Qwen2.5-14B-Instruct는 일반 Qwen2.5 계열의 지시 튜닝 14B 크기 에디션입니다. 텍스트 대화를 입력받아 설명, 문서, 프로그램 코드, 구조화된 필드 등의 텍스트를 반환합니다. 제작사는 지시 따르기, 코딩, 수학, 표 같은 구조화된 데이터의 이해, 구조화된 답변 생성, 특히 JSON을 강조합니다.
계열에서 개선된 점
제작사는 이전 Qwen2 세대보다 폭넓은 지식과 향상된 코딩·수학 능력, 긴 답변 생성, 다양한 시스템 지시에 대한 더 나은 처리를 설명합니다. 계열의 사전 학습 코퍼스는 18조 토큰에 이른다고 명시됩니다. 이러한 기능은 작업에 따라 역할과 출력이 정해지는 주제별 도우미에 활용할 수 있습니다. 이 모델은 일반 Instruct 에디션이며, 별도로 이름이 붙은 Qwen2.5-Coder와 Qwen2.5-Math 계열은 자체 전문 분야를 갖습니다.
프로세스 도우미는 절차와 한 단계에 관한 질문을 입력받을 수 있습니다. 독자의 역할을 정의하고 해당 단계와 관련된 행동을 요청하며, 답변이 절차의 원래 조건을 유지하도록 요구하세요. 유용한 출력은 다음 행동, 그 행동이 적용되는 조건, 아직 필요한 정보를 구분할 수 있습니다. 이를 통해 폭넓은 조언 요청을 제공된 프로세스에 연결된 응답으로 바꿀 수 있습니다.
코드 설명에는 함수, 관련 도우미 정의, 혼란을 일으키는 입력을 제공하세요. 작업 순서와 해당 입력의 반환값을 요청하세요. 수학 설명에는 유도를 요청하기 전에 기호, 가정, 목표 식을 지정하세요. 두 작업 모두 텍스트를 사용합니다. 프로그램 실행이나 별도의 수치 도구 제공은 모델을 사용하는 애플리케이션의 작업입니다.
표와 JSON
표에 관한 질문에서는 열 머리글과 단위를 유지하고 관련 행을 지정하며 비교 내용을 정하세요. 원하는 출력은 일치하는 행의 식별자를 나열하고, 각 행이 제공된 조건 중 무엇을 만족하는지 설명할 수 있습니다. 표에 누락된 값이 있다면 답변에서 이를 없는 상태로 둘지 명시적으로 표현할지 밝히세요.
구조화된 추출에는 필드 이름과 필요한 유형을 보여 주세요. 항목 식별자, 재고 수량, 창고 라벨 같은 입력은 동일한 필드를 가진 레코드로 변환할 수 있습니다. 애플리케이션이 이를 파싱한다면 레코드만 요청하고, 사용자가 원본 해석을 살펴봐야 한다면 별도의 서술형 설명을 요청하세요. 모델에 문서화된 JSON 생성 능력과 특정 인터페이스의 스키마 강제 적용은 별개입니다.
다국어 대화는 영어, 중국어, 러시아어, 독일어, 프랑스어, 스페인어, 포르투갈어, 이탈리아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어에서 지원됩니다. 최종 언어를 정하고 바꾸지 말아야 할 용어를 제공하세요. 번역된 기술 설명에서는 변수 이름, 인용된 라벨, 단위를 유지하면서 주변 문장을 독자에게 맞게 바꾸도록 요청하세요.
해당 14B 릴리스
카드는 총 매개변수 147억 개, 그중 비임베딩 매개변수 131억 개, Transformer 레이어 48개를 명시합니다. 아키텍처는 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용하며, 그룹 쿼리 어텐션의 쿼리 헤드는 40개, 키/값 헤드는 8개입니다. 사전 학습과 사후 학습을 통해 이 Instruct 에디션이 만들어집니다. 계열의 기능과 공개된 컨텍스트 수치가 같더라도 매개변수 수와 레이어 수는 32B 에디션과 다릅니다.
모델 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 전자는 작업에 유지되는 대화와 자료에 관한 것이고, 후자는 생성된 답변에 관한 것입니다. 빠른 시작 예시의 512토큰 생성 설정은 예시일 뿐이며 카드에 명시된 답변 용량을 대체하지 않습니다. 이미지·동영상·오디오 이해는 별도의 이름을 가진 멀티모달 릴리스에 해당하며 이 텍스트 모델의 기능이 아닙니다.
입력 형식과 도구 지원 작업
제작사의 예시는 서로 구분된 시스템 메시지와 사용자 메시지에 해당 채팅 템플릿을 적용합니다. 도우미의 역할과 응답 규칙을 검토할 자료와 별도로 정의하세요. 완전한 질문을 제공하고 원본 텍스트에 라벨을 붙여, 원본 안에 인용된 지시를 애플리케이션이 내린 작업 지시와 혼동하지 않도록 하세요.
공식 Qwen2.5 발표는 도구 호출 템플릿과 호환되는 통합도 설명합니다. 도구 지원 작업에는 모델을 사용하는 애플리케이션이 함수 설명을 제공하고, 선택된 작업을 실행하며, 다음 답변을 위해 결과를 돌려줘야 합니다. 예를 들어 대화에서 제공된 계산 도구로 계산을 요청할 수 있으며, 함수 결과는 모델이 설명할 수 있는 정보가 됩니다. 도구의 가용성과 실행은 해당 통합에서 제공되고, 이 릴리스는 대화형 텍스트 동작을 제공합니다.
긴 텍스트 설정
공개된 설정은 처음에 32,768토큰을 처리합니다. 더 긴 입력을 위한 문서화된 확장은 YaRN을 사용하며, 예시 스케일링 계수는 4.0, 원래 최대 위치 설정은 32,768입니다. 정적 스케일링은 짧은 텍스트 동작에 영향을 줄 수 있으므로, 제작사는 긴 컨텍스트가 필요할 때 추가할 것을 권장합니다.
긴 원본 자료를 준비할 때는 수정할 섹션이나 답할 질문을 지정하고 뒷받침하는 부분을 함께 유지하세요. 명확한 요청은 수정된 문단, 변경 표, 원래 섹션 참조를 요구할 수 있습니다. 이렇게 하면 확장 컨텍스트를 구체적인 결과물에 사용하면서 답변은 별도의 생성 제한 안에 맞출 수 있습니다.
", "aboutText": "Qwen2.5-14B-Instruct는 일반 Qwen2.5 계열의 지시 튜닝 14B 크기 에디션입니다. 텍스트 대화를 입력받아 설명, 문서, 프로그램 코드, 구조화된 필드 등의 텍스트를 반환합니다. 제작사는 지시 따르기, 코딩, 수학, 표 같은 구조화된 데이터의 이해, 구조화된 답변 생성, 특히 JSON을 강조합니다.\n\n계열에서 개선된 점\n\n제작사는 이전 Qwen2 세대보다 폭넓은 지식과 향상된 코딩·수학 능력, 긴 답변 생성, 다양한 시스템 지시에 대한 더 나은 처리를 설명합니다. 계열의 사전 학습 코퍼스는 18조 토큰에 이른다고 명시됩니다. 이러한 기능은 작업에 따라 역할과 출력이 정해지는 주제별 도우미에 활용할 수 있습니다. 이 모델은 일반 Instruct 에디션이며, 별도로 이름이 붙은 Qwen2.5-Coder와 Qwen2.5-Math 계열은 자체 전문 분야를 갖습니다.\n\n프로세스 도우미는 절차와 한 단계에 관한 질문을 입력받을 수 있습니다. 독자의 역할을 정의하고 해당 단계와 관련된 행동을 요청하며, 답변이 절차의 원래 조건을 유지하도록 요구하세요. 유용한 출력은 다음 행동, 그 행동이 적용되는 조건, 아직 필요한 정보를 구분할 수 있습니다. 이를 통해 폭넓은 조언 요청을 제공된 프로세스에 연결된 응답으로 바꿀 수 있습니다.\n\n코드 설명에는 함수, 관련 도우미 정의, 혼란을 일으키는 입력을 제공하세요. 작업 순서와 해당 입력의 반환값을 요청하세요. 수학 설명에는 유도를 요청하기 전에 기호, 가정, 목표 식을 지정하세요. 두 작업 모두 텍스트를 사용합니다. 프로그램 실행이나 별도의 수치 도구 제공은 모델을 사용하는 애플리케이션의 작업입니다.\n\n표와 JSON\n\n표에 관한 질문에서는 열 머리글과 단위를 유지하고 관련 행을 지정하며 비교 내용을 정하세요. 원하는 출력은 일치하는 행의 식별자를 나열하고, 각 행이 제공된 조건 중 무엇을 만족하는지 설명할 수 있습니다. 표에 누락된 값이 있다면 답변에서 이를 없는 상태로 둘지 명시적으로 표현할지 밝히세요.\n\n구조화된 추출에는 필드 이름과 필요한 유형을 보여 주세요. 항목 식별자, 재고 수량, 창고 라벨 같은 입력은 동일한 필드를 가진 레코드로 변환할 수 있습니다. 애플리케이션이 이를 파싱한다면 레코드만 요청하고, 사용자가 원본 해석을 살펴봐야 한다면 별도의 서술형 설명을 요청하세요. 모델에 문서화된 JSON 생성 능력과 특정 인터페이스의 스키마 강제 적용은 별개입니다.\n\n다국어 대화는 영어, 중국어, 러시아어, 독일어, 프랑스어, 스페인어, 포르투갈어, 이탈리아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어에서 지원됩니다. 최종 언어를 정하고 바꾸지 말아야 할 용어를 제공하세요. 번역된 기술 설명에서는 변수 이름, 인용된 라벨, 단위를 유지하면서 주변 문장을 독자에게 맞게 바꾸도록 요청하세요.\n\n해당 14B 릴리스\n\n카드는 총 매개변수 147억 개, 그중 비임베딩 매개변수 131억 개, Transformer 레이어 48개를 명시합니다. 아키텍처는 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용하며, 그룹 쿼리 어텐션의 쿼리 헤드는 40개, 키/값 헤드는 8개입니다. 사전 학습과 사후 학습을 통해 이 Instruct 에디션이 만들어집니다. 계열의 기능과 공개된 컨텍스트 수치가 같더라도 매개변수 수와 레이어 수는 32B 에디션과 다릅니다.\n\n모델 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 전자는 작업에 유지되는 대화와 자료에 관한 것이고, 후자는 생성된 답변에 관한 것입니다. 빠른 시작 예시의 512토큰 생성 설정은 예시일 뿐이며 카드에 명시된 답변 용량을 대체하지 않습니다. 이미지·동영상·오디오 이해는 별도의 이름을 가진 멀티모달 릴리스에 해당하며 이 텍스트 모델의 기능이 아닙니다.\n\n입력 형식과 도구 지원 작업\n\n제작사의 예시는 서로 구분된 시스템 메시지와 사용자 메시지에 해당 채팅 템플릿을 적용합니다. 도우미의 역할과 응답 규칙을 검토할 자료와 별도로 정의하세요. 완전한 질문을 제공하고 원본 텍스트에 라벨을 붙여, 원본 안에 인용된 지시를 애플리케이션이 내린 작업 지시와 혼동하지 않도록 하세요.\n\n공식 Qwen2.5 발표는 도구 호출 템플릿과 호환되는 통합도 설명합니다. 도구 지원 작업에는 모델을 사용하는 애플리케이션이 함수 설명을 제공하고, 선택된 작업을 실행하며, 다음 답변을 위해 결과를 돌려줘야 합니다. 예를 들어 대화에서 제공된 계산 도구로 계산을 요청할 수 있으며, 함수 결과는 모델이 설명할 수 있는 정보가 됩니다. 도구의 가용성과 실행은 해당 통합에서 제공되고, 이 릴리스는 대화형 텍스트 동작을 제공합니다.\n\n긴 텍스트 설정\n\n공개된 설정은 처음에 32,768토큰을 처리합니다. 더 긴 입력을 위한 문서화된 확장은 YaRN을 사용하며, 예시 스케일링 계수는 4.0, 원래 최대 위치 설정은 32,768입니다. 정적 스케일링은 짧은 텍스트 동작에 영향을 줄 수 있으므로, 제작사는 긴 컨텍스트가 필요할 때 추가할 것을 권장합니다.\n\n긴 원본 자료를 준비할 때는 수정할 섹션이나 답할 질문을 지정하고 뒷받침하는 부분을 함께 유지하세요. 명확한 요청은 수정된 문단, 변경 표, 원래 섹션 참조를 요구할 수 있습니다. 이렇게 하면 확장 컨텍스트를 구체적인 결과물에 사용하면서 답변은 별도의 생성 제한 안에 맞출 수 있습니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Filter a stock table with missing values\n\nUse this stock table: item_id | stock | reorder_at; A7 | 3 | 5; B2 | 8 | 4; C9 | unknown | 6. Return the identifiers requiring reorder under stock < reorder_at, then list rows that cannot be decided. Preserve identifiers and explain the condition for each selected or unresolved row.A reorder list and a separate unresolved-row list, each with a short source-based reason.Check that equality would not trigger reorder and that unknown stock is not treated as zero.Qwen/Qwen2.5-14B-InstructQwen2.5-14B-Instruct는 지시 기반 도우미, 코드, 수학을 위한 다국어 텍스트 모델입니다. 147억 개의 매개변수를 가진 이 릴리스는 표 해석, JSON 생성, 8,192토큰의 답변 제한을 지원하며, 긴 입력에는 확장 컨텍스트 설정을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-14B-Instruct는 일반 Qwen2.5 계열의 지시 튜닝 14B 크기 에디션입니다. 텍스트 대화를 입력받아 설명, 문서, 프로그램 코드, 구조화된 필드 등의 텍스트를 반환합니다. 제작사는 지시 따르기, 코딩, 수학, 표 같은 구조화된 데이터의 이해, 구조화된 답변 생성, 특히 JSON을 강조합니다.
계열에서 개선된 점
제작사는 이전 Qwen2 세대보다 폭넓은 지식과 향상된 코딩·수학 능력, 긴 답변 생성, 다양한 시스템 지시에 대한 더 나은 처리를 설명합니다. 계열의 사전 학습 코퍼스는 18조 토큰에 이른다고 명시됩니다. 이러한 기능은 작업에 따라 역할과 출력이 정해지는 주제별 도우미에 활용할 수 있습니다. 이 모델은 일반 Instruct 에디션이며, 별도로 이름이 붙은 Qwen2.5-Coder와 Qwen2.5-Math 계열은 자체 전문 분야를 갖습니다.
프로세스 도우미는 절차와 한 단계에 관한 질문을 입력받을 수 있습니다. 독자의 역할을 정의하고 해당 단계와 관련된 행동을 요청하며, 답변이 절차의 원래 조건을 유지하도록 요구하세요. 유용한 출력은 다음 행동, 그 행동이 적용되는 조건, 아직 필요한 정보를 구분할 수 있습니다. 이를 통해 폭넓은 조언 요청을 제공된 프로세스에 연결된 응답으로 바꿀 수 있습니다.
코드 설명에는 함수, 관련 도우미 정의, 혼란을 일으키는 입력을 제공하세요. 작업 순서와 해당 입력의 반환값을 요청하세요. 수학 설명에는 유도를 요청하기 전에 기호, 가정, 목표 식을 지정하세요. 두 작업 모두 텍스트를 사용합니다. 프로그램 실행이나 별도의 수치 도구 제공은 모델을 사용하는 애플리케이션의 작업입니다.
표와 JSON
표에 관한 질문에서는 열 머리글과 단위를 유지하고 관련 행을 지정하며 비교 내용을 정하세요. 원하는 출력은 일치하는 행의 식별자를 나열하고, 각 행이 제공된 조건 중 무엇을 만족하는지 설명할 수 있습니다. 표에 누락된 값이 있다면 답변에서 이를 없는 상태로 둘지 명시적으로 표현할지 밝히세요.
구조화된 추출에는 필드 이름과 필요한 유형을 보여 주세요. 항목 식별자, 재고 수량, 창고 라벨 같은 입력은 동일한 필드를 가진 레코드로 변환할 수 있습니다. 애플리케이션이 이를 파싱한다면 레코드만 요청하고, 사용자가 원본 해석을 살펴봐야 한다면 별도의 서술형 설명을 요청하세요. 모델에 문서화된 JSON 생성 능력과 특정 인터페이스의 스키마 강제 적용은 별개입니다.
다국어 대화는 영어, 중국어, 러시아어, 독일어, 프랑스어, 스페인어, 포르투갈어, 이탈리아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어에서 지원됩니다. 최종 언어를 정하고 바꾸지 말아야 할 용어를 제공하세요. 번역된 기술 설명에서는 변수 이름, 인용된 라벨, 단위를 유지하면서 주변 문장을 독자에게 맞게 바꾸도록 요청하세요.
해당 14B 릴리스
카드는 총 매개변수 147억 개, 그중 비임베딩 매개변수 131억 개, Transformer 레이어 48개를 명시합니다. 아키텍처는 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용하며, 그룹 쿼리 어텐션의 쿼리 헤드는 40개, 키/값 헤드는 8개입니다. 사전 학습과 사후 학습을 통해 이 Instruct 에디션이 만들어집니다. 계열의 기능과 공개된 컨텍스트 수치가 같더라도 매개변수 수와 레이어 수는 32B 에디션과 다릅니다.
모델 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 전자는 작업에 유지되는 대화와 자료에 관한 것이고, 후자는 생성된 답변에 관한 것입니다. 빠른 시작 예시의 512토큰 생성 설정은 예시일 뿐이며 카드에 명시된 답변 용량을 대체하지 않습니다. 이미지·동영상·오디오 이해는 별도의 이름을 가진 멀티모달 릴리스에 해당하며 이 텍스트 모델의 기능이 아닙니다.
입력 형식과 도구 지원 작업
제작사의 예시는 서로 구분된 시스템 메시지와 사용자 메시지에 해당 채팅 템플릿을 적용합니다. 도우미의 역할과 응답 규칙을 검토할 자료와 별도로 정의하세요. 완전한 질문을 제공하고 원본 텍스트에 라벨을 붙여, 원본 안에 인용된 지시를 애플리케이션이 내린 작업 지시와 혼동하지 않도록 하세요.
공식 Qwen2.5 발표는 도구 호출 템플릿과 호환되는 통합도 설명합니다. 도구 지원 작업에는 모델을 사용하는 애플리케이션이 함수 설명을 제공하고, 선택된 작업을 실행하며, 다음 답변을 위해 결과를 돌려줘야 합니다. 예를 들어 대화에서 제공된 계산 도구로 계산을 요청할 수 있으며, 함수 결과는 모델이 설명할 수 있는 정보가 됩니다. 도구의 가용성과 실행은 해당 통합에서 제공되고, 이 릴리스는 대화형 텍스트 동작을 제공합니다.
긴 텍스트 설정
공개된 설정은 처음에 32,768토큰을 처리합니다. 더 긴 입력을 위한 문서화된 확장은 YaRN을 사용하며, 예시 스케일링 계수는 4.0, 원래 최대 위치 설정은 32,768입니다. 정적 스케일링은 짧은 텍스트 동작에 영향을 줄 수 있으므로, 제작사는 긴 컨텍스트가 필요할 때 추가할 것을 권장합니다.
긴 원본 자료를 준비할 때는 수정할 섹션이나 답할 질문을 지정하고 뒷받침하는 부분을 함께 유지하세요. 명확한 요청은 수정된 문단, 변경 표, 원래 섹션 참조를 요구할 수 있습니다. 이렇게 하면 확장 컨텍스트를 구체적인 결과물에 사용하면서 답변은 별도의 생성 제한 안에 맞출 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Qwen/Qwen2.5-14B-Instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen2.5-14B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2.5-14B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2.5-14B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
Qwen/Qwen2.5-14B-InstructQwen2.5-14B-Instruct는 지시 기반 도우미, 코드, 수학을 위한 다국어 텍스트 모델입니다. 147억 개의 매개변수를 가진 이 릴리스는 표 해석, JSON 생성, 8,192토큰의 답변 제한을 지원하며, 긴 입력에는 확장 컨텍스트 설정을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-14B-Instruct는 일반 Qwen2.5 계열의 지시 튜닝 14B 크기 에디션입니다. 텍스트 대화를 입력받아 설명, 문서, 프로그램 코드, 구조화된 필드 등의 텍스트를 반환합니다. 제작사는 지시 따르기, 코딩, 수학, 표 같은 구조화된 데이터의 이해, 구조화된 답변 생성, 특히 JSON을 강조합니다.
계열에서 개선된 점
제작사는 이전 Qwen2 세대보다 폭넓은 지식과 향상된 코딩·수학 능력, 긴 답변 생성, 다양한 시스템 지시에 대한 더 나은 처리를 설명합니다. 계열의 사전 학습 코퍼스는 18조 토큰에 이른다고 명시됩니다. 이러한 기능은 작업에 따라 역할과 출력이 정해지는 주제별 도우미에 활용할 수 있습니다. 이 모델은 일반 Instruct 에디션이며, 별도로 이름이 붙은 Qwen2.5-Coder와 Qwen2.5-Math 계열은 자체 전문 분야를 갖습니다.
프로세스 도우미는 절차와 한 단계에 관한 질문을 입력받을 수 있습니다. 독자의 역할을 정의하고 해당 단계와 관련된 행동을 요청하며, 답변이 절차의 원래 조건을 유지하도록 요구하세요. 유용한 출력은 다음 행동, 그 행동이 적용되는 조건, 아직 필요한 정보를 구분할 수 있습니다. 이를 통해 폭넓은 조언 요청을 제공된 프로세스에 연결된 응답으로 바꿀 수 있습니다.
코드 설명에는 함수, 관련 도우미 정의, 혼란을 일으키는 입력을 제공하세요. 작업 순서와 해당 입력의 반환값을 요청하세요. 수학 설명에는 유도를 요청하기 전에 기호, 가정, 목표 식을 지정하세요. 두 작업 모두 텍스트를 사용합니다. 프로그램 실행이나 별도의 수치 도구 제공은 모델을 사용하는 애플리케이션의 작업입니다.
표와 JSON
표에 관한 질문에서는 열 머리글과 단위를 유지하고 관련 행을 지정하며 비교 내용을 정하세요. 원하는 출력은 일치하는 행의 식별자를 나열하고, 각 행이 제공된 조건 중 무엇을 만족하는지 설명할 수 있습니다. 표에 누락된 값이 있다면 답변에서 이를 없는 상태로 둘지 명시적으로 표현할지 밝히세요.
구조화된 추출에는 필드 이름과 필요한 유형을 보여 주세요. 항목 식별자, 재고 수량, 창고 라벨 같은 입력은 동일한 필드를 가진 레코드로 변환할 수 있습니다. 애플리케이션이 이를 파싱한다면 레코드만 요청하고, 사용자가 원본 해석을 살펴봐야 한다면 별도의 서술형 설명을 요청하세요. 모델에 문서화된 JSON 생성 능력과 특정 인터페이스의 스키마 강제 적용은 별개입니다.
다국어 대화는 영어, 중국어, 러시아어, 독일어, 프랑스어, 스페인어, 포르투갈어, 이탈리아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어에서 지원됩니다. 최종 언어를 정하고 바꾸지 말아야 할 용어를 제공하세요. 번역된 기술 설명에서는 변수 이름, 인용된 라벨, 단위를 유지하면서 주변 문장을 독자에게 맞게 바꾸도록 요청하세요.
해당 14B 릴리스
카드는 총 매개변수 147억 개, 그중 비임베딩 매개변수 131억 개, Transformer 레이어 48개를 명시합니다. 아키텍처는 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용하며, 그룹 쿼리 어텐션의 쿼리 헤드는 40개, 키/값 헤드는 8개입니다. 사전 학습과 사후 학습을 통해 이 Instruct 에디션이 만들어집니다. 계열의 기능과 공개된 컨텍스트 수치가 같더라도 매개변수 수와 레이어 수는 32B 에디션과 다릅니다.
모델 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 전자는 작업에 유지되는 대화와 자료에 관한 것이고, 후자는 생성된 답변에 관한 것입니다. 빠른 시작 예시의 512토큰 생성 설정은 예시일 뿐이며 카드에 명시된 답변 용량을 대체하지 않습니다. 이미지·동영상·오디오 이해는 별도의 이름을 가진 멀티모달 릴리스에 해당하며 이 텍스트 모델의 기능이 아닙니다.
입력 형식과 도구 지원 작업
제작사의 예시는 서로 구분된 시스템 메시지와 사용자 메시지에 해당 채팅 템플릿을 적용합니다. 도우미의 역할과 응답 규칙을 검토할 자료와 별도로 정의하세요. 완전한 질문을 제공하고 원본 텍스트에 라벨을 붙여, 원본 안에 인용된 지시를 애플리케이션이 내린 작업 지시와 혼동하지 않도록 하세요.
공식 Qwen2.5 발표는 도구 호출 템플릿과 호환되는 통합도 설명합니다. 도구 지원 작업에는 모델을 사용하는 애플리케이션이 함수 설명을 제공하고, 선택된 작업을 실행하며, 다음 답변을 위해 결과를 돌려줘야 합니다. 예를 들어 대화에서 제공된 계산 도구로 계산을 요청할 수 있으며, 함수 결과는 모델이 설명할 수 있는 정보가 됩니다. 도구의 가용성과 실행은 해당 통합에서 제공되고, 이 릴리스는 대화형 텍스트 동작을 제공합니다.
긴 텍스트 설정
공개된 설정은 처음에 32,768토큰을 처리합니다. 더 긴 입력을 위한 문서화된 확장은 YaRN을 사용하며, 예시 스케일링 계수는 4.0, 원래 최대 위치 설정은 32,768입니다. 정적 스케일링은 짧은 텍스트 동작에 영향을 줄 수 있으므로, 제작사는 긴 컨텍스트가 필요할 때 추가할 것을 권장합니다.
긴 원본 자료를 준비할 때는 수정할 섹션이나 답할 질문을 지정하고 뒷받침하는 부분을 함께 유지하세요. 명확한 요청은 수정된 문단, 변경 표, 원래 섹션 참조를 요구할 수 있습니다. 이렇게 하면 확장 컨텍스트를 구체적인 결과물에 사용하면서 답변은 별도의 생성 제한 안에 맞출 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 Qwen/Qwen2.5-14B-Instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "Qwen/Qwen2.5-14B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2.5-14B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2.5-14B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
qwen2.5-14b-instructQwen2.5-14B-Instruct는 지시 기반 도우미, 코드, 수학을 위한 다국어 텍스트 모델입니다. 147억 개의 매개변수를 가진 이 릴리스는 표 해석, JSON 생성, 8,192토큰의 답변 제한을 지원하며, 긴 입력에는 확장 컨텍스트 설정을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-14B-Instruct는 일반 Qwen2.5 계열의 지시 튜닝 14B 크기 에디션입니다. 텍스트 대화를 입력받아 설명, 문서, 프로그램 코드, 구조화된 필드 등의 텍스트를 반환합니다. 제작사는 지시 따르기, 코딩, 수학, 표 같은 구조화된 데이터의 이해, 구조화된 답변 생성, 특히 JSON을 강조합니다.
계열에서 개선된 점
제작사는 이전 Qwen2 세대보다 폭넓은 지식과 향상된 코딩·수학 능력, 긴 답변 생성, 다양한 시스템 지시에 대한 더 나은 처리를 설명합니다. 계열의 사전 학습 코퍼스는 18조 토큰에 이른다고 명시됩니다. 이러한 기능은 작업에 따라 역할과 출력이 정해지는 주제별 도우미에 활용할 수 있습니다. 이 모델은 일반 Instruct 에디션이며, 별도로 이름이 붙은 Qwen2.5-Coder와 Qwen2.5-Math 계열은 자체 전문 분야를 갖습니다.
프로세스 도우미는 절차와 한 단계에 관한 질문을 입력받을 수 있습니다. 독자의 역할을 정의하고 해당 단계와 관련된 행동을 요청하며, 답변이 절차의 원래 조건을 유지하도록 요구하세요. 유용한 출력은 다음 행동, 그 행동이 적용되는 조건, 아직 필요한 정보를 구분할 수 있습니다. 이를 통해 폭넓은 조언 요청을 제공된 프로세스에 연결된 응답으로 바꿀 수 있습니다.
코드 설명에는 함수, 관련 도우미 정의, 혼란을 일으키는 입력을 제공하세요. 작업 순서와 해당 입력의 반환값을 요청하세요. 수학 설명에는 유도를 요청하기 전에 기호, 가정, 목표 식을 지정하세요. 두 작업 모두 텍스트를 사용합니다. 프로그램 실행이나 별도의 수치 도구 제공은 모델을 사용하는 애플리케이션의 작업입니다.
표와 JSON
표에 관한 질문에서는 열 머리글과 단위를 유지하고 관련 행을 지정하며 비교 내용을 정하세요. 원하는 출력은 일치하는 행의 식별자를 나열하고, 각 행이 제공된 조건 중 무엇을 만족하는지 설명할 수 있습니다. 표에 누락된 값이 있다면 답변에서 이를 없는 상태로 둘지 명시적으로 표현할지 밝히세요.
구조화된 추출에는 필드 이름과 필요한 유형을 보여 주세요. 항목 식별자, 재고 수량, 창고 라벨 같은 입력은 동일한 필드를 가진 레코드로 변환할 수 있습니다. 애플리케이션이 이를 파싱한다면 레코드만 요청하고, 사용자가 원본 해석을 살펴봐야 한다면 별도의 서술형 설명을 요청하세요. 모델에 문서화된 JSON 생성 능력과 특정 인터페이스의 스키마 강제 적용은 별개입니다.
다국어 대화는 영어, 중국어, 러시아어, 독일어, 프랑스어, 스페인어, 포르투갈어, 이탈리아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어에서 지원됩니다. 최종 언어를 정하고 바꾸지 말아야 할 용어를 제공하세요. 번역된 기술 설명에서는 변수 이름, 인용된 라벨, 단위를 유지하면서 주변 문장을 독자에게 맞게 바꾸도록 요청하세요.
해당 14B 릴리스
카드는 총 매개변수 147억 개, 그중 비임베딩 매개변수 131억 개, Transformer 레이어 48개를 명시합니다. 아키텍처는 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용하며, 그룹 쿼리 어텐션의 쿼리 헤드는 40개, 키/값 헤드는 8개입니다. 사전 학습과 사후 학습을 통해 이 Instruct 에디션이 만들어집니다. 계열의 기능과 공개된 컨텍스트 수치가 같더라도 매개변수 수와 레이어 수는 32B 에디션과 다릅니다.
모델 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 전자는 작업에 유지되는 대화와 자료에 관한 것이고, 후자는 생성된 답변에 관한 것입니다. 빠른 시작 예시의 512토큰 생성 설정은 예시일 뿐이며 카드에 명시된 답변 용량을 대체하지 않습니다. 이미지·동영상·오디오 이해는 별도의 이름을 가진 멀티모달 릴리스에 해당하며 이 텍스트 모델의 기능이 아닙니다.
입력 형식과 도구 지원 작업
제작사의 예시는 서로 구분된 시스템 메시지와 사용자 메시지에 해당 채팅 템플릿을 적용합니다. 도우미의 역할과 응답 규칙을 검토할 자료와 별도로 정의하세요. 완전한 질문을 제공하고 원본 텍스트에 라벨을 붙여, 원본 안에 인용된 지시를 애플리케이션이 내린 작업 지시와 혼동하지 않도록 하세요.
공식 Qwen2.5 발표는 도구 호출 템플릿과 호환되는 통합도 설명합니다. 도구 지원 작업에는 모델을 사용하는 애플리케이션이 함수 설명을 제공하고, 선택된 작업을 실행하며, 다음 답변을 위해 결과를 돌려줘야 합니다. 예를 들어 대화에서 제공된 계산 도구로 계산을 요청할 수 있으며, 함수 결과는 모델이 설명할 수 있는 정보가 됩니다. 도구의 가용성과 실행은 해당 통합에서 제공되고, 이 릴리스는 대화형 텍스트 동작을 제공합니다.
긴 텍스트 설정
공개된 설정은 처음에 32,768토큰을 처리합니다. 더 긴 입력을 위한 문서화된 확장은 YaRN을 사용하며, 예시 스케일링 계수는 4.0, 원래 최대 위치 설정은 32,768입니다. 정적 스케일링은 짧은 텍스트 동작에 영향을 줄 수 있으므로, 제작사는 긴 컨텍스트가 필요할 때 추가할 것을 권장합니다.
긴 원본 자료를 준비할 때는 수정할 섹션이나 답할 질문을 지정하고 뒷받침하는 부분을 함께 유지하세요. 명확한 요청은 수정된 문단, 변경 표, 원래 섹션 참조를 요구할 수 있습니다. 이렇게 하면 확장 컨텍스트를 구체적인 결과물에 사용하면서 답변은 별도의 생성 제한 안에 맞출 수 있습니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen2.5-14b-instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen2.5-14b-instruct","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="qwen2.5-14b-instruct", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
qwen2.5-14b-instructQwen2.5-14B-Instruct는 지시 기반 도우미, 코드, 수학을 위한 다국어 텍스트 모델입니다. 147억 개의 매개변수를 가진 이 릴리스는 표 해석, JSON 생성, 8,192토큰의 답변 제한을 지원하며, 긴 입력에는 확장 컨텍스트 설정을 사용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-14B-Instruct는 일반 Qwen2.5 계열의 지시 튜닝 14B 크기 에디션입니다. 텍스트 대화를 입력받아 설명, 문서, 프로그램 코드, 구조화된 필드 등의 텍스트를 반환합니다. 제작사는 지시 따르기, 코딩, 수학, 표 같은 구조화된 데이터의 이해, 구조화된 답변 생성, 특히 JSON을 강조합니다.
계열에서 개선된 점
제작사는 이전 Qwen2 세대보다 폭넓은 지식과 향상된 코딩·수학 능력, 긴 답변 생성, 다양한 시스템 지시에 대한 더 나은 처리를 설명합니다. 계열의 사전 학습 코퍼스는 18조 토큰에 이른다고 명시됩니다. 이러한 기능은 작업에 따라 역할과 출력이 정해지는 주제별 도우미에 활용할 수 있습니다. 이 모델은 일반 Instruct 에디션이며, 별도로 이름이 붙은 Qwen2.5-Coder와 Qwen2.5-Math 계열은 자체 전문 분야를 갖습니다.
프로세스 도우미는 절차와 한 단계에 관한 질문을 입력받을 수 있습니다. 독자의 역할을 정의하고 해당 단계와 관련된 행동을 요청하며, 답변이 절차의 원래 조건을 유지하도록 요구하세요. 유용한 출력은 다음 행동, 그 행동이 적용되는 조건, 아직 필요한 정보를 구분할 수 있습니다. 이를 통해 폭넓은 조언 요청을 제공된 프로세스에 연결된 응답으로 바꿀 수 있습니다.
코드 설명에는 함수, 관련 도우미 정의, 혼란을 일으키는 입력을 제공하세요. 작업 순서와 해당 입력의 반환값을 요청하세요. 수학 설명에는 유도를 요청하기 전에 기호, 가정, 목표 식을 지정하세요. 두 작업 모두 텍스트를 사용합니다. 프로그램 실행이나 별도의 수치 도구 제공은 모델을 사용하는 애플리케이션의 작업입니다.
표와 JSON
표에 관한 질문에서는 열 머리글과 단위를 유지하고 관련 행을 지정하며 비교 내용을 정하세요. 원하는 출력은 일치하는 행의 식별자를 나열하고, 각 행이 제공된 조건 중 무엇을 만족하는지 설명할 수 있습니다. 표에 누락된 값이 있다면 답변에서 이를 없는 상태로 둘지 명시적으로 표현할지 밝히세요.
구조화된 추출에는 필드 이름과 필요한 유형을 보여 주세요. 항목 식별자, 재고 수량, 창고 라벨 같은 입력은 동일한 필드를 가진 레코드로 변환할 수 있습니다. 애플리케이션이 이를 파싱한다면 레코드만 요청하고, 사용자가 원본 해석을 살펴봐야 한다면 별도의 서술형 설명을 요청하세요. 모델에 문서화된 JSON 생성 능력과 특정 인터페이스의 스키마 강제 적용은 별개입니다.
다국어 대화는 영어, 중국어, 러시아어, 독일어, 프랑스어, 스페인어, 포르투갈어, 이탈리아어, 일본어, 한국어, 베트남어, 태국어, 아랍어 등 29개가 넘는 언어에서 지원됩니다. 최종 언어를 정하고 바꾸지 말아야 할 용어를 제공하세요. 번역된 기술 설명에서는 변수 이름, 인용된 라벨, 단위를 유지하면서 주변 문장을 독자에게 맞게 바꾸도록 요청하세요.
해당 14B 릴리스
카드는 총 매개변수 147억 개, 그중 비임베딩 매개변수 131억 개, Transformer 레이어 48개를 명시합니다. 아키텍처는 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용하며, 그룹 쿼리 어텐션의 쿼리 헤드는 40개, 키/값 헤드는 8개입니다. 사전 학습과 사후 학습을 통해 이 Instruct 에디션이 만들어집니다. 계열의 기능과 공개된 컨텍스트 수치가 같더라도 매개변수 수와 레이어 수는 32B 에디션과 다릅니다.
모델 카드는 전체 컨텍스트 131,072토큰과 최대 8,192토큰 생성을 명시합니다. 전자는 작업에 유지되는 대화와 자료에 관한 것이고, 후자는 생성된 답변에 관한 것입니다. 빠른 시작 예시의 512토큰 생성 설정은 예시일 뿐이며 카드에 명시된 답변 용량을 대체하지 않습니다. 이미지·동영상·오디오 이해는 별도의 이름을 가진 멀티모달 릴리스에 해당하며 이 텍스트 모델의 기능이 아닙니다.
입력 형식과 도구 지원 작업
제작사의 예시는 서로 구분된 시스템 메시지와 사용자 메시지에 해당 채팅 템플릿을 적용합니다. 도우미의 역할과 응답 규칙을 검토할 자료와 별도로 정의하세요. 완전한 질문을 제공하고 원본 텍스트에 라벨을 붙여, 원본 안에 인용된 지시를 애플리케이션이 내린 작업 지시와 혼동하지 않도록 하세요.
공식 Qwen2.5 발표는 도구 호출 템플릿과 호환되는 통합도 설명합니다. 도구 지원 작업에는 모델을 사용하는 애플리케이션이 함수 설명을 제공하고, 선택된 작업을 실행하며, 다음 답변을 위해 결과를 돌려줘야 합니다. 예를 들어 대화에서 제공된 계산 도구로 계산을 요청할 수 있으며, 함수 결과는 모델이 설명할 수 있는 정보가 됩니다. 도구의 가용성과 실행은 해당 통합에서 제공되고, 이 릴리스는 대화형 텍스트 동작을 제공합니다.
긴 텍스트 설정
공개된 설정은 처음에 32,768토큰을 처리합니다. 더 긴 입력을 위한 문서화된 확장은 YaRN을 사용하며, 예시 스케일링 계수는 4.0, 원래 최대 위치 설정은 32,768입니다. 정적 스케일링은 짧은 텍스트 동작에 영향을 줄 수 있으므로, 제작사는 긴 컨텍스트가 필요할 때 추가할 것을 권장합니다.
긴 원본 자료를 준비할 때는 수정할 섹션이나 답할 질문을 지정하고 뒷받침하는 부분을 함께 유지하세요. 명확한 요청은 수정된 문단, 변경 표, 원래 섹션 참조를 요구할 수 있습니다. 이렇게 하면 확장 컨텍스트를 구체적인 결과물에 사용하면서 답변은 별도의 생성 제한 안에 맞출 수 있습니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen2.5-14b-instruct | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0002 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen2.5-14b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-14b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-14b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
영어 기술 예제
Filter a stock table with missing values\n\nUse this stock table: item_id | stock | reorder_at; A7 | 3 | 5; B2 | 8 | 4; C9 | unknown | 6. Return the identifiers requiring reorder under stock < reorder_at, then list rows that cannot be decided. Preserve identifiers and explain the condition for each selected or unresolved row.A reorder list and a separate unresolved-row list, each with a short source-based reason.Check that equality would not trigger reorder and that unknown stock is not treated as zero.