Qwen2.5 14B Instruct 1M is de 14B-editie met langere context binnen de Qwen2.5-familie. De modelkaart van de maker publiceert een volledige context van 1,010,000 tokens en een generatiecapaciteit van 8,192 tokens. Ze beschrijft een taalmodel met 14.7 miljard parameters, waarvan 13.1 miljard buiten embeddings.
Label de documenten of passages en geef aan welk resultaat ze moeten ondersteunen. Een vergelijking kan de criteria definiëren en vragen om verschillen die aan de bronnen zijn gekoppeld. Een samenvatting kan de doelgroep en de informatie die behouden moet blijven specificeren. Een gerichte opdracht houdt een grotere bronverzameling verbonden met het vereiste antwoord.
Behoud bij een vervolg de bronidentificaties en de relevante eerdere bevinding. Voeg een correctie of nieuwe passage expliciet toe, zodat een herziene conclusie met het oorspronkelijke bewijsmateriaal kan worden vergeleken.
De maker demonstreert een systeeminstructie en gebruikersvraag via de chatsjabloon van de release. Houd geciteerd materiaal gescheiden van instructies en definieer de structuur van het eindantwoord. Specificeer voor een gestructureerd resultaat de velden en hoe ontbrekende informatie moet worden weergegeven en controleer vervolgens de geretourneerde waarden aan de hand van de bron.
Grote invoer vereist geen even groot antwoord. Vraag om de details die het eindproduct nodig heeft en laat binnen de limieten van de geselecteerde interface voldoende ruimte voor het antwoord.
De maker beveelt voor ultralange invoer een gespecialiseerd inferentieframework met sparse attention en lengte-extrapolatie aan. De handleiding legt uit hoe de maximale modellengte en andere uitvoeringsparameters worden ingesteld; ze merkt ook op dat een ouder compatibel framework boven 262,144 tokens aan nauwkeurigheid kan verliezen.
Dit zijn model- en implementatiemogelijkheden, geen instellingen die automatisch door elke gehoste interface worden aangeboden. Het exacte gehoste profiel vermeldt een werkcontext van 128,000 tokens. Bereid het werkelijke verzoek voor op basis van de gedocumenteerde limieten van die interface, in plaats van de editienaam 1M als garantie voor elke route te beschouwen.
De gedeelde handleiding voor lange context van de maker noemt afzonderlijke 7B- en 14B-modellen. Deze vermelding volgt de eigen parameter- en generatiespecificaties van het 14B-model. Bewaar de exacte editie bij de prompt en het resultaat wanneer u taken met grotere bronnen of revisies vergelijkt.
", "aboutText": "Qwen2.5 14B Instruct 1M is de 14B-editie met langere context binnen de Qwen2.5-familie. De modelkaart van de maker publiceert een volledige context van 1,010,000 tokens en een generatiecapaciteit van 8,192 tokens. Ze beschrijft een taalmodel met 14.7 miljard parameters, waarvan 13.1 miljard buiten embeddings.\n\n### Orden lang materiaal rond de vraag\n\nLabel de documenten of passages en geef aan welk resultaat ze moeten ondersteunen. Een vergelijking kan de criteria definiëren en vragen om verschillen die aan de bronnen zijn gekoppeld. Een samenvatting kan de doelgroep en de informatie die behouden moet blijven specificeren. Een gerichte opdracht houdt een grotere bronverzameling verbonden met het vereiste antwoord.\n\nBehoud bij een vervolg de bronidentificaties en de relevante eerdere bevinding. Voeg een correctie of nieuwe passage expliciet toe, zodat een herziene conclusie met het oorspronkelijke bewijsmateriaal kan worden vergeleken.\n\n### Gebruik de gesprekssjabloon van het model\n\nDe maker demonstreert een systeeminstructie en gebruikersvraag via de chatsjabloon van de release. Houd geciteerd materiaal gescheiden van instructies en definieer de structuur van het eindantwoord. Specificeer voor een gestructureerd resultaat de velden en hoe ontbrekende informatie moet worden weergegeven en controleer vervolgens de geretourneerde waarden aan de hand van de bron.\n\nGrote invoer vereist geen even groot antwoord. Vraag om de details die het eindproduct nodig heeft en laat binnen de limieten van de geselecteerde interface voldoende ruimte voor het antwoord.\n\n### Configuratie voor lange context\n\nDe maker beveelt voor ultralange invoer een gespecialiseerd inferentieframework met sparse attention en lengte-extrapolatie aan. De handleiding legt uit hoe de maximale modellengte en andere uitvoeringsparameters worden ingesteld; ze merkt ook op dat een ouder compatibel framework boven 262,144 tokens aan nauwkeurigheid kan verliezen.\n\nDit zijn model- en implementatiemogelijkheden, geen instellingen die automatisch door elke gehoste interface worden aangeboden. Het exacte gehoste profiel vermeldt een werkcontext van 128,000 tokens. Bereid het werkelijke verzoek voor op basis van de gedocumenteerde limieten van die interface, in plaats van de editienaam 1M als garantie voor elke route te beschouwen.\n\n### Behoud de 14B-editie\n\nDe gedeelde handleiding voor lange context van de maker noemt afzonderlijke 7B- en 14B-modellen. Deze vermelding volgt de eigen parameter- en generatiespecificaties van het 14B-model. Bewaar de exacte editie bij de prompt en het resultaat wanneer u taken met grotere bronnen of revisies vergelijkt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Reconcile a source collection\n\nCreate a current project summary from these labeled records. [M1] May plan: pilot in two branches, North and East. [M2] June decision: replace East with West; North unchanged. [M3] June staffing note: West lead unassigned. Treat later explicit decisions as updates. Return active branches, the change history and unresolved ownership, citing the relevant record IDs.A source-linked current-state summary, a concise change history and the missing West owner.Check East survives only in history and West is active with its owner unassigned.qwen2.5-14b-instruct-1mQwen2.5 14B Instruct 1M is Qwens teksteditie voor lange context, grotere bronverzamelingen en taken waarbij instructies worden gevolgd. De maker publiceert voor het model een volledige context van 1,010,000 tokens en een generatiecapaciteit van 8,192 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen2.5 14B Instruct 1M is de 14B-editie met langere context binnen de Qwen2.5-familie. De modelkaart van de maker publiceert een volledige context van 1,010,000 tokens en een generatiecapaciteit van 8,192 tokens. Ze beschrijft een taalmodel met 14.7 miljard parameters, waarvan 13.1 miljard buiten embeddings.
Label de documenten of passages en geef aan welk resultaat ze moeten ondersteunen. Een vergelijking kan de criteria definiëren en vragen om verschillen die aan de bronnen zijn gekoppeld. Een samenvatting kan de doelgroep en de informatie die behouden moet blijven specificeren. Een gerichte opdracht houdt een grotere bronverzameling verbonden met het vereiste antwoord.
Behoud bij een vervolg de bronidentificaties en de relevante eerdere bevinding. Voeg een correctie of nieuwe passage expliciet toe, zodat een herziene conclusie met het oorspronkelijke bewijsmateriaal kan worden vergeleken.
De maker demonstreert een systeeminstructie en gebruikersvraag via de chatsjabloon van de release. Houd geciteerd materiaal gescheiden van instructies en definieer de structuur van het eindantwoord. Specificeer voor een gestructureerd resultaat de velden en hoe ontbrekende informatie moet worden weergegeven en controleer vervolgens de geretourneerde waarden aan de hand van de bron.
Grote invoer vereist geen even groot antwoord. Vraag om de details die het eindproduct nodig heeft en laat binnen de limieten van de geselecteerde interface voldoende ruimte voor het antwoord.
De maker beveelt voor ultralange invoer een gespecialiseerd inferentieframework met sparse attention en lengte-extrapolatie aan. De handleiding legt uit hoe de maximale modellengte en andere uitvoeringsparameters worden ingesteld; ze merkt ook op dat een ouder compatibel framework boven 262,144 tokens aan nauwkeurigheid kan verliezen.
Dit zijn model- en implementatiemogelijkheden, geen instellingen die automatisch door elke gehoste interface worden aangeboden. Het exacte gehoste profiel vermeldt een werkcontext van 128,000 tokens. Bereid het werkelijke verzoek voor op basis van de gedocumenteerde limieten van die interface, in plaats van de editienaam 1M als garantie voor elke route te beschouwen.
De gedeelde handleiding voor lange context van de maker noemt afzonderlijke 7B- en 14B-modellen. Deze vermelding volgt de eigen parameter- en generatiespecificaties van het 14B-model. Bewaar de exacte editie bij de prompt en het resultaat wanneer u taken met grotere bronnen of revisies vergelijkt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-14b-instruct-1m | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000286 / 1K tokens Uitvoer · Uitvoertokens $0.00086 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-14b-instruct-1m", "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='qwen2.5-14b-instruct-1m',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='qwen2.5-14b-instruct-1m',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen2.5-14b-instruct-1m
Gebruik de hierboven getoonde methodepaden.
qwen2.5-14b-instruct-1mQwen2.5 14B Instruct 1M is Qwens teksteditie voor lange context, grotere bronverzamelingen en taken waarbij instructies worden gevolgd. De maker publiceert voor het model een volledige context van 1,010,000 tokens en een generatiecapaciteit van 8,192 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen2.5 14B Instruct 1M is de 14B-editie met langere context binnen de Qwen2.5-familie. De modelkaart van de maker publiceert een volledige context van 1,010,000 tokens en een generatiecapaciteit van 8,192 tokens. Ze beschrijft een taalmodel met 14.7 miljard parameters, waarvan 13.1 miljard buiten embeddings.
Label de documenten of passages en geef aan welk resultaat ze moeten ondersteunen. Een vergelijking kan de criteria definiëren en vragen om verschillen die aan de bronnen zijn gekoppeld. Een samenvatting kan de doelgroep en de informatie die behouden moet blijven specificeren. Een gerichte opdracht houdt een grotere bronverzameling verbonden met het vereiste antwoord.
Behoud bij een vervolg de bronidentificaties en de relevante eerdere bevinding. Voeg een correctie of nieuwe passage expliciet toe, zodat een herziene conclusie met het oorspronkelijke bewijsmateriaal kan worden vergeleken.
De maker demonstreert een systeeminstructie en gebruikersvraag via de chatsjabloon van de release. Houd geciteerd materiaal gescheiden van instructies en definieer de structuur van het eindantwoord. Specificeer voor een gestructureerd resultaat de velden en hoe ontbrekende informatie moet worden weergegeven en controleer vervolgens de geretourneerde waarden aan de hand van de bron.
Grote invoer vereist geen even groot antwoord. Vraag om de details die het eindproduct nodig heeft en laat binnen de limieten van de geselecteerde interface voldoende ruimte voor het antwoord.
De maker beveelt voor ultralange invoer een gespecialiseerd inferentieframework met sparse attention en lengte-extrapolatie aan. De handleiding legt uit hoe de maximale modellengte en andere uitvoeringsparameters worden ingesteld; ze merkt ook op dat een ouder compatibel framework boven 262,144 tokens aan nauwkeurigheid kan verliezen.
Dit zijn model- en implementatiemogelijkheden, geen instellingen die automatisch door elke gehoste interface worden aangeboden. Het exacte gehoste profiel vermeldt een werkcontext van 128,000 tokens. Bereid het werkelijke verzoek voor op basis van de gedocumenteerde limieten van die interface, in plaats van de editienaam 1M als garantie voor elke route te beschouwen.
De gedeelde handleiding voor lange context van de maker noemt afzonderlijke 7B- en 14B-modellen. Deze vermelding volgt de eigen parameter- en generatiespecificaties van het 14B-model. Bewaar de exacte editie bij de prompt en het resultaat wanneer u taken met grotere bronnen of revisies vergelijkt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-14b-instruct-1m | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.000286 / 1K tokens Uitvoer · Uitvoertokens $0.00086 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen2.5-14b-instruct-1m",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-14b-instruct-1m', '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': 'qwen2.5-14b-instruct-1m', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra qwen2.5-14b-instruct-1m
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Reconcile a source collection\n\nCreate a current project summary from these labeled records. [M1] May plan: pilot in two branches, North and East. [M2] June decision: replace East with West; North unchanged. [M3] June staffing note: West lead unassigned. Treat later explicit decisions as updates. Return active branches, the change history and unresolved ownership, citing the relevant record IDs.A source-linked current-state summary, a concise change history and the missing West owner.Check East survives only in history and West is active with its owner unassigned.