Qwen2.5-Coder-14B-Instruct is de op instructies afgestemde 14B-editie van Qwens op code gerichte modelfamilie. Het ontvangt geschreven instructies en broncode en retourneert tekst, waaronder implementaties, uitleg en voorgestelde oplossingen. De belangrijkste mogelijkheden zijn codegeneratie, redeneren over code en codeherstel, met een basis in wiskunde en algemene taaltaken.
Geef het model de programmeertaal, het vereiste gedrag en de omliggende interfaces. Een gericht verzoek kan vragen om een parseerfunctie die opgegeven invoer accepteert en een bestaand retourformaat behoudt. Neem randgevallen op en benoem de namen of afhankelijkheden die intact moeten blijven. Het resultaat kan een functie of een kleine patch zijn, met uitleg over hoe die aan de eis voldoet.
De snelstart van de fabrikant demonstreert een gesprek gevolgd door gegenereerde code. Instruct is de editie die op deze interactievorm is afgestemd. Een vervolg kan dezelfde taak verfijnen: een invoervoorwaarde veranderen, één vertakking uitleggen of de implementatie aanpassen aan een bestaande interface. Sla de resulterende code op en voer die uit in de ontwikkelomgeving van de toepassing om het gevraagde gedrag te controleren.
Lever voor redeneren over code het relevante fragment aan en vraag naar een specifiek verband: hoe gegevens tussen functies bewegen, welke voorwaarde de uitvoer verandert of waarom een waarde een onverwachte toestand bereikt. Combineer voor herstel de code met de waargenomen fout, invoer die deze veroorzaakt en het beoogde resultaat. Vraag de correctie apart van de uitleg, zodat beide aan het oorspronkelijke gedrag kunnen worden getoetst.
Het trainingsmateriaal van de familie omvat broncode, tekst gekoppeld aan code en synthetisch materiaal. De gepubliceerde trainingsomvang is 5.5 biljoen tokens. Dit vormt de achtergrond van de programmeerspecialisatie; het bewijst niet dat een voorgestelde implementatie is uitgevoerd of de controles van uw project doorstaat.
De exacte modelkaart specificeert 131,072 tokens volledige context. De meegeleverde configuratie is ingesteld op 32,768 tokens; langere invoer vereist de beschreven YaRN-configuratie in een runtime die deze ondersteunt. De fabrikant merkt op dat statische schaling kortere invoer kan beïnvloeden en raadt aan die in te schakelen wanneer verwerking van lange context nodig is. Dit zijn voorwaarden voor modelimplementatie, dus het volledige contextgetal legt op zichzelf niet de limiet van een bepaalde API-interface vast.
Dit model heeft 14.7 miljard parameters, waaronder 13.1 miljard parameters buiten embeddings, en 48 lagen. Het gebruikt grouped-query attention met 40 query-heads en acht key/value-heads. Behoud de 14B-Instruct-identiteit wanneer u het voor een taak kiest: de Base-editie en grotere familieleden hebben afzonderlijke specificaties. Een nuttig eindresultaat bestaat uit de voorgestelde code, de uitleg en de gevallen die nodig zijn om die te verifiëren.
", "aboutText": "Qwen2.5-Coder-14B-Instruct is de op instructies afgestemde 14B-editie van Qwens op code gerichte modelfamilie. Het ontvangt geschreven instructies en broncode en retourneert tekst, waaronder implementaties, uitleg en voorgestelde oplossingen. De belangrijkste mogelijkheden zijn codegeneratie, redeneren over code en codeherstel, met een basis in wiskunde en algemene taaltaken.\n\n### Genereer code op basis van een concrete eis\n\nGeef het model de programmeertaal, het vereiste gedrag en de omliggende interfaces. Een gericht verzoek kan vragen om een parseerfunctie die opgegeven invoer accepteert en een bestaand retourformaat behoudt. Neem randgevallen op en benoem de namen of afhankelijkheden die intact moeten blijven. Het resultaat kan een functie of een kleine patch zijn, met uitleg over hoe die aan de eis voldoet.\n\nDe snelstart van de fabrikant demonstreert een gesprek gevolgd door gegenereerde code. Instruct is de editie die op deze interactievorm is afgestemd. Een vervolg kan dezelfde taak verfijnen: een invoervoorwaarde veranderen, één vertakking uitleggen of de implementatie aanpassen aan een bestaande interface. Sla de resulterende code op en voer die uit in de ontwikkelomgeving van de toepassing om het gevraagde gedrag te controleren.\n\n### Leg gedrag uit en stel een herstel voor\n\nLever voor redeneren over code het relevante fragment aan en vraag naar een specifiek verband: hoe gegevens tussen functies bewegen, welke voorwaarde de uitvoer verandert of waarom een waarde een onverwachte toestand bereikt. Combineer voor herstel de code met de waargenomen fout, invoer die deze veroorzaakt en het beoogde resultaat. Vraag de correctie apart van de uitleg, zodat beide aan het oorspronkelijke gedrag kunnen worden getoetst.\n\nHet trainingsmateriaal van de familie omvat broncode, tekst gekoppeld aan code en synthetisch materiaal. De gepubliceerde trainingsomvang is 5.5 biljoen tokens. Dit vormt de achtergrond van de programmeerspecialisatie; het bewijst niet dat een voorgestelde implementatie is uitgevoerd of de controles van uw project doorstaat.\n\n### Werk met de gedocumenteerde context\n\nDe exacte modelkaart specificeert 131,072 tokens volledige context. De meegeleverde configuratie is ingesteld op 32,768 tokens; langere invoer vereist de beschreven YaRN-configuratie in een runtime die deze ondersteunt. De fabrikant merkt op dat statische schaling kortere invoer kan beïnvloeden en raadt aan die in te schakelen wanneer verwerking van lange context nodig is. Dit zijn voorwaarden voor modelimplementatie, dus het volledige contextgetal legt op zichzelf niet de limiet van een bepaalde API-interface vast.\n\n### De exacte 14B-instructie-editie\n\nDit model heeft 14.7 miljard parameters, waaronder 13.1 miljard parameters buiten embeddings, en 48 lagen. Het gebruikt grouped-query attention met 40 query-heads en acht key/value-heads. Behoud de 14B-Instruct-identiteit wanneer u het voor een taak kiest: de Base-editie en grotere familieleden hebben afzonderlijke specificaties. Een nuttig eindresultaat bestaat uit de voorgestelde code, de uitleg en de gevallen die nodig zijn om die te verifiëren.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Implement a strict inventory-line parser\n\nWrite a Python function parse_line(text) for inventory lines formatted SKU|quantity. Trim surrounding spaces on both fields, reject an empty SKU, and require quantity to be a nonnegative integer. Return a tuple of SKU and quantity; raise ValueError for invalid input. Include tests for a valid line, zero quantity, an empty SKU and a negative quantity.A complete parser and four concrete tests preserving the specified tuple return format.Zero is accepted, a negative quantity is rejected, and invalid records raise ValueError rather than silently changing data.qwen2.5-coder-14b-instructQwen2.5-Coder-14B-Instruct is een programmeermodel met 14.7 miljard parameters voor het genereren, uitleggen en herstellen van code. Het op instructies afgestemde ontwerp ondersteunt gesprekstaken; de gedocumenteerde context van 131,072 tokens vereist een configuratie voor lange context die verder gaat dan de meegeleverde instelling van 32,768 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-Coder-14B-Instruct is de op instructies afgestemde 14B-editie van Qwens op code gerichte modelfamilie. Het ontvangt geschreven instructies en broncode en retourneert tekst, waaronder implementaties, uitleg en voorgestelde oplossingen. De belangrijkste mogelijkheden zijn codegeneratie, redeneren over code en codeherstel, met een basis in wiskunde en algemene taaltaken.
Geef het model de programmeertaal, het vereiste gedrag en de omliggende interfaces. Een gericht verzoek kan vragen om een parseerfunctie die opgegeven invoer accepteert en een bestaand retourformaat behoudt. Neem randgevallen op en benoem de namen of afhankelijkheden die intact moeten blijven. Het resultaat kan een functie of een kleine patch zijn, met uitleg over hoe die aan de eis voldoet.
De snelstart van de fabrikant demonstreert een gesprek gevolgd door gegenereerde code. Instruct is de editie die op deze interactievorm is afgestemd. Een vervolg kan dezelfde taak verfijnen: een invoervoorwaarde veranderen, één vertakking uitleggen of de implementatie aanpassen aan een bestaande interface. Sla de resulterende code op en voer die uit in de ontwikkelomgeving van de toepassing om het gevraagde gedrag te controleren.
Lever voor redeneren over code het relevante fragment aan en vraag naar een specifiek verband: hoe gegevens tussen functies bewegen, welke voorwaarde de uitvoer verandert of waarom een waarde een onverwachte toestand bereikt. Combineer voor herstel de code met de waargenomen fout, invoer die deze veroorzaakt en het beoogde resultaat. Vraag de correctie apart van de uitleg, zodat beide aan het oorspronkelijke gedrag kunnen worden getoetst.
Het trainingsmateriaal van de familie omvat broncode, tekst gekoppeld aan code en synthetisch materiaal. De gepubliceerde trainingsomvang is 5.5 biljoen tokens. Dit vormt de achtergrond van de programmeerspecialisatie; het bewijst niet dat een voorgestelde implementatie is uitgevoerd of de controles van uw project doorstaat.
De exacte modelkaart specificeert 131,072 tokens volledige context. De meegeleverde configuratie is ingesteld op 32,768 tokens; langere invoer vereist de beschreven YaRN-configuratie in een runtime die deze ondersteunt. De fabrikant merkt op dat statische schaling kortere invoer kan beïnvloeden en raadt aan die in te schakelen wanneer verwerking van lange context nodig is. Dit zijn voorwaarden voor modelimplementatie, dus het volledige contextgetal legt op zichzelf niet de limiet van een bepaalde API-interface vast.
Dit model heeft 14.7 miljard parameters, waaronder 13.1 miljard parameters buiten embeddings, en 48 lagen. Het gebruikt grouped-query attention met 40 query-heads en acht key/value-heads. Behoud de 14B-Instruct-identiteit wanneer u het voor een taak kiest: de Base-editie en grotere familieleden hebben afzonderlijke specificaties. Een nuttig eindresultaat bestaat uit de voorgestelde code, de uitleg en de gevallen die nodig zijn om die te verifiëren.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-coder-14b-instruct | 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 $0.000572 / 1K tokens Uitvoer · Uitvoertokens $0.00172 / 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-coder-14b-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-coder-14b-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-coder-14b-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 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-coder-14b-instruct
Gebruik de hierboven getoonde methodepaden.
qwen2.5-coder-14b-instructQwen2.5-Coder-14B-Instruct is een programmeermodel met 14.7 miljard parameters voor het genereren, uitleggen en herstellen van code. Het op instructies afgestemde ontwerp ondersteunt gesprekstaken; de gedocumenteerde context van 131,072 tokens vereist een configuratie voor lange context die verder gaat dan de meegeleverde instelling van 32,768 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-Coder-14B-Instruct is de op instructies afgestemde 14B-editie van Qwens op code gerichte modelfamilie. Het ontvangt geschreven instructies en broncode en retourneert tekst, waaronder implementaties, uitleg en voorgestelde oplossingen. De belangrijkste mogelijkheden zijn codegeneratie, redeneren over code en codeherstel, met een basis in wiskunde en algemene taaltaken.
Geef het model de programmeertaal, het vereiste gedrag en de omliggende interfaces. Een gericht verzoek kan vragen om een parseerfunctie die opgegeven invoer accepteert en een bestaand retourformaat behoudt. Neem randgevallen op en benoem de namen of afhankelijkheden die intact moeten blijven. Het resultaat kan een functie of een kleine patch zijn, met uitleg over hoe die aan de eis voldoet.
De snelstart van de fabrikant demonstreert een gesprek gevolgd door gegenereerde code. Instruct is de editie die op deze interactievorm is afgestemd. Een vervolg kan dezelfde taak verfijnen: een invoervoorwaarde veranderen, één vertakking uitleggen of de implementatie aanpassen aan een bestaande interface. Sla de resulterende code op en voer die uit in de ontwikkelomgeving van de toepassing om het gevraagde gedrag te controleren.
Lever voor redeneren over code het relevante fragment aan en vraag naar een specifiek verband: hoe gegevens tussen functies bewegen, welke voorwaarde de uitvoer verandert of waarom een waarde een onverwachte toestand bereikt. Combineer voor herstel de code met de waargenomen fout, invoer die deze veroorzaakt en het beoogde resultaat. Vraag de correctie apart van de uitleg, zodat beide aan het oorspronkelijke gedrag kunnen worden getoetst.
Het trainingsmateriaal van de familie omvat broncode, tekst gekoppeld aan code en synthetisch materiaal. De gepubliceerde trainingsomvang is 5.5 biljoen tokens. Dit vormt de achtergrond van de programmeerspecialisatie; het bewijst niet dat een voorgestelde implementatie is uitgevoerd of de controles van uw project doorstaat.
De exacte modelkaart specificeert 131,072 tokens volledige context. De meegeleverde configuratie is ingesteld op 32,768 tokens; langere invoer vereist de beschreven YaRN-configuratie in een runtime die deze ondersteunt. De fabrikant merkt op dat statische schaling kortere invoer kan beïnvloeden en raadt aan die in te schakelen wanneer verwerking van lange context nodig is. Dit zijn voorwaarden voor modelimplementatie, dus het volledige contextgetal legt op zichzelf niet de limiet van een bepaalde API-interface vast.
Dit model heeft 14.7 miljard parameters, waaronder 13.1 miljard parameters buiten embeddings, en 48 lagen. Het gebruikt grouped-query attention met 40 query-heads en acht key/value-heads. Behoud de 14B-Instruct-identiteit wanneer u het voor een taak kiest: de Base-editie en grotere familieleden hebben afzonderlijke specificaties. Een nuttig eindresultaat bestaat uit de voorgestelde code, de uitleg en de gevallen die nodig zijn om die te verifiëren.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-coder-14b-instruct | 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 $0.000572 / 1K tokens Uitvoer · Uitvoertokens $0.00172 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen2.5-coder-14b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-coder-14b-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-coder-14b-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 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-coder-14b-instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Implement a strict inventory-line parser\n\nWrite a Python function parse_line(text) for inventory lines formatted SKU|quantity. Trim surrounding spaces on both fields, reject an empty SKU, and require quantity to be a nonnegative integer. Return a tuple of SKU and quantity; raise ValueError for invalid input. Include tests for a valid line, zero quantity, an empty SKU and a negative quantity.A complete parser and four concrete tests preserving the specified tuple return format.Zero is accepted, a negative quantity is rejected, and invalid records raise ValueError rather than silently changing data.