Qwen2.5-14B-Instruct je vydanie všeobecnej rodiny Qwen2.5 veľkosti 14B doladené na pokyny. Prijíma textovú konverzáciu a vracia text: vysvetlenie, dokument, programový kód alebo štruktúrované polia. Výrobca zdôrazňuje dodržiavanie pokynov, programovanie, matematiku, porozumenie štruktúrovaným údajom, ako sú tabuľky, a generovanie štruktúrovaných odpovedí, najmä JSON.
Zlepšenia rodiny
Výrobca opisuje širšie znalosti a silnejšie programátorské a matematické schopnosti než pri predchádzajúcej generácii Qwen2, spolu s generovaním dlhých odpovedí a lepším spracovaním rôznych systémových pokynov. Rodina používa predtrénovací korpus opísaný ako dosahujúci 18 biliónov tokenov. Tieto schopnosti podporujú asistenta pre konkrétnu oblasť, ktorého rolu a výstup definuje úloha. Tento model zostáva všeobecným vydaním Instruct; samostatne pomenované rady Qwen2.5-Coder a Qwen2.5-Math majú vlastné špecializácie.
Procesný asistent môže dostať postup a otázku k jednej fáze. Definujte rolu čitateľa, vyžiadajte akcie relevantné pre danú fázu a požadujte zachovanie pôvodných podmienok postupu. Užitočný výstup môže oddeliť ďalšiu akciu, podmienku, ktorá ju robí použiteľnou, a informácie, ktoré ešte treba doplniť. To mení širokú žiadosť o radu na odpoveď naviazanú na dodaný proces.
Pri vysvetľovaní kódu dodajte funkciu, definície príslušných pomocných funkcií a vstup, ktorý spôsobuje nejasnosť. Vyžiadajte sled operácií a hodnotu vrátenú pre daný vstup. Pri matematickom vysvetlení uveďte symboly, predpoklady a cieľový výraz pred žiadosťou o odvodenie. Obe úlohy používajú text; vykonanie programu alebo sprístupnenie samostatného numerického nástroja je práca aplikácie okolo modelu.
Tabuľky a JSON
Pri otázke k tabuľke zachovajte hlavičky stĺpcov a jednotky, pomenujte relevantné riadky a špecifikujte porovnanie. Požadovaný výstup môže uviesť identifikátory zodpovedajúcich riadkov a vysvetliť, ktorú dodanú podmienku každý riadok spĺňa. Ak tabuľke chýbajú hodnoty, uveďte, či ich má odpoveď nechať neprítomné alebo explicitne reprezentovať.
Pri štruktúrovanej extrakcii ukážte názvy polí a požadované typy. Vstup, ako je identifikátor položky, množstvo zásob a označenie skladu, možno previesť na záznam s rovnakými poľami. Keď ho má aplikácia parsovať, vyžiadajte iba záznam; keď používateľ potrebuje posúdiť interpretáciu zdroja, vyžiadajte samostatné prozaické vysvetlenie. Dokumentovaná schopnosť modelu generovať JSON sa líši od vynucovania schémy konkrétnym rozhraním.
Viacjazyčná konverzácia je podporovaná vo viac ako 29 jazykoch vrátane angličtiny, čínštiny, ruštiny, nemčiny, francúzštiny, španielčiny, portugalčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Nastavte konečný jazyk a poskytnite terminológiu, ktorá musí zostať nezmenená. Pri preloženom technickom vysvetlení žiadajte zachovanie názvov premenných, citovaných označení a jednotiek pri prispôsobení okolitého textu čitateľovi.
Konkrétne vydanie 14B
Karta uvádza 14,7 miliardy parametrov vrátane 13,1 miliardy parametrov mimo embeddingov a 48 vrstiev Transformer. Architektúra používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias so 40 dopytovými hlavami a 8 hlavami kľúčov/hodnôt v pozornosti so zoskupenými dopytmi. Predtrénovanie a následné trénovanie vytvárajú toto vydanie Instruct. Počet parametrov a vrstiev sa líši od vydania 32B aj tam, kde sa schopnosti rodiny a publikované údaje o kontexte zhodujú.
Karta modelu uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Prvý údaj sa týka konverzácie a materiálu uchovaného pre úlohu; druhý generovanej odpovede. Nastavenie generovania 512 tokenov v rýchlom úvode je len príklad a nenahrádza kapacitu odpovede uvedenú v karte. Porozumenie obrázkom, videu a zvuku patrí samostatne pomenovaným multimodálnym vydaniam, nie tomuto textovému modelu.
Vstupný formát a úlohy s podporou nástrojov
Príklad výrobcu aplikuje zodpovedajúcu chatovú šablónu na samostatné systémové a používateľské správy. Rolu asistenta a pravidlá odpovede definujte oddelene od skúmaného materiálu. Dodajte úplnú otázku a označte zdrojový text, aby sa pokyn citovaný v zdroji nezamieňal s úlohou zadanou aplikáciou.
Oficiálne oznámenie Qwen2.5 opisuje aj šablóny volania nástrojov a kompatibilné integrácie. Úloha s podporou nástrojov vyžaduje, aby okolitá aplikácia dodala opisy funkcií, vykonala vybranú operáciu a poskytla jej výsledok pre ďalšiu odpoveď. Napríklad konverzácia môže žiadať výpočet pomocou dodaného výpočtového nástroja; výsledok funkcie sa potom stane informáciou, ktorú model môže vysvetliť. Dostupnosť nástroja a vykonanie pochádzajú z integrácie, zatiaľ čo toto vydanie poskytuje textové konverzačné správanie.
Konfigurácia dlhého textu
Publikovaná konfigurácia na začiatku pokrýva 32 768 tokenov. Dokumentované rozšírenie pre dlhšie vstupy používa YaRN s ukážkovým faktorom škálovania 4,0 a pôvodným nastavením maximálnych pozícií 32 768. Statické škálovanie môže ovplyvniť správanie kratšieho textu, preto výrobca odporúča jeho pridanie, keď je potrebný dlhý kontext.
Pri príprave dlhého zdroja určte sekciu na revíziu alebo otázku na zodpovedanie a udržujte podporné časti spolu. Jasná požiadavka môže žiadať opravenú pasáž, tabuľku zmien a pôvodné odkazy na sekcie. Tak sa rozšírený kontext využije na konkrétny artefakt, pričom odpoveď zostáva v samostatnom limite generovania.
", "aboutText": "Qwen2.5-14B-Instruct je vydanie všeobecnej rodiny Qwen2.5 veľkosti 14B doladené na pokyny. Prijíma textovú konverzáciu a vracia text: vysvetlenie, dokument, programový kód alebo štruktúrované polia. Výrobca zdôrazňuje dodržiavanie pokynov, programovanie, matematiku, porozumenie štruktúrovaným údajom, ako sú tabuľky, a generovanie štruktúrovaných odpovedí, najmä JSON.\n\nZlepšenia rodiny\n\nVýrobca opisuje širšie znalosti a silnejšie programátorské a matematické schopnosti než pri predchádzajúcej generácii Qwen2, spolu s generovaním dlhých odpovedí a lepším spracovaním rôznych systémových pokynov. Rodina používa predtrénovací korpus opísaný ako dosahujúci 18 biliónov tokenov. Tieto schopnosti podporujú asistenta pre konkrétnu oblasť, ktorého rolu a výstup definuje úloha. Tento model zostáva všeobecným vydaním Instruct; samostatne pomenované rady Qwen2.5-Coder a Qwen2.5-Math majú vlastné špecializácie.\n\nProcesný asistent môže dostať postup a otázku k jednej fáze. Definujte rolu čitateľa, vyžiadajte akcie relevantné pre danú fázu a požadujte zachovanie pôvodných podmienok postupu. Užitočný výstup môže oddeliť ďalšiu akciu, podmienku, ktorá ju robí použiteľnou, a informácie, ktoré ešte treba doplniť. To mení širokú žiadosť o radu na odpoveď naviazanú na dodaný proces.\n\nPri vysvetľovaní kódu dodajte funkciu, definície príslušných pomocných funkcií a vstup, ktorý spôsobuje nejasnosť. Vyžiadajte sled operácií a hodnotu vrátenú pre daný vstup. Pri matematickom vysvetlení uveďte symboly, predpoklady a cieľový výraz pred žiadosťou o odvodenie. Obe úlohy používajú text; vykonanie programu alebo sprístupnenie samostatného numerického nástroja je práca aplikácie okolo modelu.\n\nTabuľky a JSON\n\nPri otázke k tabuľke zachovajte hlavičky stĺpcov a jednotky, pomenujte relevantné riadky a špecifikujte porovnanie. Požadovaný výstup môže uviesť identifikátory zodpovedajúcich riadkov a vysvetliť, ktorú dodanú podmienku každý riadok spĺňa. Ak tabuľke chýbajú hodnoty, uveďte, či ich má odpoveď nechať neprítomné alebo explicitne reprezentovať.\n\nPri štruktúrovanej extrakcii ukážte názvy polí a požadované typy. Vstup, ako je identifikátor položky, množstvo zásob a označenie skladu, možno previesť na záznam s rovnakými poľami. Keď ho má aplikácia parsovať, vyžiadajte iba záznam; keď používateľ potrebuje posúdiť interpretáciu zdroja, vyžiadajte samostatné prozaické vysvetlenie. Dokumentovaná schopnosť modelu generovať JSON sa líši od vynucovania schémy konkrétnym rozhraním.\n\nViacjazyčná konverzácia je podporovaná vo viac ako 29 jazykoch vrátane angličtiny, čínštiny, ruštiny, nemčiny, francúzštiny, španielčiny, portugalčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Nastavte konečný jazyk a poskytnite terminológiu, ktorá musí zostať nezmenená. Pri preloženom technickom vysvetlení žiadajte zachovanie názvov premenných, citovaných označení a jednotiek pri prispôsobení okolitého textu čitateľovi.\n\nKonkrétne vydanie 14B\n\nKarta uvádza 14,7 miliardy parametrov vrátane 13,1 miliardy parametrov mimo embeddingov a 48 vrstiev Transformer. Architektúra používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias so 40 dopytovými hlavami a 8 hlavami kľúčov/hodnôt v pozornosti so zoskupenými dopytmi. Predtrénovanie a následné trénovanie vytvárajú toto vydanie Instruct. Počet parametrov a vrstiev sa líši od vydania 32B aj tam, kde sa schopnosti rodiny a publikované údaje o kontexte zhodujú.\n\nKarta modelu uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Prvý údaj sa týka konverzácie a materiálu uchovaného pre úlohu; druhý generovanej odpovede. Nastavenie generovania 512 tokenov v rýchlom úvode je len príklad a nenahrádza kapacitu odpovede uvedenú v karte. Porozumenie obrázkom, videu a zvuku patrí samostatne pomenovaným multimodálnym vydaniam, nie tomuto textovému modelu.\n\nVstupný formát a úlohy s podporou nástrojov\n\nPríklad výrobcu aplikuje zodpovedajúcu chatovú šablónu na samostatné systémové a používateľské správy. Rolu asistenta a pravidlá odpovede definujte oddelene od skúmaného materiálu. Dodajte úplnú otázku a označte zdrojový text, aby sa pokyn citovaný v zdroji nezamieňal s úlohou zadanou aplikáciou.\n\nOficiálne oznámenie Qwen2.5 opisuje aj šablóny volania nástrojov a kompatibilné integrácie. Úloha s podporou nástrojov vyžaduje, aby okolitá aplikácia dodala opisy funkcií, vykonala vybranú operáciu a poskytla jej výsledok pre ďalšiu odpoveď. Napríklad konverzácia môže žiadať výpočet pomocou dodaného výpočtového nástroja; výsledok funkcie sa potom stane informáciou, ktorú model môže vysvetliť. Dostupnosť nástroja a vykonanie pochádzajú z integrácie, zatiaľ čo toto vydanie poskytuje textové konverzačné správanie.\n\nKonfigurácia dlhého textu\n\nPublikovaná konfigurácia na začiatku pokrýva 32 768 tokenov. Dokumentované rozšírenie pre dlhšie vstupy používa YaRN s ukážkovým faktorom škálovania 4,0 a pôvodným nastavením maximálnych pozícií 32 768. Statické škálovanie môže ovplyvniť správanie kratšieho textu, preto výrobca odporúča jeho pridanie, keď je potrebný dlhý kontext.\n\nPri príprave dlhého zdroja určte sekciu na revíziu alebo otázku na zodpovedanie a udržujte podporné časti spolu. Jasná požiadavka môže žiadať opravenú pasáž, tabuľku zmien a pôvodné odkazy na sekcie. Tak sa rozšírený kontext využije na konkrétny artefakt, pričom odpoveď zostáva v samostatnom limite generovania.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Filter a stock table with missing values\n\nUse this stock table: item_id | stock | reorder_at; A7 | 3 | 5; B2 | 8 | 4; C9 | unknown | 6. Return the identifiers requiring reorder under stock < reorder_at, then list rows that cannot be decided. Preserve identifiers and explain the condition for each selected or unresolved row.A reorder list and a separate unresolved-row list, each with a short source-based reason.Check that equality would not trigger reorder and that unknown stock is not treated as zero.Qwen/Qwen2.5-14B-InstructQwen2.5-14B-Instruct je viacjazyčný textový model pre asistentov založených na pokynoch, kód a matematiku. Jeho konkrétne vydanie so 14,7 miliardy parametrov podporuje interpretáciu tabuliek, generovanie JSON a limit odpovede 8 192 tokenov, s konfiguráciou rozšíreného kontextu pre dlhé vstupy.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-14B-Instruct je vydanie všeobecnej rodiny Qwen2.5 veľkosti 14B doladené na pokyny. Prijíma textovú konverzáciu a vracia text: vysvetlenie, dokument, programový kód alebo štruktúrované polia. Výrobca zdôrazňuje dodržiavanie pokynov, programovanie, matematiku, porozumenie štruktúrovaným údajom, ako sú tabuľky, a generovanie štruktúrovaných odpovedí, najmä JSON.
Zlepšenia rodiny
Výrobca opisuje širšie znalosti a silnejšie programátorské a matematické schopnosti než pri predchádzajúcej generácii Qwen2, spolu s generovaním dlhých odpovedí a lepším spracovaním rôznych systémových pokynov. Rodina používa predtrénovací korpus opísaný ako dosahujúci 18 biliónov tokenov. Tieto schopnosti podporujú asistenta pre konkrétnu oblasť, ktorého rolu a výstup definuje úloha. Tento model zostáva všeobecným vydaním Instruct; samostatne pomenované rady Qwen2.5-Coder a Qwen2.5-Math majú vlastné špecializácie.
Procesný asistent môže dostať postup a otázku k jednej fáze. Definujte rolu čitateľa, vyžiadajte akcie relevantné pre danú fázu a požadujte zachovanie pôvodných podmienok postupu. Užitočný výstup môže oddeliť ďalšiu akciu, podmienku, ktorá ju robí použiteľnou, a informácie, ktoré ešte treba doplniť. To mení širokú žiadosť o radu na odpoveď naviazanú na dodaný proces.
Pri vysvetľovaní kódu dodajte funkciu, definície príslušných pomocných funkcií a vstup, ktorý spôsobuje nejasnosť. Vyžiadajte sled operácií a hodnotu vrátenú pre daný vstup. Pri matematickom vysvetlení uveďte symboly, predpoklady a cieľový výraz pred žiadosťou o odvodenie. Obe úlohy používajú text; vykonanie programu alebo sprístupnenie samostatného numerického nástroja je práca aplikácie okolo modelu.
Tabuľky a JSON
Pri otázke k tabuľke zachovajte hlavičky stĺpcov a jednotky, pomenujte relevantné riadky a špecifikujte porovnanie. Požadovaný výstup môže uviesť identifikátory zodpovedajúcich riadkov a vysvetliť, ktorú dodanú podmienku každý riadok spĺňa. Ak tabuľke chýbajú hodnoty, uveďte, či ich má odpoveď nechať neprítomné alebo explicitne reprezentovať.
Pri štruktúrovanej extrakcii ukážte názvy polí a požadované typy. Vstup, ako je identifikátor položky, množstvo zásob a označenie skladu, možno previesť na záznam s rovnakými poľami. Keď ho má aplikácia parsovať, vyžiadajte iba záznam; keď používateľ potrebuje posúdiť interpretáciu zdroja, vyžiadajte samostatné prozaické vysvetlenie. Dokumentovaná schopnosť modelu generovať JSON sa líši od vynucovania schémy konkrétnym rozhraním.
Viacjazyčná konverzácia je podporovaná vo viac ako 29 jazykoch vrátane angličtiny, čínštiny, ruštiny, nemčiny, francúzštiny, španielčiny, portugalčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Nastavte konečný jazyk a poskytnite terminológiu, ktorá musí zostať nezmenená. Pri preloženom technickom vysvetlení žiadajte zachovanie názvov premenných, citovaných označení a jednotiek pri prispôsobení okolitého textu čitateľovi.
Konkrétne vydanie 14B
Karta uvádza 14,7 miliardy parametrov vrátane 13,1 miliardy parametrov mimo embeddingov a 48 vrstiev Transformer. Architektúra používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias so 40 dopytovými hlavami a 8 hlavami kľúčov/hodnôt v pozornosti so zoskupenými dopytmi. Predtrénovanie a následné trénovanie vytvárajú toto vydanie Instruct. Počet parametrov a vrstiev sa líši od vydania 32B aj tam, kde sa schopnosti rodiny a publikované údaje o kontexte zhodujú.
Karta modelu uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Prvý údaj sa týka konverzácie a materiálu uchovaného pre úlohu; druhý generovanej odpovede. Nastavenie generovania 512 tokenov v rýchlom úvode je len príklad a nenahrádza kapacitu odpovede uvedenú v karte. Porozumenie obrázkom, videu a zvuku patrí samostatne pomenovaným multimodálnym vydaniam, nie tomuto textovému modelu.
Vstupný formát a úlohy s podporou nástrojov
Príklad výrobcu aplikuje zodpovedajúcu chatovú šablónu na samostatné systémové a používateľské správy. Rolu asistenta a pravidlá odpovede definujte oddelene od skúmaného materiálu. Dodajte úplnú otázku a označte zdrojový text, aby sa pokyn citovaný v zdroji nezamieňal s úlohou zadanou aplikáciou.
Oficiálne oznámenie Qwen2.5 opisuje aj šablóny volania nástrojov a kompatibilné integrácie. Úloha s podporou nástrojov vyžaduje, aby okolitá aplikácia dodala opisy funkcií, vykonala vybranú operáciu a poskytla jej výsledok pre ďalšiu odpoveď. Napríklad konverzácia môže žiadať výpočet pomocou dodaného výpočtového nástroja; výsledok funkcie sa potom stane informáciou, ktorú model môže vysvetliť. Dostupnosť nástroja a vykonanie pochádzajú z integrácie, zatiaľ čo toto vydanie poskytuje textové konverzačné správanie.
Konfigurácia dlhého textu
Publikovaná konfigurácia na začiatku pokrýva 32 768 tokenov. Dokumentované rozšírenie pre dlhšie vstupy používa YaRN s ukážkovým faktorom škálovania 4,0 a pôvodným nastavením maximálnych pozícií 32 768. Statické škálovanie môže ovplyvniť správanie kratšieho textu, preto výrobca odporúča jeho pridanie, keď je potrebný dlhý kontext.
Pri príprave dlhého zdroja určte sekciu na revíziu alebo otázku na zodpovedanie a udržujte podporné časti spolu. Jasná požiadavka môže žiadať opravenú pasáž, tabuľku zmien a pôvodné odkazy na sekcie. Tak sa rozšírený kontext využije na konkrétny artefakt, pričom odpoveď zostáva v samostatnom limite generovania.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen2.5-14B-Instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0002 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen2.5-14B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2.5-14B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2.5-14B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| 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 |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
Qwen/Qwen2.5-14B-InstructQwen2.5-14B-Instruct je viacjazyčný textový model pre asistentov založených na pokynoch, kód a matematiku. Jeho konkrétne vydanie so 14,7 miliardy parametrov podporuje interpretáciu tabuliek, generovanie JSON a limit odpovede 8 192 tokenov, s konfiguráciou rozšíreného kontextu pre dlhé vstupy.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-14B-Instruct je vydanie všeobecnej rodiny Qwen2.5 veľkosti 14B doladené na pokyny. Prijíma textovú konverzáciu a vracia text: vysvetlenie, dokument, programový kód alebo štruktúrované polia. Výrobca zdôrazňuje dodržiavanie pokynov, programovanie, matematiku, porozumenie štruktúrovaným údajom, ako sú tabuľky, a generovanie štruktúrovaných odpovedí, najmä JSON.
Zlepšenia rodiny
Výrobca opisuje širšie znalosti a silnejšie programátorské a matematické schopnosti než pri predchádzajúcej generácii Qwen2, spolu s generovaním dlhých odpovedí a lepším spracovaním rôznych systémových pokynov. Rodina používa predtrénovací korpus opísaný ako dosahujúci 18 biliónov tokenov. Tieto schopnosti podporujú asistenta pre konkrétnu oblasť, ktorého rolu a výstup definuje úloha. Tento model zostáva všeobecným vydaním Instruct; samostatne pomenované rady Qwen2.5-Coder a Qwen2.5-Math majú vlastné špecializácie.
Procesný asistent môže dostať postup a otázku k jednej fáze. Definujte rolu čitateľa, vyžiadajte akcie relevantné pre danú fázu a požadujte zachovanie pôvodných podmienok postupu. Užitočný výstup môže oddeliť ďalšiu akciu, podmienku, ktorá ju robí použiteľnou, a informácie, ktoré ešte treba doplniť. To mení širokú žiadosť o radu na odpoveď naviazanú na dodaný proces.
Pri vysvetľovaní kódu dodajte funkciu, definície príslušných pomocných funkcií a vstup, ktorý spôsobuje nejasnosť. Vyžiadajte sled operácií a hodnotu vrátenú pre daný vstup. Pri matematickom vysvetlení uveďte symboly, predpoklady a cieľový výraz pred žiadosťou o odvodenie. Obe úlohy používajú text; vykonanie programu alebo sprístupnenie samostatného numerického nástroja je práca aplikácie okolo modelu.
Tabuľky a JSON
Pri otázke k tabuľke zachovajte hlavičky stĺpcov a jednotky, pomenujte relevantné riadky a špecifikujte porovnanie. Požadovaný výstup môže uviesť identifikátory zodpovedajúcich riadkov a vysvetliť, ktorú dodanú podmienku každý riadok spĺňa. Ak tabuľke chýbajú hodnoty, uveďte, či ich má odpoveď nechať neprítomné alebo explicitne reprezentovať.
Pri štruktúrovanej extrakcii ukážte názvy polí a požadované typy. Vstup, ako je identifikátor položky, množstvo zásob a označenie skladu, možno previesť na záznam s rovnakými poľami. Keď ho má aplikácia parsovať, vyžiadajte iba záznam; keď používateľ potrebuje posúdiť interpretáciu zdroja, vyžiadajte samostatné prozaické vysvetlenie. Dokumentovaná schopnosť modelu generovať JSON sa líši od vynucovania schémy konkrétnym rozhraním.
Viacjazyčná konverzácia je podporovaná vo viac ako 29 jazykoch vrátane angličtiny, čínštiny, ruštiny, nemčiny, francúzštiny, španielčiny, portugalčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Nastavte konečný jazyk a poskytnite terminológiu, ktorá musí zostať nezmenená. Pri preloženom technickom vysvetlení žiadajte zachovanie názvov premenných, citovaných označení a jednotiek pri prispôsobení okolitého textu čitateľovi.
Konkrétne vydanie 14B
Karta uvádza 14,7 miliardy parametrov vrátane 13,1 miliardy parametrov mimo embeddingov a 48 vrstiev Transformer. Architektúra používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias so 40 dopytovými hlavami a 8 hlavami kľúčov/hodnôt v pozornosti so zoskupenými dopytmi. Predtrénovanie a následné trénovanie vytvárajú toto vydanie Instruct. Počet parametrov a vrstiev sa líši od vydania 32B aj tam, kde sa schopnosti rodiny a publikované údaje o kontexte zhodujú.
Karta modelu uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Prvý údaj sa týka konverzácie a materiálu uchovaného pre úlohu; druhý generovanej odpovede. Nastavenie generovania 512 tokenov v rýchlom úvode je len príklad a nenahrádza kapacitu odpovede uvedenú v karte. Porozumenie obrázkom, videu a zvuku patrí samostatne pomenovaným multimodálnym vydaniam, nie tomuto textovému modelu.
Vstupný formát a úlohy s podporou nástrojov
Príklad výrobcu aplikuje zodpovedajúcu chatovú šablónu na samostatné systémové a používateľské správy. Rolu asistenta a pravidlá odpovede definujte oddelene od skúmaného materiálu. Dodajte úplnú otázku a označte zdrojový text, aby sa pokyn citovaný v zdroji nezamieňal s úlohou zadanou aplikáciou.
Oficiálne oznámenie Qwen2.5 opisuje aj šablóny volania nástrojov a kompatibilné integrácie. Úloha s podporou nástrojov vyžaduje, aby okolitá aplikácia dodala opisy funkcií, vykonala vybranú operáciu a poskytla jej výsledok pre ďalšiu odpoveď. Napríklad konverzácia môže žiadať výpočet pomocou dodaného výpočtového nástroja; výsledok funkcie sa potom stane informáciou, ktorú model môže vysvetliť. Dostupnosť nástroja a vykonanie pochádzajú z integrácie, zatiaľ čo toto vydanie poskytuje textové konverzačné správanie.
Konfigurácia dlhého textu
Publikovaná konfigurácia na začiatku pokrýva 32 768 tokenov. Dokumentované rozšírenie pre dlhšie vstupy používa YaRN s ukážkovým faktorom škálovania 4,0 a pôvodným nastavením maximálnych pozícií 32 768. Statické škálovanie môže ovplyvniť správanie kratšieho textu, preto výrobca odporúča jeho pridanie, keď je potrebný dlhý kontext.
Pri príprave dlhého zdroja určte sekciu na revíziu alebo otázku na zodpovedanie a udržujte podporné časti spolu. Jasná požiadavka môže žiadať opravenú pasáž, tabuľku zmien a pôvodné odkazy na sekcie. Tak sa rozšírený kontext využije na konkrétny artefakt, pričom odpoveď zostáva v samostatnom limite generovania.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen2.5-14B-Instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0002 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "Qwen/Qwen2.5-14B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2.5-14B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2.5-14B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
qwen2.5-14b-instructQwen2.5-14B-Instruct je viacjazyčný textový model pre asistentov založených na pokynoch, kód a matematiku. Jeho konkrétne vydanie so 14,7 miliardy parametrov podporuje interpretáciu tabuliek, generovanie JSON a limit odpovede 8 192 tokenov, s konfiguráciou rozšíreného kontextu pre dlhé vstupy.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-14B-Instruct je vydanie všeobecnej rodiny Qwen2.5 veľkosti 14B doladené na pokyny. Prijíma textovú konverzáciu a vracia text: vysvetlenie, dokument, programový kód alebo štruktúrované polia. Výrobca zdôrazňuje dodržiavanie pokynov, programovanie, matematiku, porozumenie štruktúrovaným údajom, ako sú tabuľky, a generovanie štruktúrovaných odpovedí, najmä JSON.
Zlepšenia rodiny
Výrobca opisuje širšie znalosti a silnejšie programátorské a matematické schopnosti než pri predchádzajúcej generácii Qwen2, spolu s generovaním dlhých odpovedí a lepším spracovaním rôznych systémových pokynov. Rodina používa predtrénovací korpus opísaný ako dosahujúci 18 biliónov tokenov. Tieto schopnosti podporujú asistenta pre konkrétnu oblasť, ktorého rolu a výstup definuje úloha. Tento model zostáva všeobecným vydaním Instruct; samostatne pomenované rady Qwen2.5-Coder a Qwen2.5-Math majú vlastné špecializácie.
Procesný asistent môže dostať postup a otázku k jednej fáze. Definujte rolu čitateľa, vyžiadajte akcie relevantné pre danú fázu a požadujte zachovanie pôvodných podmienok postupu. Užitočný výstup môže oddeliť ďalšiu akciu, podmienku, ktorá ju robí použiteľnou, a informácie, ktoré ešte treba doplniť. To mení širokú žiadosť o radu na odpoveď naviazanú na dodaný proces.
Pri vysvetľovaní kódu dodajte funkciu, definície príslušných pomocných funkcií a vstup, ktorý spôsobuje nejasnosť. Vyžiadajte sled operácií a hodnotu vrátenú pre daný vstup. Pri matematickom vysvetlení uveďte symboly, predpoklady a cieľový výraz pred žiadosťou o odvodenie. Obe úlohy používajú text; vykonanie programu alebo sprístupnenie samostatného numerického nástroja je práca aplikácie okolo modelu.
Tabuľky a JSON
Pri otázke k tabuľke zachovajte hlavičky stĺpcov a jednotky, pomenujte relevantné riadky a špecifikujte porovnanie. Požadovaný výstup môže uviesť identifikátory zodpovedajúcich riadkov a vysvetliť, ktorú dodanú podmienku každý riadok spĺňa. Ak tabuľke chýbajú hodnoty, uveďte, či ich má odpoveď nechať neprítomné alebo explicitne reprezentovať.
Pri štruktúrovanej extrakcii ukážte názvy polí a požadované typy. Vstup, ako je identifikátor položky, množstvo zásob a označenie skladu, možno previesť na záznam s rovnakými poľami. Keď ho má aplikácia parsovať, vyžiadajte iba záznam; keď používateľ potrebuje posúdiť interpretáciu zdroja, vyžiadajte samostatné prozaické vysvetlenie. Dokumentovaná schopnosť modelu generovať JSON sa líši od vynucovania schémy konkrétnym rozhraním.
Viacjazyčná konverzácia je podporovaná vo viac ako 29 jazykoch vrátane angličtiny, čínštiny, ruštiny, nemčiny, francúzštiny, španielčiny, portugalčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Nastavte konečný jazyk a poskytnite terminológiu, ktorá musí zostať nezmenená. Pri preloženom technickom vysvetlení žiadajte zachovanie názvov premenných, citovaných označení a jednotiek pri prispôsobení okolitého textu čitateľovi.
Konkrétne vydanie 14B
Karta uvádza 14,7 miliardy parametrov vrátane 13,1 miliardy parametrov mimo embeddingov a 48 vrstiev Transformer. Architektúra používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias so 40 dopytovými hlavami a 8 hlavami kľúčov/hodnôt v pozornosti so zoskupenými dopytmi. Predtrénovanie a následné trénovanie vytvárajú toto vydanie Instruct. Počet parametrov a vrstiev sa líši od vydania 32B aj tam, kde sa schopnosti rodiny a publikované údaje o kontexte zhodujú.
Karta modelu uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Prvý údaj sa týka konverzácie a materiálu uchovaného pre úlohu; druhý generovanej odpovede. Nastavenie generovania 512 tokenov v rýchlom úvode je len príklad a nenahrádza kapacitu odpovede uvedenú v karte. Porozumenie obrázkom, videu a zvuku patrí samostatne pomenovaným multimodálnym vydaniam, nie tomuto textovému modelu.
Vstupný formát a úlohy s podporou nástrojov
Príklad výrobcu aplikuje zodpovedajúcu chatovú šablónu na samostatné systémové a používateľské správy. Rolu asistenta a pravidlá odpovede definujte oddelene od skúmaného materiálu. Dodajte úplnú otázku a označte zdrojový text, aby sa pokyn citovaný v zdroji nezamieňal s úlohou zadanou aplikáciou.
Oficiálne oznámenie Qwen2.5 opisuje aj šablóny volania nástrojov a kompatibilné integrácie. Úloha s podporou nástrojov vyžaduje, aby okolitá aplikácia dodala opisy funkcií, vykonala vybranú operáciu a poskytla jej výsledok pre ďalšiu odpoveď. Napríklad konverzácia môže žiadať výpočet pomocou dodaného výpočtového nástroja; výsledok funkcie sa potom stane informáciou, ktorú model môže vysvetliť. Dostupnosť nástroja a vykonanie pochádzajú z integrácie, zatiaľ čo toto vydanie poskytuje textové konverzačné správanie.
Konfigurácia dlhého textu
Publikovaná konfigurácia na začiatku pokrýva 32 768 tokenov. Dokumentované rozšírenie pre dlhšie vstupy používa YaRN s ukážkovým faktorom škálovania 4,0 a pôvodným nastavením maximálnych pozícií 32 768. Statické škálovanie môže ovplyvniť správanie kratšieho textu, preto výrobca odporúča jeho pridanie, keď je potrebný dlhý kontext.
Pri príprave dlhého zdroja určte sekciu na revíziu alebo otázku na zodpovedanie a udržujte podporné časti spolu. Jasná požiadavka môže žiadať opravenú pasáž, tabuľku zmien a pôvodné odkazy na sekcie. Tak sa rozšírený kontext využije na konkrétny artefakt, pričom odpoveď zostáva v samostatnom limite generovania.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen2.5-14b-instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Textová konverzácia | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream |
Parametercontrol_scope | ŠpecifikáciaTextová konverzácia; stream je logická hodnota a predvolene má hodnotu false. |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Aliasy metódy: /chat/completions
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0002 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen2.5-14b-instruct","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="qwen2.5-14b-instruct", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| 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 |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
qwen2.5-14b-instructQwen2.5-14B-Instruct je viacjazyčný textový model pre asistentov založených na pokynoch, kód a matematiku. Jeho konkrétne vydanie so 14,7 miliardy parametrov podporuje interpretáciu tabuliek, generovanie JSON a limit odpovede 8 192 tokenov, s konfiguráciou rozšíreného kontextu pre dlhé vstupy.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-14B-Instruct je vydanie všeobecnej rodiny Qwen2.5 veľkosti 14B doladené na pokyny. Prijíma textovú konverzáciu a vracia text: vysvetlenie, dokument, programový kód alebo štruktúrované polia. Výrobca zdôrazňuje dodržiavanie pokynov, programovanie, matematiku, porozumenie štruktúrovaným údajom, ako sú tabuľky, a generovanie štruktúrovaných odpovedí, najmä JSON.
Zlepšenia rodiny
Výrobca opisuje širšie znalosti a silnejšie programátorské a matematické schopnosti než pri predchádzajúcej generácii Qwen2, spolu s generovaním dlhých odpovedí a lepším spracovaním rôznych systémových pokynov. Rodina používa predtrénovací korpus opísaný ako dosahujúci 18 biliónov tokenov. Tieto schopnosti podporujú asistenta pre konkrétnu oblasť, ktorého rolu a výstup definuje úloha. Tento model zostáva všeobecným vydaním Instruct; samostatne pomenované rady Qwen2.5-Coder a Qwen2.5-Math majú vlastné špecializácie.
Procesný asistent môže dostať postup a otázku k jednej fáze. Definujte rolu čitateľa, vyžiadajte akcie relevantné pre danú fázu a požadujte zachovanie pôvodných podmienok postupu. Užitočný výstup môže oddeliť ďalšiu akciu, podmienku, ktorá ju robí použiteľnou, a informácie, ktoré ešte treba doplniť. To mení širokú žiadosť o radu na odpoveď naviazanú na dodaný proces.
Pri vysvetľovaní kódu dodajte funkciu, definície príslušných pomocných funkcií a vstup, ktorý spôsobuje nejasnosť. Vyžiadajte sled operácií a hodnotu vrátenú pre daný vstup. Pri matematickom vysvetlení uveďte symboly, predpoklady a cieľový výraz pred žiadosťou o odvodenie. Obe úlohy používajú text; vykonanie programu alebo sprístupnenie samostatného numerického nástroja je práca aplikácie okolo modelu.
Tabuľky a JSON
Pri otázke k tabuľke zachovajte hlavičky stĺpcov a jednotky, pomenujte relevantné riadky a špecifikujte porovnanie. Požadovaný výstup môže uviesť identifikátory zodpovedajúcich riadkov a vysvetliť, ktorú dodanú podmienku každý riadok spĺňa. Ak tabuľke chýbajú hodnoty, uveďte, či ich má odpoveď nechať neprítomné alebo explicitne reprezentovať.
Pri štruktúrovanej extrakcii ukážte názvy polí a požadované typy. Vstup, ako je identifikátor položky, množstvo zásob a označenie skladu, možno previesť na záznam s rovnakými poľami. Keď ho má aplikácia parsovať, vyžiadajte iba záznam; keď používateľ potrebuje posúdiť interpretáciu zdroja, vyžiadajte samostatné prozaické vysvetlenie. Dokumentovaná schopnosť modelu generovať JSON sa líši od vynucovania schémy konkrétnym rozhraním.
Viacjazyčná konverzácia je podporovaná vo viac ako 29 jazykoch vrátane angličtiny, čínštiny, ruštiny, nemčiny, francúzštiny, španielčiny, portugalčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Nastavte konečný jazyk a poskytnite terminológiu, ktorá musí zostať nezmenená. Pri preloženom technickom vysvetlení žiadajte zachovanie názvov premenných, citovaných označení a jednotiek pri prispôsobení okolitého textu čitateľovi.
Konkrétne vydanie 14B
Karta uvádza 14,7 miliardy parametrov vrátane 13,1 miliardy parametrov mimo embeddingov a 48 vrstiev Transformer. Architektúra používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias so 40 dopytovými hlavami a 8 hlavami kľúčov/hodnôt v pozornosti so zoskupenými dopytmi. Predtrénovanie a následné trénovanie vytvárajú toto vydanie Instruct. Počet parametrov a vrstiev sa líši od vydania 32B aj tam, kde sa schopnosti rodiny a publikované údaje o kontexte zhodujú.
Karta modelu uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Prvý údaj sa týka konverzácie a materiálu uchovaného pre úlohu; druhý generovanej odpovede. Nastavenie generovania 512 tokenov v rýchlom úvode je len príklad a nenahrádza kapacitu odpovede uvedenú v karte. Porozumenie obrázkom, videu a zvuku patrí samostatne pomenovaným multimodálnym vydaniam, nie tomuto textovému modelu.
Vstupný formát a úlohy s podporou nástrojov
Príklad výrobcu aplikuje zodpovedajúcu chatovú šablónu na samostatné systémové a používateľské správy. Rolu asistenta a pravidlá odpovede definujte oddelene od skúmaného materiálu. Dodajte úplnú otázku a označte zdrojový text, aby sa pokyn citovaný v zdroji nezamieňal s úlohou zadanou aplikáciou.
Oficiálne oznámenie Qwen2.5 opisuje aj šablóny volania nástrojov a kompatibilné integrácie. Úloha s podporou nástrojov vyžaduje, aby okolitá aplikácia dodala opisy funkcií, vykonala vybranú operáciu a poskytla jej výsledok pre ďalšiu odpoveď. Napríklad konverzácia môže žiadať výpočet pomocou dodaného výpočtového nástroja; výsledok funkcie sa potom stane informáciou, ktorú model môže vysvetliť. Dostupnosť nástroja a vykonanie pochádzajú z integrácie, zatiaľ čo toto vydanie poskytuje textové konverzačné správanie.
Konfigurácia dlhého textu
Publikovaná konfigurácia na začiatku pokrýva 32 768 tokenov. Dokumentované rozšírenie pre dlhšie vstupy používa YaRN s ukážkovým faktorom škálovania 4,0 a pôvodným nastavením maximálnych pozícií 32 768. Statické škálovanie môže ovplyvniť správanie kratšieho textu, preto výrobca odporúča jeho pridanie, keď je potrebný dlhý kontext.
Pri príprave dlhého zdroja určte sekciu na revíziu alebo otázku na zodpovedanie a udržujte podporné časti spolu. Jasná požiadavka môže žiadať opravenú pasáž, tabuľku zmien a pôvodné odkazy na sekcie. Tak sa rozšírený kontext využije na konkrétny artefakt, pričom odpoveď zostáva v samostatnom limite generovania.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen2.5-14b-instruct | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
| Konfigurácia | Sadzobník | Poplatok |
|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Poplatok Vstup · Vstupné tokeny $0.0002 / 1K tokenov Výstup · Výstupné tokeny $0.0002 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen2.5-14b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-14b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-14b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra Qwen/Qwen2.5-14B-Instruct, qwen2.5-14b-instruct
/chat/completions
Technický príklad v angličtine
Filter a stock table with missing values\n\nUse this stock table: item_id | stock | reorder_at; A7 | 3 | 5; B2 | 8 | 4; C9 | unknown | 6. Return the identifiers requiring reorder under stock < reorder_at, then list rows that cannot be decided. Preserve identifiers and explain the condition for each selected or unresolved row.A reorder list and a separate unresolved-row list, each with a short source-based reason.Check that equality would not trigger reorder and that unknown stock is not treated as zero.