Qwen2.5-Math-72B-Instruct é a edição 72B ajustada para instruções da família matemática Qwen2.5-Math. O fabricante visa especificamente problemas matemáticos em inglês e chinês e descreve duas abordagens: raciocínio em cadeia de pensamento e raciocínio integrado com ferramentas. O modelo recebe uma condição matemática escrita e devolve texto com uma derivação, explicação ou solução. A sua especialização é a matemática, em vez da escrita criativa geral ou do processamento de documentos.
Capacidades matemáticas e abordagens de raciocínio
Na abordagem de raciocínio textual, a tarefa pede as definições relevantes, transformações justificadas e uma resposta final claramente separada. A ficha também descreve raciocínio integrado com ferramentas, em que o raciocínio em linguagem natural se combina com programas. O fabricante dá como exemplos encontrar as raízes de uma equação quadrática e calcular os valores próprios de uma matriz, casos em que importam o cálculo preciso e a manipulação simbólica ou algorítmica.
O raciocínio integrado com ferramentas não é o mesmo que simplesmente mostrar código numa resposta. A demonstração matemática do fabricante fornece um ambiente que executa programas, e o resultado do cálculo participa depois na solução. Um pedido autónomo de geração de texto produz texto; uma aplicação que utilize um fluxo computacional tem de fornecer a etapa de execução real. Esta distinção mantém separados o raciocínio matemático, as propostas de programas e os resultados numéricos devolvidos.
Edições Base, Instruct e de modelo de recompensa
A família inclui modelos base, modelos ajustados para instruções e um modelo de recompensa matemática separados. A edição 72B-Instruct destina-se a instruções em estilo de conversa. A edição base Qwen2.5-Math-72B é descrita como base para completamento e inferência com poucos exemplos, e como ponto de partida para ajuste adicional. O modelo de recompensa identificado separadamente tem o seu próprio papel e não deve ser tratado como o gerador normal de respostas deste modelo.
O anúncio da versão descreve um processo de treino especializado em matemática. Os modelos base utilizam material matemático sintetizado adicional, mais dados de matemática em chinês e inicialização a partir da base Qwen2.5. A etapa Instruct utiliza ajuste fino supervisionado e aprendizagem por reforço, com um modelo de recompensa específico de matemática a orientar a amostragem por rejeição e a otimização posterior. O fabricante acrescenta dados de raciocínio integrado com ferramentas e de instruções em inglês e chinês. Isto explica o foco matemático da edição; não implica que se invoque automaticamente um verificador separado em cada pedido do utilizador.
Preparar a pergunta
Mantenha o enunciado matemático completo. Defina as variáveis, as restrições de domínio e a quantidade ou proposição a estabelecer. Utilize notação consistente entre a condição original e a resposta pedida. Uma instrução útil pode pedir o método, as transformações importantes e o resultado final, com uma verificação separada face às condições originais.
O início rápido do fabricante distingue as duas abordagens através das instruções. Um pedido de raciocínio textual pede uma solução passo a passo e uma resposta final numa caixa. Um pedido integrado com ferramentas pede ao modelo que combine raciocínio em linguagem natural com programas e preserve a mesma convenção de resposta final. São fluxos matemáticos documentados, não uma promessa separada sobre as ferramentas expostas por todas as interfaces de disponibilização.
Como ilustração, a equação simples da ficha é 4x + 5 = 6x + 7. Um desenho útil da saída separa a reunião dos termos da variável, o isolamento da variável e a expressão final; o resultado matemático dessa condição ilustrativa é x = -1. A substituição dá 4(-1) + 5 = 1 e 6(-1) + 7 = 1, pelo que ambos os membros coincidem. Um pedido mais elaborado pode fornecer uma matriz, pedir uma derivação simbólica dos valores próprios e identificar o cálculo numérico a delegar no ambiente computacional.
Contexto e configuração
A versão publicada descreve pré-treino matemático com contexto de 4K. A configuração do modelo publicado define as posições máximas em 4,096, pelo que o pedido e a solução desenvolvida precisam de um plano de comprimento compacto. Não atribua a esta edição matemática o contexto muito maior anunciado para a linha geral Qwen2.5. Mantenha juntas as condições relevantes e o desenvolvimento matemático e omita material sem relação que consuma esse espaço.
A geração do início rápido da ficha utiliza uma definição de exemplo de 512 tokens. Esse valor não é apresentado como capacidade máxima de saída. Pode especificar-se o comprimento desejado da resposta para a tarefa, mas um limite separado de saída deve provir da configuração efetivamente aplicável, em vez de um exemplo ou de outra edição Qwen.
Limites substantivos e resultados úteis
O fabricante recomenda esta série para tarefas matemáticas em inglês e chinês e não recomenda tarefas gerais fora dessa especialização. Os pesos correspondem a modelos de geração de texto; uma pergunta matemática numa imagem exige a conversão dos símbolos e condições em texto através de uma etapa visual ou de OCR separada. Uma demonstração multimodal que combine modelos visuais e matemáticos não torna a própria edição matemática um modelo de entrada de imagem.
Num fluxo de explicação, forneça a tentativa de derivação do aluno e assinale a transição que precisa de explicação. Peça uma correção na notação original e uma resposta final com o nível de pormenor solicitado. Num cálculo técnico, especifique saída exata ou aproximada, unidades e arredondamento antes de escolher raciocínio textual ou um fluxo computacional. Esta preparação relaciona a especialização matemática do modelo com uma solução concreta e inspecionável.
", "aboutText": "Qwen2.5-Math-72B-Instruct é a edição 72B ajustada para instruções da família matemática Qwen2.5-Math. O fabricante visa especificamente problemas matemáticos em inglês e chinês e descreve duas abordagens: raciocínio em cadeia de pensamento e raciocínio integrado com ferramentas. O modelo recebe uma condição matemática escrita e devolve texto com uma derivação, explicação ou solução. A sua especialização é a matemática, em vez da escrita criativa geral ou do processamento de documentos.\n\nCapacidades matemáticas e abordagens de raciocínio\n\nNa abordagem de raciocínio textual, a tarefa pede as definições relevantes, transformações justificadas e uma resposta final claramente separada. A ficha também descreve raciocínio integrado com ferramentas, em que o raciocínio em linguagem natural se combina com programas. O fabricante dá como exemplos encontrar as raízes de uma equação quadrática e calcular os valores próprios de uma matriz, casos em que importam o cálculo preciso e a manipulação simbólica ou algorítmica.\n\nO raciocínio integrado com ferramentas não é o mesmo que simplesmente mostrar código numa resposta. A demonstração matemática do fabricante fornece um ambiente que executa programas, e o resultado do cálculo participa depois na solução. Um pedido autónomo de geração de texto produz texto; uma aplicação que utilize um fluxo computacional tem de fornecer a etapa de execução real. Esta distinção mantém separados o raciocínio matemático, as propostas de programas e os resultados numéricos devolvidos.\n\nEdições Base, Instruct e de modelo de recompensa\n\nA família inclui modelos base, modelos ajustados para instruções e um modelo de recompensa matemática separados. A edição 72B-Instruct destina-se a instruções em estilo de conversa. A edição base Qwen2.5-Math-72B é descrita como base para completamento e inferência com poucos exemplos, e como ponto de partida para ajuste adicional. O modelo de recompensa identificado separadamente tem o seu próprio papel e não deve ser tratado como o gerador normal de respostas deste modelo.\n\nO anúncio da versão descreve um processo de treino especializado em matemática. Os modelos base utilizam material matemático sintetizado adicional, mais dados de matemática em chinês e inicialização a partir da base Qwen2.5. A etapa Instruct utiliza ajuste fino supervisionado e aprendizagem por reforço, com um modelo de recompensa específico de matemática a orientar a amostragem por rejeição e a otimização posterior. O fabricante acrescenta dados de raciocínio integrado com ferramentas e de instruções em inglês e chinês. Isto explica o foco matemático da edição; não implica que se invoque automaticamente um verificador separado em cada pedido do utilizador.\n\nPreparar a pergunta\n\nMantenha o enunciado matemático completo. Defina as variáveis, as restrições de domínio e a quantidade ou proposição a estabelecer. Utilize notação consistente entre a condição original e a resposta pedida. Uma instrução útil pode pedir o método, as transformações importantes e o resultado final, com uma verificação separada face às condições originais.\n\nO início rápido do fabricante distingue as duas abordagens através das instruções. Um pedido de raciocínio textual pede uma solução passo a passo e uma resposta final numa caixa. Um pedido integrado com ferramentas pede ao modelo que combine raciocínio em linguagem natural com programas e preserve a mesma convenção de resposta final. São fluxos matemáticos documentados, não uma promessa separada sobre as ferramentas expostas por todas as interfaces de disponibilização.\n\nComo ilustração, a equação simples da ficha é 4x + 5 = 6x + 7. Um desenho útil da saída separa a reunião dos termos da variável, o isolamento da variável e a expressão final; o resultado matemático dessa condição ilustrativa é x = -1. A substituição dá 4(-1) + 5 = 1 e 6(-1) + 7 = 1, pelo que ambos os membros coincidem. Um pedido mais elaborado pode fornecer uma matriz, pedir uma derivação simbólica dos valores próprios e identificar o cálculo numérico a delegar no ambiente computacional.\n\nContexto e configuração\n\nA versão publicada descreve pré-treino matemático com contexto de 4K. A configuração do modelo publicado define as posições máximas em 4,096, pelo que o pedido e a solução desenvolvida precisam de um plano de comprimento compacto. Não atribua a esta edição matemática o contexto muito maior anunciado para a linha geral Qwen2.5. Mantenha juntas as condições relevantes e o desenvolvimento matemático e omita material sem relação que consuma esse espaço.\n\nA geração do início rápido da ficha utiliza uma definição de exemplo de 512 tokens. Esse valor não é apresentado como capacidade máxima de saída. Pode especificar-se o comprimento desejado da resposta para a tarefa, mas um limite separado de saída deve provir da configuração efetivamente aplicável, em vez de um exemplo ou de outra edição Qwen.\n\nLimites substantivos e resultados úteis\n\nO fabricante recomenda esta série para tarefas matemáticas em inglês e chinês e não recomenda tarefas gerais fora dessa especialização. Os pesos correspondem a modelos de geração de texto; uma pergunta matemática numa imagem exige a conversão dos símbolos e condições em texto através de uma etapa visual ou de OCR separada. Uma demonstração multimodal que combine modelos visuais e matemáticos não torna a própria edição matemática um modelo de entrada de imagem.\n\nNum fluxo de explicação, forneça a tentativa de derivação do aluno e assinale a transição que precisa de explicação. Peça uma correção na notação original e uma resposta final com o nível de pormenor solicitado. Num cálculo técnico, especifique saída exata ou aproximada, unidades e arredondamento antes de escolher raciocínio textual ou um fluxo computacional. Esta preparação relaciona a especialização matemática do modelo com uma solução concreta e inspecionável.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct é um modelo de instruções matemáticas para problemas em inglês e chinês. Suporta raciocínio textual desenvolvido e fluxos matemáticos integrados com ferramentas, com uma configuração de versão distinta de 4K, em vez das especificações gerais de contexto longo Qwen2.5.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen2.5-Math-72B-Instruct é a edição 72B ajustada para instruções da família matemática Qwen2.5-Math. O fabricante visa especificamente problemas matemáticos em inglês e chinês e descreve duas abordagens: raciocínio em cadeia de pensamento e raciocínio integrado com ferramentas. O modelo recebe uma condição matemática escrita e devolve texto com uma derivação, explicação ou solução. A sua especialização é a matemática, em vez da escrita criativa geral ou do processamento de documentos.
Capacidades matemáticas e abordagens de raciocínio
Na abordagem de raciocínio textual, a tarefa pede as definições relevantes, transformações justificadas e uma resposta final claramente separada. A ficha também descreve raciocínio integrado com ferramentas, em que o raciocínio em linguagem natural se combina com programas. O fabricante dá como exemplos encontrar as raízes de uma equação quadrática e calcular os valores próprios de uma matriz, casos em que importam o cálculo preciso e a manipulação simbólica ou algorítmica.
O raciocínio integrado com ferramentas não é o mesmo que simplesmente mostrar código numa resposta. A demonstração matemática do fabricante fornece um ambiente que executa programas, e o resultado do cálculo participa depois na solução. Um pedido autónomo de geração de texto produz texto; uma aplicação que utilize um fluxo computacional tem de fornecer a etapa de execução real. Esta distinção mantém separados o raciocínio matemático, as propostas de programas e os resultados numéricos devolvidos.
Edições Base, Instruct e de modelo de recompensa
A família inclui modelos base, modelos ajustados para instruções e um modelo de recompensa matemática separados. A edição 72B-Instruct destina-se a instruções em estilo de conversa. A edição base Qwen2.5-Math-72B é descrita como base para completamento e inferência com poucos exemplos, e como ponto de partida para ajuste adicional. O modelo de recompensa identificado separadamente tem o seu próprio papel e não deve ser tratado como o gerador normal de respostas deste modelo.
O anúncio da versão descreve um processo de treino especializado em matemática. Os modelos base utilizam material matemático sintetizado adicional, mais dados de matemática em chinês e inicialização a partir da base Qwen2.5. A etapa Instruct utiliza ajuste fino supervisionado e aprendizagem por reforço, com um modelo de recompensa específico de matemática a orientar a amostragem por rejeição e a otimização posterior. O fabricante acrescenta dados de raciocínio integrado com ferramentas e de instruções em inglês e chinês. Isto explica o foco matemático da edição; não implica que se invoque automaticamente um verificador separado em cada pedido do utilizador.
Preparar a pergunta
Mantenha o enunciado matemático completo. Defina as variáveis, as restrições de domínio e a quantidade ou proposição a estabelecer. Utilize notação consistente entre a condição original e a resposta pedida. Uma instrução útil pode pedir o método, as transformações importantes e o resultado final, com uma verificação separada face às condições originais.
O início rápido do fabricante distingue as duas abordagens através das instruções. Um pedido de raciocínio textual pede uma solução passo a passo e uma resposta final numa caixa. Um pedido integrado com ferramentas pede ao modelo que combine raciocínio em linguagem natural com programas e preserve a mesma convenção de resposta final. São fluxos matemáticos documentados, não uma promessa separada sobre as ferramentas expostas por todas as interfaces de disponibilização.
Como ilustração, a equação simples da ficha é 4x + 5 = 6x + 7. Um desenho útil da saída separa a reunião dos termos da variável, o isolamento da variável e a expressão final; o resultado matemático dessa condição ilustrativa é x = -1. A substituição dá 4(-1) + 5 = 1 e 6(-1) + 7 = 1, pelo que ambos os membros coincidem. Um pedido mais elaborado pode fornecer uma matriz, pedir uma derivação simbólica dos valores próprios e identificar o cálculo numérico a delegar no ambiente computacional.
Contexto e configuração
A versão publicada descreve pré-treino matemático com contexto de 4K. A configuração do modelo publicado define as posições máximas em 4,096, pelo que o pedido e a solução desenvolvida precisam de um plano de comprimento compacto. Não atribua a esta edição matemática o contexto muito maior anunciado para a linha geral Qwen2.5. Mantenha juntas as condições relevantes e o desenvolvimento matemático e omita material sem relação que consuma esse espaço.
A geração do início rápido da ficha utiliza uma definição de exemplo de 512 tokens. Esse valor não é apresentado como capacidade máxima de saída. Pode especificar-se o comprimento desejado da resposta para a tarefa, mas um limite separado de saída deve provir da configuração efetivamente aplicável, em vez de um exemplo ou de outra edição Qwen.
Limites substantivos e resultados úteis
O fabricante recomenda esta série para tarefas matemáticas em inglês e chinês e não recomenda tarefas gerais fora dessa especialização. Os pesos correspondem a modelos de geração de texto; uma pergunta matemática numa imagem exige a conversão dos símbolos e condições em texto através de uma etapa visual ou de OCR separada. Uma demonstração multimodal que combine modelos visuais e matemáticos não torna a própria edição matemática um modelo de entrada de imagem.
Num fluxo de explicação, forneça a tentativa de derivação do aluno e assinale a transição que precisa de explicação. Peça uma correção na notação original e uma resposta final com o nível de pormenor solicitado. Num cálculo técnico, especifique saída exata ou aproximada, unidades e arredondamento antes de escolher raciocínio textual ou um fluxo computacional. Esta preparação relaciona a especialização matemática do modelo com uma solução concreta e inspecionável.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen2.5-math-72b-instruct | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001144 / 1K tokens Saída · Tokens de saída $0.00344 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-math-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='qwen2.5-math-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='qwen2.5-math-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qwen2.5-math-72b-instruct
Use os caminhos dos métodos indicados acima.
qwen2.5-math-72b-instructQwen2.5-Math-72B-Instruct é um modelo de instruções matemáticas para problemas em inglês e chinês. Suporta raciocínio textual desenvolvido e fluxos matemáticos integrados com ferramentas, com uma configuração de versão distinta de 4K, em vez das especificações gerais de contexto longo Qwen2.5.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Qwen2.5-Math-72B-Instruct é a edição 72B ajustada para instruções da família matemática Qwen2.5-Math. O fabricante visa especificamente problemas matemáticos em inglês e chinês e descreve duas abordagens: raciocínio em cadeia de pensamento e raciocínio integrado com ferramentas. O modelo recebe uma condição matemática escrita e devolve texto com uma derivação, explicação ou solução. A sua especialização é a matemática, em vez da escrita criativa geral ou do processamento de documentos.
Capacidades matemáticas e abordagens de raciocínio
Na abordagem de raciocínio textual, a tarefa pede as definições relevantes, transformações justificadas e uma resposta final claramente separada. A ficha também descreve raciocínio integrado com ferramentas, em que o raciocínio em linguagem natural se combina com programas. O fabricante dá como exemplos encontrar as raízes de uma equação quadrática e calcular os valores próprios de uma matriz, casos em que importam o cálculo preciso e a manipulação simbólica ou algorítmica.
O raciocínio integrado com ferramentas não é o mesmo que simplesmente mostrar código numa resposta. A demonstração matemática do fabricante fornece um ambiente que executa programas, e o resultado do cálculo participa depois na solução. Um pedido autónomo de geração de texto produz texto; uma aplicação que utilize um fluxo computacional tem de fornecer a etapa de execução real. Esta distinção mantém separados o raciocínio matemático, as propostas de programas e os resultados numéricos devolvidos.
Edições Base, Instruct e de modelo de recompensa
A família inclui modelos base, modelos ajustados para instruções e um modelo de recompensa matemática separados. A edição 72B-Instruct destina-se a instruções em estilo de conversa. A edição base Qwen2.5-Math-72B é descrita como base para completamento e inferência com poucos exemplos, e como ponto de partida para ajuste adicional. O modelo de recompensa identificado separadamente tem o seu próprio papel e não deve ser tratado como o gerador normal de respostas deste modelo.
O anúncio da versão descreve um processo de treino especializado em matemática. Os modelos base utilizam material matemático sintetizado adicional, mais dados de matemática em chinês e inicialização a partir da base Qwen2.5. A etapa Instruct utiliza ajuste fino supervisionado e aprendizagem por reforço, com um modelo de recompensa específico de matemática a orientar a amostragem por rejeição e a otimização posterior. O fabricante acrescenta dados de raciocínio integrado com ferramentas e de instruções em inglês e chinês. Isto explica o foco matemático da edição; não implica que se invoque automaticamente um verificador separado em cada pedido do utilizador.
Preparar a pergunta
Mantenha o enunciado matemático completo. Defina as variáveis, as restrições de domínio e a quantidade ou proposição a estabelecer. Utilize notação consistente entre a condição original e a resposta pedida. Uma instrução útil pode pedir o método, as transformações importantes e o resultado final, com uma verificação separada face às condições originais.
O início rápido do fabricante distingue as duas abordagens através das instruções. Um pedido de raciocínio textual pede uma solução passo a passo e uma resposta final numa caixa. Um pedido integrado com ferramentas pede ao modelo que combine raciocínio em linguagem natural com programas e preserve a mesma convenção de resposta final. São fluxos matemáticos documentados, não uma promessa separada sobre as ferramentas expostas por todas as interfaces de disponibilização.
Como ilustração, a equação simples da ficha é 4x + 5 = 6x + 7. Um desenho útil da saída separa a reunião dos termos da variável, o isolamento da variável e a expressão final; o resultado matemático dessa condição ilustrativa é x = -1. A substituição dá 4(-1) + 5 = 1 e 6(-1) + 7 = 1, pelo que ambos os membros coincidem. Um pedido mais elaborado pode fornecer uma matriz, pedir uma derivação simbólica dos valores próprios e identificar o cálculo numérico a delegar no ambiente computacional.
Contexto e configuração
A versão publicada descreve pré-treino matemático com contexto de 4K. A configuração do modelo publicado define as posições máximas em 4,096, pelo que o pedido e a solução desenvolvida precisam de um plano de comprimento compacto. Não atribua a esta edição matemática o contexto muito maior anunciado para a linha geral Qwen2.5. Mantenha juntas as condições relevantes e o desenvolvimento matemático e omita material sem relação que consuma esse espaço.
A geração do início rápido da ficha utiliza uma definição de exemplo de 512 tokens. Esse valor não é apresentado como capacidade máxima de saída. Pode especificar-se o comprimento desejado da resposta para a tarefa, mas um limite separado de saída deve provir da configuração efetivamente aplicável, em vez de um exemplo ou de outra edição Qwen.
Limites substantivos e resultados úteis
O fabricante recomenda esta série para tarefas matemáticas em inglês e chinês e não recomenda tarefas gerais fora dessa especialização. Os pesos correspondem a modelos de geração de texto; uma pergunta matemática numa imagem exige a conversão dos símbolos e condições em texto através de uma etapa visual ou de OCR separada. Uma demonstração multimodal que combine modelos visuais e matemáticos não torna a própria edição matemática um modelo de entrada de imagem.
Num fluxo de explicação, forneça a tentativa de derivação do aluno e assinale a transição que precisa de explicação. Peça uma correção na notação original e uma resposta final com o nível de pormenor solicitado. Num cálculo técnico, especifique saída exata ou aproximada, unidades e arredondamento antes de escolher raciocínio textual ou um fluxo computacional. Esta preparação relaciona a especialização matemática do modelo com uma solução concreta e inspecionável.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites qwen2.5-math-72b-instruct | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.001144 / 1K tokens Saída · Tokens de saída $0.00344 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "qwen2.5-math-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-math-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': 'qwen2.5-math-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra qwen2.5-math-72b-instruct
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Solve a quadratic with a domain check\n\nSolve x squared minus 5x plus 6 = 0 over the real numbers, then apply the additional condition x greater than 2. Show the factorisation, list the equation's roots, and clearly separate the root that remains after the condition. Check the accepted value by substitution and put the final admissible set in boxed mathematical notation.A compact factorisation-based derivation, substitution check and boxed admissible solution set.Both equation roots are considered before the strict inequality excludes the boundary value 2.