアプリケーション環境が担います。
多言語の編集では、元の文章、対象読者、小さな用語一覧を提示してください。元の名前と条件を保持する修正と、その変更についての短い説明を求めます。単に文章を良くするという依頼より具体的であり、維持すべき意味と返すべき実用的な出力を定義できます。
長文の処理
開発元は、最大131,072トークンのコンテキスト対応を文書化していますが、長いコンテキスト用の指示が重要です。32,768トークンを超える入力には、文書化されたYaRN拡張設定が必要です。公開例では、元の位置設定32,768と、スケーリング係数4.0を使います。開発元は、静的な拡張設定が短い文章での動作に影響し得ると述べ、長いコンテキストでの処理が実際に必要な場合に有効にすることを推奨しています。
長い文書の課題では、焦点を絞った質問、名前付きの元資料の節、明確な出力構造を用意してください。例えば、技術仕様の複数の部分を提示し、特定の変更に関係する要件を、その出典となる節を各知見の横に残してまとめるよう求められます。大きな入力ウィンドウは、これらの部分をまとめて保持するのに役立ちます。回答は文書全体の語り直しではなく、簡潔な表でも構いません。
重要な境界
131,072トークンという数値は拡張コンテキストへの対応であり、長いコンテキスト用の設定を無視してよいという意味ではありません。クイックスタートの生成512トークンは設定例であり、公開された最大出力容量ではありません。このInstructリリースはテキストモデルであり、Qwen-VLの画像・動画能力や、Qwen2.5-Mathの専門的なツール統合数学学習を引き継ぐものではありません。必要な説明、コード、文書に応じて、名前付きの版を選び、テキストを準備してください。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 Qwen/Qwen2-7B-Instruct | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0001 / 1K トークン 出力 · 出力トークン $0.0001 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra Qwen/Qwen2-7B-Instruct
上記に表示されたメソッドパスを使用してください。
Qwen/Qwen2-7B-InstructQwen2-7B-Instructは、多言語の対話、コーディング、数学、推論向けに指示調整されたテキストモデルです。開発元は、長いコンテキスト用の設定を有効にした場合、最大131,072トークンのコンテキストに対応すると文書化しています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen2-7B-Instructは、対話と自然言語で表現した課題向けに指示調整された、Qwen2の7Bサイズ版です。テキスト入力・テキスト出力のモデルで、回答は説明、翻訳、文書の草稿、プログラムコードなどになります。開発元は、言語理解、生成、多言語での作業、コーディング、数学、推論を主な利用分野として挙げています。
モデルの詳細
Qwen2には、ベース版と指示調整版の別々のリリースがあります。このカードはInstruct版を扱い、Qwen2-7Bベースモデルや、系列の混合エキスパート版ではありません。開発元のモデル情報表は、7Bサイズモデルのパラメータ数を70.7億と報告しています。デコーダーTransformerは、SwiGLU、注意機構のQKVバイアス、グループ化クエリ注意機構を使い、自然言語とコード向けに設計されたトークナイザーを備えます。これらはアーキテクチャと表現の選択であり、追加の入力モダリティではありません。
リリース告知は、英語と中国語に加え、さらに27言語での学習を説明しています。ロシア語、チェコ語、ポーランド語、ドイツ語、フランス語、スペイン語、アラビア語、ペルシャ語、トルコ語、日本語、韓国語に加え、南アジアと東南アジアの他の言語も含みます。そのため、多言語アシスタントは異なる言語の指示と元資料を受け取れますが、それでも最終成果物の言語、用語、読者を指定してください。
学習とInstruct版の違い
事前学習後、開発元は教師ありファインチューニングと直接選好最適化を行います。指示調整版は対話中の要求に応じるためのものであり、ベース版は言語モデルの基盤として別の役割を持ちます。モデルの選択やプロンプトへの対応を比較する際は、版の名前を明示してください。モデルを指示に従うよう学習させることと、利用時に正確な指示を渡すことは、同じフローの中で相互に補う要素です。
対話入力の準備
モデルカードのクイックスタートは、システム指示と利用者の質問を分け、生成前に対応するチャットテンプレートを適用します。アプリケーションの課題でも、この実用的な区別が役立ちます。アシスタントの役割と回答規則を、扱う元の文章やコードとは別に定義してください。文書の中に書いたテキストのラベルは、周囲のインターフェースで正しく書式化された対話の役割に代わるものではありません。
技術的な説明では、関数と入力例を一つ提示し、各分岐が何を行い、どの条件が結果に影響するかを尋ねられます。コーディングでは、受け付ける入力、期待する返り値、既存の動作を変える際の制約を指定できます。実装に続いて、通常ケースと境界ケースの例を求めてください。これらは文書化された言語・コーディング能力の利用例です。コード生成はテキストの結果であり、実行はアプリケーション環境が担います。
多言語の編集では、元の文章、対象読者、小さな用語一覧を提示してください。元の名前と条件を保持する修正と、その変更についての短い説明を求めます。単に文章を良くするという依頼より具体的であり、維持すべき意味と返すべき実用的な出力を定義できます。
長文の処理
開発元は、最大131,072トークンのコンテキスト対応を文書化していますが、長いコンテキスト用の指示が重要です。32,768トークンを超える入力には、文書化されたYaRN拡張設定が必要です。公開例では、元の位置設定32,768と、スケーリング係数4.0を使います。開発元は、静的な拡張設定が短い文章での動作に影響し得ると述べ、長いコンテキストでの処理が実際に必要な場合に有効にすることを推奨しています。
長い文書の課題では、焦点を絞った質問、名前付きの元資料の節、明確な出力構造を用意してください。例えば、技術仕様の複数の部分を提示し、特定の変更に関係する要件を、その出典となる節を各知見の横に残してまとめるよう求められます。大きな入力ウィンドウは、これらの部分をまとめて保持するのに役立ちます。回答は文書全体の語り直しではなく、簡潔な表でも構いません。
重要な境界
131,072トークンという数値は拡張コンテキストへの対応であり、長いコンテキスト用の設定を無視してよいという意味ではありません。クイックスタートの生成512トークンは設定例であり、公開された最大出力容量ではありません。このInstructリリースはテキストモデルであり、Qwen-VLの画像・動画能力や、Qwen2.5-Mathの専門的なツール統合数学学習を引き継ぐものではありません。必要な説明、コード、文書に応じて、名前付きの版を選び、テキストを準備してください。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 Qwen/Qwen2-7B-Instruct | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0001 / 1K トークン 出力 · 出力トークン $0.0001 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "Qwen/Qwen2-7B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra Qwen/Qwen2-7B-Instruct
上記に表示されたメソッドパスを使用してください。
英語の技術例
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.