Qwen2.5-Math-72B-Instruct er den instruksjonsjusterte utgaven på 72B i den matematiske familien Qwen2.5-Math. Produsenten retter den spesielt mot matematiske problemer på engelsk og kinesisk og beskriver to tilnærminger: resonnement med tankerekke og verktøyintegrert resonnement. Modellen mottar en skriftlig matematisk betingelse og returnerer tekst med en utledning, forklaring eller løsning. Spesialiseringen er matematikk fremfor generell kreativ skriving eller dokumentbehandling.
Matematiske egenskaper og resonnementstilnærminger
I tilnærmingen med tekstresonnement ber oppgaven om de relevante definisjonene, begrunnede omformingene og et tydelig adskilt sluttresultat. Modellkortet beskriver også verktøyintegrert resonnement, der resonnement i naturlig språk kombineres med programmer. Produsenten nevner det å finne røttene til en andregradslikning og beregne egenverdiene til en matrise som eksempler der presis beregning og symbolsk eller algoritmisk manipulering er viktig.
Verktøyintegrert resonnement er ikke det samme som bare å vise kode i et svar. Produsentens matematikkdemonstrasjon stiller et miljø til rådighet som kan kjøre programmer, og beregningsresultatet inngår deretter i løsningen. En frittstående tekstgenereringsforespørsel produserer tekst; en applikasjon som bruker en beregningsarbeidsflyt, må stille det faktiske kjøringstrinnet til rådighet. Dette skillet holder matematisk resonnement, programforslag og returnerte numeriske resultater adskilt.
Utgaver av Base, Instruct og belønningsmodellen
Familien omfatter separate grunnmodeller, instruksjonsjusterte modeller og en matematisk belønningsmodell. Utgaven 72B-Instruct er beregnet på instruksjoner i samtalestil. Grunnutgaven Qwen2.5-Math-72B beskrives som et grunnlag for fullføring og inferens med få eksempler og et utgangspunkt for videre justering. Den separat navngitte belønningsmodellen har sin egen rolle og skal ikke behandles som denne modellens vanlige svargenerator.
Utgivelseskunngjøringen beskriver en matematisk spesialisert treningsprosess. Grunnmodellene bruker ekstra syntetisert matematisk materiale, mer kinesiske matematikkdata og initialisering fra Qwen2.5-grunnlaget. Instruct-trinnet bruker veiledet finjustering og forsterkningslæring, med en matematikkspesifikk belønningsmodell som styrer avvisningssampling og senere optimalisering. Produsenten legger til data for verktøyintegrert resonnement og engelske og kinesiske instruksjonsdata. Dette forklarer utgavens matematiske fokus; det innebærer ikke at en separat kontrollør automatisk påkalles for hver brukerforespørsel.
Klargjøring av spørsmålet
Hold den matematiske problemstillingen fullstendig. Definer variabler, definisjonsområdebegrensninger og størrelsen eller påstanden som skal etableres. Bruk notasjon som forblir konsekvent mellom den opprinnelige betingelsen og det etterspurte svaret. En nyttig instruksjon kan be om metoden, de viktige omformingene og sluttresultatet, med en separat kontroll mot de opprinnelige betingelsene.
Produsentens hurtigstart skiller de to tilnærmingene gjennom instruksjonene. En forespørsel om tekstresonnement ber om en trinnvis løsning og et innrammet sluttresultat. En verktøyintegrert forespørsel ber modellen kombinere resonnement i naturlig språk med programmer og bevare den samme konvensjonen for sluttresultatet. Dette er dokumenterte matematiske arbeidsflyter, ikke et separat løfte om verktøy som eksponeres av alle grensesnitt for modellservering.
Som illustrasjon er kortets enkle likning 4x + 5 = 6x + 7. En nyttig utdatautforming skiller mellom å samle variabelleddene, isolere variabelen og det endelige uttrykket; det matematiske resultatet for denne eksempelbetingelsen er x = -1. Innsetting gir 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider samsvarer. En mer omfattende forespørsel kan oppgi en matrise, be om en symbolsk egenverdiutledning og identifisere hvilken numerisk beregning som ville bli delegert til beregningsmiljøet.
Kontekst og konfigurasjon
Den publiserte utgivelsen beskriver matematisk fortrening med en kontekst på 4K. Den utgitte modellkonfigurasjonen angir maksimalt 4 096 posisjoner, så prompten og den gjennomarbeidede løsningen trenger en kompakt lengdeplan. Ikke tilordne denne matematiske utgaven den langt større konteksten som annonseres for den generelle Qwen2.5-serien. Hold relevante betingelser og matematisk arbeid samlet, og utelat uvedkommende materiale som ville bruke denne plassen.
Modellkortets hurtigstartgenerering bruker en eksempelinnstilling på 512 tokener. Denne verdien presenteres ikke som en maksimal utdatakapasitet. En ønsket svarlengde kan angis for oppgaven, men en separat utdatagrense bør komme fra den faktisk gjeldende konfigurasjonen fremfor et eksempel eller en annen Qwen-utgave.
Innholdsmessige grenser og nyttige resultater
Produsenten anbefaler denne serien til matematiske oppgaver på engelsk og kinesisk og anbefaler ikke generelle oppgaver utenfor denne spesialiseringen. Modellvektene er tekstgenereringsmodeller; symbolene og betingelsene i et matematisk spørsmål i et bilde må omgjøres til tekst i et separat syns- eller OCR-trinn. En multimodal demonstrasjon som kombinerer visuelle og matematiske modeller, gjør ikke selve matematikkutgaven til en modell med bildeinndata.
For en veiledningsarbeidsflyt oppgir du elevens utledningsforsøk og markerer overgangen som trenger forklaring. Be om en rettelse med den opprinnelige notasjonen og et sluttresultat på ønsket detaljnivå. For en teknisk beregning angir du eksakte eller tilnærmede utdata, enheter og avrunding før du velger tekstresonnement eller en beregningsarbeidsflyt. Disse forberedelsene knytter modellens matematiske spesialisering til en konkret løsning som kan etterprøves.
", "aboutText": "Qwen2.5-Math-72B-Instruct er den instruksjonsjusterte utgaven på 72B i den matematiske familien Qwen2.5-Math. Produsenten retter den spesielt mot matematiske problemer på engelsk og kinesisk og beskriver to tilnærminger: resonnement med tankerekke og verktøyintegrert resonnement. Modellen mottar en skriftlig matematisk betingelse og returnerer tekst med en utledning, forklaring eller løsning. Spesialiseringen er matematikk fremfor generell kreativ skriving eller dokumentbehandling.\n\nMatematiske egenskaper og resonnementstilnærminger\n\nI tilnærmingen med tekstresonnement ber oppgaven om de relevante definisjonene, begrunnede omformingene og et tydelig adskilt sluttresultat. Modellkortet beskriver også verktøyintegrert resonnement, der resonnement i naturlig språk kombineres med programmer. Produsenten nevner det å finne røttene til en andregradslikning og beregne egenverdiene til en matrise som eksempler der presis beregning og symbolsk eller algoritmisk manipulering er viktig.\n\nVerktøyintegrert resonnement er ikke det samme som bare å vise kode i et svar. Produsentens matematikkdemonstrasjon stiller et miljø til rådighet som kan kjøre programmer, og beregningsresultatet inngår deretter i løsningen. En frittstående tekstgenereringsforespørsel produserer tekst; en applikasjon som bruker en beregningsarbeidsflyt, må stille det faktiske kjøringstrinnet til rådighet. Dette skillet holder matematisk resonnement, programforslag og returnerte numeriske resultater adskilt.\n\nUtgaver av Base, Instruct og belønningsmodellen\n\nFamilien omfatter separate grunnmodeller, instruksjonsjusterte modeller og en matematisk belønningsmodell. Utgaven 72B-Instruct er beregnet på instruksjoner i samtalestil. Grunnutgaven Qwen2.5-Math-72B beskrives som et grunnlag for fullføring og inferens med få eksempler og et utgangspunkt for videre justering. Den separat navngitte belønningsmodellen har sin egen rolle og skal ikke behandles som denne modellens vanlige svargenerator.\n\nUtgivelseskunngjøringen beskriver en matematisk spesialisert treningsprosess. Grunnmodellene bruker ekstra syntetisert matematisk materiale, mer kinesiske matematikkdata og initialisering fra Qwen2.5-grunnlaget. Instruct-trinnet bruker veiledet finjustering og forsterkningslæring, med en matematikkspesifikk belønningsmodell som styrer avvisningssampling og senere optimalisering. Produsenten legger til data for verktøyintegrert resonnement og engelske og kinesiske instruksjonsdata. Dette forklarer utgavens matematiske fokus; det innebærer ikke at en separat kontrollør automatisk påkalles for hver brukerforespørsel.\n\nKlargjøring av spørsmålet\n\nHold den matematiske problemstillingen fullstendig. Definer variabler, definisjonsområdebegrensninger og størrelsen eller påstanden som skal etableres. Bruk notasjon som forblir konsekvent mellom den opprinnelige betingelsen og det etterspurte svaret. En nyttig instruksjon kan be om metoden, de viktige omformingene og sluttresultatet, med en separat kontroll mot de opprinnelige betingelsene.\n\nProdusentens hurtigstart skiller de to tilnærmingene gjennom instruksjonene. En forespørsel om tekstresonnement ber om en trinnvis løsning og et innrammet sluttresultat. En verktøyintegrert forespørsel ber modellen kombinere resonnement i naturlig språk med programmer og bevare den samme konvensjonen for sluttresultatet. Dette er dokumenterte matematiske arbeidsflyter, ikke et separat løfte om verktøy som eksponeres av alle grensesnitt for modellservering.\n\nSom illustrasjon er kortets enkle likning 4x + 5 = 6x + 7. En nyttig utdatautforming skiller mellom å samle variabelleddene, isolere variabelen og det endelige uttrykket; det matematiske resultatet for denne eksempelbetingelsen er x = -1. Innsetting gir 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider samsvarer. En mer omfattende forespørsel kan oppgi en matrise, be om en symbolsk egenverdiutledning og identifisere hvilken numerisk beregning som ville bli delegert til beregningsmiljøet.\n\nKontekst og konfigurasjon\n\nDen publiserte utgivelsen beskriver matematisk fortrening med en kontekst på 4K. Den utgitte modellkonfigurasjonen angir maksimalt 4 096 posisjoner, så prompten og den gjennomarbeidede løsningen trenger en kompakt lengdeplan. Ikke tilordne denne matematiske utgaven den langt større konteksten som annonseres for den generelle Qwen2.5-serien. Hold relevante betingelser og matematisk arbeid samlet, og utelat uvedkommende materiale som ville bruke denne plassen.\n\nModellkortets hurtigstartgenerering bruker en eksempelinnstilling på 512 tokener. Denne verdien presenteres ikke som en maksimal utdatakapasitet. En ønsket svarlengde kan angis for oppgaven, men en separat utdatagrense bør komme fra den faktisk gjeldende konfigurasjonen fremfor et eksempel eller en annen Qwen-utgave.\n\nInnholdsmessige grenser og nyttige resultater\n\nProdusenten anbefaler denne serien til matematiske oppgaver på engelsk og kinesisk og anbefaler ikke generelle oppgaver utenfor denne spesialiseringen. Modellvektene er tekstgenereringsmodeller; symbolene og betingelsene i et matematisk spørsmål i et bilde må omgjøres til tekst i et separat syns- eller OCR-trinn. En multimodal demonstrasjon som kombinerer visuelle og matematiske modeller, gjør ikke selve matematikkutgaven til en modell med bildeinndata.\n\nFor en veiledningsarbeidsflyt oppgir du elevens utledningsforsøk og markerer overgangen som trenger forklaring. Be om en rettelse med den opprinnelige notasjonen og et sluttresultat på ønsket detaljnivå. For en teknisk beregning angir du eksakte eller tilnærmede utdata, enheter og avrunding før du velger tekstresonnement eller en beregningsarbeidsflyt. Disse forberedelsene knytter modellens matematiske spesialisering til en konkret løsning som kan etterprøves.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct er en matematisk instruksjonsmodell for problemer på engelsk og kinesisk. Den støtter gjennomarbeidet tekstresonnement og verktøyintegrerte matematiske arbeidsflyter, med en egen utgivelseskonfigurasjon på 4K fremfor generelle Qwen2.5-spesifikasjoner for lang kontekst.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2.5-Math-72B-Instruct er den instruksjonsjusterte utgaven på 72B i den matematiske familien Qwen2.5-Math. Produsenten retter den spesielt mot matematiske problemer på engelsk og kinesisk og beskriver to tilnærminger: resonnement med tankerekke og verktøyintegrert resonnement. Modellen mottar en skriftlig matematisk betingelse og returnerer tekst med en utledning, forklaring eller løsning. Spesialiseringen er matematikk fremfor generell kreativ skriving eller dokumentbehandling.
Matematiske egenskaper og resonnementstilnærminger
I tilnærmingen med tekstresonnement ber oppgaven om de relevante definisjonene, begrunnede omformingene og et tydelig adskilt sluttresultat. Modellkortet beskriver også verktøyintegrert resonnement, der resonnement i naturlig språk kombineres med programmer. Produsenten nevner det å finne røttene til en andregradslikning og beregne egenverdiene til en matrise som eksempler der presis beregning og symbolsk eller algoritmisk manipulering er viktig.
Verktøyintegrert resonnement er ikke det samme som bare å vise kode i et svar. Produsentens matematikkdemonstrasjon stiller et miljø til rådighet som kan kjøre programmer, og beregningsresultatet inngår deretter i løsningen. En frittstående tekstgenereringsforespørsel produserer tekst; en applikasjon som bruker en beregningsarbeidsflyt, må stille det faktiske kjøringstrinnet til rådighet. Dette skillet holder matematisk resonnement, programforslag og returnerte numeriske resultater adskilt.
Utgaver av Base, Instruct og belønningsmodellen
Familien omfatter separate grunnmodeller, instruksjonsjusterte modeller og en matematisk belønningsmodell. Utgaven 72B-Instruct er beregnet på instruksjoner i samtalestil. Grunnutgaven Qwen2.5-Math-72B beskrives som et grunnlag for fullføring og inferens med få eksempler og et utgangspunkt for videre justering. Den separat navngitte belønningsmodellen har sin egen rolle og skal ikke behandles som denne modellens vanlige svargenerator.
Utgivelseskunngjøringen beskriver en matematisk spesialisert treningsprosess. Grunnmodellene bruker ekstra syntetisert matematisk materiale, mer kinesiske matematikkdata og initialisering fra Qwen2.5-grunnlaget. Instruct-trinnet bruker veiledet finjustering og forsterkningslæring, med en matematikkspesifikk belønningsmodell som styrer avvisningssampling og senere optimalisering. Produsenten legger til data for verktøyintegrert resonnement og engelske og kinesiske instruksjonsdata. Dette forklarer utgavens matematiske fokus; det innebærer ikke at en separat kontrollør automatisk påkalles for hver brukerforespørsel.
Klargjøring av spørsmålet
Hold den matematiske problemstillingen fullstendig. Definer variabler, definisjonsområdebegrensninger og størrelsen eller påstanden som skal etableres. Bruk notasjon som forblir konsekvent mellom den opprinnelige betingelsen og det etterspurte svaret. En nyttig instruksjon kan be om metoden, de viktige omformingene og sluttresultatet, med en separat kontroll mot de opprinnelige betingelsene.
Produsentens hurtigstart skiller de to tilnærmingene gjennom instruksjonene. En forespørsel om tekstresonnement ber om en trinnvis løsning og et innrammet sluttresultat. En verktøyintegrert forespørsel ber modellen kombinere resonnement i naturlig språk med programmer og bevare den samme konvensjonen for sluttresultatet. Dette er dokumenterte matematiske arbeidsflyter, ikke et separat løfte om verktøy som eksponeres av alle grensesnitt for modellservering.
Som illustrasjon er kortets enkle likning 4x + 5 = 6x + 7. En nyttig utdatautforming skiller mellom å samle variabelleddene, isolere variabelen og det endelige uttrykket; det matematiske resultatet for denne eksempelbetingelsen er x = -1. Innsetting gir 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider samsvarer. En mer omfattende forespørsel kan oppgi en matrise, be om en symbolsk egenverdiutledning og identifisere hvilken numerisk beregning som ville bli delegert til beregningsmiljøet.
Kontekst og konfigurasjon
Den publiserte utgivelsen beskriver matematisk fortrening med en kontekst på 4K. Den utgitte modellkonfigurasjonen angir maksimalt 4 096 posisjoner, så prompten og den gjennomarbeidede løsningen trenger en kompakt lengdeplan. Ikke tilordne denne matematiske utgaven den langt større konteksten som annonseres for den generelle Qwen2.5-serien. Hold relevante betingelser og matematisk arbeid samlet, og utelat uvedkommende materiale som ville bruke denne plassen.
Modellkortets hurtigstartgenerering bruker en eksempelinnstilling på 512 tokener. Denne verdien presenteres ikke som en maksimal utdatakapasitet. En ønsket svarlengde kan angis for oppgaven, men en separat utdatagrense bør komme fra den faktisk gjeldende konfigurasjonen fremfor et eksempel eller en annen Qwen-utgave.
Innholdsmessige grenser og nyttige resultater
Produsenten anbefaler denne serien til matematiske oppgaver på engelsk og kinesisk og anbefaler ikke generelle oppgaver utenfor denne spesialiseringen. Modellvektene er tekstgenereringsmodeller; symbolene og betingelsene i et matematisk spørsmål i et bilde må omgjøres til tekst i et separat syns- eller OCR-trinn. En multimodal demonstrasjon som kombinerer visuelle og matematiske modeller, gjør ikke selve matematikkutgaven til en modell med bildeinndata.
For en veiledningsarbeidsflyt oppgir du elevens utledningsforsøk og markerer overgangen som trenger forklaring. Be om en rettelse med den opprinnelige notasjonen og et sluttresultat på ønsket detaljnivå. For en teknisk beregning angir du eksakte eller tilnærmede utdata, enheter og avrunding før du velger tekstresonnement eller en beregningsarbeidsflyt. Disse forberedelsene knytter modellens matematiske spesialisering til en konkret løsning som kan etterprøves.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen2.5-math-72b-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 $0.001144 / 1K tokener Utdata · Utgående tokener $0.00344 / 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-math-72b-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-72b-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-72b-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-math-72b-instruct
Bruk metodestiene som vises ovenfor.
qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct er en matematisk instruksjonsmodell for problemer på engelsk og kinesisk. Den støtter gjennomarbeidet tekstresonnement og verktøyintegrerte matematiske arbeidsflyter, med en egen utgivelseskonfigurasjon på 4K fremfor generelle Qwen2.5-spesifikasjoner for lang kontekst.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Qwen2.5-Math-72B-Instruct er den instruksjonsjusterte utgaven på 72B i den matematiske familien Qwen2.5-Math. Produsenten retter den spesielt mot matematiske problemer på engelsk og kinesisk og beskriver to tilnærminger: resonnement med tankerekke og verktøyintegrert resonnement. Modellen mottar en skriftlig matematisk betingelse og returnerer tekst med en utledning, forklaring eller løsning. Spesialiseringen er matematikk fremfor generell kreativ skriving eller dokumentbehandling.
Matematiske egenskaper og resonnementstilnærminger
I tilnærmingen med tekstresonnement ber oppgaven om de relevante definisjonene, begrunnede omformingene og et tydelig adskilt sluttresultat. Modellkortet beskriver også verktøyintegrert resonnement, der resonnement i naturlig språk kombineres med programmer. Produsenten nevner det å finne røttene til en andregradslikning og beregne egenverdiene til en matrise som eksempler der presis beregning og symbolsk eller algoritmisk manipulering er viktig.
Verktøyintegrert resonnement er ikke det samme som bare å vise kode i et svar. Produsentens matematikkdemonstrasjon stiller et miljø til rådighet som kan kjøre programmer, og beregningsresultatet inngår deretter i løsningen. En frittstående tekstgenereringsforespørsel produserer tekst; en applikasjon som bruker en beregningsarbeidsflyt, må stille det faktiske kjøringstrinnet til rådighet. Dette skillet holder matematisk resonnement, programforslag og returnerte numeriske resultater adskilt.
Utgaver av Base, Instruct og belønningsmodellen
Familien omfatter separate grunnmodeller, instruksjonsjusterte modeller og en matematisk belønningsmodell. Utgaven 72B-Instruct er beregnet på instruksjoner i samtalestil. Grunnutgaven Qwen2.5-Math-72B beskrives som et grunnlag for fullføring og inferens med få eksempler og et utgangspunkt for videre justering. Den separat navngitte belønningsmodellen har sin egen rolle og skal ikke behandles som denne modellens vanlige svargenerator.
Utgivelseskunngjøringen beskriver en matematisk spesialisert treningsprosess. Grunnmodellene bruker ekstra syntetisert matematisk materiale, mer kinesiske matematikkdata og initialisering fra Qwen2.5-grunnlaget. Instruct-trinnet bruker veiledet finjustering og forsterkningslæring, med en matematikkspesifikk belønningsmodell som styrer avvisningssampling og senere optimalisering. Produsenten legger til data for verktøyintegrert resonnement og engelske og kinesiske instruksjonsdata. Dette forklarer utgavens matematiske fokus; det innebærer ikke at en separat kontrollør automatisk påkalles for hver brukerforespørsel.
Klargjøring av spørsmålet
Hold den matematiske problemstillingen fullstendig. Definer variabler, definisjonsområdebegrensninger og størrelsen eller påstanden som skal etableres. Bruk notasjon som forblir konsekvent mellom den opprinnelige betingelsen og det etterspurte svaret. En nyttig instruksjon kan be om metoden, de viktige omformingene og sluttresultatet, med en separat kontroll mot de opprinnelige betingelsene.
Produsentens hurtigstart skiller de to tilnærmingene gjennom instruksjonene. En forespørsel om tekstresonnement ber om en trinnvis løsning og et innrammet sluttresultat. En verktøyintegrert forespørsel ber modellen kombinere resonnement i naturlig språk med programmer og bevare den samme konvensjonen for sluttresultatet. Dette er dokumenterte matematiske arbeidsflyter, ikke et separat løfte om verktøy som eksponeres av alle grensesnitt for modellservering.
Som illustrasjon er kortets enkle likning 4x + 5 = 6x + 7. En nyttig utdatautforming skiller mellom å samle variabelleddene, isolere variabelen og det endelige uttrykket; det matematiske resultatet for denne eksempelbetingelsen er x = -1. Innsetting gir 4(-1) + 5 = 1 og 6(-1) + 7 = 1, så begge sider samsvarer. En mer omfattende forespørsel kan oppgi en matrise, be om en symbolsk egenverdiutledning og identifisere hvilken numerisk beregning som ville bli delegert til beregningsmiljøet.
Kontekst og konfigurasjon
Den publiserte utgivelsen beskriver matematisk fortrening med en kontekst på 4K. Den utgitte modellkonfigurasjonen angir maksimalt 4 096 posisjoner, så prompten og den gjennomarbeidede løsningen trenger en kompakt lengdeplan. Ikke tilordne denne matematiske utgaven den langt større konteksten som annonseres for den generelle Qwen2.5-serien. Hold relevante betingelser og matematisk arbeid samlet, og utelat uvedkommende materiale som ville bruke denne plassen.
Modellkortets hurtigstartgenerering bruker en eksempelinnstilling på 512 tokener. Denne verdien presenteres ikke som en maksimal utdatakapasitet. En ønsket svarlengde kan angis for oppgaven, men en separat utdatagrense bør komme fra den faktisk gjeldende konfigurasjonen fremfor et eksempel eller en annen Qwen-utgave.
Innholdsmessige grenser og nyttige resultater
Produsenten anbefaler denne serien til matematiske oppgaver på engelsk og kinesisk og anbefaler ikke generelle oppgaver utenfor denne spesialiseringen. Modellvektene er tekstgenereringsmodeller; symbolene og betingelsene i et matematisk spørsmål i et bilde må omgjøres til tekst i et separat syns- eller OCR-trinn. En multimodal demonstrasjon som kombinerer visuelle og matematiske modeller, gjør ikke selve matematikkutgaven til en modell med bildeinndata.
For en veiledningsarbeidsflyt oppgir du elevens utledningsforsøk og markerer overgangen som trenger forklaring. Be om en rettelse med den opprinnelige notasjonen og et sluttresultat på ønsket detaljnivå. For en teknisk beregning angir du eksakte eller tilnærmede utdata, enheter og avrunding før du velger tekstresonnement eller en beregningsarbeidsflyt. Disse forberedelsene knytter modellens matematiske spesialisering til en konkret løsning som kan etterprøves.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser qwen2.5-math-72b-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 $0.001144 / 1K tokener Utdata · Utgående tokener $0.00344 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "qwen2.5-math-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-72b-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-72b-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-math-72b-instruct
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.