Qwen2.5 3B Instruct er den instruksjonsjusterte 3B-utgaven av språkmodellserien Qwen2.5. Produsenten oppgir 3,09 milliarder parametere og beskriver instruksjonsfølging, kodearbeid, matematikk, forståelse av strukturerte data og JSON-orienterte utdata blant familiens egenskaper. Den navngitte vertsbaserte profilen på dette kortet oppgir en kontekstlengde på 32 000 tokener.
Oppgi teksten eller tabellen og navngi spørsmålet den skal besvare. En uthentingsforespørsel kan definere feltene og behandlingen av en manglende verdi. En sammenligning kan identifisere radene eller utdragene som skal undersøkes, og be om kildeetiketter sammen med funnene.
For et strukturert resultat oppgir du feltnavnene, typene og et lite eksempel på ønsket form. Valider den returnerte strukturen og sammenlign verdiene med originalmaterialet før du bruker dem i en annen operasjon. Et tydelig skjema bidrar til å definere oppgaven uten å erstatte denne gjennomgangen.
Produsenten beskriver robusthet overfor varierte systemprompter og rolleorienterte instruksjoner. Oppgi assistentens formål, svarstil og oppgavebetingelser uttrykkelig. En utkastforespørsel kan navngi målgruppe, ønsket lengde og fakta som skal formidles. En revisjon kan identifisere endringen i ordlyd eller organisering samtidig som den opprinnelige betydningen bevares.
For kodearbeid oppgir du det relevante grensesnittet, representative inndata og forventede utdata. Be om en målrettet implementasjon eller rettelse med tester for tilfellene du identifiserer. Gjennomgå og kjør den returnerte koden i målutviklingsmiljøet.
Det nøyaktige 3B-modellkortet angir en kontekst på 32 768 tokener og en genereringskvote på 8 192 tokener. Bredere kontekstpåstander om Qwen2.5-familien tilhører utgavene og konfigurasjonene de beskriver; klargjør denne vertsbaserte profilen rundt dens egen oppgitte kontekst på 32 000 tokener.
Familiedokumentasjonen oppgir støtte for mer enn 29 språk. Angi ønsket svarspråk og oppgi en ordliste når terminologien er viktig. Behold kildeetiketter, mengder og identifikatorer intakte, velg utdragene som er relevante for den gjeldende oppgaven, og la det være plass til resultatet.
", "aboutText": "Qwen2.5 3B Instruct er den instruksjonsjusterte 3B-utgaven av språkmodellserien Qwen2.5. Produsenten oppgir 3,09 milliarder parametere og beskriver instruksjonsfølging, kodearbeid, matematikk, forståelse av strukturerte data og JSON-orienterte utdata blant familiens egenskaper. Den navngitte vertsbaserte profilen på dette kortet oppgir en kontekstlengde på 32 000 tokener.\n\n### Gjør et utdrag eller en tabell om til et definert svar\n\nOppgi teksten eller tabellen og navngi spørsmålet den skal besvare. En uthentingsforespørsel kan definere feltene og behandlingen av en manglende verdi. En sammenligning kan identifisere radene eller utdragene som skal undersøkes, og be om kildeetiketter sammen med funnene.\n\nFor et strukturert resultat oppgir du feltnavnene, typene og et lite eksempel på ønsket form. Valider den returnerte strukturen og sammenlign verdiene med originalmaterialet før du bruker dem i en annen operasjon. Et tydelig skjema bidrar til å definere oppgaven uten å erstatte denne gjennomgangen.\n\n### Angi rollen og grensene for skrivingen\n\nProdusenten beskriver robusthet overfor varierte systemprompter og rolleorienterte instruksjoner. Oppgi assistentens formål, svarstil og oppgavebetingelser uttrykkelig. En utkastforespørsel kan navngi målgruppe, ønsket lengde og fakta som skal formidles. En revisjon kan identifisere endringen i ordlyd eller organisering samtidig som den opprinnelige betydningen bevares.\n\nFor kodearbeid oppgir du det relevante grensesnittet, representative inndata og forventede utdata. Be om en målrettet implementasjon eller rettelse med tester for tilfellene du identifiserer. Gjennomgå og kjør den returnerte koden i målutviklingsmiljøet.\n\n### Hold grensene for 3B-utgaven adskilt\n\nDet nøyaktige 3B-modellkortet angir en kontekst på 32 768 tokener og en genereringskvote på 8 192 tokener. Bredere kontekstpåstander om Qwen2.5-familien tilhører utgavene og konfigurasjonene de beskriver; klargjør denne vertsbaserte profilen rundt dens egen oppgitte kontekst på 32 000 tokener.\n\nFamiliedokumentasjonen oppgir støtte for mer enn 29 språk. Angi ønsket svarspråk og oppgi en ordliste når terminologien er viktig. Behold kildeetiketter, mengder og identifikatorer intakte, velg utdragene som er relevante for den gjeldende oppgaven, og la det være plass til resultatet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Create a typed stock record\n\nConvert this note into one JSON-shaped record: Item P-204 has 12 units in warehouse North. No reorder threshold is provided. Fields: item_id string, quantity integer, warehouse string, reorder_threshold integer or null. Return only the record and preserve the identifier and warehouse name exactly.A single record with the four requested fields and null for the unstated reorder threshold.Parse the result and check field types, exact identifiers and the absence of an invented threshold.qwen2.5-3b-instructQwen2.5 3B Instruct er en liten, instruksjonsjustert tekstmodell for dialog, strukturerte data og skriveoppgaver. Produsenten angir 3,09 milliarder parametere, en kontekst på 32 768 tokener og en genereringskvote på 8 192 tokener; denne vertsbaserte profilen oppgir en kontekst på 32 000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2.5 3B Instruct er den instruksjonsjusterte 3B-utgaven av språkmodellserien Qwen2.5. Produsenten oppgir 3,09 milliarder parametere og beskriver instruksjonsfølging, kodearbeid, matematikk, forståelse av strukturerte data og JSON-orienterte utdata blant familiens egenskaper. Den navngitte vertsbaserte profilen på dette kortet oppgir en kontekstlengde på 32 000 tokener.
Oppgi teksten eller tabellen og navngi spørsmålet den skal besvare. En uthentingsforespørsel kan definere feltene og behandlingen av en manglende verdi. En sammenligning kan identifisere radene eller utdragene som skal undersøkes, og be om kildeetiketter sammen med funnene.
For et strukturert resultat oppgir du feltnavnene, typene og et lite eksempel på ønsket form. Valider den returnerte strukturen og sammenlign verdiene med originalmaterialet før du bruker dem i en annen operasjon. Et tydelig skjema bidrar til å definere oppgaven uten å erstatte denne gjennomgangen.
Produsenten beskriver robusthet overfor varierte systemprompter og rolleorienterte instruksjoner. Oppgi assistentens formål, svarstil og oppgavebetingelser uttrykkelig. En utkastforespørsel kan navngi målgruppe, ønsket lengde og fakta som skal formidles. En revisjon kan identifisere endringen i ordlyd eller organisering samtidig som den opprinnelige betydningen bevares.
For kodearbeid oppgir du det relevante grensesnittet, representative inndata og forventede utdata. Be om en målrettet implementasjon eller rettelse med tester for tilfellene du identifiserer. Gjennomgå og kjør den returnerte koden i målutviklingsmiljøet.
Det nøyaktige 3B-modellkortet angir en kontekst på 32 768 tokener og en genereringskvote på 8 192 tokener. Bredere kontekstpåstander om Qwen2.5-familien tilhører utgavene og konfigurasjonene de beskriver; klargjør denne vertsbaserte profilen rundt dens egen oppgitte kontekst på 32 000 tokener.
Familiedokumentasjonen oppgir støtte for mer enn 29 språk. Angi ønsket svarspråk og oppgi en ordliste når terminologien er viktig. Behold kildeetiketter, mengder og identifikatorer intakte, velg utdragene som er relevante for den gjeldende oppgaven, og la det være plass til resultatet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen2.5-3b-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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.0001 / 1K tokener Utdata · Utgående tokener $0.00026 / 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": "qwen2.5-3b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-3b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen2.5-3b-instruct
Bruk metodestiene som vises ovenfor.
qwen2.5-3b-instructQwen2.5 3B Instruct er en liten, instruksjonsjustert tekstmodell for dialog, strukturerte data og skriveoppgaver. Produsenten angir 3,09 milliarder parametere, en kontekst på 32 768 tokener og en genereringskvote på 8 192 tokener; denne vertsbaserte profilen oppgir en kontekst på 32 000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2.5 3B Instruct er den instruksjonsjusterte 3B-utgaven av språkmodellserien Qwen2.5. Produsenten oppgir 3,09 milliarder parametere og beskriver instruksjonsfølging, kodearbeid, matematikk, forståelse av strukturerte data og JSON-orienterte utdata blant familiens egenskaper. Den navngitte vertsbaserte profilen på dette kortet oppgir en kontekstlengde på 32 000 tokener.
Oppgi teksten eller tabellen og navngi spørsmålet den skal besvare. En uthentingsforespørsel kan definere feltene og behandlingen av en manglende verdi. En sammenligning kan identifisere radene eller utdragene som skal undersøkes, og be om kildeetiketter sammen med funnene.
For et strukturert resultat oppgir du feltnavnene, typene og et lite eksempel på ønsket form. Valider den returnerte strukturen og sammenlign verdiene med originalmaterialet før du bruker dem i en annen operasjon. Et tydelig skjema bidrar til å definere oppgaven uten å erstatte denne gjennomgangen.
Produsenten beskriver robusthet overfor varierte systemprompter og rolleorienterte instruksjoner. Oppgi assistentens formål, svarstil og oppgavebetingelser uttrykkelig. En utkastforespørsel kan navngi målgruppe, ønsket lengde og fakta som skal formidles. En revisjon kan identifisere endringen i ordlyd eller organisering samtidig som den opprinnelige betydningen bevares.
For kodearbeid oppgir du det relevante grensesnittet, representative inndata og forventede utdata. Be om en målrettet implementasjon eller rettelse med tester for tilfellene du identifiserer. Gjennomgå og kjør den returnerte koden i målutviklingsmiljøet.
Det nøyaktige 3B-modellkortet angir en kontekst på 32 768 tokener og en genereringskvote på 8 192 tokener. Bredere kontekstpåstander om Qwen2.5-familien tilhører utgavene og konfigurasjonene de beskriver; klargjør denne vertsbaserte profilen rundt dens egen oppgitte kontekst på 32 000 tokener.
Familiedokumentasjonen oppgir støtte for mer enn 29 språk. Angi ønsket svarspråk og oppgi en ordliste når terminologien er viktig. Behold kildeetiketter, mengder og identifikatorer intakte, velg utdragene som er relevante for den gjeldende oppgaven, og la det være plass til resultatet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen2.5-3b-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.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.0001 / 1K tokener Utdata · Utgående tokener $0.00026 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen2.5-3b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-3b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen2.5-3b-instruct
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Create a typed stock record\n\nConvert this note into one JSON-shaped record: Item P-204 has 12 units in warehouse North. No reorder threshold is provided. Fields: item_id string, quantity integer, warehouse string, reorder_threshold integer or null. Return only the record and preserve the identifier and warehouse name exactly.A single record with the four requested fields and null for the unstated reorder threshold.Parse the result and check field types, exact identifiers and the absence of an invented threshold.