Qwen2 72B Instruct is de op instructies afgestemde 72B-editie van de Qwen2-taalmodelserie. De modelkaart van de fabrikant behandelt taalbegrip en -generatie, meertalige tekst, programmeren, wiskunde en redeneren. Het exacte gehoste profiel op deze modelkaart vermeldt een contextlengte van 32,000 tokens.
Lever de relevante tekst aan en geef aan welk resultaat u nodig heeft. Een documenttaak kan vragen om de eisen in een passage, een vergelijking tussen twee gelabelde fragmenten of een uitleg voor een bepaalde doelgroep. Specificeer de details die intact moeten blijven, zoals hoeveelheden, namen en bronidentificaties.
Lever voor herschrijven de oorspronkelijke passage aan en beschrijf de verandering: kortere formuleringen, duidelijkere ordening of een andere toon. Vraag om de herziene tekst, gevolgd door eventuele wijzigingen die de betekenis beïnvloeden. Een precies bewerkingskader maakt het resultaat gemakkelijker te vergelijken met het origineel.
Een codeprompt kan de interface, representatieve invoer en verwachte uitvoer bevatten. Vraag om de implementatie en tests voor de gevallen die u noemt. Lever voor een correctie de exacte fout aan en vraag welk deel van de aangeleverde code die verklaart voordat u om een wijziging vraagt.
Geef voor een berekening of logisch probleem de aannames en gewenste nauwkeurigheid aan. Vraag om het resultaat met de verbanden of het bewijsmateriaal die nodig zijn om het te controleren. Het geretourneerde antwoord blijft een voorstel dat aan de werkelijke invoer en acceptatievoorwaarden van de taak moet worden getoetst.
De maker beschrijft ondersteuning tot 131,072 tokens via een implementatieprocedure voor lange tekst. Die procedure gebruikt YaRN-schaling voor invoer boven 32,768 tokens. De modelkaart merkt ook op dat statische schaling de prestaties bij kortere tekst kan beïnvloeden en raadt aan die in te schakelen wanneer lange context vereist is.
Dit zijn implementatiedetails van de fabrikant; bereid een verzoek voor dit gehoste profiel voor rond de eigen opgegeven context van 32,000 tokens. Selecteer de passages en code die relevant zijn voor de huidige vraag, behoud eerdere beslissingen die deze beïnvloeden en laat ruimte voor het antwoord. Een implementatie met langere context moet worden gepland volgens de configuratie die werkelijk in gebruik is.
", "aboutText": "Qwen2 72B Instruct is de op instructies afgestemde 72B-editie van de Qwen2-taalmodelserie. De modelkaart van de fabrikant behandelt taalbegrip en -generatie, meertalige tekst, programmeren, wiskunde en redeneren. Het exacte gehoste profiel op deze modelkaart vermeldt een contextlengte van 32,000 tokens.\n\n### Geef het gesprek een omschreven doel\n\nLever de relevante tekst aan en geef aan welk resultaat u nodig heeft. Een documenttaak kan vragen om de eisen in een passage, een vergelijking tussen twee gelabelde fragmenten of een uitleg voor een bepaalde doelgroep. Specificeer de details die intact moeten blijven, zoals hoeveelheden, namen en bronidentificaties.\n\nLever voor herschrijven de oorspronkelijke passage aan en beschrijf de verandering: kortere formuleringen, duidelijkere ordening of een andere toon. Vraag om de herziene tekst, gevolgd door eventuele wijzigingen die de betekenis beïnvloeden. Een precies bewerkingskader maakt het resultaat gemakkelijker te vergelijken met het origineel.\n\n### Bereid een programmeer- of redeneervraag voor\n\nEen codeprompt kan de interface, representatieve invoer en verwachte uitvoer bevatten. Vraag om de implementatie en tests voor de gevallen die u noemt. Lever voor een correctie de exacte fout aan en vraag welk deel van de aangeleverde code die verklaart voordat u om een wijziging vraagt.\n\nGeef voor een berekening of logisch probleem de aannames en gewenste nauwkeurigheid aan. Vraag om het resultaat met de verbanden of het bewijsmateriaal die nodig zijn om het te controleren. Het geretourneerde antwoord blijft een voorstel dat aan de werkelijke invoer en acceptatievoorwaarden van de taak moet worden getoetst.\n\n### Onderscheid gehoste en geconfigureerde lange context\n\nDe maker beschrijft ondersteuning tot 131,072 tokens via een implementatieprocedure voor lange tekst. Die procedure gebruikt YaRN-schaling voor invoer boven 32,768 tokens. De modelkaart merkt ook op dat statische schaling de prestaties bij kortere tekst kan beïnvloeden en raadt aan die in te schakelen wanneer lange context vereist is.\n\nDit zijn implementatiedetails van de fabrikant; bereid een verzoek voor dit gehoste profiel voor rond de eigen opgegeven context van 32,000 tokens. Selecteer de passages en code die relevant zijn voor de huidige vraag, behoud eerdere beslissingen die deze beïnvloeden en laat ruimte voor het antwoord. Een implementatie met langere context moet worden gepland volgens de configuratie die werkelijk in gebruik is.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Clarify a conditional policy notice\n\nRewrite this notice in plain English: “Requests received after 16:00 are processed on the next business day unless the team has confirmed an exception in writing.” Keep both the cutoff and the written-exception condition. Return the revised notice followed by one sentence explaining any change in meaning; say explicitly if there is none.A clearer notice and a separate meaning-change note.Check that the revision does not promise same-day processing or remove the requirement for a written exception.qwen2-72b-instructQwen2 72B Instruct is het op instructies afgestemde 72B-tekstmodel van Qwen2 voor dialoog, uitleg en codewerk. Het benoemde gehoste profiel vermeldt een context van 32,000 tokens; de procedure van de maker voor langere context is een afzonderlijke bedieningsconfiguratie.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen2 72B Instruct is de op instructies afgestemde 72B-editie van de Qwen2-taalmodelserie. De modelkaart van de fabrikant behandelt taalbegrip en -generatie, meertalige tekst, programmeren, wiskunde en redeneren. Het exacte gehoste profiel op deze modelkaart vermeldt een contextlengte van 32,000 tokens.
Lever de relevante tekst aan en geef aan welk resultaat u nodig heeft. Een documenttaak kan vragen om de eisen in een passage, een vergelijking tussen twee gelabelde fragmenten of een uitleg voor een bepaalde doelgroep. Specificeer de details die intact moeten blijven, zoals hoeveelheden, namen en bronidentificaties.
Lever voor herschrijven de oorspronkelijke passage aan en beschrijf de verandering: kortere formuleringen, duidelijkere ordening of een andere toon. Vraag om de herziene tekst, gevolgd door eventuele wijzigingen die de betekenis beïnvloeden. Een precies bewerkingskader maakt het resultaat gemakkelijker te vergelijken met het origineel.
Een codeprompt kan de interface, representatieve invoer en verwachte uitvoer bevatten. Vraag om de implementatie en tests voor de gevallen die u noemt. Lever voor een correctie de exacte fout aan en vraag welk deel van de aangeleverde code die verklaart voordat u om een wijziging vraagt.
Geef voor een berekening of logisch probleem de aannames en gewenste nauwkeurigheid aan. Vraag om het resultaat met de verbanden of het bewijsmateriaal die nodig zijn om het te controleren. Het geretourneerde antwoord blijft een voorstel dat aan de werkelijke invoer en acceptatievoorwaarden van de taak moet worden getoetst.
De maker beschrijft ondersteuning tot 131,072 tokens via een implementatieprocedure voor lange tekst. Die procedure gebruikt YaRN-schaling voor invoer boven 32,768 tokens. De modelkaart merkt ook op dat statische schaling de prestaties bij kortere tekst kan beïnvloeden en raadt aan die in te schakelen wanneer lange context vereist is.
Dit zijn implementatiedetails van de fabrikant; bereid een verzoek voor dit gehoste profiel voor rond de eigen opgegeven context van 32,000 tokens. Selecteer de passages en code die relevant zijn voor de huidige vraag, behoud eerdere beslissingen die deze beïnvloeden en laat ruimte voor het antwoord. Een implementatie met langere context moet worden gepland volgens de configuratie die werkelijk in gebruik is.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2-72b-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 $0.00116 / 1K tokens Uitvoer · Uitvoertokens $0.00344 / 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": "qwen2-72b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2-72b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 qwen2-72b-instruct
Gebruik de hierboven getoonde methodepaden.
qwen2-72b-instructQwen2 72B Instruct is het op instructies afgestemde 72B-tekstmodel van Qwen2 voor dialoog, uitleg en codewerk. Het benoemde gehoste profiel vermeldt een context van 32,000 tokens; de procedure van de maker voor langere context is een afzonderlijke bedieningsconfiguratie.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Qwen2 72B Instruct is de op instructies afgestemde 72B-editie van de Qwen2-taalmodelserie. De modelkaart van de fabrikant behandelt taalbegrip en -generatie, meertalige tekst, programmeren, wiskunde en redeneren. Het exacte gehoste profiel op deze modelkaart vermeldt een contextlengte van 32,000 tokens.
Lever de relevante tekst aan en geef aan welk resultaat u nodig heeft. Een documenttaak kan vragen om de eisen in een passage, een vergelijking tussen twee gelabelde fragmenten of een uitleg voor een bepaalde doelgroep. Specificeer de details die intact moeten blijven, zoals hoeveelheden, namen en bronidentificaties.
Lever voor herschrijven de oorspronkelijke passage aan en beschrijf de verandering: kortere formuleringen, duidelijkere ordening of een andere toon. Vraag om de herziene tekst, gevolgd door eventuele wijzigingen die de betekenis beïnvloeden. Een precies bewerkingskader maakt het resultaat gemakkelijker te vergelijken met het origineel.
Een codeprompt kan de interface, representatieve invoer en verwachte uitvoer bevatten. Vraag om de implementatie en tests voor de gevallen die u noemt. Lever voor een correctie de exacte fout aan en vraag welk deel van de aangeleverde code die verklaart voordat u om een wijziging vraagt.
Geef voor een berekening of logisch probleem de aannames en gewenste nauwkeurigheid aan. Vraag om het resultaat met de verbanden of het bewijsmateriaal die nodig zijn om het te controleren. Het geretourneerde antwoord blijft een voorstel dat aan de werkelijke invoer en acceptatievoorwaarden van de taak moet worden getoetst.
De maker beschrijft ondersteuning tot 131,072 tokens via een implementatieprocedure voor lange tekst. Die procedure gebruikt YaRN-schaling voor invoer boven 32,768 tokens. De modelkaart merkt ook op dat statische schaling de prestaties bij kortere tekst kan beïnvloeden en raadt aan die in te schakelen wanneer lange context vereist is.
Dit zijn implementatiedetails van de fabrikant; bereid een verzoek voor dit gehoste profiel voor rond de eigen opgegeven context van 32,000 tokens. Selecteer de passages en code die relevant zijn voor de huidige vraag, behoud eerdere beslissingen die deze beïnvloeden en laat ruimte voor het antwoord. Een implementatie met langere context moet worden gepland volgens de configuratie die werkelijk in gebruik is.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten qwen2-72b-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 $0.00116 / 1K tokens Uitvoer · Uitvoertokens $0.00344 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "qwen2-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2-72b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 qwen2-72b-instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Clarify a conditional policy notice\n\nRewrite this notice in plain English: “Requests received after 16:00 are processed on the next business day unless the team has confirmed an exception in writing.” Keep both the cutoff and the written-exception condition. Return the revised notice followed by one sentence explaining any change in meaning; say explicitly if there is none.A clearer notice and a separate meaning-change note.Check that the revision does not promise same-day processing or remove the requirement for a written exception.