Qwen2.5-Coder-0.5B-Instruct ialah edisi padat yang ditala untuk arahan dalam siri Qwen2.5-Coder Alibaba yang menumpukan kod. Checkpoint pengeluarnya mengandungi 0.49 bilion parameter, dan siri ini direka untuk penjanaan kod, penaakulan kod dan pembaikan kod.
Berikan model masalah pengaturcaraan setempat
Sertakan fungsi, tingkah laku yang mesti dilaksanakan dan contoh input/keluaran yang khusus. Untuk pembaikan, sertakan ralat dan cebisan kod berkaitan yang paling kecil. Nyatakan bahasa dan andaian runtime supaya kod yang dijana sesuai dengan program sekeliling.
Minta artifak yang boleh disemak
Minta fungsi yang terarah, tampalan pada cebisan yang diberikan atau penerangan tentang tingkah laku yang diperhatikan. Pastikan antara muka awam dan kekangan jelas. Ujian yang dicadangkan patut menguji tingkah laku yang dimaksudkan dan kes pinggir yang bermakna.
Jalankan hasil dalam konteks sebenar
Semak import, jenis data dan kes sempadan dalam persekitaran sasaran. Semak pembaikan berdasarkan kegagalan asal dan sahkan bahawa antara muka yang diperlukan dikekalkan. Rekodkan edisi instruct 0.5B yang tepat ini bersama penilaian; hasil daripada model Coder yang lebih besar tidak menentukan tingkah laku edisi ini.
",
"aboutText": "Qwen2.5-Coder-0.5B-Instruct ialah edisi padat yang ditala untuk arahan dalam siri Qwen2.5-Coder Alibaba yang menumpukan kod. Checkpoint pengeluarnya mengandungi 0.49 bilion parameter, dan siri ini direka untuk penjanaan kod, penaakulan kod dan pembaikan kod.\n\n### Berikan model masalah pengaturcaraan setempat\n\nSertakan fungsi, tingkah laku yang mesti dilaksanakan dan contoh input/keluaran yang khusus. Untuk pembaikan, sertakan ralat dan cebisan kod berkaitan yang paling kecil. Nyatakan bahasa dan andaian runtime supaya kod yang dijana sesuai dengan program sekeliling.\n\n### Minta artifak yang boleh disemak\n\nMinta fungsi yang terarah, tampalan pada cebisan yang diberikan atau penerangan tentang tingkah laku yang diperhatikan. Pastikan antara muka awam dan kekangan jelas. Ujian yang dicadangkan patut menguji tingkah laku yang dimaksudkan dan kes pinggir yang bermakna.\n\n### Jalankan hasil dalam konteks sebenar\n\nSemak import, jenis data dan kes sempadan dalam persekitaran sasaran. Semak pembaikan berdasarkan kegagalan asal dan sahkan bahawa antara muka yang diperlukan dikekalkan. Rekodkan edisi instruct 0.5B yang tepat ini bersama penilaian; hasil daripada model Coder yang lebih besar tidak menentukan tingkah laku edisi ini.",
"editorialOverlay": {
"copy_fields": null,
"copy_sha256": null,
"copy_source": null,
"html_sha256": "9f58e86fbbbcb618de752333427dde2ff5f6983edf64f951dcec55593636017d",
"module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
"raw_model_unchanged": true,
"schema": "ailoot-native-model-editorial-v1"
},
"locale": "ms",
"methods": [
{
"html": "
•
Qwen2.5-Coder-0.5B
Lain-lain /qwen2.5-coder-0.5b-instruct
Pengenalan
Qwen2.5-Coder-0.5B-Instruct ialah model pengaturcaraan padat Alibaba yang ditala untuk arahan bagi penjanaan kod, penaakulan kod dan pembaikan kod; checkpoint pengeluarnya mengandungi 0.49B parameter.
Input yang diterima
Teks · Imej
Hasil
Teks
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5-Coder-0.5B-Instruct ialah edisi padat yang ditala untuk arahan dalam siri Qwen2.5-Coder Alibaba yang menumpukan kod. Checkpoint pengeluarnya mengandungi 0.49 bilion parameter, dan siri ini direka untuk penjanaan kod, penaakulan kod dan pembaikan kod.
Berikan model masalah pengaturcaraan setempat
Sertakan fungsi, tingkah laku yang mesti dilaksanakan dan contoh input/keluaran yang khusus. Untuk pembaikan, sertakan ralat dan cebisan kod berkaitan yang paling kecil. Nyatakan bahasa dan andaian runtime supaya kod yang dijana sesuai dengan program sekeliling.
Minta artifak yang boleh disemak
Minta fungsi yang terarah, tampalan pada cebisan yang diberikan atau penerangan tentang tingkah laku yang diperhatikan. Pastikan antara muka awam dan kekangan jelas. Ujian yang dicadangkan patut menguji tingkah laku yang dimaksudkan dan kes pinggir yang bermakna.
Jalankan hasil dalam konteks sebenar
Semak import, jenis data dan kes sempadan dalam persekitaran sasaran. Semak pembaikan berdasarkan kegagalan asal dan sahkan bahawa antara muka yang diperlukan dikekalkan. Rekodkan edisi instruct 0.5B yang tepat ini bersama penilaian; hasil daripada model Coder yang lebih besar tidak menentukan tingkah laku edisi ini.
Syarat: Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.
Lalai—
Medanmessages
Jenisarray
KeperluanDiperlukan
Nilai & had
Syarat:
Lalai—
Medanstream
Jenisboolean
KeperluanPilihan
Nilai & had
Syarat:
Lalaifalse
Gabungan bahan input
text_input · Diperlukan: messages
image_with_text · Diperlukan: messages with actual image content blocks
Parameter kaedah dan kitar hayat
Parameter
Kontrak
Parametercontent_type
Kontrakapplication/json
Parameterrequired
Kontrakmodel, messages
Parameteroptional
Kontrakstream
Parametermaterial_types
Kontraktext, image
Parameterconditions
KontrakGunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan., Protokol ini membawa kandungan imej jika model yang dipilih itu menyokong penglihatan. Penerimaan oleh protokol tidak membuktikan keupayaan imej bagi setiap model.
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Mod pantas
Kadar standard Apabila mod pantas dipilih
Mod flex
Kadar standard Apabila mod flex dipilih
Usaha penaakulan maksimum
Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default
Harga cache eksplisit
Tidak diaktifkan Apabila cache eksplisit diminta
Kadar sifar untuk teks sahaja
Data cache, alat dan media tertakluk pada syarat harga masing-masing yang disenaraikan secara berasingan. Untuk input dan output teks sahaja
Kadar Ailoot
Harga mengikut konfigurasi
Konfigurasi
Jadual kadar
Caj
KonfigurasiKadar asas token
Jadual kadarKadar asas
Caj
Input · Token input$0/ 1K token
Output · Token output$0/ 1K token
Input · Bacaan cache$0/ 1K token
Input · Penulisan cache$0/ 1K token
Input · Penulisan cache, 1 jam—/ 1K token
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · OpenAI Chat
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-coder-0.5b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n
Terima dan simpan hasil
Ailoot Ultra · OpenAI Chat
JSON or SSE
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan setiap blok kandungan, ID panggilan alat, tandatangan pemikiran apabila dikembalikan, semua delta SSE dan data penggunaan lengkap. Fragmen teks pertama bukan keseluruhan hasil.
Jika respons asal perlu disemak
Simpan X-Client-Request-ID asal, respons dan pengepala. Hasil yang tidak diketahui atau result_pending_check tidak membenarkan penciptaan kedua.
Medan respons
Medan
Jenis
Medanchoices[]
Jenisobject
Medanusage
Jenisobject
Ralat dan langkah seterusnya
Respons
Syarat
Langkah seterusnya
Respons400 · invalid_request_error
SyaratMedan wajib, pemilih model, jenis atau bentuk input tidak sah.
Langkah seterusnyaSemak butiran pengesahan yang dikembalikan sebelum menyediakan permintaan berasingan.
Respons
SyaratPermintaan atau hasil asal tidak diketahui atau memerlukan semakan.
Langkah seterusnyaSimpan pengecam dan pengepala asal; baca hanya rekod status/pustaka yang disokong. Jangan hantar semula permintaan penciptaan.
",
"method_identity": {
"effective_request_model_id": "qwen2.5-coder-0.5b-instruct",
"fmt": "chat",
"http": "POST",
"path": "/v1/chat/completions",
"request_model_id": "qwen2.5-coder-0.5b-instruct",
"route_label": "Ultra"
},
"method_key": "Ultra|chat|/v1/chat/completions|qwen2.5-coder-0.5b-instruct",
"ordinal": 0,
"rawMethod": {
"available": null,
"cache_read": 0,
"cache_write": 0,
"cache_write_1h": null,
"contract": {
"data": {
"accepted_material_guidance": {
"content_type": "application/json",
"example_scope": "The preserved text example is one valid request form, not the full protocol input set.",
"image_condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.",
"material_types": [
"text",
"image"
],
"text_file_material": "Actual UTF-8 text can be inserted in a text content part."
},
"all_results": "Retain the complete response and headers, original identifiers, every actual output and all usage/accounting fields. Save each unique owned asset and retain every role pointing to it.",
"authentication": {
"header": "Authorization",
"scheme": "Bearer",
"value": "$AILOOT_API_KEY"
},
"errors": [
{
"condition": "Medan wajib, pemilih model, jenis atau bentuk input tidak sah.",
"http_status": 400,
"recovery": "Semak butiran pengesahan yang dikembalikan sebelum menyediakan permintaan berasingan.",
"type": "invalid_request_error"
},
{
"condition": "Permintaan atau hasil asal tidak diketahui atau memerlukan semakan.",
"http_status": null,
"recovery": "Simpan pengecam dan pengepala asal; baca hanya rekod status/pustaka yang disokong. Jangan hantar semula permintaan penciptaan.",
"type": null
}
],
"lifecycle": {
"cancel_endpoint": null,
"create": {
"http": "POST",
"path": "/v1/chat/completions"
},
"mode": "synchronous_or_streamed",
"status": [],
"unknown": "Simpan X-Client-Request-ID asal, respons dan pengepala. Hasil yang tidak diketahui atau result_pending_check tidak membenarkan penciptaan kedua.",
"unknown_no_replay": true
},
"material_combinations": [
{
"materials": [
"text"
],
"mode": "text_input",
"required": [
"messages"
]
},
{
"condition": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model.",
"materials": [
"text",
"image"
],
"mode": "image_with_text",
"required": [
"messages with actual image content blocks"
]
}
],
"model_capability_scope": {
"all_models_vision_claim": false,
"manufacturer_description_preserved": "Retain grounded accepted legacy vision descriptions; a plain text example is not a capability ceiling.",
"model_vision": "conditional_on_exact_model_capability",
"transport_materials": [
"text",
"image"
],
"video_audio_inferred": false
},
"outputs": {
"all_results": "Simpan setiap blok kandungan, ID panggilan alat, tandatangan pemikiran apabila dikembalikan, semua delta SSE dan data penggunaan lengkap. Fragmen teks pertama bukan keseluruhan hasil.",
"every_actual_output": true,
"family": "text",
"fields": [
{
"name": "choices[]",
"type": "object"
},
{
"name": "usage",
"type": "object"
}
],
"format": "JSON or SSE"
},
"parameters": [
{
"conditions": "Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.",
"default_known": false,
"enum": [
"qwen2.5-coder-0.5b-instruct"
],
"enum_known": true,
"name": "model",
"required": true,
"type": "string"
},
{
"conditions": "",
"default_known": false,
"enum_known": false,
"items": {
"properties": {
"content": {
"oneOf": [
{
"type": "string"
},
{
"items": {
"oneOf": [
{
"properties": {
"text": {
"type": "string"
},
"type": {
"const": "text"
}
},
"required": [
"type",
"text"
],
"type": "object"
},
{
"properties": {
"image_url": {
"properties": {
"detail": {
"type": "string"
},
"url": {
"type": "string"
}
},
"required": [
"url"
],
"type": "object"
},
"type": {
"const": "image_url"
}
},
"required": [
"type",
"image_url"
],
"type": "object"
}
]
},
"type": "array"
}
]
},
"role": {
"type": "string"
}
},
"required": [
"role",
"content"
],
"type": "object"
},
"minItems": 1,
"name": "messages",
"required": true,
"type": "array"
},
{
"conditions": "",
"default": false,
"default_known": true,
"enum_known": false,
"name": "stream",
"required": false,
"type": "boolean"
}
],
"request_schema": {
"additionalProperties": true,
"properties": {
"messages": {
"items": {
"properties": {
"content": {
"oneOf": [
{
"type": "string"
},
{
"items": {
"oneOf": [
{
"properties": {
"text": {
"type": "string"
},
"type": {
"const": "text"
}
},
"required": [
"type",
"text"
],
"type": "object"
},
{
"properties": {
"image_url": {
"properties": {
"detail": {
"type": "string"
},
"url": {
"type": "string"
}
},
"required": [
"url"
],
"type": "object"
},
"type": {
"const": "image_url"
}
},
"required": [
"type",
"image_url"
],
"type": "object"
}
]
},
"type": "array"
}
]
},
"role": {
"type": "string"
}
},
"required": [
"role",
"content"
],
"type": "object"
},
"minItems": 1,
"type": "array"
},
"model": {
"enum": [
"qwen2.5-coder-0.5b-instruct"
],
"type": "string"
},
"stream": {
"default": false,
"type": "boolean"
}
},
"required": [
"model",
"messages"
],
"type": "object"
},
"schema_template": {
"actual_file_preparation_required": false,
"body": {
"messages": [
{
"content": "Explain how a rainbow forms.",
"role": "user"
}
],
"model": "qwen2.5-coder-0.5b-instruct"
},
"content_type": "application/json",
"example_is_offline_content": true
},
"usage": {
"meter": "Use the accepted method price and actual recorded usage; the request reserve is an estimate. A billing unit does not add an input capability.",
"preserve": "Keep all returned usage, accounting and request identifiers with every actual output.",
"settlement": "Retain the original operation; reconcile its result and accounting once."
}
},
"input": {
"conditions": [
"Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.",
"Protokol ini membawa kandungan imej jika model yang dipilih itu menyokong penglihatan. Penerimaan oleh protokol tidak membuktikan keupayaan imej bagi setiap model."
],
"content_type": "application/json",
"material_types": [
"text",
"image"
],
"optional": [
"stream"
],
"required": [
"model",
"messages"
]
},
"lifecycle": {
"cancel_endpoint": null,
"create": {
"http": "POST",
"path": "/v1/chat/completions"
},
"mode": "synchronous_or_streamed",
"status": [],
"unknown": "Keep the original X-Client-Request-ID, response and headers. An unknown or result_pending_check outcome does not authorize a second creation.",
"unknown_no_replay": true
},
"method": {
"http": "POST",
"path": "/v1/chat/completions"
},
"method_aliases": [
"/chat/completions"
],
"output": {
"all_results": "Retain every content block, tool-call ID, thinking signature when returned, all SSE deltas and complete usage. A first text fragment is not the whole result.",
"every_actual_output": true,
"family": "text",
"fields": [
{
"name": "choices[]",
"type": "object"
},
{
"name": "usage",
"type": "object"
}
],
"format": "JSON or SSE"
}
},
"ctx": null,
"declared_pricing_profiles": [
{
"dimensions": {
"regime": "base"
},
"label": "Base token rates",
"units": [
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "input_price",
"label": "Input tokens",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "input_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "input_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "output_price",
"label": "Output tokens",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "output_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "out",
"unit": "output_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_read_price",
"label": "Cache read",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "cached_input_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "cached_input_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_write_price",
"label": "Cache write",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "generic_cache_creation_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "generic_cache_creation_token"
},
{
"amount": null,
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_write_1h_price",
"label": "Cache write, 1 hour",
"native_amount_usd_per_unit": null,
"native_quantity": 1,
"native_unit": "one_hour_cache_creation_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "one_hour_cache_creation_token"
}
]
}
],
"examples": [
{
"code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"qwen2.5-coder-0.5b-instruct\", \"messages\": [{\"role\": \"user\", \"content\": \"Explain how a rainbow forms.\"}]}')\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\n# Submit once. Retain the complete result, original identifiers and every response header.\n",
"label": "curl · create once and retain the complete result",
"language": "bash"
}
],
"family": "openai",
"fast_multiplier": 1,
"flex_multiplier": 1,
"fmt": "chat",
"http": "POST",
"in": 0,
"input": [
"text",
"image"
],
"input_conditions": {
"image": "Image content is carried by this protocol where the exact selected model supports vision. Protocol admission does not establish image capability for every model."
},
"label": "OpenAI Chat",
"max_out": null,
"max_reasoning_effort_multiplier": 1,
"method_aliases": [
"/chat/completions"
],
"out": 0,
"output": [
"text"
],
"path": "/v1/chat/completions",
"price_conditions": [
{
"label": "Fast mode",
"value": "Standard rate",
"when": "When fast mode is selected"
},
{
"label": "Flex mode",
"value": "Standard rate",
"when": "When flex mode is selected"
},
{
"label": "Maximum reasoning effort",
"value": "Standard rate",
"when": "When maximum reasoning effort uses the default adjustment"
},
{
"label": "Explicit cache pricing",
"value": "Not enabled",
"when": "When explicit cache is requested"
},
{
"label": "Kadar sifar untuk teks sahaja",
"value": "Data cache, alat dan media tertakluk pada syarat harga masing-masing yang disenaraikan secara berasingan.",
"when": "Untuk input dan output teks sahaja"
}
],
"pricing": {
"billing_mode": "token",
"image_input_price": null,
"image_output_price": null,
"per_request_price": null
},
"pricing_profiles": [
{
"dimensions": {
"regime": "base"
},
"label": "Base token rates",
"units": [
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "input_price",
"label": "Input tokens",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "input_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "input_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "output_price",
"label": "Output tokens",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "output_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "out",
"unit": "output_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_read_price",
"label": "Cache read",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "cached_input_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "cached_input_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_write_price",
"label": "Cache write",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "generic_cache_creation_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "generic_cache_creation_token"
},
{
"amount": null,
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_write_1h_price",
"label": "Cache write, 1 hour",
"native_amount_usd_per_unit": null,
"native_quantity": 1,
"native_unit": "one_hour_cache_creation_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "one_hour_cache_creation_token"
}
]
}
],
"request_model_id": "qwen2.5-coder-0.5b-instruct",
"route_label": "Ultra",
"status_reads": [],
"tiers": [],
"units": [
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "input_price",
"label": "Input tokens",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "input_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "input_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "output_price",
"label": "Output tokens",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "output_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "out",
"unit": "output_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_read_price",
"label": "Cache read",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "cached_input_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "cached_input_token"
},
{
"amount": "0",
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_write_price",
"label": "Cache write",
"native_amount_usd_per_unit": "0",
"native_quantity": 1,
"native_unit": "generic_cache_creation_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "generic_cache_creation_token"
},
{
"amount": null,
"amount_unit": "usd_per_thousand_tokens",
"billing_input": true,
"estimate_only": false,
"key": "cache_write_1h_price",
"label": "Cache write, 1 hour",
"native_amount_usd_per_unit": null,
"native_quantity": 1,
"native_unit": "one_hour_cache_creation_token",
"public_unit_label": "/ 1K tokens",
"quantity": 1000,
"quantity_is_estimate": false,
"rate_role": "typed_native_retail_rate",
"side": "in",
"unit": "one_hour_cache_creation_token"
}
]
}
},
{
"html": "
•
Qwen2.5-Coder-0.5B
Lain-lain /qwen2.5-coder-0.5b-instruct
Pengenalan
Qwen2.5-Coder-0.5B-Instruct ialah model pengaturcaraan padat Alibaba yang ditala untuk arahan bagi penjanaan kod, penaakulan kod dan pembaikan kod; checkpoint pengeluarnya mengandungi 0.49B parameter.
Input yang diterima
Teks · Imej
Hasil
json · sse
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5-Coder-0.5B-Instruct ialah edisi padat yang ditala untuk arahan dalam siri Qwen2.5-Coder Alibaba yang menumpukan kod. Checkpoint pengeluarnya mengandungi 0.49 bilion parameter, dan siri ini direka untuk penjanaan kod, penaakulan kod dan pembaikan kod.
Berikan model masalah pengaturcaraan setempat
Sertakan fungsi, tingkah laku yang mesti dilaksanakan dan contoh input/keluaran yang khusus. Untuk pembaikan, sertakan ralat dan cebisan kod berkaitan yang paling kecil. Nyatakan bahasa dan andaian runtime supaya kod yang dijana sesuai dengan program sekeliling.
Minta artifak yang boleh disemak
Minta fungsi yang terarah, tampalan pada cebisan yang diberikan atau penerangan tentang tingkah laku yang diperhatikan. Pastikan antara muka awam dan kekangan jelas. Ujian yang dicadangkan patut menguji tingkah laku yang dimaksudkan dan kes pinggir yang bermakna.
Jalankan hasil dalam konteks sebenar
Semak import, jenis data dan kes sempadan dalam persekitaran sasaran. Semak pembaikan berdasarkan kegagalan asal dan sahkan bahawa antara muka yang diperlukan dikekalkan. Rekodkan edisi instruct 0.5B yang tepat ini bersama penilaian; hasil daripada model Coder yang lebih besar tidak menentukan tingkah laku edisi ini.
Syarat: Gunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan.
Lalai—
Medanmessages
Jenisarray
KeperluanDiperlukan
Nilai & had
Syarat:
Lalai—
Medanstream
Jenisboolean
KeperluanPilihan
Nilai & had
Syarat:
Lalaifalse
Medanmax_tokens
Jenisinteger
KeperluanDiperlukan
Nilai & had
Minimum: 1
Syarat:
Lalai—
Gabungan bahan input
text_input · Diperlukan: messages
image_with_text · Diperlukan: messages with actual image content blocks
Parameter kaedah dan kitar hayat
Parameter
Kontrak
Parametercontent_type
Kontrakapplication/json
Parameterrequired
Kontrakmodel, messages, max_tokens
Parameteroptional
Kontrakstream
Parametermaterial_types
Kontraktext, image
Parameterconditions
KontrakGunakan pemilih penghalaan Ailoot ini tepat seperti yang dinyatakan., Protokol ini membawa kandungan imej jika model yang dipilih itu menyokong penglihatan. Penerimaan oleh protokol tidak membuktikan keupayaan imej bagi setiap model.
Kitar hayat: synchronous_or_streamed
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Mod pantas
Kadar standard Apabila mod pantas dipilih
Mod flex
Kadar standard Apabila mod flex dipilih
Usaha penaakulan maksimum
Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default
Harga cache eksplisit
Tidak diaktifkan Apabila cache eksplisit diminta
Kadar sifar untuk teks sahaja
Data cache, alat dan media tertakluk pada syarat harga masing-masing yang disenaraikan secara berasingan. Untuk input dan output teks sahaja
Kadar Ailoot
Harga mengikut konfigurasi
Konfigurasi
Jadual kadar
Caj
KonfigurasiKadar asas token
Jadual kadarKadar asas
Caj
Input · Token input$0/ 1K token
Output · Token output$0/ 1K token
Input · Bacaan cache$0/ 1K token
Input · Penulisan cache$0/ 1K token
Input · Penulisan cache, 1 jam—/ 1K token
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Anthropic Messages
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-coder-0.5b-instruct", "messages": [{"role": "user", "content": "Explain how a rainbow forms."}], "max_tokens": 256}')\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/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n
Terima dan simpan hasil
Ailoot Ultra · Anthropic Messages
JSON or SSE
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan setiap blok kandungan, ID panggilan alat, tandatangan pemikiran apabila dikembalikan, semua delta SSE dan data penggunaan lengkap. Fragmen teks pertama bukan keseluruhan hasil.
Jika respons asal perlu disemak
Simpan X-Client-Request-ID asal, respons dan pengepala. Hasil yang tidak diketahui atau result_pending_check tidak membenarkan penciptaan kedua.
Medan respons
Medan
Jenis
Medancontent[]
Jenisobject
Medanusage
Jenisobject
Ralat dan langkah seterusnya
Respons
Syarat
Langkah seterusnya
Respons400 · invalid_request_error
SyaratMedan wajib, pemilih model, jenis atau bentuk input tidak sah.
Langkah seterusnyaSemak butiran pengesahan yang dikembalikan sebelum menyediakan permintaan berasingan.
Respons
SyaratPermintaan atau hasil asal tidak diketahui atau memerlukan semakan.
Langkah seterusnyaSimpan pengecam dan pengepala asal; baca hanya rekod status/pustaka yang disokong. Jangan hantar semula permintaan penciptaan.