Qwen2.5-Coder-7B-Instruct is de op instructies afgestemde release van 7B-formaat van Qwens op code gerichte familie, die eerder CodeQwen heette. De kerntaken zijn codegeneratie, redeneren over programmagedrag en codeherstel. Het ontvangt tekst, waaronder eisen en broncode, en retourneert tekst die een implementatie, uitleg of voorgestelde wijziging kan bevatten.
Programmeermogelijkheden en training
De maker beschrijft 5.5 biljoen trainingstokens, waaronder broncode, materiaal dat tekst aan code koppelt en synthetische voorbeelden. Naast de programmeerspecialisatie behoudt de familie wiskundige en algemene taalvaardigheden. De releaseaankondiging onderscheidt het genereren van een programma, redeneren over hoe een programma wordt uitgevoerd en het herstellen van een bestaande implementatie; daarvoor zijn verschillende invoer en verschillende eindproducten nodig.
Geef voor generatie de programmeertaal, functiesignatuur, invoertypen en verwachte retourwaarde op. Neem beperkingen op, zoals of de functie de invoer mag wijzigen of een externe afhankelijkheid mag gebruiken. Vraag om de implementatie en een korte uitleg van hoe die aan elke eis voldoet. Een sorteerverzoek kan bijvoorbeeld specificeren dat dubbele waarden behouden moeten blijven en de oorspronkelijke lijst ongewijzigd moet blijven, en vervolgens vragen om een functie plus voorbeeldaanroepen voor een lege lijst en een lijst met herhaalde waarden.
Lever voor redeneren over code het exacte fragment en de specifieke te volgen invoer aan. Vraag welke vertakkingen worden uitgevoerd, hoe tussenwaarden veranderen en wat de functie retourneert. Dit is nuttiger dan een ongerichte vraag om een heel bestand uit te leggen: het antwoord verbindt concrete invoer met een concreet pad door het programma. Bewaar aangeroepen hulpfuncties of relevante typedefinities bij het fragment.
Lever voor herstel het foutieve gedrag, het verwachte gedrag en de code die het verschil bepaalt aan. Alleen een foutmelding kan de belangrijke voorwaarde onbenoemd laten. Vraag om een voorgestelde correctie, uitleg van de oorzaak en voorbeelden die het oude en beoogde gedrag van elkaar onderscheiden. De geretourneerde patch is een tekstueel resultaat; compileren, uitvoeren of toepassen op een repository vereist de omliggende ontwikkelomgeving.
De benoemde 7B-editie
Het vrijgegeven model heeft 7.61 miljard parameters, waaronder 6.53 miljard parameters buiten embeddings, en 28 Transformer-lagen. Het gebruikt roterende positie-embeddings, SwiGLU, RMSNorm en attention QKV bias. De grouped-query attention heeft 28 query-heads en 4 key/value-heads. Deze details beschrijven deze release, niet een grotere Coder-editie.
De familie biedt afzonderlijke Base- en Instruct-modellen. Instruct is afgestemd op gespreksverzoeken; Base is een basis voor tekstaanvulling en verdere afstemming. Deze vermelding betreft het op instructies afgestemde 7B-model. De voorbeelden en belangrijkste resultaten van de release voor andere groottes definiëren niet de mogelijkheden of resourcevereisten van deze editie.
De instructie voorbereiden
De modelkaart demonstreert een gesprek met afzonderlijke systeem- en gebruikersberichten en de bijpassende chatsjabloon. Plaats blijvende antwoordregels, zoals de manier waarop implementatie en uitleg moeten worden gepresenteerd, apart van de code en taak. Markeer welk fragment bestaande broncode is, welke tekst een eis vormt en welke uitvoer moet worden geretourneerd. Dit helpt identificaties, interfaces en gedrag te behouden die de aangevraagde wijziging intact moet laten.
Bruikbare invoer voor een ontwikkelassistent kan een korte module, de aanroeper en de beoogde wijziging bevatten. Vraag om een herziene functie, een lijst aannames en voorbeeldinvoer met de verwachte uitvoer. Specificeer voor een gegenereerd visueel resultaat de te implementeren gegevens en interacties en vraag om de resulterende brontekst; de op code gerichte familie toont ook codeassistenten en visuele resultaten. Het renderen van het resultaat blijft een afzonderlijke stap naast het genereren van de broncode.
Lange tekst verwerken
De modelkaart vermeldt een volledige context van 131,072 tokens, terwijl de vrijgegeven configuratie aanvankelijk is ingesteld op 32,768 tokens. Invoer verwerken boven die instelling vereist de gedocumenteerde YaRN-uitbreiding. Het voorbeeld specificeert een schaalfactor van 4.0 en een oorspronkelijke instelling voor het maximale aantal posities van 32,768. De maker merkt op dat statische schaling het gedrag bij kortere tekst kan beïnvloeden en raadt aan de uitbreiding toe te voegen wanneer lange contexten nodig zijn.
Gebruik de grotere context om samenhangende code en eisen bij elkaar te houden, maar benoem de werkelijke vraag: een incompatibele aanroep vinden, een gegevenspad uitleggen of een wijziging binnen een opgegeven interface voorstellen. Neem de delen op die het gedrag bepalen, in plaats van ongerelateerd projectmateriaal. De 512 gegenereerde tokens uit de snelstart zijn een voorbeeldinstelling; de modelkaart legt op basis van die waarde geen afzonderlijke maximale uitvoercapaciteit vast.
Het gedocumenteerde resultaat van het model is tekst. De rol in een code-agent hangt af van de toepassing die repositorytoegang, uitvoering en feedback levert. Houd die handelingen gescheiden van het vermogen van het model om code voor te stellen en gedrag uit te leggen en maak de exacte 7B-Instruct-editie en instellingen voor lange context expliciet bij het plannen van een herhaalbare taak.
", "aboutText": "Qwen2.5-Coder-7B-Instruct is de op instructies afgestemde release van 7B-formaat van Qwens op code gerichte familie, die eerder CodeQwen heette. De kerntaken zijn codegeneratie, redeneren over programmagedrag en codeherstel. Het ontvangt tekst, waaronder eisen en broncode, en retourneert tekst die een implementatie, uitleg of voorgestelde wijziging kan bevatten.\n\nProgrammeermogelijkheden en training\n\nDe maker beschrijft 5.5 biljoen trainingstokens, waaronder broncode, materiaal dat tekst aan code koppelt en synthetische voorbeelden. Naast de programmeerspecialisatie behoudt de familie wiskundige en algemene taalvaardigheden. De releaseaankondiging onderscheidt het genereren van een programma, redeneren over hoe een programma wordt uitgevoerd en het herstellen van een bestaande implementatie; daarvoor zijn verschillende invoer en verschillende eindproducten nodig.\n\nGeef voor generatie de programmeertaal, functiesignatuur, invoertypen en verwachte retourwaarde op. Neem beperkingen op, zoals of de functie de invoer mag wijzigen of een externe afhankelijkheid mag gebruiken. Vraag om de implementatie en een korte uitleg van hoe die aan elke eis voldoet. Een sorteerverzoek kan bijvoorbeeld specificeren dat dubbele waarden behouden moeten blijven en de oorspronkelijke lijst ongewijzigd moet blijven, en vervolgens vragen om een functie plus voorbeeldaanroepen voor een lege lijst en een lijst met herhaalde waarden.\n\nLever voor redeneren over code het exacte fragment en de specifieke te volgen invoer aan. Vraag welke vertakkingen worden uitgevoerd, hoe tussenwaarden veranderen en wat de functie retourneert. Dit is nuttiger dan een ongerichte vraag om een heel bestand uit te leggen: het antwoord verbindt concrete invoer met een concreet pad door het programma. Bewaar aangeroepen hulpfuncties of relevante typedefinities bij het fragment.\n\nLever voor herstel het foutieve gedrag, het verwachte gedrag en de code die het verschil bepaalt aan. Alleen een foutmelding kan de belangrijke voorwaarde onbenoemd laten. Vraag om een voorgestelde correctie, uitleg van de oorzaak en voorbeelden die het oude en beoogde gedrag van elkaar onderscheiden. De geretourneerde patch is een tekstueel resultaat; compileren, uitvoeren of toepassen op een repository vereist de omliggende ontwikkelomgeving.\n\nDe benoemde 7B-editie\n\nHet vrijgegeven model heeft 7.61 miljard parameters, waaronder 6.53 miljard parameters buiten embeddings, en 28 Transformer-lagen. Het gebruikt roterende positie-embeddings, SwiGLU, RMSNorm en attention QKV bias. De grouped-query attention heeft 28 query-heads en 4 key/value-heads. Deze details beschrijven deze release, niet een grotere Coder-editie.\n\nDe familie biedt afzonderlijke Base- en Instruct-modellen. Instruct is afgestemd op gespreksverzoeken; Base is een basis voor tekstaanvulling en verdere afstemming. Deze vermelding betreft het op instructies afgestemde 7B-model. De voorbeelden en belangrijkste resultaten van de release voor andere groottes definiëren niet de mogelijkheden of resourcevereisten van deze editie.\n\nDe instructie voorbereiden\n\nDe modelkaart demonstreert een gesprek met afzonderlijke systeem- en gebruikersberichten en de bijpassende chatsjabloon. Plaats blijvende antwoordregels, zoals de manier waarop implementatie en uitleg moeten worden gepresenteerd, apart van de code en taak. Markeer welk fragment bestaande broncode is, welke tekst een eis vormt en welke uitvoer moet worden geretourneerd. Dit helpt identificaties, interfaces en gedrag te behouden die de aangevraagde wijziging intact moet laten.\n\nBruikbare invoer voor een ontwikkelassistent kan een korte module, de aanroeper en de beoogde wijziging bevatten. Vraag om een herziene functie, een lijst aannames en voorbeeldinvoer met de verwachte uitvoer. Specificeer voor een gegenereerd visueel resultaat de te implementeren gegevens en interacties en vraag om de resulterende brontekst; de op code gerichte familie toont ook codeassistenten en visuele resultaten. Het renderen van het resultaat blijft een afzonderlijke stap naast het genereren van de broncode.\n\nLange tekst verwerken\n\nDe modelkaart vermeldt een volledige context van 131,072 tokens, terwijl de vrijgegeven configuratie aanvankelijk is ingesteld op 32,768 tokens. Invoer verwerken boven die instelling vereist de gedocumenteerde YaRN-uitbreiding. Het voorbeeld specificeert een schaalfactor van 4.0 en een oorspronkelijke instelling voor het maximale aantal posities van 32,768. De maker merkt op dat statische schaling het gedrag bij kortere tekst kan beïnvloeden en raadt aan de uitbreiding toe te voegen wanneer lange contexten nodig zijn.\n\nGebruik de grotere context om samenhangende code en eisen bij elkaar te houden, maar benoem de werkelijke vraag: een incompatibele aanroep vinden, een gegevenspad uitleggen of een wijziging binnen een opgegeven interface voorstellen. Neem de delen op die het gedrag bepalen, in plaats van ongerelateerd projectmateriaal. De 512 gegenereerde tokens uit de snelstart zijn een voorbeeldinstelling; de modelkaart legt op basis van die waarde geen afzonderlijke maximale uitvoercapaciteit vast.\n\nHet gedocumenteerde resultaat van het model is tekst. De rol in een code-agent hangt af van de toepassing die repositorytoegang, uitvoering en feedback levert. Houd die handelingen gescheiden van het vermogen van het model om code voor te stellen en gedrag uit te leggen en maak de exacte 7B-Instruct-editie en instellingen voor lange context expliciet bij het plannen van een herhaalbare taak.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct is een tekstmodel voor het genereren, uitleggen en herstellen van code op basis van instructies. De release met 7.61 miljard parameters ondersteunt uitgebreide contexten tot 131,072 tokens met de gedocumenteerde configuratie voor lange context.
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-7B-Instruct is de op instructies afgestemde release van 7B-formaat van Qwens op code gerichte familie, die eerder CodeQwen heette. De kerntaken zijn codegeneratie, redeneren over programmagedrag en codeherstel. Het ontvangt tekst, waaronder eisen en broncode, en retourneert tekst die een implementatie, uitleg of voorgestelde wijziging kan bevatten.
Programmeermogelijkheden en training
De maker beschrijft 5.5 biljoen trainingstokens, waaronder broncode, materiaal dat tekst aan code koppelt en synthetische voorbeelden. Naast de programmeerspecialisatie behoudt de familie wiskundige en algemene taalvaardigheden. De releaseaankondiging onderscheidt het genereren van een programma, redeneren over hoe een programma wordt uitgevoerd en het herstellen van een bestaande implementatie; daarvoor zijn verschillende invoer en verschillende eindproducten nodig.
Geef voor generatie de programmeertaal, functiesignatuur, invoertypen en verwachte retourwaarde op. Neem beperkingen op, zoals of de functie de invoer mag wijzigen of een externe afhankelijkheid mag gebruiken. Vraag om de implementatie en een korte uitleg van hoe die aan elke eis voldoet. Een sorteerverzoek kan bijvoorbeeld specificeren dat dubbele waarden behouden moeten blijven en de oorspronkelijke lijst ongewijzigd moet blijven, en vervolgens vragen om een functie plus voorbeeldaanroepen voor een lege lijst en een lijst met herhaalde waarden.
Lever voor redeneren over code het exacte fragment en de specifieke te volgen invoer aan. Vraag welke vertakkingen worden uitgevoerd, hoe tussenwaarden veranderen en wat de functie retourneert. Dit is nuttiger dan een ongerichte vraag om een heel bestand uit te leggen: het antwoord verbindt concrete invoer met een concreet pad door het programma. Bewaar aangeroepen hulpfuncties of relevante typedefinities bij het fragment.
Lever voor herstel het foutieve gedrag, het verwachte gedrag en de code die het verschil bepaalt aan. Alleen een foutmelding kan de belangrijke voorwaarde onbenoemd laten. Vraag om een voorgestelde correctie, uitleg van de oorzaak en voorbeelden die het oude en beoogde gedrag van elkaar onderscheiden. De geretourneerde patch is een tekstueel resultaat; compileren, uitvoeren of toepassen op een repository vereist de omliggende ontwikkelomgeving.
De benoemde 7B-editie
Het vrijgegeven model heeft 7.61 miljard parameters, waaronder 6.53 miljard parameters buiten embeddings, en 28 Transformer-lagen. Het gebruikt roterende positie-embeddings, SwiGLU, RMSNorm en attention QKV bias. De grouped-query attention heeft 28 query-heads en 4 key/value-heads. Deze details beschrijven deze release, niet een grotere Coder-editie.
De familie biedt afzonderlijke Base- en Instruct-modellen. Instruct is afgestemd op gespreksverzoeken; Base is een basis voor tekstaanvulling en verdere afstemming. Deze vermelding betreft het op instructies afgestemde 7B-model. De voorbeelden en belangrijkste resultaten van de release voor andere groottes definiëren niet de mogelijkheden of resourcevereisten van deze editie.
De instructie voorbereiden
De modelkaart demonstreert een gesprek met afzonderlijke systeem- en gebruikersberichten en de bijpassende chatsjabloon. Plaats blijvende antwoordregels, zoals de manier waarop implementatie en uitleg moeten worden gepresenteerd, apart van de code en taak. Markeer welk fragment bestaande broncode is, welke tekst een eis vormt en welke uitvoer moet worden geretourneerd. Dit helpt identificaties, interfaces en gedrag te behouden die de aangevraagde wijziging intact moet laten.
Bruikbare invoer voor een ontwikkelassistent kan een korte module, de aanroeper en de beoogde wijziging bevatten. Vraag om een herziene functie, een lijst aannames en voorbeeldinvoer met de verwachte uitvoer. Specificeer voor een gegenereerd visueel resultaat de te implementeren gegevens en interacties en vraag om de resulterende brontekst; de op code gerichte familie toont ook codeassistenten en visuele resultaten. Het renderen van het resultaat blijft een afzonderlijke stap naast het genereren van de broncode.
Lange tekst verwerken
De modelkaart vermeldt een volledige context van 131,072 tokens, terwijl de vrijgegeven configuratie aanvankelijk is ingesteld op 32,768 tokens. Invoer verwerken boven die instelling vereist de gedocumenteerde YaRN-uitbreiding. Het voorbeeld specificeert een schaalfactor van 4.0 en een oorspronkelijke instelling voor het maximale aantal posities van 32,768. De maker merkt op dat statische schaling het gedrag bij kortere tekst kan beïnvloeden en raadt aan de uitbreiding toe te voegen wanneer lange contexten nodig zijn.
Gebruik de grotere context om samenhangende code en eisen bij elkaar te houden, maar benoem de werkelijke vraag: een incompatibele aanroep vinden, een gegevenspad uitleggen of een wijziging binnen een opgegeven interface voorstellen. Neem de delen op die het gedrag bepalen, in plaats van ongerelateerd projectmateriaal. De 512 gegenereerde tokens uit de snelstart zijn een voorbeeldinstelling; de modelkaart legt op basis van die waarde geen afzonderlijke maximale uitvoercapaciteit vast.
Het gedocumenteerde resultaat van het model is tekst. De rol in een code-agent hangt af van de toepassing die repositorytoegang, uitvoering en feedback levert. Houd die handelingen gescheiden van het vermogen van het model om code voor te stellen en gedrag uit te leggen en maak de exacte 7B-Instruct-editie en instellingen voor lange context expliciet bij het plannen van een herhaalbare taak.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-coder-7b-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 $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0.0001 / 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-7b-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-7b-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-7b-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-7b-instruct
Gebruik de hierboven getoonde methodepaden.
qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct is een tekstmodel voor het genereren, uitleggen en herstellen van code op basis van instructies. De release met 7.61 miljard parameters ondersteunt uitgebreide contexten tot 131,072 tokens met de gedocumenteerde configuratie voor lange context.
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-7B-Instruct is de op instructies afgestemde release van 7B-formaat van Qwens op code gerichte familie, die eerder CodeQwen heette. De kerntaken zijn codegeneratie, redeneren over programmagedrag en codeherstel. Het ontvangt tekst, waaronder eisen en broncode, en retourneert tekst die een implementatie, uitleg of voorgestelde wijziging kan bevatten.
Programmeermogelijkheden en training
De maker beschrijft 5.5 biljoen trainingstokens, waaronder broncode, materiaal dat tekst aan code koppelt en synthetische voorbeelden. Naast de programmeerspecialisatie behoudt de familie wiskundige en algemene taalvaardigheden. De releaseaankondiging onderscheidt het genereren van een programma, redeneren over hoe een programma wordt uitgevoerd en het herstellen van een bestaande implementatie; daarvoor zijn verschillende invoer en verschillende eindproducten nodig.
Geef voor generatie de programmeertaal, functiesignatuur, invoertypen en verwachte retourwaarde op. Neem beperkingen op, zoals of de functie de invoer mag wijzigen of een externe afhankelijkheid mag gebruiken. Vraag om de implementatie en een korte uitleg van hoe die aan elke eis voldoet. Een sorteerverzoek kan bijvoorbeeld specificeren dat dubbele waarden behouden moeten blijven en de oorspronkelijke lijst ongewijzigd moet blijven, en vervolgens vragen om een functie plus voorbeeldaanroepen voor een lege lijst en een lijst met herhaalde waarden.
Lever voor redeneren over code het exacte fragment en de specifieke te volgen invoer aan. Vraag welke vertakkingen worden uitgevoerd, hoe tussenwaarden veranderen en wat de functie retourneert. Dit is nuttiger dan een ongerichte vraag om een heel bestand uit te leggen: het antwoord verbindt concrete invoer met een concreet pad door het programma. Bewaar aangeroepen hulpfuncties of relevante typedefinities bij het fragment.
Lever voor herstel het foutieve gedrag, het verwachte gedrag en de code die het verschil bepaalt aan. Alleen een foutmelding kan de belangrijke voorwaarde onbenoemd laten. Vraag om een voorgestelde correctie, uitleg van de oorzaak en voorbeelden die het oude en beoogde gedrag van elkaar onderscheiden. De geretourneerde patch is een tekstueel resultaat; compileren, uitvoeren of toepassen op een repository vereist de omliggende ontwikkelomgeving.
De benoemde 7B-editie
Het vrijgegeven model heeft 7.61 miljard parameters, waaronder 6.53 miljard parameters buiten embeddings, en 28 Transformer-lagen. Het gebruikt roterende positie-embeddings, SwiGLU, RMSNorm en attention QKV bias. De grouped-query attention heeft 28 query-heads en 4 key/value-heads. Deze details beschrijven deze release, niet een grotere Coder-editie.
De familie biedt afzonderlijke Base- en Instruct-modellen. Instruct is afgestemd op gespreksverzoeken; Base is een basis voor tekstaanvulling en verdere afstemming. Deze vermelding betreft het op instructies afgestemde 7B-model. De voorbeelden en belangrijkste resultaten van de release voor andere groottes definiëren niet de mogelijkheden of resourcevereisten van deze editie.
De instructie voorbereiden
De modelkaart demonstreert een gesprek met afzonderlijke systeem- en gebruikersberichten en de bijpassende chatsjabloon. Plaats blijvende antwoordregels, zoals de manier waarop implementatie en uitleg moeten worden gepresenteerd, apart van de code en taak. Markeer welk fragment bestaande broncode is, welke tekst een eis vormt en welke uitvoer moet worden geretourneerd. Dit helpt identificaties, interfaces en gedrag te behouden die de aangevraagde wijziging intact moet laten.
Bruikbare invoer voor een ontwikkelassistent kan een korte module, de aanroeper en de beoogde wijziging bevatten. Vraag om een herziene functie, een lijst aannames en voorbeeldinvoer met de verwachte uitvoer. Specificeer voor een gegenereerd visueel resultaat de te implementeren gegevens en interacties en vraag om de resulterende brontekst; de op code gerichte familie toont ook codeassistenten en visuele resultaten. Het renderen van het resultaat blijft een afzonderlijke stap naast het genereren van de broncode.
Lange tekst verwerken
De modelkaart vermeldt een volledige context van 131,072 tokens, terwijl de vrijgegeven configuratie aanvankelijk is ingesteld op 32,768 tokens. Invoer verwerken boven die instelling vereist de gedocumenteerde YaRN-uitbreiding. Het voorbeeld specificeert een schaalfactor van 4.0 en een oorspronkelijke instelling voor het maximale aantal posities van 32,768. De maker merkt op dat statische schaling het gedrag bij kortere tekst kan beïnvloeden en raadt aan de uitbreiding toe te voegen wanneer lange contexten nodig zijn.
Gebruik de grotere context om samenhangende code en eisen bij elkaar te houden, maar benoem de werkelijke vraag: een incompatibele aanroep vinden, een gegevenspad uitleggen of een wijziging binnen een opgegeven interface voorstellen. Neem de delen op die het gedrag bepalen, in plaats van ongerelateerd projectmateriaal. De 512 gegenereerde tokens uit de snelstart zijn een voorbeeldinstelling; de modelkaart legt op basis van die waarde geen afzonderlijke maximale uitvoercapaciteit vast.
Het gedocumenteerde resultaat van het model is tekst. De rol in een code-agent hangt af van de toepassing die repositorytoegang, uitvoering en feedback levert. Houd die handelingen gescheiden van het vermogen van het model om code voor te stellen en gedrag uit te leggen en maak de exacte 7B-Instruct-editie en instellingen voor lange context expliciet bij het plannen van een herhaalbare taak.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2.5-coder-7b-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 $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0.0001 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen2.5-coder-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-7b-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-7b-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-7b-instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.