qwen2-0.5b-instruct er det nøyaktige modellvalget for denne tekstsamtaleprofilen fra Tongyi Qianwen. Send instruksjonene og kildematerialet som tekst og be om et konkret skriftlig resultat. Praktiske prompter kan gjøre en kundemelding om til et foreslått svar, omorganisere møtenotater eller hente ut et lite sett med fakta fra et oppgitt avsnitt. Angi målgruppen og ønsket svarstruktur, slik at applikasjonen har et tydelig resultat å bruke.
Bruk POST /v1/chat/completions med model satt til qwen2-0.5b-instruct og en messages-array som ikke er tom. Hver melding inneholder en role og tekst i content. Ta med de relevante tidligere meldingene når en oppfølging bygger på samtalen. For dokumentarbeid leser du den relevante UTF-8-teksten fra dokumentet og legger selve teksten inn i meldingen. Behold en deloverskrift eller et kildemerke sammen med hvert utdrag når svaret må skille mellom flere avsnitt.
Rammen for tekstinndata er 32 000 tokener. Hold instruksjonene, kildeavsnittene og samtalehistorikken innenfor denne inndatarammen. For et langt dokument velger du delene som trengs for det aktuelle spørsmålet, eller behandler tydelig merkede utdrag som separate oppgaver. Angi hvilket avsnitt svaret skal bruke, og hva som skal returneres når et ønsket felt mangler der.
For en oppgave med å utforme et svar oppgir du kundens ordlyd sammen med den godkjente produktinformasjonen og ber om et svar med et konkret neste trinn. For uthenting lister du opp felt som problem, ønsket handling og siterte belegg og ber deretter modellen bare returnere fakta som finnes i den oppgitte teksten. For kodeforklaring limer du inn funksjonen og ber om en beskrivelse av inndataene, omformingene og utdataene. Disse instruksjonene definerer oppgaven i prompten og holder resultatet knyttet til materialet du oppgir.
Den valgfrie boolske innstillingen stream velger svarlevering: stream:false, som er standard, returnerer det sammensatte JSON-svaret; stream:true leverer hendelser etter hvert som svaret produseres. For JSON leser du de returnerte choices og meldingsinnholdet og beholder usage når det oppgis. Ved strømming setter du sammen innholdsdeltaer for hvert alternativ og beholder den endelige avslutningsinformasjonen før du lagrer svaret som fullstendig. Behold det opprinnelige svaret og forespørselsidentiteten når en forespørsel avsluttes med uavklart utfall.
", "aboutText": "qwen2-0.5b-instruct er det nøyaktige modellvalget for denne tekstsamtaleprofilen fra Tongyi Qianwen. Send instruksjonene og kildematerialet som tekst og be om et konkret skriftlig resultat. Praktiske prompter kan gjøre en kundemelding om til et foreslått svar, omorganisere møtenotater eller hente ut et lite sett med fakta fra et oppgitt avsnitt. Angi målgruppen og ønsket svarstruktur, slik at applikasjonen har et tydelig resultat å bruke.\n\nBruk POST /v1/chat/completions med model satt til qwen2-0.5b-instruct og en messages-array som ikke er tom. Hver melding inneholder en role og tekst i content. Ta med de relevante tidligere meldingene når en oppfølging bygger på samtalen. For dokumentarbeid leser du den relevante UTF-8-teksten fra dokumentet og legger selve teksten inn i meldingen. Behold en deloverskrift eller et kildemerke sammen med hvert utdrag når svaret må skille mellom flere avsnitt.\n\nRammen for tekstinndata er 32 000 tokener. Hold instruksjonene, kildeavsnittene og samtalehistorikken innenfor denne inndatarammen. For et langt dokument velger du delene som trengs for det aktuelle spørsmålet, eller behandler tydelig merkede utdrag som separate oppgaver. Angi hvilket avsnitt svaret skal bruke, og hva som skal returneres når et ønsket felt mangler der.\n\nFor en oppgave med å utforme et svar oppgir du kundens ordlyd sammen med den godkjente produktinformasjonen og ber om et svar med et konkret neste trinn. For uthenting lister du opp felt som problem, ønsket handling og siterte belegg og ber deretter modellen bare returnere fakta som finnes i den oppgitte teksten. For kodeforklaring limer du inn funksjonen og ber om en beskrivelse av inndataene, omformingene og utdataene. Disse instruksjonene definerer oppgaven i prompten og holder resultatet knyttet til materialet du oppgir.\n\nDen valgfrie boolske innstillingen stream velger svarlevering: stream:false, som er standard, returnerer det sammensatte JSON-svaret; stream:true leverer hendelser etter hvert som svaret produseres. For JSON leser du de returnerte choices og meldingsinnholdet og beholder usage når det oppgis. Ved strømming setter du sammen innholdsdeltaer for hvert alternativ og beholder den endelige avslutningsinformasjonen før du lagrer svaret som fullstendig. Behold det opprinnelige svaret og forespørselsidentiteten når en forespørsel avsluttes med uavklart utfall.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1851e2a8aa90c0a38e0a15801e7db511d36a18566884f25511d42fbeed0893b7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "qwen2-0.5b-instructqwen2-0.5b-instruct er en tekstmodell fra Tongyi Qianwen for meldingsbaserte forespørsler. Bruk den nøyaktige ID-en med Chat Completions for å arbeide med oppgitte avsnitt: utforme et svar, gjøre notater om til en sjekkliste, hente ut navngitte felt eller forklare et kort kodefragment. Rammen for tekstinndata er 32 000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
qwen2-0.5b-instruct er det nøyaktige modellvalget for denne tekstsamtaleprofilen fra Tongyi Qianwen. Send instruksjonene og kildematerialet som tekst og be om et konkret skriftlig resultat. Praktiske prompter kan gjøre en kundemelding om til et foreslått svar, omorganisere møtenotater eller hente ut et lite sett med fakta fra et oppgitt avsnitt. Angi målgruppen og ønsket svarstruktur, slik at applikasjonen har et tydelig resultat å bruke.
Bruk POST /v1/chat/completions med model satt til qwen2-0.5b-instruct og en messages-array som ikke er tom. Hver melding inneholder en role og tekst i content. Ta med de relevante tidligere meldingene når en oppfølging bygger på samtalen. For dokumentarbeid leser du den relevante UTF-8-teksten fra dokumentet og legger selve teksten inn i meldingen. Behold en deloverskrift eller et kildemerke sammen med hvert utdrag når svaret må skille mellom flere avsnitt.
Rammen for tekstinndata er 32 000 tokener. Hold instruksjonene, kildeavsnittene og samtalehistorikken innenfor denne inndatarammen. For et langt dokument velger du delene som trengs for det aktuelle spørsmålet, eller behandler tydelig merkede utdrag som separate oppgaver. Angi hvilket avsnitt svaret skal bruke, og hva som skal returneres når et ønsket felt mangler der.
For en oppgave med å utforme et svar oppgir du kundens ordlyd sammen med den godkjente produktinformasjonen og ber om et svar med et konkret neste trinn. For uthenting lister du opp felt som problem, ønsket handling og siterte belegg og ber deretter modellen bare returnere fakta som finnes i den oppgitte teksten. For kodeforklaring limer du inn funksjonen og ber om en beskrivelse av inndataene, omformingene og utdataene. Disse instruksjonene definerer oppgaven i prompten og holder resultatet knyttet til materialet du oppgir.
Den valgfrie boolske innstillingen stream velger svarlevering: stream:false, som er standard, returnerer det sammensatte JSON-svaret; stream:true leverer hendelser etter hvert som svaret produseres. For JSON leser du de returnerte choices og meldingsinnholdet og beholder usage når det oppgis. Ved strømming setter du sammen innholdsdeltaer for hvert alternativ og beholder den endelige avslutningsinformasjonen før du lagrer svaret som fullstendig. Behold det opprinnelige svaret og forespørselsidentiteten når en forespørsel avsluttes med uavklart utfall.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen2-0.5b-instruct | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltseed | Typeinteger | KravValgfritt | Verdier & grenser | Standard— |
Feltstop | Type | KravValgfritt | Verdier & grenser | Standard— |
Feltfrequency_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltpresence_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools | Typearray | KravValgfritt | Verdier & grenser | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser , auto, default | Standard— |
Feltmodalities | Typearray | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parameteroptional | Avtalestream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user, tools, service_tier, modalities |
Parametermaterial_types | Avtaletext |
Parameterconditions | AvtaleUse text input and text output. Explicit cache, hosted tools and media are unavailable. Standard function tools remain a protocol feature and run in the client. |
Livssyklus: synchronous_json_or_sse
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0 / 1K tokener Utdata · Utgående tokener $0 / 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}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2-0.5b-instruct", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\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.\nJSON or supported SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra qwen2-0.5b-instruct
Bruk metodestiene som vises ovenfor.