Qwen2.5-Coder-32B-Instruct to wydanie 32B serii Qwen2.5-Coder dostrojone do instrukcji. Producent rozwija tę serię do generowania kodu, rozumowania o kodzie i poprawiania kodu, zachowując możliwości matematyczne i ogólnojęzykowe. Opublikowana liczba parametrów tego wydania wynosi 32,5 miliarda. Format konwersacyjny pozwala łączyć w zadaniu instrukcje, kod źródłowy i wynik oczekiwany po następnej zmianie.
Zacznij od interfejsu, który kod musi implementować, typów wejścia i wyjścia oraz kilku reprezentatywnych przykładów. Podaj język i właściwe konwencje projektu. Poproś o implementację i testy sprawdzające nazwane przypadki. Jeśli istniejąca funkcja pomocnicza już definiuje zachowanie, dołącz ją, aby propozycja mogła odpowiadać projektowi zamiast tworzyć równoległy wzorzec.
Dla małej funkcji produktu dostarcz zmieniany moduł i wyjaśnij miejsce wyniku w aplikacji. Poproś o konkretną zmianę z wyraźnie wskazanymi nowymi założeniami. Model zwraca kod i wyjaśnienia; kompilacja, wykonanie i integracja odbywają się w środowisku programistycznym.
Polecenie debugowania powinno zawierać dokładny błąd, wejście, które go wywołuje, i zachowanie oczekiwane zamiast niego. Poproś model o powiązanie awarii z konkretną częścią dostarczonego kodu przed zaproponowaniem poprawki. Przydatne pytanie uzupełniające prosi o jeden test, który nie przechodzi przy pierwotnym zachowaniu, a przechodzi po proponowanej zmianie.
W przeglądzie zdefiniuj pytanie: obsługa pustego wejścia, kolejność, zwalnianie zasobów lub znaczenie zwróconej wartości. Poproś o odpowiednie miejsce w kodzie i przykład pokazujący problem. Zachowaj powiązanie zaleceń z plikami, które model może zbadać, a następnie zweryfikuj każdą proponowaną zmianę w projekcie.
Karta modelu opisuje pełną długość kontekstu 131 072 tokenów, podczas gdy opublikowana konfiguracja bazowa jest ustawiona na 32 768. Przepis producenta dla długiego tekstu włącza skalowanie YaRN dla wejść wykraczających poza tę konfigurację bazową. Jest to szczegół konfiguracji usługi, więc żądanie do modelu hostowanego należy planować według kontekstu dostępnego w faktycznym punkcie końcowym.
Producent zaznacza też, że statyczne skalowanie YaRN może wpływać na wydajność przy krótszych tekstach, i zaleca włączać je, gdy potrzebny jest długi kontekst. Przy zwykłym pytaniu o kod najpierw wyślij odpowiednie interfejsy i fragmenty. Przy zadaniu obejmującym wiele plików wskaż punkt wejścia, zależności i warunki akceptacji, pozostawiając miejsce na żądaną implementację i wyjaśnienie.
", "aboutText": "Qwen2.5-Coder-32B-Instruct to wydanie 32B serii Qwen2.5-Coder dostrojone do instrukcji. Producent rozwija tę serię do generowania kodu, rozumowania o kodzie i poprawiania kodu, zachowując możliwości matematyczne i ogólnojęzykowe. Opublikowana liczba parametrów tego wydania wynosi 32,5 miliarda. Format konwersacyjny pozwala łączyć w zadaniu instrukcje, kod źródłowy i wynik oczekiwany po następnej zmianie.\n\n### Generuj kod zgodnie z jasnym kontraktem\n\nZacznij od interfejsu, który kod musi implementować, typów wejścia i wyjścia oraz kilku reprezentatywnych przykładów. Podaj język i właściwe konwencje projektu. Poproś o implementację i testy sprawdzające nazwane przypadki. Jeśli istniejąca funkcja pomocnicza już definiuje zachowanie, dołącz ją, aby propozycja mogła odpowiadać projektowi zamiast tworzyć równoległy wzorzec.\n\nDla małej funkcji produktu dostarcz zmieniany moduł i wyjaśnij miejsce wyniku w aplikacji. Poproś o konkretną zmianę z wyraźnie wskazanymi nowymi założeniami. Model zwraca kod i wyjaśnienia; kompilacja, wykonanie i integracja odbywają się w środowisku programistycznym.\n\n### Wyjaśnij lub popraw istniejącą implementację\n\nPolecenie debugowania powinno zawierać dokładny błąd, wejście, które go wywołuje, i zachowanie oczekiwane zamiast niego. Poproś model o powiązanie awarii z konkretną częścią dostarczonego kodu przed zaproponowaniem poprawki. Przydatne pytanie uzupełniające prosi o jeden test, który nie przechodzi przy pierwotnym zachowaniu, a przechodzi po proponowanej zmianie.\n\nW przeglądzie zdefiniuj pytanie: obsługa pustego wejścia, kolejność, zwalnianie zasobów lub znaczenie zwróconej wartości. Poproś o odpowiednie miejsce w kodzie i przykład pokazujący problem. Zachowaj powiązanie zaleceń z plikami, które model może zbadać, a następnie zweryfikuj każdą proponowaną zmianę w projekcie.\n\n### Używaj długiego kontekstu świadomie\n\nKarta modelu opisuje pełną długość kontekstu 131 072 tokenów, podczas gdy opublikowana konfiguracja bazowa jest ustawiona na 32 768. Przepis producenta dla długiego tekstu włącza skalowanie YaRN dla wejść wykraczających poza tę konfigurację bazową. Jest to szczegół konfiguracji usługi, więc żądanie do modelu hostowanego należy planować według kontekstu dostępnego w faktycznym punkcie końcowym.\n\nProducent zaznacza też, że statyczne skalowanie YaRN może wpływać na wydajność przy krótszych tekstach, i zaleca włączać je, gdy potrzebny jest długi kontekst. Przy zwykłym pytaniu o kod najpierw wyślij odpowiednie interfejsy i fragmenty. Przy zadaniu obejmującym wiele plików wskaż punkt wejścia, zależności i warunki akceptacji, pozostawiając miejsce na żądaną implementację i wyjaśnienie.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Fix a range endpoint\n\nImplement Python inclusive_range(start, end) returning a list of all integers from start through end, inclusive; return an empty list when start > end. The draft uses list(range(start, end)) and omits the end value. Return the corrected function and assertions for equal endpoints, a two-number range and reversed endpoints.A Python implementation and three assertions covering the specified endpoint conditions.Equal endpoints must return one integer, and a reversed range must stay empty.qwen/qwen-2.5-coder-32b-instructQwen2.5-Coder-32B-Instruct to model programistyczny dostrojony do instrukcji, do generowania, wyjaśniania i poprawiania kodu. Podaj odpowiednie pliki, oczekiwane zachowanie i dowody z testów, aby uzyskać konkretną implementację lub poprawkę; zachowanie długiego kontekstu zależy od konfiguracji usługi.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen2.5-Coder-32B-Instruct to wydanie 32B serii Qwen2.5-Coder dostrojone do instrukcji. Producent rozwija tę serię do generowania kodu, rozumowania o kodzie i poprawiania kodu, zachowując możliwości matematyczne i ogólnojęzykowe. Opublikowana liczba parametrów tego wydania wynosi 32,5 miliarda. Format konwersacyjny pozwala łączyć w zadaniu instrukcje, kod źródłowy i wynik oczekiwany po następnej zmianie.
Zacznij od interfejsu, który kod musi implementować, typów wejścia i wyjścia oraz kilku reprezentatywnych przykładów. Podaj język i właściwe konwencje projektu. Poproś o implementację i testy sprawdzające nazwane przypadki. Jeśli istniejąca funkcja pomocnicza już definiuje zachowanie, dołącz ją, aby propozycja mogła odpowiadać projektowi zamiast tworzyć równoległy wzorzec.
Dla małej funkcji produktu dostarcz zmieniany moduł i wyjaśnij miejsce wyniku w aplikacji. Poproś o konkretną zmianę z wyraźnie wskazanymi nowymi założeniami. Model zwraca kod i wyjaśnienia; kompilacja, wykonanie i integracja odbywają się w środowisku programistycznym.
Polecenie debugowania powinno zawierać dokładny błąd, wejście, które go wywołuje, i zachowanie oczekiwane zamiast niego. Poproś model o powiązanie awarii z konkretną częścią dostarczonego kodu przed zaproponowaniem poprawki. Przydatne pytanie uzupełniające prosi o jeden test, który nie przechodzi przy pierwotnym zachowaniu, a przechodzi po proponowanej zmianie.
W przeglądzie zdefiniuj pytanie: obsługa pustego wejścia, kolejność, zwalnianie zasobów lub znaczenie zwróconej wartości. Poproś o odpowiednie miejsce w kodzie i przykład pokazujący problem. Zachowaj powiązanie zaleceń z plikami, które model może zbadać, a następnie zweryfikuj każdą proponowaną zmianę w projekcie.
Karta modelu opisuje pełną długość kontekstu 131 072 tokenów, podczas gdy opublikowana konfiguracja bazowa jest ustawiona na 32 768. Przepis producenta dla długiego tekstu włącza skalowanie YaRN dla wejść wykraczających poza tę konfigurację bazową. Jest to szczegół konfiguracji usługi, więc żądanie do modelu hostowanego należy planować według kontekstu dostępnego w faktycznym punkcie końcowym.
Producent zaznacza też, że statyczne skalowanie YaRN może wpływać na wydajność przy krótszych tekstach, i zaleca włączać je, gdy potrzebny jest długi kontekst. Przy zwykłym pytaniu o kod najpierw wyślij odpowiednie interfejsy i fragmenty. Przy zadaniu obejmującym wiele plików wskaż punkt wejścia, zależności i warunki akceptacji, pozostawiając miejsce na żądaną implementację i wyjaśnienie.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen/qwen-2.5-coder-32b-instruct | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00132 / 1K tokenów Wyjście · Tokeny wyjściowe $0.002 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00132 / 1K tokenów Wyjście · Tokeny wyjściowe $0.002 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen-2.5-coder-32b-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='qwen/qwen-2.5-coder-32b-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='qwen/qwen-2.5-coder-32b-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qwen/qwen-2.5-coder-32b-instruct
Użyj ścieżek metod podanych powyżej.
qwen/qwen-2.5-coder-32b-instructQwen2.5-Coder-32B-Instruct to model programistyczny dostrojony do instrukcji, do generowania, wyjaśniania i poprawiania kodu. Podaj odpowiednie pliki, oczekiwane zachowanie i dowody z testów, aby uzyskać konkretną implementację lub poprawkę; zachowanie długiego kontekstu zależy od konfiguracji usługi.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Qwen2.5-Coder-32B-Instruct to wydanie 32B serii Qwen2.5-Coder dostrojone do instrukcji. Producent rozwija tę serię do generowania kodu, rozumowania o kodzie i poprawiania kodu, zachowując możliwości matematyczne i ogólnojęzykowe. Opublikowana liczba parametrów tego wydania wynosi 32,5 miliarda. Format konwersacyjny pozwala łączyć w zadaniu instrukcje, kod źródłowy i wynik oczekiwany po następnej zmianie.
Zacznij od interfejsu, który kod musi implementować, typów wejścia i wyjścia oraz kilku reprezentatywnych przykładów. Podaj język i właściwe konwencje projektu. Poproś o implementację i testy sprawdzające nazwane przypadki. Jeśli istniejąca funkcja pomocnicza już definiuje zachowanie, dołącz ją, aby propozycja mogła odpowiadać projektowi zamiast tworzyć równoległy wzorzec.
Dla małej funkcji produktu dostarcz zmieniany moduł i wyjaśnij miejsce wyniku w aplikacji. Poproś o konkretną zmianę z wyraźnie wskazanymi nowymi założeniami. Model zwraca kod i wyjaśnienia; kompilacja, wykonanie i integracja odbywają się w środowisku programistycznym.
Polecenie debugowania powinno zawierać dokładny błąd, wejście, które go wywołuje, i zachowanie oczekiwane zamiast niego. Poproś model o powiązanie awarii z konkretną częścią dostarczonego kodu przed zaproponowaniem poprawki. Przydatne pytanie uzupełniające prosi o jeden test, który nie przechodzi przy pierwotnym zachowaniu, a przechodzi po proponowanej zmianie.
W przeglądzie zdefiniuj pytanie: obsługa pustego wejścia, kolejność, zwalnianie zasobów lub znaczenie zwróconej wartości. Poproś o odpowiednie miejsce w kodzie i przykład pokazujący problem. Zachowaj powiązanie zaleceń z plikami, które model może zbadać, a następnie zweryfikuj każdą proponowaną zmianę w projekcie.
Karta modelu opisuje pełną długość kontekstu 131 072 tokenów, podczas gdy opublikowana konfiguracja bazowa jest ustawiona na 32 768. Przepis producenta dla długiego tekstu włącza skalowanie YaRN dla wejść wykraczających poza tę konfigurację bazową. Jest to szczegół konfiguracji usługi, więc żądanie do modelu hostowanego należy planować według kontekstu dostępnego w faktycznym punkcie końcowym.
Producent zaznacza też, że statyczne skalowanie YaRN może wpływać na wydajność przy krótszych tekstach, i zaleca włączać je, gdy potrzebny jest długi kontekst. Przy zwykłym pytaniu o kod najpierw wyślij odpowiednie interfejsy i fragmenty. Przy zadaniu obejmującym wiele plików wskaż punkt wejścia, zależności i warunki akceptacji, pozostawiając miejsce na żądaną implementację i wyjaśnienie.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity qwen/qwen-2.5-coder-32b-instruct | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00132 / 1K tokenów Wyjście · Tokeny wyjściowe $0.002 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.00132 / 1K tokenów Wyjście · Tokeny wyjściowe $0.002 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "qwen/qwen-2.5-coder-32b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen/qwen-2.5-coder-32b-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': 'qwen/qwen-2.5-coder-32b-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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra qwen/qwen-2.5-coder-32b-instruct
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Fix a range endpoint\n\nImplement Python inclusive_range(start, end) returning a list of all integers from start through end, inclusive; return an empty list when start > end. The draft uses list(range(start, end)) and omits the end value. Return the corrected function and assertions for equal endpoints, a two-number range and reversed endpoints.A Python implementation and three assertions covering the specified endpoint conditions.Equal endpoints must return one integer, and a reversed range must stay empty.