Qwen2.5-7B-Instruct yra instrukcijoms pritaikytas 7B teksto modelis iš bendros paskirties Qwen2.5 kalbos modelių šeimos. Qwen pabrėžia programavimą ir matematiką, instrukcijų laikymąsi, ilgų tekstų rašymą, lentelių supratimą ir struktūrizuotą išvestį, ypač JSON. Tai tankiosios architektūros modelis tik su dekoderiu, turintis iš viso 7,61 milijardo parametrų, iš kurių 6,53 milijardo nėra įterpinių parametrai. Jis priima tekstinius pokalbius ir generuoja tekstą. Naudinga užduotis gali paprašyti pateiktą informaciją paversti aiškiu paaiškinimu, struktūrizuotu įrašu, pataisytu juodraščiu arba siūloma programa.
Modelis palaiko daugiau kaip 29 kalbas, įskaitant kinų, anglų, prancūzų, ispanų, portugalų, vokiečių, italų, rusų, japonų, korėjiečių, vietnamiečių, tajų ir arabų. Kūrėjas taip pat pabrėžia atsparumą įvairioms sisteminėms užklausoms, naudingą nustatant pokalbio vaidmenį ir jo sąlygas. Tiesiogiai nurodykite vaidmenį, auditoriją, terminiją ir išvesties kalbą. Pavyzdžiui, redagavimo užduotyje galima pateikti techninį tekstą, nurodyti numatytą skaitytoją ir paprašyti trumpesnio paaiškinimo, išlaikančio įvardytus terminus ir sąlygas. Instrukcijoms pritaikyta versija yra pokalbio modelis, kuris skiriasi nuo atitinkamo iš anksto mokyto bazinio modelio.
Struktūrizuotų duomenų supratimas ir JSON generavimas yra pagrindiniai Qwen2.5 patobulinimai. Norėdami išskirti arba transformuoti lentelę, išsaugokite antraštes ir vienetus bei paaiškinkite, kurios eilutės ar sąsajos svarbios. Užuot prašę tik bendros santraukos, apibrėžkite reikiamus raktus, reikšmių tipus ir trūkstamos informacijos tvarkymą. Pavyzdinėje užduotyje galima pateikti problemų sąrašą ir paprašyti po vieną objektą kiekvienai problemai, kuriame būtų šaltinio identifikatorius, kategorija ir trumpas paaiškinimas. Toks rezultatas tebėra sugeneruotas tekstas: jo struktūros ir reikšmių tikrinimas pagal įvestį yra naudojimo vėlesnėje darbo eigoje dalis.
Būtent šio modelio kortelėje aprašytas visas 131 072 žetonų kontekstas ir iki 8 192 žetonų generavimas. Pateiktoje konfigūracijoje nustatyti 32 768 konteksto žetonai; ilgesnei medžiagai apdoroti naudojama dokumentuota YaRN konfigūracija. Kūrėjas įspėja, kad statinis mastelio keitimas gali paveikti trumpesnių įvesčių apdorojimo kokybę, ir rekomenduoja jį pridėti, kai reikia ilgo konteksto. Įvestis ir prašomas atsakymas turi tilpti į atitinkamą sukonfigūruotą erdvę. Ilgai ataskaitai išlaikykite dalių pavadinimus, pirmenybę teikite su klausimu susijusioms ištraukoms ir nurodykite reikiamą išvesties ilgį, o ne laikykite didesnį kontekstą priežastimi pridėti nesusijusios medžiagos.
Oficialiame greitojo paleidimo pavyzdyje sistemos ir vartotojo pranešimai naudojami su modelio pokalbio šablonu, o tada dekoduojamas sugeneruotas tęsinys. Programavimo užduotį parenkite su susijusiu šaltiniu, kalba, laukiamu veikimu ir apribojimais. Matematikos klausimą parenkite su duotomis sąlygomis ir rezultato formatu. Dokumentuoti bendrojo modelio patobulinimai šiose srityse nepaverčia jo atskirai mokyta Qwen2.5-Coder ar Qwen2.5-Math versija. Pavyzdinė programavimo užduotis gali prašyti funkcijos paaiškinimo, siūlomo taisymo ir priežasties, kodėl jis atitinka nurodytas sąlygas; vykdymas ir patikra tebėra atskiri žingsniai.
Qwen laidos dokumentuose taip pat aprašytas įrankių iškvietimas ir įrankius suprantantis pokalbio šablonas, įskaitant suderinamumą su Qwen-Agent. Apibrėžkite prieinamus įrankius ir jų argumentus, nurodykite tikslą ir pateikite grąžintus rezultatus modeliui interpretuoti. Dokumentų asistentas gali paprašyti susijusios informacijos prieš rengdamas galutinį atsakymą, o kodo asistentas gali analizuoti programos įvykdytos patikros išvestį. Naudingas rezultatas tuomet yra atsakymas, susietas su pateiktais įrodymais ir pageidaujamu formatu. Tai teksto modelio profilis; kitų Qwen modelių vaizdinės galimybės, garso galimybės ar vaizdo įrašų generavimo galimybės yra atskiros.
", "aboutText": "Qwen2.5-7B-Instruct yra instrukcijoms pritaikytas 7B teksto modelis iš bendros paskirties Qwen2.5 kalbos modelių šeimos. Qwen pabrėžia programavimą ir matematiką, instrukcijų laikymąsi, ilgų tekstų rašymą, lentelių supratimą ir struktūrizuotą išvestį, ypač JSON. Tai tankiosios architektūros modelis tik su dekoderiu, turintis iš viso 7,61 milijardo parametrų, iš kurių 6,53 milijardo nėra įterpinių parametrai. Jis priima tekstinius pokalbius ir generuoja tekstą. Naudinga užduotis gali paprašyti pateiktą informaciją paversti aiškiu paaiškinimu, struktūrizuotu įrašu, pataisytu juodraščiu arba siūloma programa.\n\nModelis palaiko daugiau kaip 29 kalbas, įskaitant kinų, anglų, prancūzų, ispanų, portugalų, vokiečių, italų, rusų, japonų, korėjiečių, vietnamiečių, tajų ir arabų. Kūrėjas taip pat pabrėžia atsparumą įvairioms sisteminėms užklausoms, naudingą nustatant pokalbio vaidmenį ir jo sąlygas. Tiesiogiai nurodykite vaidmenį, auditoriją, terminiją ir išvesties kalbą. Pavyzdžiui, redagavimo užduotyje galima pateikti techninį tekstą, nurodyti numatytą skaitytoją ir paprašyti trumpesnio paaiškinimo, išlaikančio įvardytus terminus ir sąlygas. Instrukcijoms pritaikyta versija yra pokalbio modelis, kuris skiriasi nuo atitinkamo iš anksto mokyto bazinio modelio.\n\nStruktūrizuotų duomenų supratimas ir JSON generavimas yra pagrindiniai Qwen2.5 patobulinimai. Norėdami išskirti arba transformuoti lentelę, išsaugokite antraštes ir vienetus bei paaiškinkite, kurios eilutės ar sąsajos svarbios. Užuot prašę tik bendros santraukos, apibrėžkite reikiamus raktus, reikšmių tipus ir trūkstamos informacijos tvarkymą. Pavyzdinėje užduotyje galima pateikti problemų sąrašą ir paprašyti po vieną objektą kiekvienai problemai, kuriame būtų šaltinio identifikatorius, kategorija ir trumpas paaiškinimas. Toks rezultatas tebėra sugeneruotas tekstas: jo struktūros ir reikšmių tikrinimas pagal įvestį yra naudojimo vėlesnėje darbo eigoje dalis.\n\nBūtent šio modelio kortelėje aprašytas visas 131 072 žetonų kontekstas ir iki 8 192 žetonų generavimas. Pateiktoje konfigūracijoje nustatyti 32 768 konteksto žetonai; ilgesnei medžiagai apdoroti naudojama dokumentuota YaRN konfigūracija. Kūrėjas įspėja, kad statinis mastelio keitimas gali paveikti trumpesnių įvesčių apdorojimo kokybę, ir rekomenduoja jį pridėti, kai reikia ilgo konteksto. Įvestis ir prašomas atsakymas turi tilpti į atitinkamą sukonfigūruotą erdvę. Ilgai ataskaitai išlaikykite dalių pavadinimus, pirmenybę teikite su klausimu susijusioms ištraukoms ir nurodykite reikiamą išvesties ilgį, o ne laikykite didesnį kontekstą priežastimi pridėti nesusijusios medžiagos.\n\nOficialiame greitojo paleidimo pavyzdyje sistemos ir vartotojo pranešimai naudojami su modelio pokalbio šablonu, o tada dekoduojamas sugeneruotas tęsinys. Programavimo užduotį parenkite su susijusiu šaltiniu, kalba, laukiamu veikimu ir apribojimais. Matematikos klausimą parenkite su duotomis sąlygomis ir rezultato formatu. Dokumentuoti bendrojo modelio patobulinimai šiose srityse nepaverčia jo atskirai mokyta Qwen2.5-Coder ar Qwen2.5-Math versija. Pavyzdinė programavimo užduotis gali prašyti funkcijos paaiškinimo, siūlomo taisymo ir priežasties, kodėl jis atitinka nurodytas sąlygas; vykdymas ir patikra tebėra atskiri žingsniai.\n\nQwen laidos dokumentuose taip pat aprašytas įrankių iškvietimas ir įrankius suprantantis pokalbio šablonas, įskaitant suderinamumą su Qwen-Agent. Apibrėžkite prieinamus įrankius ir jų argumentus, nurodykite tikslą ir pateikite grąžintus rezultatus modeliui interpretuoti. Dokumentų asistentas gali paprašyti susijusios informacijos prieš rengdamas galutinį atsakymą, o kodo asistentas gali analizuoti programos įvykdytos patikros išvestį. Naudingas rezultatas tuomet yra atsakymas, susietas su pateiktais įrodymais ir pageidaujamu formatu. Tai teksto modelio profilis; kitų Qwen modelių vaizdinės galimybės, garso galimybės ar vaizdo įrašų generavimo galimybės yra atskiros.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Transform a table with units preserved\n\nFrom this text table, report total units and rows needing follow-up: item | ordered units | received units; pens | 40 | 35; folders | 20 | 20; clips | 100 | unknown. Produce a table with item, missing units and source values, then totals that separate known quantities from unknowns. Do not treat unknown as zero.A transformed table, known ordered/received totals and a note explaining which shortage remains undetermined.Pens show a shortage of 5, folders 0, and clips unknown; totals do not silently count unknown received units as zero.qwen/qwen-2.5-7b-instructQwen2.5-7B-Instruct – kompaktiškas Qwen teksto modelis, pritaikytas vykdyti instrukcijas daugiakalbio rašymo, programavimo, matematikos ir struktūrizuotų duomenų užduotyse. Kūrėjas dokumentuoja iki 131 072 konteksto žetonų su ilgo konteksto konfigūracija ir iki 8 192 žetonų generavimą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2.5-7B-Instruct yra instrukcijoms pritaikytas 7B teksto modelis iš bendros paskirties Qwen2.5 kalbos modelių šeimos. Qwen pabrėžia programavimą ir matematiką, instrukcijų laikymąsi, ilgų tekstų rašymą, lentelių supratimą ir struktūrizuotą išvestį, ypač JSON. Tai tankiosios architektūros modelis tik su dekoderiu, turintis iš viso 7,61 milijardo parametrų, iš kurių 6,53 milijardo nėra įterpinių parametrai. Jis priima tekstinius pokalbius ir generuoja tekstą. Naudinga užduotis gali paprašyti pateiktą informaciją paversti aiškiu paaiškinimu, struktūrizuotu įrašu, pataisytu juodraščiu arba siūloma programa.
Modelis palaiko daugiau kaip 29 kalbas, įskaitant kinų, anglų, prancūzų, ispanų, portugalų, vokiečių, italų, rusų, japonų, korėjiečių, vietnamiečių, tajų ir arabų. Kūrėjas taip pat pabrėžia atsparumą įvairioms sisteminėms užklausoms, naudingą nustatant pokalbio vaidmenį ir jo sąlygas. Tiesiogiai nurodykite vaidmenį, auditoriją, terminiją ir išvesties kalbą. Pavyzdžiui, redagavimo užduotyje galima pateikti techninį tekstą, nurodyti numatytą skaitytoją ir paprašyti trumpesnio paaiškinimo, išlaikančio įvardytus terminus ir sąlygas. Instrukcijoms pritaikyta versija yra pokalbio modelis, kuris skiriasi nuo atitinkamo iš anksto mokyto bazinio modelio.
Struktūrizuotų duomenų supratimas ir JSON generavimas yra pagrindiniai Qwen2.5 patobulinimai. Norėdami išskirti arba transformuoti lentelę, išsaugokite antraštes ir vienetus bei paaiškinkite, kurios eilutės ar sąsajos svarbios. Užuot prašę tik bendros santraukos, apibrėžkite reikiamus raktus, reikšmių tipus ir trūkstamos informacijos tvarkymą. Pavyzdinėje užduotyje galima pateikti problemų sąrašą ir paprašyti po vieną objektą kiekvienai problemai, kuriame būtų šaltinio identifikatorius, kategorija ir trumpas paaiškinimas. Toks rezultatas tebėra sugeneruotas tekstas: jo struktūros ir reikšmių tikrinimas pagal įvestį yra naudojimo vėlesnėje darbo eigoje dalis.
Būtent šio modelio kortelėje aprašytas visas 131 072 žetonų kontekstas ir iki 8 192 žetonų generavimas. Pateiktoje konfigūracijoje nustatyti 32 768 konteksto žetonai; ilgesnei medžiagai apdoroti naudojama dokumentuota YaRN konfigūracija. Kūrėjas įspėja, kad statinis mastelio keitimas gali paveikti trumpesnių įvesčių apdorojimo kokybę, ir rekomenduoja jį pridėti, kai reikia ilgo konteksto. Įvestis ir prašomas atsakymas turi tilpti į atitinkamą sukonfigūruotą erdvę. Ilgai ataskaitai išlaikykite dalių pavadinimus, pirmenybę teikite su klausimu susijusioms ištraukoms ir nurodykite reikiamą išvesties ilgį, o ne laikykite didesnį kontekstą priežastimi pridėti nesusijusios medžiagos.
Oficialiame greitojo paleidimo pavyzdyje sistemos ir vartotojo pranešimai naudojami su modelio pokalbio šablonu, o tada dekoduojamas sugeneruotas tęsinys. Programavimo užduotį parenkite su susijusiu šaltiniu, kalba, laukiamu veikimu ir apribojimais. Matematikos klausimą parenkite su duotomis sąlygomis ir rezultato formatu. Dokumentuoti bendrojo modelio patobulinimai šiose srityse nepaverčia jo atskirai mokyta Qwen2.5-Coder ar Qwen2.5-Math versija. Pavyzdinė programavimo užduotis gali prašyti funkcijos paaiškinimo, siūlomo taisymo ir priežasties, kodėl jis atitinka nurodytas sąlygas; vykdymas ir patikra tebėra atskiri žingsniai.
Qwen laidos dokumentuose taip pat aprašytas įrankių iškvietimas ir įrankius suprantantis pokalbio šablonas, įskaitant suderinamumą su Qwen-Agent. Apibrėžkite prieinamus įrankius ir jų argumentus, nurodykite tikslą ir pateikite grąžintus rezultatus modeliui interpretuoti. Dokumentų asistentas gali paprašyti susijusios informacijos prieš rengdamas galutinį atsakymą, o kodo asistentas gali analizuoti programos įvykdytos patikros išvestį. Naudingas rezultatas tuomet yra atsakymas, susietas su pateiktais įrodymais ir pageidaujamu formatu. Tai teksto modelio profilis; kitų Qwen modelių vaizdinės galimybės, garso galimybės ar vaizdo įrašų generavimo galimybės yra atskiros.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen/qwen-2.5-7b-instruct | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0004 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0004 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen-2.5-7b-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/qwen-2.5-7b-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/qwen-2.5-7b-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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra qwen/qwen-2.5-7b-instruct
Naudokite aukščiau nurodytus metodų kelius.
qwen/qwen-2.5-7b-instructQwen2.5-7B-Instruct – kompaktiškas Qwen teksto modelis, pritaikytas vykdyti instrukcijas daugiakalbio rašymo, programavimo, matematikos ir struktūrizuotų duomenų užduotyse. Kūrėjas dokumentuoja iki 131 072 konteksto žetonų su ilgo konteksto konfigūracija ir iki 8 192 žetonų generavimą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Qwen2.5-7B-Instruct yra instrukcijoms pritaikytas 7B teksto modelis iš bendros paskirties Qwen2.5 kalbos modelių šeimos. Qwen pabrėžia programavimą ir matematiką, instrukcijų laikymąsi, ilgų tekstų rašymą, lentelių supratimą ir struktūrizuotą išvestį, ypač JSON. Tai tankiosios architektūros modelis tik su dekoderiu, turintis iš viso 7,61 milijardo parametrų, iš kurių 6,53 milijardo nėra įterpinių parametrai. Jis priima tekstinius pokalbius ir generuoja tekstą. Naudinga užduotis gali paprašyti pateiktą informaciją paversti aiškiu paaiškinimu, struktūrizuotu įrašu, pataisytu juodraščiu arba siūloma programa.
Modelis palaiko daugiau kaip 29 kalbas, įskaitant kinų, anglų, prancūzų, ispanų, portugalų, vokiečių, italų, rusų, japonų, korėjiečių, vietnamiečių, tajų ir arabų. Kūrėjas taip pat pabrėžia atsparumą įvairioms sisteminėms užklausoms, naudingą nustatant pokalbio vaidmenį ir jo sąlygas. Tiesiogiai nurodykite vaidmenį, auditoriją, terminiją ir išvesties kalbą. Pavyzdžiui, redagavimo užduotyje galima pateikti techninį tekstą, nurodyti numatytą skaitytoją ir paprašyti trumpesnio paaiškinimo, išlaikančio įvardytus terminus ir sąlygas. Instrukcijoms pritaikyta versija yra pokalbio modelis, kuris skiriasi nuo atitinkamo iš anksto mokyto bazinio modelio.
Struktūrizuotų duomenų supratimas ir JSON generavimas yra pagrindiniai Qwen2.5 patobulinimai. Norėdami išskirti arba transformuoti lentelę, išsaugokite antraštes ir vienetus bei paaiškinkite, kurios eilutės ar sąsajos svarbios. Užuot prašę tik bendros santraukos, apibrėžkite reikiamus raktus, reikšmių tipus ir trūkstamos informacijos tvarkymą. Pavyzdinėje užduotyje galima pateikti problemų sąrašą ir paprašyti po vieną objektą kiekvienai problemai, kuriame būtų šaltinio identifikatorius, kategorija ir trumpas paaiškinimas. Toks rezultatas tebėra sugeneruotas tekstas: jo struktūros ir reikšmių tikrinimas pagal įvestį yra naudojimo vėlesnėje darbo eigoje dalis.
Būtent šio modelio kortelėje aprašytas visas 131 072 žetonų kontekstas ir iki 8 192 žetonų generavimas. Pateiktoje konfigūracijoje nustatyti 32 768 konteksto žetonai; ilgesnei medžiagai apdoroti naudojama dokumentuota YaRN konfigūracija. Kūrėjas įspėja, kad statinis mastelio keitimas gali paveikti trumpesnių įvesčių apdorojimo kokybę, ir rekomenduoja jį pridėti, kai reikia ilgo konteksto. Įvestis ir prašomas atsakymas turi tilpti į atitinkamą sukonfigūruotą erdvę. Ilgai ataskaitai išlaikykite dalių pavadinimus, pirmenybę teikite su klausimu susijusioms ištraukoms ir nurodykite reikiamą išvesties ilgį, o ne laikykite didesnį kontekstą priežastimi pridėti nesusijusios medžiagos.
Oficialiame greitojo paleidimo pavyzdyje sistemos ir vartotojo pranešimai naudojami su modelio pokalbio šablonu, o tada dekoduojamas sugeneruotas tęsinys. Programavimo užduotį parenkite su susijusiu šaltiniu, kalba, laukiamu veikimu ir apribojimais. Matematikos klausimą parenkite su duotomis sąlygomis ir rezultato formatu. Dokumentuoti bendrojo modelio patobulinimai šiose srityse nepaverčia jo atskirai mokyta Qwen2.5-Coder ar Qwen2.5-Math versija. Pavyzdinė programavimo užduotis gali prašyti funkcijos paaiškinimo, siūlomo taisymo ir priežasties, kodėl jis atitinka nurodytas sąlygas; vykdymas ir patikra tebėra atskiri žingsniai.
Qwen laidos dokumentuose taip pat aprašytas įrankių iškvietimas ir įrankius suprantantis pokalbio šablonas, įskaitant suderinamumą su Qwen-Agent. Apibrėžkite prieinamus įrankius ir jų argumentus, nurodykite tikslą ir pateikite grąžintus rezultatus modeliui interpretuoti. Dokumentų asistentas gali paprašyti susijusios informacijos prieš rengdamas galutinį atsakymą, o kodo asistentas gali analizuoti programos įvykdytos patikros išvestį. Naudingas rezultatas tuomet yra atsakymas, susietas su pateiktais įrodymais ir pageidaujamu formatu. Tai teksto modelio profilis; kitų Qwen modelių vaizdinės galimybės, garso galimybės ar vaizdo įrašų generavimo galimybės yra atskiros.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos qwen/qwen-2.5-7b-instruct | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0004 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.0002 / 1K tokenų Išvestis · Išvesties tokenai $0.0004 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "qwen/qwen-2.5-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen-2.5-7b-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/qwen-2.5-7b-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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra qwen/qwen-2.5-7b-instruct
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Transform a table with units preserved\n\nFrom this text table, report total units and rows needing follow-up: item | ordered units | received units; pens | 40 | 35; folders | 20 | 20; clips | 100 | unknown. Produce a table with item, missing units and source values, then totals that separate known quantities from unknowns. Do not treat unknown as zero.A transformed table, known ordered/received totals and a note explaining which shortage remains undetermined.Pens show a shortage of 5, folders 0, and clips unknown; totals do not silently count unknown received units as zero.