Qwen2.5-Coder-32B-Instruct er den instruksjonstilpassede 32B-utgaven av Qwen2.5-Coder-serien. Produsenten utvikler serien for kodegenerering, resonnement om kode og kodekorrigering, samtidig som matematikk og generell språkfunksjonalitet beholdes. Det publiserte antallet parametere for denne utgaven er 32,5 milliarder. Samtaleformatet gjør det mulig å kombinere instruksjoner, kildekode og resultatet som forventes etter neste endring i én oppgave.
Start med grensesnittet koden skal implementere, inndata- og utdatatypene og noen representative eksempler. Oppgi språket og relevante prosjektkonvensjoner. Be om implementasjonen og tester som prøver tilfellene du har navngitt. Hvis en eksisterende hjelpefunksjon allerede definerer oppførselen, tar du den med slik at forslaget kan følge prosjektet i stedet for å lage et parallelt mønster.
For en liten funksjon gir du den berørte modulen og forklarer hvor resultatet passer inn i applikasjonen. Be om en avgrenset endring der nye forutsetninger gjøres tydelige. Modellen returnerer kode og forklaringer; kompilering, utførelse og integrasjon skjer i utviklingsmiljøet.
En feilsøkingsoppgave bør inkludere den nøyaktige feilen, inndataene som utløser den og oppførselen som forventes i stedet. Be modellen knytte feilen til en bestemt del av den oppgitte koden før den foreslår en rettelse. En nyttig oppfølging ber om én test som feiler med den opprinnelige oppførselen og består etter den foreslåtte endringen.
For en gjennomgang definerer du spørsmålet: håndtering av tomme inndata, rekkefølge, opprydding i ressurser eller betydningen av en returnert verdi. Be om relevant sted i koden og et eksempel som viser problemet. Hold anbefalinger knyttet til filene modellen kan undersøke, og verifiser deretter hver foreslåtte endring i prosjektet.
Modellkortet beskriver en full kontekstlengde på 131 072 tokener, mens den publiserte grunnkonfigurasjonen er satt til 32 768. Produsentens oppskrift for lang tekst aktiverer YaRN-skalering for inndata utover grunnkonfigurasjonen. Dette er en detalj ved tjenestens konfigurasjon, så en forespørsel til en driftet modell bør planlegges etter konteksten det faktiske endepunktet tillater.
Produsenten påpeker også at statisk YaRN-skalering kan påvirke ytelsen på kortere tekst og anbefaler å aktivere den når lang kontekst er nødvendig. For et vanlig kodespørsmål sender du først relevante grensesnitt og utdrag. For en oppgave på tvers av filer angir du inngangspunktet, avhengighetene og akseptansebetingelsene, med plass til ønsket implementasjon og forklaring.
", "aboutText": "Qwen2.5-Coder-32B-Instruct er den instruksjonstilpassede 32B-utgaven av Qwen2.5-Coder-serien. Produsenten utvikler serien for kodegenerering, resonnement om kode og kodekorrigering, samtidig som matematikk og generell språkfunksjonalitet beholdes. Det publiserte antallet parametere for denne utgaven er 32,5 milliarder. Samtaleformatet gjør det mulig å kombinere instruksjoner, kildekode og resultatet som forventes etter neste endring i én oppgave.\n\n### Generer kode etter en tydelig kontrakt\n\nStart med grensesnittet koden skal implementere, inndata- og utdatatypene og noen representative eksempler. Oppgi språket og relevante prosjektkonvensjoner. Be om implementasjonen og tester som prøver tilfellene du har navngitt. Hvis en eksisterende hjelpefunksjon allerede definerer oppførselen, tar du den med slik at forslaget kan følge prosjektet i stedet for å lage et parallelt mønster.\n\nFor en liten funksjon gir du den berørte modulen og forklarer hvor resultatet passer inn i applikasjonen. Be om en avgrenset endring der nye forutsetninger gjøres tydelige. Modellen returnerer kode og forklaringer; kompilering, utførelse og integrasjon skjer i utviklingsmiljøet.\n\n### Forklar eller rett en eksisterende implementasjon\n\nEn feilsøkingsoppgave bør inkludere den nøyaktige feilen, inndataene som utløser den og oppførselen som forventes i stedet. Be modellen knytte feilen til en bestemt del av den oppgitte koden før den foreslår en rettelse. En nyttig oppfølging ber om én test som feiler med den opprinnelige oppførselen og består etter den foreslåtte endringen.\n\nFor en gjennomgang definerer du spørsmålet: håndtering av tomme inndata, rekkefølge, opprydding i ressurser eller betydningen av en returnert verdi. Be om relevant sted i koden og et eksempel som viser problemet. Hold anbefalinger knyttet til filene modellen kan undersøke, og verifiser deretter hver foreslåtte endring i prosjektet.\n\n### Bruk lang kontekst bevisst\n\nModellkortet beskriver en full kontekstlengde på 131 072 tokener, mens den publiserte grunnkonfigurasjonen er satt til 32 768. Produsentens oppskrift for lang tekst aktiverer YaRN-skalering for inndata utover grunnkonfigurasjonen. Dette er en detalj ved tjenestens konfigurasjon, så en forespørsel til en driftet modell bør planlegges etter konteksten det faktiske endepunktet tillater.\n\nProdusenten påpeker også at statisk YaRN-skalering kan påvirke ytelsen på kortere tekst og anbefaler å aktivere den når lang kontekst er nødvendig. For et vanlig kodespørsmål sender du først relevante grensesnitt og utdrag. For en oppgave på tvers av filer angir du inngangspunktet, avhengighetene og akseptansebetingelsene, med plass til ønsket implementasjon og forklaring.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Fix a range endpoint\n\nImplement Python inclusive_range(start, end) returning a list of all integers from start through end, inclusive; return an empty list when start > end. The draft uses list(range(start, end)) and omits the end value. Return the corrected function and assertions for equal endpoints, a two-number range and reversed endpoints.A Python implementation and three assertions covering the specified endpoint conditions.Equal endpoints must return one integer, and a reversed range must stay empty.qwen/qwen-2.5-coder-32b-instructQwen2.5-Coder-32B-Instruct er en instruksjonstilpasset kodemodell for å generere, forklare og rette kode. Gi relevante filer, forventet oppførsel og testgrunnlag for en fokusert implementasjon eller rettelse, med langkontekstoppførsel bestemt av tjenestens konfigurasjon.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2.5-Coder-32B-Instruct er den instruksjonstilpassede 32B-utgaven av Qwen2.5-Coder-serien. Produsenten utvikler serien for kodegenerering, resonnement om kode og kodekorrigering, samtidig som matematikk og generell språkfunksjonalitet beholdes. Det publiserte antallet parametere for denne utgaven er 32,5 milliarder. Samtaleformatet gjør det mulig å kombinere instruksjoner, kildekode og resultatet som forventes etter neste endring i én oppgave.
Start med grensesnittet koden skal implementere, inndata- og utdatatypene og noen representative eksempler. Oppgi språket og relevante prosjektkonvensjoner. Be om implementasjonen og tester som prøver tilfellene du har navngitt. Hvis en eksisterende hjelpefunksjon allerede definerer oppførselen, tar du den med slik at forslaget kan følge prosjektet i stedet for å lage et parallelt mønster.
For en liten funksjon gir du den berørte modulen og forklarer hvor resultatet passer inn i applikasjonen. Be om en avgrenset endring der nye forutsetninger gjøres tydelige. Modellen returnerer kode og forklaringer; kompilering, utførelse og integrasjon skjer i utviklingsmiljøet.
En feilsøkingsoppgave bør inkludere den nøyaktige feilen, inndataene som utløser den og oppførselen som forventes i stedet. Be modellen knytte feilen til en bestemt del av den oppgitte koden før den foreslår en rettelse. En nyttig oppfølging ber om én test som feiler med den opprinnelige oppførselen og består etter den foreslåtte endringen.
For en gjennomgang definerer du spørsmålet: håndtering av tomme inndata, rekkefølge, opprydding i ressurser eller betydningen av en returnert verdi. Be om relevant sted i koden og et eksempel som viser problemet. Hold anbefalinger knyttet til filene modellen kan undersøke, og verifiser deretter hver foreslåtte endring i prosjektet.
Modellkortet beskriver en full kontekstlengde på 131 072 tokener, mens den publiserte grunnkonfigurasjonen er satt til 32 768. Produsentens oppskrift for lang tekst aktiverer YaRN-skalering for inndata utover grunnkonfigurasjonen. Dette er en detalj ved tjenestens konfigurasjon, så en forespørsel til en driftet modell bør planlegges etter konteksten det faktiske endepunktet tillater.
Produsenten påpeker også at statisk YaRN-skalering kan påvirke ytelsen på kortere tekst og anbefaler å aktivere den når lang kontekst er nødvendig. For et vanlig kodespørsmål sender du først relevante grensesnitt og utdrag. For en oppgave på tvers av filer angir du inngangspunktet, avhengighetene og akseptansebetingelsene, med plass til ønsket implementasjon og forklaring.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen-2.5-coder-32b-instruct | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00132 / 1K tokener Utdata · Utgående tokener $0.002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00132 / 1K tokener Utdata · Utgående tokener $0.002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen-2.5-coder-32b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen-2.5-coder-32b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen-2.5-coder-32b-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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen/qwen-2.5-coder-32b-instruct
Bruk metodestiene som vises ovenfor.
qwen/qwen-2.5-coder-32b-instructQwen2.5-Coder-32B-Instruct er en instruksjonstilpasset kodemodell for å generere, forklare og rette kode. Gi relevante filer, forventet oppførsel og testgrunnlag for en fokusert implementasjon eller rettelse, med langkontekstoppførsel bestemt av tjenestens konfigurasjon.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2.5-Coder-32B-Instruct er den instruksjonstilpassede 32B-utgaven av Qwen2.5-Coder-serien. Produsenten utvikler serien for kodegenerering, resonnement om kode og kodekorrigering, samtidig som matematikk og generell språkfunksjonalitet beholdes. Det publiserte antallet parametere for denne utgaven er 32,5 milliarder. Samtaleformatet gjør det mulig å kombinere instruksjoner, kildekode og resultatet som forventes etter neste endring i én oppgave.
Start med grensesnittet koden skal implementere, inndata- og utdatatypene og noen representative eksempler. Oppgi språket og relevante prosjektkonvensjoner. Be om implementasjonen og tester som prøver tilfellene du har navngitt. Hvis en eksisterende hjelpefunksjon allerede definerer oppførselen, tar du den med slik at forslaget kan følge prosjektet i stedet for å lage et parallelt mønster.
For en liten funksjon gir du den berørte modulen og forklarer hvor resultatet passer inn i applikasjonen. Be om en avgrenset endring der nye forutsetninger gjøres tydelige. Modellen returnerer kode og forklaringer; kompilering, utførelse og integrasjon skjer i utviklingsmiljøet.
En feilsøkingsoppgave bør inkludere den nøyaktige feilen, inndataene som utløser den og oppførselen som forventes i stedet. Be modellen knytte feilen til en bestemt del av den oppgitte koden før den foreslår en rettelse. En nyttig oppfølging ber om én test som feiler med den opprinnelige oppførselen og består etter den foreslåtte endringen.
For en gjennomgang definerer du spørsmålet: håndtering av tomme inndata, rekkefølge, opprydding i ressurser eller betydningen av en returnert verdi. Be om relevant sted i koden og et eksempel som viser problemet. Hold anbefalinger knyttet til filene modellen kan undersøke, og verifiser deretter hver foreslåtte endring i prosjektet.
Modellkortet beskriver en full kontekstlengde på 131 072 tokener, mens den publiserte grunnkonfigurasjonen er satt til 32 768. Produsentens oppskrift for lang tekst aktiverer YaRN-skalering for inndata utover grunnkonfigurasjonen. Dette er en detalj ved tjenestens konfigurasjon, så en forespørsel til en driftet modell bør planlegges etter konteksten det faktiske endepunktet tillater.
Produsenten påpeker også at statisk YaRN-skalering kan påvirke ytelsen på kortere tekst og anbefaler å aktivere den når lang kontekst er nødvendig. For et vanlig kodespørsmål sender du først relevante grensesnitt og utdrag. For en oppgave på tvers av filer angir du inngangspunktet, avhengighetene og akseptansebetingelsene, med plass til ønsket implementasjon og forklaring.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen/qwen-2.5-coder-32b-instruct | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00132 / 1K tokener Utdata · Utgående tokener $0.002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00132 / 1K tokener Utdata · Utgående tokener $0.002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen/qwen-2.5-coder-32b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen-2.5-coder-32b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen-2.5-coder-32b-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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra qwen/qwen-2.5-coder-32b-instruct
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Fix a range endpoint\n\nImplement Python inclusive_range(start, end) returning a list of all integers from start through end, inclusive; return an empty list when start > end. The draft uses list(range(start, end)) and omits the end value. Return the corrected function and assertions for equal endpoints, a two-number range and reversed endpoints.A Python implementation and three assertions covering the specified endpoint conditions.Equal endpoints must return one integer, and a reversed range must stay empty.