Qwen2.5-Math-7B-Instruct ialah model 7B Alibaba yang ditala mengikut arahan untuk penyelesaian masalah matematik. Ia menerima masalah teks dan menghasilkan penyelesaian bertulis. Siri Qwen2.5-Math menumpukan matematik dalam bahasa Inggeris dan Cina; pengeluar mengesyorkan skop matematik ini, berbanding tugas tujuan umum yang tidak berkaitan. Edisi Instruct dimaksudkan untuk format arahan perbualan, manakala Qwen2.5-Math-7B ialah edisi asas berasingan yang digunakan untuk pelengkapan, inferens few-shot dan penalaan lanjut.
Model ini menyokong dua pendekatan yang didokumenkan: Chain-of-Thought (CoT) dan Tool-integrated Reasoning (TIR). CoT membina penyelesaian melalui urutan langkah bertulis. Pengeluar menyatakan bahawa CoT boleh menghadapi kesukaran dengan pengiraan tepat serta masalah matematik atau algoritma yang kompleks; TIR bertujuan menambah baik pengiraan tepat dan kerja simbolik. TIR menggabungkan penaakulan bahasa semula jadi dengan program untuk pengiraan, operasi simbolik atau kerja algoritma. Perbezaan itu penting bagi masalah yang pengiraan berangkanya sama penting dengan penjelasannya. Pembuat menunjukkan TIR dengan pelaksanaan kod setempat: pentafsir yang disambungkan melakukan pengiraan program, dan aliran kerja penaakulan menggunakan hasil tersebut. Permintaan penaakulan berasaskan program sahaja tidak melaksanakan program.
Pengkhususan matematik merangkumi data arahan bahasa Cina dan Inggeris serta data penaakulan bersepadu alat dalam pascalatihan. Konfigurasi 7B-Instruct yang diterbitkan menetapkan tetingkap kedudukan 4,096 token. Sediakan pernyataan masalah tertumpu dengan definisi serta kerja perantaraan yang diperlukan, sambil memberikan ruang untuk penyelesaian yang terhasil. Input dan output model yang didokumenkan ialah teks, maka bentangkan ungkapan, syarat dan label rajah yang berkaitan dalam bentuk bertulis.
Untuk penyelesaian berlangkah, berikan soalan lengkap, nilai yang diketahui, domain setiap pemboleh ubah dan perkara yang mesti dicari atau dibuktikan. Minta kaedah yang dipilih, transformasi yang berasas dan hasil akhir dalam notasi yang diperlukan. Contoh pengeluar membezakan prompt untuk penaakulan langkah demi langkah daripada prompt yang meminta model menyepadukan penaakulan dengan program; kedua-duanya meminta jawapan akhir dalam bentuk LaTeX \\boxed{}. Anda boleh menetapkan jawapan simbolik tepat atau hasil berangka dengan ketepatan yang dinyatakan, bergantung pada masalah.
Untuk aliran kerja bimbingan atau pemeriksaan, sertakan langkah perantaraan pelajar dan kenal pasti titik yang perlu diperiksa. Tugas ilustrasi ialah membandingkan dua transformasi algebra yang dicadangkan, menerangkan syarat kesahan setiap satunya dan menggantikan nilai terhasil semula ke dalam persamaan asal. Untuk masalah dengan beberapa kes, nyatakan julat dibenarkan dan minta setiap kes dikendalikan secara eksplisit. Ini menghasilkan artifak semakan konkrit: masalah, kaedah dicadangkan, langkah yang perlu diperiksa dan jawapan akhir yang boleh disemak berdasarkan syarat asal.
Jika aliran kerja matematik anda merangkumi pentafsir, nyatakan pengiraan yang patut dilakukan program dan simpan hasil sebenar bersama penjelasan. Pastikan perbezaan antara program yang dicadangkan dengan pengiraan selesai kelihatan dalam output. Untuk latihan teks sahaja, minta huraian langkah penyelesaian bertulis dan semakan penggantian berasingan. Arahan ini menggunakan pengkhususan matematik model tanpa menukar setiap masalah menjadi perbualan tanpa batas.
", "aboutText": "Qwen2.5-Math-7B-Instruct ialah model 7B Alibaba yang ditala mengikut arahan untuk penyelesaian masalah matematik. Ia menerima masalah teks dan menghasilkan penyelesaian bertulis. Siri Qwen2.5-Math menumpukan matematik dalam bahasa Inggeris dan Cina; pengeluar mengesyorkan skop matematik ini, berbanding tugas tujuan umum yang tidak berkaitan. Edisi Instruct dimaksudkan untuk format arahan perbualan, manakala Qwen2.5-Math-7B ialah edisi asas berasingan yang digunakan untuk pelengkapan, inferens few-shot dan penalaan lanjut.\n\nModel ini menyokong dua pendekatan yang didokumenkan: Chain-of-Thought (CoT) dan Tool-integrated Reasoning (TIR). CoT membina penyelesaian melalui urutan langkah bertulis. Pengeluar menyatakan bahawa CoT boleh menghadapi kesukaran dengan pengiraan tepat serta masalah matematik atau algoritma yang kompleks; TIR bertujuan menambah baik pengiraan tepat dan kerja simbolik. TIR menggabungkan penaakulan bahasa semula jadi dengan program untuk pengiraan, operasi simbolik atau kerja algoritma. Perbezaan itu penting bagi masalah yang pengiraan berangkanya sama penting dengan penjelasannya. Pembuat menunjukkan TIR dengan pelaksanaan kod setempat: pentafsir yang disambungkan melakukan pengiraan program, dan aliran kerja penaakulan menggunakan hasil tersebut. Permintaan penaakulan berasaskan program sahaja tidak melaksanakan program.\n\nPengkhususan matematik merangkumi data arahan bahasa Cina dan Inggeris serta data penaakulan bersepadu alat dalam pascalatihan. Konfigurasi 7B-Instruct yang diterbitkan menetapkan tetingkap kedudukan 4,096 token. Sediakan pernyataan masalah tertumpu dengan definisi serta kerja perantaraan yang diperlukan, sambil memberikan ruang untuk penyelesaian yang terhasil. Input dan output model yang didokumenkan ialah teks, maka bentangkan ungkapan, syarat dan label rajah yang berkaitan dalam bentuk bertulis.\n\nUntuk penyelesaian berlangkah, berikan soalan lengkap, nilai yang diketahui, domain setiap pemboleh ubah dan perkara yang mesti dicari atau dibuktikan. Minta kaedah yang dipilih, transformasi yang berasas dan hasil akhir dalam notasi yang diperlukan. Contoh pengeluar membezakan prompt untuk penaakulan langkah demi langkah daripada prompt yang meminta model menyepadukan penaakulan dengan program; kedua-duanya meminta jawapan akhir dalam bentuk LaTeX \\boxed{}. Anda boleh menetapkan jawapan simbolik tepat atau hasil berangka dengan ketepatan yang dinyatakan, bergantung pada masalah.\n\nUntuk aliran kerja bimbingan atau pemeriksaan, sertakan langkah perantaraan pelajar dan kenal pasti titik yang perlu diperiksa. Tugas ilustrasi ialah membandingkan dua transformasi algebra yang dicadangkan, menerangkan syarat kesahan setiap satunya dan menggantikan nilai terhasil semula ke dalam persamaan asal. Untuk masalah dengan beberapa kes, nyatakan julat dibenarkan dan minta setiap kes dikendalikan secara eksplisit. Ini menghasilkan artifak semakan konkrit: masalah, kaedah dicadangkan, langkah yang perlu diperiksa dan jawapan akhir yang boleh disemak berdasarkan syarat asal.\n\nJika aliran kerja matematik anda merangkumi pentafsir, nyatakan pengiraan yang patut dilakukan program dan simpan hasil sebenar bersama penjelasan. Pastikan perbezaan antara program yang dicadangkan dengan pengiraan selesai kelihatan dalam output. Untuk latihan teks sahaja, minta huraian langkah penyelesaian bertulis dan semakan penggantian berasingan. Arahan ini menggunakan pengkhususan matematik model tanpa menukar setiap masalah menjadi perbualan tanpa batas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Check an algebraic cancellation against its domain\n\nSolve (x squared - 9) divided by (x - 3) = 6 over the real numbers. State the original domain restriction before simplifying, show the algebra and check any candidate against the original expression. Finish with the solution set. Use a written derivation only; no calculator or interpreter is available.A domain restriction, justified simplification, candidate check and separate final solution set.The cancelled factor's restriction x != 3 survives, so an excluded candidate is not accepted as a solution.qwen2.5-math-7b-instructModel matematik 7B Alibaba yang ditala mengikut arahan untuk masalah bahasa Inggeris dan Cina. Model ini menyokong penaakulan teks langkah demi langkah dan penaakulan bersepadu alat, dengan menggabungkan penjelasan serta program apabila pentafsir disambungkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5-Math-7B-Instruct ialah model 7B Alibaba yang ditala mengikut arahan untuk penyelesaian masalah matematik. Ia menerima masalah teks dan menghasilkan penyelesaian bertulis. Siri Qwen2.5-Math menumpukan matematik dalam bahasa Inggeris dan Cina; pengeluar mengesyorkan skop matematik ini, berbanding tugas tujuan umum yang tidak berkaitan. Edisi Instruct dimaksudkan untuk format arahan perbualan, manakala Qwen2.5-Math-7B ialah edisi asas berasingan yang digunakan untuk pelengkapan, inferens few-shot dan penalaan lanjut.
Model ini menyokong dua pendekatan yang didokumenkan: Chain-of-Thought (CoT) dan Tool-integrated Reasoning (TIR). CoT membina penyelesaian melalui urutan langkah bertulis. Pengeluar menyatakan bahawa CoT boleh menghadapi kesukaran dengan pengiraan tepat serta masalah matematik atau algoritma yang kompleks; TIR bertujuan menambah baik pengiraan tepat dan kerja simbolik. TIR menggabungkan penaakulan bahasa semula jadi dengan program untuk pengiraan, operasi simbolik atau kerja algoritma. Perbezaan itu penting bagi masalah yang pengiraan berangkanya sama penting dengan penjelasannya. Pembuat menunjukkan TIR dengan pelaksanaan kod setempat: pentafsir yang disambungkan melakukan pengiraan program, dan aliran kerja penaakulan menggunakan hasil tersebut. Permintaan penaakulan berasaskan program sahaja tidak melaksanakan program.
Pengkhususan matematik merangkumi data arahan bahasa Cina dan Inggeris serta data penaakulan bersepadu alat dalam pascalatihan. Konfigurasi 7B-Instruct yang diterbitkan menetapkan tetingkap kedudukan 4,096 token. Sediakan pernyataan masalah tertumpu dengan definisi serta kerja perantaraan yang diperlukan, sambil memberikan ruang untuk penyelesaian yang terhasil. Input dan output model yang didokumenkan ialah teks, maka bentangkan ungkapan, syarat dan label rajah yang berkaitan dalam bentuk bertulis.
Untuk penyelesaian berlangkah, berikan soalan lengkap, nilai yang diketahui, domain setiap pemboleh ubah dan perkara yang mesti dicari atau dibuktikan. Minta kaedah yang dipilih, transformasi yang berasas dan hasil akhir dalam notasi yang diperlukan. Contoh pengeluar membezakan prompt untuk penaakulan langkah demi langkah daripada prompt yang meminta model menyepadukan penaakulan dengan program; kedua-duanya meminta jawapan akhir dalam bentuk LaTeX \\boxed{}. Anda boleh menetapkan jawapan simbolik tepat atau hasil berangka dengan ketepatan yang dinyatakan, bergantung pada masalah.
Untuk aliran kerja bimbingan atau pemeriksaan, sertakan langkah perantaraan pelajar dan kenal pasti titik yang perlu diperiksa. Tugas ilustrasi ialah membandingkan dua transformasi algebra yang dicadangkan, menerangkan syarat kesahan setiap satunya dan menggantikan nilai terhasil semula ke dalam persamaan asal. Untuk masalah dengan beberapa kes, nyatakan julat dibenarkan dan minta setiap kes dikendalikan secara eksplisit. Ini menghasilkan artifak semakan konkrit: masalah, kaedah dicadangkan, langkah yang perlu diperiksa dan jawapan akhir yang boleh disemak berdasarkan syarat asal.
Jika aliran kerja matematik anda merangkumi pentafsir, nyatakan pengiraan yang patut dilakukan program dan simpan hasil sebenar bersama penjelasan. Pastikan perbezaan antara program yang dicadangkan dengan pengiraan selesai kelihatan dalam output. Untuk latihan teks sahaja, minta huraian langkah penyelesaian bertulis dan semakan penggantian berasingan. Arahan ini menggunakan pengkhususan matematik model tanpa menukar setiap masalah menjadi perbualan tanpa batas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen2.5-math-7b-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 $0.000286 / 1K token Output · Token output $0.000572 / 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-math-7b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-math-7b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-math-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 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-math-7b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
qwen2.5-math-7b-instructModel matematik 7B Alibaba yang ditala mengikut arahan untuk masalah bahasa Inggeris dan Cina. Model ini menyokong penaakulan teks langkah demi langkah dan penaakulan bersepadu alat, dengan menggabungkan penjelasan serta program apabila pentafsir disambungkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Qwen2.5-Math-7B-Instruct ialah model 7B Alibaba yang ditala mengikut arahan untuk penyelesaian masalah matematik. Ia menerima masalah teks dan menghasilkan penyelesaian bertulis. Siri Qwen2.5-Math menumpukan matematik dalam bahasa Inggeris dan Cina; pengeluar mengesyorkan skop matematik ini, berbanding tugas tujuan umum yang tidak berkaitan. Edisi Instruct dimaksudkan untuk format arahan perbualan, manakala Qwen2.5-Math-7B ialah edisi asas berasingan yang digunakan untuk pelengkapan, inferens few-shot dan penalaan lanjut.
Model ini menyokong dua pendekatan yang didokumenkan: Chain-of-Thought (CoT) dan Tool-integrated Reasoning (TIR). CoT membina penyelesaian melalui urutan langkah bertulis. Pengeluar menyatakan bahawa CoT boleh menghadapi kesukaran dengan pengiraan tepat serta masalah matematik atau algoritma yang kompleks; TIR bertujuan menambah baik pengiraan tepat dan kerja simbolik. TIR menggabungkan penaakulan bahasa semula jadi dengan program untuk pengiraan, operasi simbolik atau kerja algoritma. Perbezaan itu penting bagi masalah yang pengiraan berangkanya sama penting dengan penjelasannya. Pembuat menunjukkan TIR dengan pelaksanaan kod setempat: pentafsir yang disambungkan melakukan pengiraan program, dan aliran kerja penaakulan menggunakan hasil tersebut. Permintaan penaakulan berasaskan program sahaja tidak melaksanakan program.
Pengkhususan matematik merangkumi data arahan bahasa Cina dan Inggeris serta data penaakulan bersepadu alat dalam pascalatihan. Konfigurasi 7B-Instruct yang diterbitkan menetapkan tetingkap kedudukan 4,096 token. Sediakan pernyataan masalah tertumpu dengan definisi serta kerja perantaraan yang diperlukan, sambil memberikan ruang untuk penyelesaian yang terhasil. Input dan output model yang didokumenkan ialah teks, maka bentangkan ungkapan, syarat dan label rajah yang berkaitan dalam bentuk bertulis.
Untuk penyelesaian berlangkah, berikan soalan lengkap, nilai yang diketahui, domain setiap pemboleh ubah dan perkara yang mesti dicari atau dibuktikan. Minta kaedah yang dipilih, transformasi yang berasas dan hasil akhir dalam notasi yang diperlukan. Contoh pengeluar membezakan prompt untuk penaakulan langkah demi langkah daripada prompt yang meminta model menyepadukan penaakulan dengan program; kedua-duanya meminta jawapan akhir dalam bentuk LaTeX \\boxed{}. Anda boleh menetapkan jawapan simbolik tepat atau hasil berangka dengan ketepatan yang dinyatakan, bergantung pada masalah.
Untuk aliran kerja bimbingan atau pemeriksaan, sertakan langkah perantaraan pelajar dan kenal pasti titik yang perlu diperiksa. Tugas ilustrasi ialah membandingkan dua transformasi algebra yang dicadangkan, menerangkan syarat kesahan setiap satunya dan menggantikan nilai terhasil semula ke dalam persamaan asal. Untuk masalah dengan beberapa kes, nyatakan julat dibenarkan dan minta setiap kes dikendalikan secara eksplisit. Ini menghasilkan artifak semakan konkrit: masalah, kaedah dicadangkan, langkah yang perlu diperiksa dan jawapan akhir yang boleh disemak berdasarkan syarat asal.
Jika aliran kerja matematik anda merangkumi pentafsir, nyatakan pengiraan yang patut dilakukan program dan simpan hasil sebenar bersama penjelasan. Pastikan perbezaan antara program yang dicadangkan dengan pengiraan selesai kelihatan dalam output. Untuk latihan teks sahaja, minta huraian langkah penyelesaian bertulis dan semakan penggantian berasingan. Arahan ini menggunakan pengkhususan matematik model tanpa menukar setiap masalah menjadi perbualan tanpa batas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had qwen2.5-math-7b-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 $0.000286 / 1K token Output · Token output $0.000572 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "qwen2.5-math-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-7b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-math-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 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-math-7b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Check an algebraic cancellation against its domain\n\nSolve (x squared - 9) divided by (x - 3) = 6 over the real numbers. State the original domain restriction before simplifying, show the algebra and check any candidate against the original expression. Finish with the solution set. Use a written derivation only; no calculator or interpreter is available.A domain restriction, justified simplification, candidate check and separate final solution set.The cancelled factor's restriction x != 3 survives, so an excluded candidate is not accepted as a solution.