Qwen2.5-Coder-7B-Instruct는 이전에 CodeQwen으로 알려졌던 Qwen의 코드 중심 제품군 중 지시 튜닝된 7B 크기 릴리스입니다. 핵심 작업은 코드 생성, 프로그램 동작에 대한 추론, 코드 수정입니다. 요구사항과 소스 코드를 포함한 텍스트를 받아 구현, 설명 또는 제안 변경을 담은 텍스트를 반환합니다.
코딩 기능과 학습
제작사는 소스 코드, 텍스트와 코드를 연결하는 자료, 합성 예시를 포함한 5.5조 학습 토큰을 설명합니다. 이 제품군은 프로그래밍 특화와 함께 수학 및 일반 언어 능력을 유지합니다. 릴리스 발표는 프로그램 생성, 프로그램 실행 방식에 대한 추론, 기존 구현 수정을 구분합니다. 각각에는 서로 다른 입력과 최종 산출물이 필요합니다.
생성 작업에서는 프로그래밍 언어, 함수 시그니처, 입력 타입, 기대 반환 값을 제공하세요. 함수가 입력을 변경해도 되는지, 외부 의존성을 사용해도 되는지 등의 제약도 포함하세요. 구현과 각 요구사항을 어떻게 충족하는지에 대한 짧은 설명을 요청하세요. 예를 들어 정렬 요청에서는 중복 값을 유지하고 원래 목록을 변경하지 않도록 지정한 뒤, 함수와 함께 빈 목록 및 반복 값이 있는 목록의 호출 예시를 요청할 수 있습니다.
코드 추론에서는 정확한 코드 조각과 추적할 특정 입력을 제공하세요. 어떤 분기가 실행되고, 중간 값이 어떻게 변하며, 함수가 무엇을 반환하는지 물어보세요. 이는 파일 전체를 막연히 설명하라는 요청보다 유용합니다. 답변이 구체적인 입력과 프로그램의 구체적인 경로를 연결하기 때문입니다. 호출되는 보조 함수나 관련 타입 정의를 코드 조각과 함께 유지하세요.
수정 작업에서는 실패 동작, 기대 동작, 그 차이를 결정하는 코드를 제공하세요. 오류 메시지만으로는 중요한 조건이 명시되지 않을 수 있습니다. 제안 수정, 원인 설명, 이전 동작과 의도한 동작을 구별하는 예시를 요청하세요. 반환 패치는 텍스트 산출물입니다. 컴파일, 실행 또는 저장소 적용에는 주변 개발 환경이 필요합니다.
명명된 7B 에디션
공개된 모델은 비임베딩 파라미터 6.53B를 포함한 7.61B 파라미터와 Transformer 레이어 28개를 갖습니다. 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용합니다. 그룹화된 쿼리 어텐션에는 쿼리 헤드 28개와 키/값 헤드 4개가 있습니다. 이 세부 사항은 더 큰 Coder 에디션이 아니라 이 릴리스를 설명합니다.
제품군은 별도의 Base 및 Instruct 모델을 제공합니다. Instruct는 대화형 요청에 정렬되어 있고, Base는 완성과 추가 튜닝의 기반입니다. 이 항목은 지시 튜닝된 7B 모델을 다룹니다. 다른 크기에 대한 릴리스 예시나 대표 결과가 이 에디션의 기능이나 자원 요구사항을 정의하지는 않습니다.
지시 준비하기
모델 카드는 별도의 시스템 및 사용자 메시지와 그에 맞는 채팅 템플릿을 사용한 대화를 보여 줍니다. 구현과 설명을 제시하는 방법처럼 지속적으로 적용할 응답 규칙은 코드 및 작업과 분리하세요. 어떤 코드 조각이 기존 소스인지, 어떤 텍스트가 요구사항인지, 어떤 출력을 반환해야 하는지 표시하세요. 그러면 요청 변경이 유지해야 할 식별자, 인터페이스, 동작을 보존하는 데 도움이 됩니다.
유용한 개발자 어시스턴트 입력에는 짧은 모듈, 호출자, 의도한 변경을 포함할 수 있습니다. 수정 함수, 가정 목록, 기대 출력이 붙은 예시 입력을 요청하세요. 생성형 시각 산출물에서는 구현할 데이터와 상호작용을 지정하고 결과 소스 텍스트를 요청하세요. 코드 중심 제품군은 코드 어시스턴트와 시각 산출물의 예시도 제공합니다. 산출물 렌더링은 소스 생성과 별개의 단계입니다.
장문 텍스트 처리
모델 카드에는 전체 컨텍스트 131,072토큰이 명시되어 있지만, 공개된 구성은 처음에 32,768토큰으로 설정되어 있습니다. 그 설정을 넘는 입력을 처리하려면 문서화된 YaRN 확장이 필요합니다. 예시는 스케일링 계수 4.0과 원래 최대 위치 설정 32,768을 지정합니다. 제작사는 정적 스케일링이 더 짧은 텍스트 동작에 영향을 줄 수 있다고 설명하며 장문 컨텍스트가 필요할 때 확장을 추가하도록 권장합니다.
더 큰 컨텍스트로 관련 코드와 요구사항을 함께 유지하되 실제 질문을 식별하세요. 호환되지 않는 호출 찾기, 데이터 경로 설명, 지정된 인터페이스 안의 변경 제안 등이 해당합니다. 무관한 프로젝트 자료 대신 동작을 결정하는 부분을 포함하세요. 빠른 시작의 생성 토큰 512개는 예시 설정입니다. 카드는 그 값으로 별도의 최대 출력 용량을 확립하지 않습니다.
문서화된 모델 결과는 텍스트입니다. 코드 에이전트에서의 역할은 애플리케이션이 저장소 접근, 실행, 피드백을 제공하는 데 달려 있습니다. 그 작업들을 모델의 코드 제안 및 동작 설명 능력과 구분하세요. 반복 가능한 작업을 계획할 때는 정확한 7B-Instruct 에디션과 장문 컨텍스트 설정을 명시적으로 유지하세요.
", "aboutText": "Qwen2.5-Coder-7B-Instruct는 이전에 CodeQwen으로 알려졌던 Qwen의 코드 중심 제품군 중 지시 튜닝된 7B 크기 릴리스입니다. 핵심 작업은 코드 생성, 프로그램 동작에 대한 추론, 코드 수정입니다. 요구사항과 소스 코드를 포함한 텍스트를 받아 구현, 설명 또는 제안 변경을 담은 텍스트를 반환합니다.\n\n코딩 기능과 학습\n\n제작사는 소스 코드, 텍스트와 코드를 연결하는 자료, 합성 예시를 포함한 5.5조 학습 토큰을 설명합니다. 이 제품군은 프로그래밍 특화와 함께 수학 및 일반 언어 능력을 유지합니다. 릴리스 발표는 프로그램 생성, 프로그램 실행 방식에 대한 추론, 기존 구현 수정을 구분합니다. 각각에는 서로 다른 입력과 최종 산출물이 필요합니다.\n\n생성 작업에서는 프로그래밍 언어, 함수 시그니처, 입력 타입, 기대 반환 값을 제공하세요. 함수가 입력을 변경해도 되는지, 외부 의존성을 사용해도 되는지 등의 제약도 포함하세요. 구현과 각 요구사항을 어떻게 충족하는지에 대한 짧은 설명을 요청하세요. 예를 들어 정렬 요청에서는 중복 값을 유지하고 원래 목록을 변경하지 않도록 지정한 뒤, 함수와 함께 빈 목록 및 반복 값이 있는 목록의 호출 예시를 요청할 수 있습니다.\n\n코드 추론에서는 정확한 코드 조각과 추적할 특정 입력을 제공하세요. 어떤 분기가 실행되고, 중간 값이 어떻게 변하며, 함수가 무엇을 반환하는지 물어보세요. 이는 파일 전체를 막연히 설명하라는 요청보다 유용합니다. 답변이 구체적인 입력과 프로그램의 구체적인 경로를 연결하기 때문입니다. 호출되는 보조 함수나 관련 타입 정의를 코드 조각과 함께 유지하세요.\n\n수정 작업에서는 실패 동작, 기대 동작, 그 차이를 결정하는 코드를 제공하세요. 오류 메시지만으로는 중요한 조건이 명시되지 않을 수 있습니다. 제안 수정, 원인 설명, 이전 동작과 의도한 동작을 구별하는 예시를 요청하세요. 반환 패치는 텍스트 산출물입니다. 컴파일, 실행 또는 저장소 적용에는 주변 개발 환경이 필요합니다.\n\n명명된 7B 에디션\n\n공개된 모델은 비임베딩 파라미터 6.53B를 포함한 7.61B 파라미터와 Transformer 레이어 28개를 갖습니다. 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용합니다. 그룹화된 쿼리 어텐션에는 쿼리 헤드 28개와 키/값 헤드 4개가 있습니다. 이 세부 사항은 더 큰 Coder 에디션이 아니라 이 릴리스를 설명합니다.\n\n제품군은 별도의 Base 및 Instruct 모델을 제공합니다. Instruct는 대화형 요청에 정렬되어 있고, Base는 완성과 추가 튜닝의 기반입니다. 이 항목은 지시 튜닝된 7B 모델을 다룹니다. 다른 크기에 대한 릴리스 예시나 대표 결과가 이 에디션의 기능이나 자원 요구사항을 정의하지는 않습니다.\n\n지시 준비하기\n\n모델 카드는 별도의 시스템 및 사용자 메시지와 그에 맞는 채팅 템플릿을 사용한 대화를 보여 줍니다. 구현과 설명을 제시하는 방법처럼 지속적으로 적용할 응답 규칙은 코드 및 작업과 분리하세요. 어떤 코드 조각이 기존 소스인지, 어떤 텍스트가 요구사항인지, 어떤 출력을 반환해야 하는지 표시하세요. 그러면 요청 변경이 유지해야 할 식별자, 인터페이스, 동작을 보존하는 데 도움이 됩니다.\n\n유용한 개발자 어시스턴트 입력에는 짧은 모듈, 호출자, 의도한 변경을 포함할 수 있습니다. 수정 함수, 가정 목록, 기대 출력이 붙은 예시 입력을 요청하세요. 생성형 시각 산출물에서는 구현할 데이터와 상호작용을 지정하고 결과 소스 텍스트를 요청하세요. 코드 중심 제품군은 코드 어시스턴트와 시각 산출물의 예시도 제공합니다. 산출물 렌더링은 소스 생성과 별개의 단계입니다.\n\n장문 텍스트 처리\n\n모델 카드에는 전체 컨텍스트 131,072토큰이 명시되어 있지만, 공개된 구성은 처음에 32,768토큰으로 설정되어 있습니다. 그 설정을 넘는 입력을 처리하려면 문서화된 YaRN 확장이 필요합니다. 예시는 스케일링 계수 4.0과 원래 최대 위치 설정 32,768을 지정합니다. 제작사는 정적 스케일링이 더 짧은 텍스트 동작에 영향을 줄 수 있다고 설명하며 장문 컨텍스트가 필요할 때 확장을 추가하도록 권장합니다.\n\n더 큰 컨텍스트로 관련 코드와 요구사항을 함께 유지하되 실제 질문을 식별하세요. 호환되지 않는 호출 찾기, 데이터 경로 설명, 지정된 인터페이스 안의 변경 제안 등이 해당합니다. 무관한 프로젝트 자료 대신 동작을 결정하는 부분을 포함하세요. 빠른 시작의 생성 토큰 512개는 예시 설정입니다. 카드는 그 값으로 별도의 최대 출력 용량을 확립하지 않습니다.\n\n문서화된 모델 결과는 텍스트입니다. 코드 에이전트에서의 역할은 애플리케이션이 저장소 접근, 실행, 피드백을 제공하는 데 달려 있습니다. 그 작업들을 모델의 코드 제안 및 동작 설명 능력과 구분하세요. 반복 가능한 작업을 계획할 때는 정확한 7B-Instruct 에디션과 장문 컨텍스트 설정을 명시적으로 유지하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct는 지시에 따라 코드를 생성하고 설명하며 수정하는 텍스트 모델입니다. 7.61B 파라미터를 갖춘 이 릴리스는 문서화된 장문 컨텍스트 구성에서 최대 131,072토큰의 확장 컨텍스트를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-Coder-7B-Instruct는 이전에 CodeQwen으로 알려졌던 Qwen의 코드 중심 제품군 중 지시 튜닝된 7B 크기 릴리스입니다. 핵심 작업은 코드 생성, 프로그램 동작에 대한 추론, 코드 수정입니다. 요구사항과 소스 코드를 포함한 텍스트를 받아 구현, 설명 또는 제안 변경을 담은 텍스트를 반환합니다.
코딩 기능과 학습
제작사는 소스 코드, 텍스트와 코드를 연결하는 자료, 합성 예시를 포함한 5.5조 학습 토큰을 설명합니다. 이 제품군은 프로그래밍 특화와 함께 수학 및 일반 언어 능력을 유지합니다. 릴리스 발표는 프로그램 생성, 프로그램 실행 방식에 대한 추론, 기존 구현 수정을 구분합니다. 각각에는 서로 다른 입력과 최종 산출물이 필요합니다.
생성 작업에서는 프로그래밍 언어, 함수 시그니처, 입력 타입, 기대 반환 값을 제공하세요. 함수가 입력을 변경해도 되는지, 외부 의존성을 사용해도 되는지 등의 제약도 포함하세요. 구현과 각 요구사항을 어떻게 충족하는지에 대한 짧은 설명을 요청하세요. 예를 들어 정렬 요청에서는 중복 값을 유지하고 원래 목록을 변경하지 않도록 지정한 뒤, 함수와 함께 빈 목록 및 반복 값이 있는 목록의 호출 예시를 요청할 수 있습니다.
코드 추론에서는 정확한 코드 조각과 추적할 특정 입력을 제공하세요. 어떤 분기가 실행되고, 중간 값이 어떻게 변하며, 함수가 무엇을 반환하는지 물어보세요. 이는 파일 전체를 막연히 설명하라는 요청보다 유용합니다. 답변이 구체적인 입력과 프로그램의 구체적인 경로를 연결하기 때문입니다. 호출되는 보조 함수나 관련 타입 정의를 코드 조각과 함께 유지하세요.
수정 작업에서는 실패 동작, 기대 동작, 그 차이를 결정하는 코드를 제공하세요. 오류 메시지만으로는 중요한 조건이 명시되지 않을 수 있습니다. 제안 수정, 원인 설명, 이전 동작과 의도한 동작을 구별하는 예시를 요청하세요. 반환 패치는 텍스트 산출물입니다. 컴파일, 실행 또는 저장소 적용에는 주변 개발 환경이 필요합니다.
명명된 7B 에디션
공개된 모델은 비임베딩 파라미터 6.53B를 포함한 7.61B 파라미터와 Transformer 레이어 28개를 갖습니다. 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용합니다. 그룹화된 쿼리 어텐션에는 쿼리 헤드 28개와 키/값 헤드 4개가 있습니다. 이 세부 사항은 더 큰 Coder 에디션이 아니라 이 릴리스를 설명합니다.
제품군은 별도의 Base 및 Instruct 모델을 제공합니다. Instruct는 대화형 요청에 정렬되어 있고, Base는 완성과 추가 튜닝의 기반입니다. 이 항목은 지시 튜닝된 7B 모델을 다룹니다. 다른 크기에 대한 릴리스 예시나 대표 결과가 이 에디션의 기능이나 자원 요구사항을 정의하지는 않습니다.
지시 준비하기
모델 카드는 별도의 시스템 및 사용자 메시지와 그에 맞는 채팅 템플릿을 사용한 대화를 보여 줍니다. 구현과 설명을 제시하는 방법처럼 지속적으로 적용할 응답 규칙은 코드 및 작업과 분리하세요. 어떤 코드 조각이 기존 소스인지, 어떤 텍스트가 요구사항인지, 어떤 출력을 반환해야 하는지 표시하세요. 그러면 요청 변경이 유지해야 할 식별자, 인터페이스, 동작을 보존하는 데 도움이 됩니다.
유용한 개발자 어시스턴트 입력에는 짧은 모듈, 호출자, 의도한 변경을 포함할 수 있습니다. 수정 함수, 가정 목록, 기대 출력이 붙은 예시 입력을 요청하세요. 생성형 시각 산출물에서는 구현할 데이터와 상호작용을 지정하고 결과 소스 텍스트를 요청하세요. 코드 중심 제품군은 코드 어시스턴트와 시각 산출물의 예시도 제공합니다. 산출물 렌더링은 소스 생성과 별개의 단계입니다.
장문 텍스트 처리
모델 카드에는 전체 컨텍스트 131,072토큰이 명시되어 있지만, 공개된 구성은 처음에 32,768토큰으로 설정되어 있습니다. 그 설정을 넘는 입력을 처리하려면 문서화된 YaRN 확장이 필요합니다. 예시는 스케일링 계수 4.0과 원래 최대 위치 설정 32,768을 지정합니다. 제작사는 정적 스케일링이 더 짧은 텍스트 동작에 영향을 줄 수 있다고 설명하며 장문 컨텍스트가 필요할 때 확장을 추가하도록 권장합니다.
더 큰 컨텍스트로 관련 코드와 요구사항을 함께 유지하되 실제 질문을 식별하세요. 호환되지 않는 호출 찾기, 데이터 경로 설명, 지정된 인터페이스 안의 변경 제안 등이 해당합니다. 무관한 프로젝트 자료 대신 동작을 결정하는 부분을 포함하세요. 빠른 시작의 생성 토큰 512개는 예시 설정입니다. 카드는 그 값으로 별도의 최대 출력 용량을 확립하지 않습니다.
문서화된 모델 결과는 텍스트입니다. 코드 에이전트에서의 역할은 애플리케이션이 저장소 접근, 실행, 피드백을 제공하는 데 달려 있습니다. 그 작업들을 모델의 코드 제안 및 동작 설명 능력과 구분하세요. 반복 가능한 작업을 계획할 때는 정확한 7B-Instruct 에디션과 장문 컨텍스트 설정을 명시적으로 유지하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen2.5-coder-7b-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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0001 / 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-coder-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='qwen2.5-coder-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='qwen2.5-coder-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 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 qwen2.5-coder-7b-instruct
위에 표시된 메서드 경로를 사용하세요.
qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct는 지시에 따라 코드를 생성하고 설명하며 수정하는 텍스트 모델입니다. 7.61B 파라미터를 갖춘 이 릴리스는 문서화된 장문 컨텍스트 구성에서 최대 131,072토큰의 확장 컨텍스트를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Qwen2.5-Coder-7B-Instruct는 이전에 CodeQwen으로 알려졌던 Qwen의 코드 중심 제품군 중 지시 튜닝된 7B 크기 릴리스입니다. 핵심 작업은 코드 생성, 프로그램 동작에 대한 추론, 코드 수정입니다. 요구사항과 소스 코드를 포함한 텍스트를 받아 구현, 설명 또는 제안 변경을 담은 텍스트를 반환합니다.
코딩 기능과 학습
제작사는 소스 코드, 텍스트와 코드를 연결하는 자료, 합성 예시를 포함한 5.5조 학습 토큰을 설명합니다. 이 제품군은 프로그래밍 특화와 함께 수학 및 일반 언어 능력을 유지합니다. 릴리스 발표는 프로그램 생성, 프로그램 실행 방식에 대한 추론, 기존 구현 수정을 구분합니다. 각각에는 서로 다른 입력과 최종 산출물이 필요합니다.
생성 작업에서는 프로그래밍 언어, 함수 시그니처, 입력 타입, 기대 반환 값을 제공하세요. 함수가 입력을 변경해도 되는지, 외부 의존성을 사용해도 되는지 등의 제약도 포함하세요. 구현과 각 요구사항을 어떻게 충족하는지에 대한 짧은 설명을 요청하세요. 예를 들어 정렬 요청에서는 중복 값을 유지하고 원래 목록을 변경하지 않도록 지정한 뒤, 함수와 함께 빈 목록 및 반복 값이 있는 목록의 호출 예시를 요청할 수 있습니다.
코드 추론에서는 정확한 코드 조각과 추적할 특정 입력을 제공하세요. 어떤 분기가 실행되고, 중간 값이 어떻게 변하며, 함수가 무엇을 반환하는지 물어보세요. 이는 파일 전체를 막연히 설명하라는 요청보다 유용합니다. 답변이 구체적인 입력과 프로그램의 구체적인 경로를 연결하기 때문입니다. 호출되는 보조 함수나 관련 타입 정의를 코드 조각과 함께 유지하세요.
수정 작업에서는 실패 동작, 기대 동작, 그 차이를 결정하는 코드를 제공하세요. 오류 메시지만으로는 중요한 조건이 명시되지 않을 수 있습니다. 제안 수정, 원인 설명, 이전 동작과 의도한 동작을 구별하는 예시를 요청하세요. 반환 패치는 텍스트 산출물입니다. 컴파일, 실행 또는 저장소 적용에는 주변 개발 환경이 필요합니다.
명명된 7B 에디션
공개된 모델은 비임베딩 파라미터 6.53B를 포함한 7.61B 파라미터와 Transformer 레이어 28개를 갖습니다. 회전 위치 임베딩, SwiGLU, RMSNorm, 어텐션 QKV 바이어스를 사용합니다. 그룹화된 쿼리 어텐션에는 쿼리 헤드 28개와 키/값 헤드 4개가 있습니다. 이 세부 사항은 더 큰 Coder 에디션이 아니라 이 릴리스를 설명합니다.
제품군은 별도의 Base 및 Instruct 모델을 제공합니다. Instruct는 대화형 요청에 정렬되어 있고, Base는 완성과 추가 튜닝의 기반입니다. 이 항목은 지시 튜닝된 7B 모델을 다룹니다. 다른 크기에 대한 릴리스 예시나 대표 결과가 이 에디션의 기능이나 자원 요구사항을 정의하지는 않습니다.
지시 준비하기
모델 카드는 별도의 시스템 및 사용자 메시지와 그에 맞는 채팅 템플릿을 사용한 대화를 보여 줍니다. 구현과 설명을 제시하는 방법처럼 지속적으로 적용할 응답 규칙은 코드 및 작업과 분리하세요. 어떤 코드 조각이 기존 소스인지, 어떤 텍스트가 요구사항인지, 어떤 출력을 반환해야 하는지 표시하세요. 그러면 요청 변경이 유지해야 할 식별자, 인터페이스, 동작을 보존하는 데 도움이 됩니다.
유용한 개발자 어시스턴트 입력에는 짧은 모듈, 호출자, 의도한 변경을 포함할 수 있습니다. 수정 함수, 가정 목록, 기대 출력이 붙은 예시 입력을 요청하세요. 생성형 시각 산출물에서는 구현할 데이터와 상호작용을 지정하고 결과 소스 텍스트를 요청하세요. 코드 중심 제품군은 코드 어시스턴트와 시각 산출물의 예시도 제공합니다. 산출물 렌더링은 소스 생성과 별개의 단계입니다.
장문 텍스트 처리
모델 카드에는 전체 컨텍스트 131,072토큰이 명시되어 있지만, 공개된 구성은 처음에 32,768토큰으로 설정되어 있습니다. 그 설정을 넘는 입력을 처리하려면 문서화된 YaRN 확장이 필요합니다. 예시는 스케일링 계수 4.0과 원래 최대 위치 설정 32,768을 지정합니다. 제작사는 정적 스케일링이 더 짧은 텍스트 동작에 영향을 줄 수 있다고 설명하며 장문 컨텍스트가 필요할 때 확장을 추가하도록 권장합니다.
더 큰 컨텍스트로 관련 코드와 요구사항을 함께 유지하되 실제 질문을 식별하세요. 호환되지 않는 호출 찾기, 데이터 경로 설명, 지정된 인터페이스 안의 변경 제안 등이 해당합니다. 무관한 프로젝트 자료 대신 동작을 결정하는 부분을 포함하세요. 빠른 시작의 생성 토큰 512개는 예시 설정입니다. 카드는 그 값으로 별도의 최대 출력 용량을 확립하지 않습니다.
문서화된 모델 결과는 텍스트입니다. 코드 에이전트에서의 역할은 애플리케이션이 저장소 접근, 실행, 피드백을 제공하는 데 달려 있습니다. 그 작업들을 모델의 코드 제안 및 동작 설명 능력과 구분하세요. 반복 가능한 작업을 계획할 때는 정확한 7B-Instruct 에디션과 장문 컨텍스트 설정을 명시적으로 유지하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 qwen2.5-coder-7b-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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0001 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "qwen2.5-coder-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-coder-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': 'qwen2.5-coder-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 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 qwen2.5-coder-7b-instruct
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.