Qwen2.5 3B Instruct ialah edisi 3B yang ditala mengikut arahan dalam siri model bahasa Qwen2.5. Pembuatnya menyenaraikan 3.09 bilion parameter dan menerangkan pematuhan arahan, pengekodan, matematik, pemahaman data berstruktur serta output berorientasikan JSON antara keupayaan keluarga ini. Profil yang dihoskan dengan nama pada kad ini menyenaraikan panjang konteks 32,000 token.
Berikan teks atau jadual dan namakan soalan yang perlu dijawabnya. Permintaan pengekstrakan boleh menentukan medan serta cara mengendalikan nilai yang tiada. Perbandingan boleh mengenal pasti baris atau petikan yang perlu diperiksa dan meminta label sumber bersama dapatan.
Untuk hasil berstruktur, berikan nama medan, jenis dan contoh kecil struktur yang dikehendaki. Sahkan struktur yang dikembalikan dan bandingkan nilai dengan bahan asal sebelum menggunakannya dalam operasi lain. Skema yang jelas membantu mentakrifkan tugas tanpa menggantikan semakan itu.
Pembuat menerangkan ketahanan terhadap pelbagai prompt sistem dan arahan berorientasikan peranan. Nyatakan tujuan pembantu, gaya jawapan dan syarat tugas secara eksplisit. Permintaan draf boleh menamakan khalayak, panjang yang dikehendaki dan fakta yang perlu disampaikan. Semakan boleh mengenal pasti perubahan perkataan atau susunan sambil mengekalkan makna asal.
Untuk kerja kod, bekalkan antara muka berkaitan, input yang mewakili penggunaan dan output yang dijangka. Minta pelaksanaan atau pembetulan tertumpu dengan ujian bagi kes yang anda kenal pasti. Periksa dan jalankan kod yang dikembalikan dalam persekitaran pembangunan sasaran.
Kad model 3B tepat menetapkan konteks 32,768 token dan peruntukan penjanaan 8,192 token. Dakwaan konteks keluarga Qwen2.5 yang lebih luas tergolong dalam edisi dan konfigurasi yang diterangkannya; sediakan profil dihoskan ini berdasarkan konteksnya sendiri yang disenaraikan sebanyak 32,000 token.
Dokumentasi keluarga menyenaraikan sokongan untuk lebih daripada 29 bahasa. Nyatakan bahasa jawapan yang dikehendaki dan berikan glosari apabila istilah penting. Kekalkan label sumber, kuantiti dan pengecam, dengan memilih petikan yang berkaitan dengan tugas semasa serta meninggalkan ruang untuk hasilnya.
", "aboutText": "Qwen2.5 3B Instruct ialah edisi 3B yang ditala mengikut arahan dalam siri model bahasa Qwen2.5. Pembuatnya menyenaraikan 3.09 bilion parameter dan menerangkan pematuhan arahan, pengekodan, matematik, pemahaman data berstruktur serta output berorientasikan JSON antara keupayaan keluarga ini. Profil yang dihoskan dengan nama pada kad ini menyenaraikan panjang konteks 32,000 token.\n\n### Tukar petikan atau jadual kepada jawapan yang ditentukan\n\nBerikan teks atau jadual dan namakan soalan yang perlu dijawabnya. Permintaan pengekstrakan boleh menentukan medan serta cara mengendalikan nilai yang tiada. Perbandingan boleh mengenal pasti baris atau petikan yang perlu diperiksa dan meminta label sumber bersama dapatan.\n\nUntuk hasil berstruktur, berikan nama medan, jenis dan contoh kecil struktur yang dikehendaki. Sahkan struktur yang dikembalikan dan bandingkan nilai dengan bahan asal sebelum menggunakannya dalam operasi lain. Skema yang jelas membantu mentakrifkan tugas tanpa menggantikan semakan itu.\n\n### Tetapkan peranan dan sempadan penulisan\n\nPembuat menerangkan ketahanan terhadap pelbagai prompt sistem dan arahan berorientasikan peranan. Nyatakan tujuan pembantu, gaya jawapan dan syarat tugas secara eksplisit. Permintaan draf boleh menamakan khalayak, panjang yang dikehendaki dan fakta yang perlu disampaikan. Semakan boleh mengenal pasti perubahan perkataan atau susunan sambil mengekalkan makna asal.\n\nUntuk kerja kod, bekalkan antara muka berkaitan, input yang mewakili penggunaan dan output yang dijangka. Minta pelaksanaan atau pembetulan tertumpu dengan ujian bagi kes yang anda kenal pasti. Periksa dan jalankan kod yang dikembalikan dalam persekitaran pembangunan sasaran.\n\n### Bezakan had edisi 3B\n\nKad model 3B tepat menetapkan konteks 32,768 token dan peruntukan penjanaan 8,192 token. Dakwaan konteks keluarga Qwen2.5 yang lebih luas tergolong dalam edisi dan konfigurasi yang diterangkannya; sediakan profil dihoskan ini berdasarkan konteksnya sendiri yang disenaraikan sebanyak 32,000 token.\n\nDokumentasi keluarga menyenaraikan sokongan untuk lebih daripada 29 bahasa. Nyatakan bahasa jawapan yang dikehendaki dan berikan glosari apabila istilah penting. Kekalkan label sumber, kuantiti dan pengecam, dengan memilih petikan yang berkaitan dengan tugas semasa serta meninggalkan ruang untuk hasilnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Create a typed stock record\n\nConvert this note into one JSON-shaped record: Item P-204 has 12 units in warehouse North. No reorder threshold is provided. Fields: item_id string, quantity integer, warehouse string, reorder_threshold integer or null. Return only the record and preserve the identifier and warehouse name exactly.A single record with the four requested fields and null for the unstated reorder threshold.Parse the result and check field types, exact identifiers and the absence of an invented threshold.qwen2.5-3b-instructQwen2.5 3B Instruct ialah model teks kecil yang ditala mengikut arahan untuk dialog, data berstruktur dan tugas penulisan. Pembuat menetapkan 3.09B parameter, konteks 32,768 token dan peruntukan penjanaan 8,192 token; profil dihoskan ini menyenaraikan konteks 32,000 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5 3B Instruct ialah edisi 3B yang ditala mengikut arahan dalam siri model bahasa Qwen2.5. Pembuatnya menyenaraikan 3.09 bilion parameter dan menerangkan pematuhan arahan, pengekodan, matematik, pemahaman data berstruktur serta output berorientasikan JSON antara keupayaan keluarga ini. Profil yang dihoskan dengan nama pada kad ini menyenaraikan panjang konteks 32,000 token.
Berikan teks atau jadual dan namakan soalan yang perlu dijawabnya. Permintaan pengekstrakan boleh menentukan medan serta cara mengendalikan nilai yang tiada. Perbandingan boleh mengenal pasti baris atau petikan yang perlu diperiksa dan meminta label sumber bersama dapatan.
Untuk hasil berstruktur, berikan nama medan, jenis dan contoh kecil struktur yang dikehendaki. Sahkan struktur yang dikembalikan dan bandingkan nilai dengan bahan asal sebelum menggunakannya dalam operasi lain. Skema yang jelas membantu mentakrifkan tugas tanpa menggantikan semakan itu.
Pembuat menerangkan ketahanan terhadap pelbagai prompt sistem dan arahan berorientasikan peranan. Nyatakan tujuan pembantu, gaya jawapan dan syarat tugas secara eksplisit. Permintaan draf boleh menamakan khalayak, panjang yang dikehendaki dan fakta yang perlu disampaikan. Semakan boleh mengenal pasti perubahan perkataan atau susunan sambil mengekalkan makna asal.
Untuk kerja kod, bekalkan antara muka berkaitan, input yang mewakili penggunaan dan output yang dijangka. Minta pelaksanaan atau pembetulan tertumpu dengan ujian bagi kes yang anda kenal pasti. Periksa dan jalankan kod yang dikembalikan dalam persekitaran pembangunan sasaran.
Kad model 3B tepat menetapkan konteks 32,768 token dan peruntukan penjanaan 8,192 token. Dakwaan konteks keluarga Qwen2.5 yang lebih luas tergolong dalam edisi dan konfigurasi yang diterangkannya; sediakan profil dihoskan ini berdasarkan konteksnya sendiri yang disenaraikan sebanyak 32,000 token.
Dokumentasi keluarga menyenaraikan sokongan untuk lebih daripada 29 bahasa. Nyatakan bahasa jawapan yang dikehendaki dan berikan glosari apabila istilah penting. Kekalkan label sumber, kuantiti dan pengecam, dengan memilih petikan yang berkaitan dengan tugas semasa serta meninggalkan ruang untuk hasilnya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen2.5-3b-instruct | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0001 / 1K token Output · Token output $0.00026 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-3b-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='qwen2.5-3b-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='qwen2.5-3b-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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen2.5-3b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
qwen2.5-3b-instructQwen2.5 3B Instruct ialah model teks kecil yang ditala mengikut arahan untuk dialog, data berstruktur dan tugas penulisan. Pembuat menetapkan 3.09B parameter, konteks 32,768 token dan peruntukan penjanaan 8,192 token; profil dihoskan ini menyenaraikan konteks 32,000 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5 3B Instruct ialah edisi 3B yang ditala mengikut arahan dalam siri model bahasa Qwen2.5. Pembuatnya menyenaraikan 3.09 bilion parameter dan menerangkan pematuhan arahan, pengekodan, matematik, pemahaman data berstruktur serta output berorientasikan JSON antara keupayaan keluarga ini. Profil yang dihoskan dengan nama pada kad ini menyenaraikan panjang konteks 32,000 token.
Berikan teks atau jadual dan namakan soalan yang perlu dijawabnya. Permintaan pengekstrakan boleh menentukan medan serta cara mengendalikan nilai yang tiada. Perbandingan boleh mengenal pasti baris atau petikan yang perlu diperiksa dan meminta label sumber bersama dapatan.
Untuk hasil berstruktur, berikan nama medan, jenis dan contoh kecil struktur yang dikehendaki. Sahkan struktur yang dikembalikan dan bandingkan nilai dengan bahan asal sebelum menggunakannya dalam operasi lain. Skema yang jelas membantu mentakrifkan tugas tanpa menggantikan semakan itu.
Pembuat menerangkan ketahanan terhadap pelbagai prompt sistem dan arahan berorientasikan peranan. Nyatakan tujuan pembantu, gaya jawapan dan syarat tugas secara eksplisit. Permintaan draf boleh menamakan khalayak, panjang yang dikehendaki dan fakta yang perlu disampaikan. Semakan boleh mengenal pasti perubahan perkataan atau susunan sambil mengekalkan makna asal.
Untuk kerja kod, bekalkan antara muka berkaitan, input yang mewakili penggunaan dan output yang dijangka. Minta pelaksanaan atau pembetulan tertumpu dengan ujian bagi kes yang anda kenal pasti. Periksa dan jalankan kod yang dikembalikan dalam persekitaran pembangunan sasaran.
Kad model 3B tepat menetapkan konteks 32,768 token dan peruntukan penjanaan 8,192 token. Dakwaan konteks keluarga Qwen2.5 yang lebih luas tergolong dalam edisi dan konfigurasi yang diterangkannya; sediakan profil dihoskan ini berdasarkan konteksnya sendiri yang disenaraikan sebanyak 32,000 token.
Dokumentasi keluarga menyenaraikan sokongan untuk lebih daripada 29 bahasa. Nyatakan bahasa jawapan yang dikehendaki dan berikan glosari apabila istilah penting. Kekalkan label sumber, kuantiti dan pengecam, dengan memilih petikan yang berkaitan dengan tugas semasa serta meninggalkan ruang untuk hasilnya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen2.5-3b-instruct | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0001 / 1K token Output · Token output $0.00026 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen2.5-3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-3b-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': 'qwen2.5-3b-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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra qwen2.5-3b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Create a typed stock record\n\nConvert this note into one JSON-shaped record: Item P-204 has 12 units in warehouse North. No reorder threshold is provided. Fields: item_id string, quantity integer, warehouse string, reorder_threshold integer or null. Return only the record and preserve the identifier and warehouse name exactly.A single record with the four requested fields and null for the unstated reorder threshold.Parse the result and check field types, exact identifiers and the absence of an invented threshold.