Qwen2.5-32B-Instruct je textový model veľkosti 32B doladený na pokyny vo všeobecnej rodine Qwen2.5. Spája porozumenie a generovanie jazyka s programovaním a matematikou, namiesto toho, aby bol samostatne pomenovaným špecialistom Coder alebo Math. Výrobca osobitne vyzdvihuje dodržiavanie podrobných pokynov, písanie dlhých textov, porozumenie tabuľkám a tvorbu štruktúrovaného textu, najmä JSON. Rodina je predtrénovaná na korpuse opísanom ako dosahujúci 18 biliónov tokenov.
Štruktúrované údaje, dlhé odpovede a viacjazyčná práca
Užitočná extrakčná úloha dodáva zdrojovú pasáž a presné polia potrebné v ďalšom kroku aplikácie. Definujte typy polí, či sa má znenie kopírovať alebo zhrnúť, a reprezentáciu chýbajúcich informácií. Napríklad produktový záznam môže žiadať identifikátor, prevádzkové podmienky a zoznam nevyriešených otázok. Ak sa má parsovať, vyžiadajte samotný záznam JSON, alebo samostatné vysvetlenie, ak človek potrebuje preskúmať odôvodnenie extrahovaných polí.
Porozumenie tabuľkám je ďalším dokumentovaným zameraním. S otázkou dodajte názvy stĺpcov, jednotky a relevantné riadky. Žiadajte model identifikovať riadky spĺňajúce podmienku, vysvetliť zmenu medzi obdobiami alebo previesť tabuľku na písomnú správu. Praktický výstup môže zachovať identifikátor každého riadka pri zistení. Tým zostáva spojenie dodaných údajov s odpoveďou zachované, namiesto súhrnu bez vysledovateľného zdrojového riadka.
Pri dlhom písaní pomenujte publikum, sekcie a zdrojové fakty pred vyžiadaním dokumentu. Technický návrh môže potrebovať formuláciu problému, požiadavky, alternatívy a odporúčanie založené iba na dodanom materiáli. Uveďte, ktoré podmienky sú povinné a ktoré sú otázkami na vyriešenie. Výrobca tiež rozvíja odolnosť voči rôznym systémovým promptom, ktorá podporuje definovanú rolu, tón a konverzačné podmienky.
Rodina podporuje viac ako 29 jazykov vrátane angličtiny, čínštiny, ruštiny, francúzštiny, španielčiny, portugalčiny, nemčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Pri viacjazyčnej úlohe odlíšte zdrojový jazyk od požadovaného výstupného jazyka a poskytnite zoznam termínov, keď musia názvy či technické pojmy zostať konzistentné. Dvojjazyčná správa môže žiadať rovnaké zdrojové fakty v dvoch verziách pri zachovaní nezmenených identifikátorov a jednotiek.
Podrobnosti modelu tohto vydania
Vydanie 32B-Instruct má 32,5 miliardy parametrov, z toho 31,0 miliardy parametrov mimo embeddingov, a 64 vrstiev Transformer. Používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias. Pozornosť so zoskupenými dopytmi používa 40 dopytových hláv a 8 hláv kľúčov/hodnôt. Ide o jazykový model s hustou architektúrou a iba dekodérom s predtrénovaním a následným trénovaním; Instruct označuje konverzačne trénované vydanie, nie základný model.
Karta uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Tieto údaje opisujú odlišné časti úlohy: kontext uchováva prompt a konverzáciu, zatiaľ čo údaj o generovaní ohraničuje písomnú odpoveď. 512 generovaných tokenov v rýchlom úvode je len príklad v rámci väčšieho uvedeného limitu generovania. Model prijíma a vracia text; naskenovaná tabuľka alebo snímka obrazovky potrebuje obsah sprístupnený ako text alebo samostatný vizuálny model.
Konverzácia a nástroje
Karta modelu demonštruje samostatné systémové a používateľské správy formátované zodpovedajúcou chatovou šablónou. Trvalé pravidlá odpovede asistenta vložte do správnej konverzačnej roly a skutočný dokument, tabuľku alebo kód umiestnite k používateľskej úlohe. Označte hranicu medzi citovaným zdrojovým materiálom a pokynmi, aby sa pokyn v dokumente nezamenil so zamýšľanou úlohou aplikácie.
Oficiálne oznámenie rodiny dokumentuje podporu volania nástrojov cez kompatibilné konverzačné šablóny a integrácie služby. V takomto postupe aplikácia dodáva opisy funkcií, prijme navrhnuté volanie, vykoná funkciu a vráti jej výsledok. To môže spojiť textovú otázku s výpočtom či vyhľadaním údajov, ale samotný výber modelu neposkytuje externý nástroj ani jeho dáta. Generovanie JSON a volanie nástroja sú tiež odlišné výsledky: jedno formátuje text, druhé žiada okolitú aplikáciu vykonať pomenovanú operáciu.
Príprava dlhého kontextu
Vydaná konfigurácia začína na 32 768 tokenoch. Vstupy nad toto nastavenie potrebujú dokumentované rozšírenie YaRN, ktorého príklad používa faktor 4,0 a pôvodné nastavenie maximálnych pozícií 32 768. Výrobca varuje, že statické škálovanie môže ovplyvniť správanie kratšieho textu, a odporúča ho zapnúť, keď je potrebné spracovanie dlhého kontextu.
Pri porovnávaní veľkých dokumentov identifikujte rolu každého a vyžiadajte jeden jasne definovaný artefakt: maticu požiadaviek, zoznam nezrovnalostí alebo revidovanú sekciu. Zdrojové miesta zachovajte pri extrahovaných zisteniach a nechajte dostatok priestoru odpovede pre požadovanú štruktúru. Kapacita dlhého kontextu pomáha držať relevantný materiál spolu; nenahrádza potrebu určiť, čo sa má porovnávať alebo ako sa konečný výsledok použije.
", "aboutText": "Qwen2.5-32B-Instruct je textový model veľkosti 32B doladený na pokyny vo všeobecnej rodine Qwen2.5. Spája porozumenie a generovanie jazyka s programovaním a matematikou, namiesto toho, aby bol samostatne pomenovaným špecialistom Coder alebo Math. Výrobca osobitne vyzdvihuje dodržiavanie podrobných pokynov, písanie dlhých textov, porozumenie tabuľkám a tvorbu štruktúrovaného textu, najmä JSON. Rodina je predtrénovaná na korpuse opísanom ako dosahujúci 18 biliónov tokenov.\n\nŠtruktúrované údaje, dlhé odpovede a viacjazyčná práca\n\nUžitočná extrakčná úloha dodáva zdrojovú pasáž a presné polia potrebné v ďalšom kroku aplikácie. Definujte typy polí, či sa má znenie kopírovať alebo zhrnúť, a reprezentáciu chýbajúcich informácií. Napríklad produktový záznam môže žiadať identifikátor, prevádzkové podmienky a zoznam nevyriešených otázok. Ak sa má parsovať, vyžiadajte samotný záznam JSON, alebo samostatné vysvetlenie, ak človek potrebuje preskúmať odôvodnenie extrahovaných polí.\n\nPorozumenie tabuľkám je ďalším dokumentovaným zameraním. S otázkou dodajte názvy stĺpcov, jednotky a relevantné riadky. Žiadajte model identifikovať riadky spĺňajúce podmienku, vysvetliť zmenu medzi obdobiami alebo previesť tabuľku na písomnú správu. Praktický výstup môže zachovať identifikátor každého riadka pri zistení. Tým zostáva spojenie dodaných údajov s odpoveďou zachované, namiesto súhrnu bez vysledovateľného zdrojového riadka.\n\nPri dlhom písaní pomenujte publikum, sekcie a zdrojové fakty pred vyžiadaním dokumentu. Technický návrh môže potrebovať formuláciu problému, požiadavky, alternatívy a odporúčanie založené iba na dodanom materiáli. Uveďte, ktoré podmienky sú povinné a ktoré sú otázkami na vyriešenie. Výrobca tiež rozvíja odolnosť voči rôznym systémovým promptom, ktorá podporuje definovanú rolu, tón a konverzačné podmienky.\n\nRodina podporuje viac ako 29 jazykov vrátane angličtiny, čínštiny, ruštiny, francúzštiny, španielčiny, portugalčiny, nemčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Pri viacjazyčnej úlohe odlíšte zdrojový jazyk od požadovaného výstupného jazyka a poskytnite zoznam termínov, keď musia názvy či technické pojmy zostať konzistentné. Dvojjazyčná správa môže žiadať rovnaké zdrojové fakty v dvoch verziách pri zachovaní nezmenených identifikátorov a jednotiek.\n\nPodrobnosti modelu tohto vydania\n\nVydanie 32B-Instruct má 32,5 miliardy parametrov, z toho 31,0 miliardy parametrov mimo embeddingov, a 64 vrstiev Transformer. Používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias. Pozornosť so zoskupenými dopytmi používa 40 dopytových hláv a 8 hláv kľúčov/hodnôt. Ide o jazykový model s hustou architektúrou a iba dekodérom s predtrénovaním a následným trénovaním; Instruct označuje konverzačne trénované vydanie, nie základný model.\n\nKarta uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Tieto údaje opisujú odlišné časti úlohy: kontext uchováva prompt a konverzáciu, zatiaľ čo údaj o generovaní ohraničuje písomnú odpoveď. 512 generovaných tokenov v rýchlom úvode je len príklad v rámci väčšieho uvedeného limitu generovania. Model prijíma a vracia text; naskenovaná tabuľka alebo snímka obrazovky potrebuje obsah sprístupnený ako text alebo samostatný vizuálny model.\n\nKonverzácia a nástroje\n\nKarta modelu demonštruje samostatné systémové a používateľské správy formátované zodpovedajúcou chatovou šablónou. Trvalé pravidlá odpovede asistenta vložte do správnej konverzačnej roly a skutočný dokument, tabuľku alebo kód umiestnite k používateľskej úlohe. Označte hranicu medzi citovaným zdrojovým materiálom a pokynmi, aby sa pokyn v dokumente nezamenil so zamýšľanou úlohou aplikácie.\n\nOficiálne oznámenie rodiny dokumentuje podporu volania nástrojov cez kompatibilné konverzačné šablóny a integrácie služby. V takomto postupe aplikácia dodáva opisy funkcií, prijme navrhnuté volanie, vykoná funkciu a vráti jej výsledok. To môže spojiť textovú otázku s výpočtom či vyhľadaním údajov, ale samotný výber modelu neposkytuje externý nástroj ani jeho dáta. Generovanie JSON a volanie nástroja sú tiež odlišné výsledky: jedno formátuje text, druhé žiada okolitú aplikáciu vykonať pomenovanú operáciu.\n\nPríprava dlhého kontextu\n\nVydaná konfigurácia začína na 32 768 tokenoch. Vstupy nad toto nastavenie potrebujú dokumentované rozšírenie YaRN, ktorého príklad používa faktor 4,0 a pôvodné nastavenie maximálnych pozícií 32 768. Výrobca varuje, že statické škálovanie môže ovplyvniť správanie kratšieho textu, a odporúča ho zapnúť, keď je potrebné spracovanie dlhého kontextu.\n\nPri porovnávaní veľkých dokumentov identifikujte rolu každého a vyžiadajte jeden jasne definovaný artefakt: maticu požiadaviek, zoznam nezrovnalostí alebo revidovanú sekciu. Zdrojové miesta zachovajte pri extrahovaných zisteniach a nechajte dostatok priestoru odpovede pre požadovanú štruktúru. Kapacita dlhého kontextu pomáha držať relevantný materiál spolu; nenahrádza potrebu určiť, čo sa má porovnávať alebo ako sa konečný výsledok použije.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Explain a stock table\n\nAnalyze this text table: SKU | opening units | received units | shipped units. A1 | 20 | 10 | 18. B2 | 7 | 0 | 9. Calculate closing stock for each SKU, identify any impossible negative balance and draft a short note naming the row that needs investigation. Preserve column units.A closing-stock table with row IDs and a short anomaly note supported by the source values.Recalculate opening plus received minus shipped and verify the B2 discrepancy is flagged rather than corrected.Qwen/Qwen2.5-32B-InstructQwen2.5-32B-Instruct je viacjazyčný textový model pre podrobné pokyny, programovanie, matematiku a štruktúrované údaje. Vydanie s 32,5 miliardy parametrov zdôrazňuje porozumenie tabuľkám, výstup JSON a dlhé písomné výsledky s dokumentovanými nastaveniami rozšíreného kontextu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-32B-Instruct je textový model veľkosti 32B doladený na pokyny vo všeobecnej rodine Qwen2.5. Spája porozumenie a generovanie jazyka s programovaním a matematikou, namiesto toho, aby bol samostatne pomenovaným špecialistom Coder alebo Math. Výrobca osobitne vyzdvihuje dodržiavanie podrobných pokynov, písanie dlhých textov, porozumenie tabuľkám a tvorbu štruktúrovaného textu, najmä JSON. Rodina je predtrénovaná na korpuse opísanom ako dosahujúci 18 biliónov tokenov.
Štruktúrované údaje, dlhé odpovede a viacjazyčná práca
Užitočná extrakčná úloha dodáva zdrojovú pasáž a presné polia potrebné v ďalšom kroku aplikácie. Definujte typy polí, či sa má znenie kopírovať alebo zhrnúť, a reprezentáciu chýbajúcich informácií. Napríklad produktový záznam môže žiadať identifikátor, prevádzkové podmienky a zoznam nevyriešených otázok. Ak sa má parsovať, vyžiadajte samotný záznam JSON, alebo samostatné vysvetlenie, ak človek potrebuje preskúmať odôvodnenie extrahovaných polí.
Porozumenie tabuľkám je ďalším dokumentovaným zameraním. S otázkou dodajte názvy stĺpcov, jednotky a relevantné riadky. Žiadajte model identifikovať riadky spĺňajúce podmienku, vysvetliť zmenu medzi obdobiami alebo previesť tabuľku na písomnú správu. Praktický výstup môže zachovať identifikátor každého riadka pri zistení. Tým zostáva spojenie dodaných údajov s odpoveďou zachované, namiesto súhrnu bez vysledovateľného zdrojového riadka.
Pri dlhom písaní pomenujte publikum, sekcie a zdrojové fakty pred vyžiadaním dokumentu. Technický návrh môže potrebovať formuláciu problému, požiadavky, alternatívy a odporúčanie založené iba na dodanom materiáli. Uveďte, ktoré podmienky sú povinné a ktoré sú otázkami na vyriešenie. Výrobca tiež rozvíja odolnosť voči rôznym systémovým promptom, ktorá podporuje definovanú rolu, tón a konverzačné podmienky.
Rodina podporuje viac ako 29 jazykov vrátane angličtiny, čínštiny, ruštiny, francúzštiny, španielčiny, portugalčiny, nemčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Pri viacjazyčnej úlohe odlíšte zdrojový jazyk od požadovaného výstupného jazyka a poskytnite zoznam termínov, keď musia názvy či technické pojmy zostať konzistentné. Dvojjazyčná správa môže žiadať rovnaké zdrojové fakty v dvoch verziách pri zachovaní nezmenených identifikátorov a jednotiek.
Podrobnosti modelu tohto vydania
Vydanie 32B-Instruct má 32,5 miliardy parametrov, z toho 31,0 miliardy parametrov mimo embeddingov, a 64 vrstiev Transformer. Používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias. Pozornosť so zoskupenými dopytmi používa 40 dopytových hláv a 8 hláv kľúčov/hodnôt. Ide o jazykový model s hustou architektúrou a iba dekodérom s predtrénovaním a následným trénovaním; Instruct označuje konverzačne trénované vydanie, nie základný model.
Karta uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Tieto údaje opisujú odlišné časti úlohy: kontext uchováva prompt a konverzáciu, zatiaľ čo údaj o generovaní ohraničuje písomnú odpoveď. 512 generovaných tokenov v rýchlom úvode je len príklad v rámci väčšieho uvedeného limitu generovania. Model prijíma a vracia text; naskenovaná tabuľka alebo snímka obrazovky potrebuje obsah sprístupnený ako text alebo samostatný vizuálny model.
Konverzácia a nástroje
Karta modelu demonštruje samostatné systémové a používateľské správy formátované zodpovedajúcou chatovou šablónou. Trvalé pravidlá odpovede asistenta vložte do správnej konverzačnej roly a skutočný dokument, tabuľku alebo kód umiestnite k používateľskej úlohe. Označte hranicu medzi citovaným zdrojovým materiálom a pokynmi, aby sa pokyn v dokumente nezamenil so zamýšľanou úlohou aplikácie.
Oficiálne oznámenie rodiny dokumentuje podporu volania nástrojov cez kompatibilné konverzačné šablóny a integrácie služby. V takomto postupe aplikácia dodáva opisy funkcií, prijme navrhnuté volanie, vykoná funkciu a vráti jej výsledok. To môže spojiť textovú otázku s výpočtom či vyhľadaním údajov, ale samotný výber modelu neposkytuje externý nástroj ani jeho dáta. Generovanie JSON a volanie nástroja sú tiež odlišné výsledky: jedno formátuje text, druhé žiada okolitú aplikáciu vykonať pomenovanú operáciu.
Príprava dlhého kontextu
Vydaná konfigurácia začína na 32 768 tokenoch. Vstupy nad toto nastavenie potrebujú dokumentované rozšírenie YaRN, ktorého príklad používa faktor 4,0 a pôvodné nastavenie maximálnych pozícií 32 768. Výrobca varuje, že statické škálovanie môže ovplyvniť správanie kratšieho textu, a odporúča ho zapnúť, keď je potrebné spracovanie dlhého kontextu.
Pri porovnávaní veľkých dokumentov identifikujte rolu každého a vyžiadajte jeden jasne definovaný artefakt: maticu požiadaviek, zoznam nezrovnalostí alebo revidovanú sekciu. Zdrojové miesta zachovajte pri extrahovaných zisteniach a nechajte dostatok priestoru odpovede pre požadovanú štruktúru. Kapacita dlhého kontextu pomáha držať relevantný materiál spolu; nenahrádza potrebu určiť, čo sa má porovnávať alebo ako sa konečný výsledok použije.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen2.5-32B-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 $0.00036 / 1K tokenov Výstup · Výstupné tokeny $0.00036 / 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/Qwen2.5-32B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2.5-32B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2.5-32B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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/Qwen2.5-32B-Instruct, qwen2.5-32b-instruct
/chat/completions
Qwen/Qwen2.5-32B-InstructQwen2.5-32B-Instruct je viacjazyčný textový model pre podrobné pokyny, programovanie, matematiku a štruktúrované údaje. Vydanie s 32,5 miliardy parametrov zdôrazňuje porozumenie tabuľkám, výstup JSON a dlhé písomné výsledky s dokumentovanými nastaveniami rozšíreného kontextu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-32B-Instruct je textový model veľkosti 32B doladený na pokyny vo všeobecnej rodine Qwen2.5. Spája porozumenie a generovanie jazyka s programovaním a matematikou, namiesto toho, aby bol samostatne pomenovaným špecialistom Coder alebo Math. Výrobca osobitne vyzdvihuje dodržiavanie podrobných pokynov, písanie dlhých textov, porozumenie tabuľkám a tvorbu štruktúrovaného textu, najmä JSON. Rodina je predtrénovaná na korpuse opísanom ako dosahujúci 18 biliónov tokenov.
Štruktúrované údaje, dlhé odpovede a viacjazyčná práca
Užitočná extrakčná úloha dodáva zdrojovú pasáž a presné polia potrebné v ďalšom kroku aplikácie. Definujte typy polí, či sa má znenie kopírovať alebo zhrnúť, a reprezentáciu chýbajúcich informácií. Napríklad produktový záznam môže žiadať identifikátor, prevádzkové podmienky a zoznam nevyriešených otázok. Ak sa má parsovať, vyžiadajte samotný záznam JSON, alebo samostatné vysvetlenie, ak človek potrebuje preskúmať odôvodnenie extrahovaných polí.
Porozumenie tabuľkám je ďalším dokumentovaným zameraním. S otázkou dodajte názvy stĺpcov, jednotky a relevantné riadky. Žiadajte model identifikovať riadky spĺňajúce podmienku, vysvetliť zmenu medzi obdobiami alebo previesť tabuľku na písomnú správu. Praktický výstup môže zachovať identifikátor každého riadka pri zistení. Tým zostáva spojenie dodaných údajov s odpoveďou zachované, namiesto súhrnu bez vysledovateľného zdrojového riadka.
Pri dlhom písaní pomenujte publikum, sekcie a zdrojové fakty pred vyžiadaním dokumentu. Technický návrh môže potrebovať formuláciu problému, požiadavky, alternatívy a odporúčanie založené iba na dodanom materiáli. Uveďte, ktoré podmienky sú povinné a ktoré sú otázkami na vyriešenie. Výrobca tiež rozvíja odolnosť voči rôznym systémovým promptom, ktorá podporuje definovanú rolu, tón a konverzačné podmienky.
Rodina podporuje viac ako 29 jazykov vrátane angličtiny, čínštiny, ruštiny, francúzštiny, španielčiny, portugalčiny, nemčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Pri viacjazyčnej úlohe odlíšte zdrojový jazyk od požadovaného výstupného jazyka a poskytnite zoznam termínov, keď musia názvy či technické pojmy zostať konzistentné. Dvojjazyčná správa môže žiadať rovnaké zdrojové fakty v dvoch verziách pri zachovaní nezmenených identifikátorov a jednotiek.
Podrobnosti modelu tohto vydania
Vydanie 32B-Instruct má 32,5 miliardy parametrov, z toho 31,0 miliardy parametrov mimo embeddingov, a 64 vrstiev Transformer. Používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias. Pozornosť so zoskupenými dopytmi používa 40 dopytových hláv a 8 hláv kľúčov/hodnôt. Ide o jazykový model s hustou architektúrou a iba dekodérom s predtrénovaním a následným trénovaním; Instruct označuje konverzačne trénované vydanie, nie základný model.
Karta uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Tieto údaje opisujú odlišné časti úlohy: kontext uchováva prompt a konverzáciu, zatiaľ čo údaj o generovaní ohraničuje písomnú odpoveď. 512 generovaných tokenov v rýchlom úvode je len príklad v rámci väčšieho uvedeného limitu generovania. Model prijíma a vracia text; naskenovaná tabuľka alebo snímka obrazovky potrebuje obsah sprístupnený ako text alebo samostatný vizuálny model.
Konverzácia a nástroje
Karta modelu demonštruje samostatné systémové a používateľské správy formátované zodpovedajúcou chatovou šablónou. Trvalé pravidlá odpovede asistenta vložte do správnej konverzačnej roly a skutočný dokument, tabuľku alebo kód umiestnite k používateľskej úlohe. Označte hranicu medzi citovaným zdrojovým materiálom a pokynmi, aby sa pokyn v dokumente nezamenil so zamýšľanou úlohou aplikácie.
Oficiálne oznámenie rodiny dokumentuje podporu volania nástrojov cez kompatibilné konverzačné šablóny a integrácie služby. V takomto postupe aplikácia dodáva opisy funkcií, prijme navrhnuté volanie, vykoná funkciu a vráti jej výsledok. To môže spojiť textovú otázku s výpočtom či vyhľadaním údajov, ale samotný výber modelu neposkytuje externý nástroj ani jeho dáta. Generovanie JSON a volanie nástroja sú tiež odlišné výsledky: jedno formátuje text, druhé žiada okolitú aplikáciu vykonať pomenovanú operáciu.
Príprava dlhého kontextu
Vydaná konfigurácia začína na 32 768 tokenoch. Vstupy nad toto nastavenie potrebujú dokumentované rozšírenie YaRN, ktorého príklad používa faktor 4,0 a pôvodné nastavenie maximálnych pozícií 32 768. Výrobca varuje, že statické škálovanie môže ovplyvniť správanie kratšieho textu, a odporúča ho zapnúť, keď je potrebné spracovanie dlhého kontextu.
Pri porovnávaní veľkých dokumentov identifikujte rolu každého a vyžiadajte jeden jasne definovaný artefakt: maticu požiadaviek, zoznam nezrovnalostí alebo revidovanú sekciu. Zdrojové miesta zachovajte pri extrahovaných zisteniach a nechajte dostatok priestoru odpovede pre požadovanú štruktúru. Kapacita dlhého kontextu pomáha držať relevantný materiál spolu; nenahrádza potrebu určiť, čo sa má porovnávať alebo ako sa konečný výsledok použije.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity Qwen/Qwen2.5-32B-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 $0.00036 / 1K tokenov Výstup · Výstupné tokeny $0.00036 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "Qwen/Qwen2.5-32B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2.5-32B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2.5-32B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/Qwen2.5-32B-Instruct, qwen2.5-32b-instruct
/chat/completions
qwen2.5-32b-instructQwen2.5-32B-Instruct je viacjazyčný textový model pre podrobné pokyny, programovanie, matematiku a štruktúrované údaje. Vydanie s 32,5 miliardy parametrov zdôrazňuje porozumenie tabuľkám, výstup JSON a dlhé písomné výsledky s dokumentovanými nastaveniami rozšíreného kontextu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-32B-Instruct je textový model veľkosti 32B doladený na pokyny vo všeobecnej rodine Qwen2.5. Spája porozumenie a generovanie jazyka s programovaním a matematikou, namiesto toho, aby bol samostatne pomenovaným špecialistom Coder alebo Math. Výrobca osobitne vyzdvihuje dodržiavanie podrobných pokynov, písanie dlhých textov, porozumenie tabuľkám a tvorbu štruktúrovaného textu, najmä JSON. Rodina je predtrénovaná na korpuse opísanom ako dosahujúci 18 biliónov tokenov.
Štruktúrované údaje, dlhé odpovede a viacjazyčná práca
Užitočná extrakčná úloha dodáva zdrojovú pasáž a presné polia potrebné v ďalšom kroku aplikácie. Definujte typy polí, či sa má znenie kopírovať alebo zhrnúť, a reprezentáciu chýbajúcich informácií. Napríklad produktový záznam môže žiadať identifikátor, prevádzkové podmienky a zoznam nevyriešených otázok. Ak sa má parsovať, vyžiadajte samotný záznam JSON, alebo samostatné vysvetlenie, ak človek potrebuje preskúmať odôvodnenie extrahovaných polí.
Porozumenie tabuľkám je ďalším dokumentovaným zameraním. S otázkou dodajte názvy stĺpcov, jednotky a relevantné riadky. Žiadajte model identifikovať riadky spĺňajúce podmienku, vysvetliť zmenu medzi obdobiami alebo previesť tabuľku na písomnú správu. Praktický výstup môže zachovať identifikátor každého riadka pri zistení. Tým zostáva spojenie dodaných údajov s odpoveďou zachované, namiesto súhrnu bez vysledovateľného zdrojového riadka.
Pri dlhom písaní pomenujte publikum, sekcie a zdrojové fakty pred vyžiadaním dokumentu. Technický návrh môže potrebovať formuláciu problému, požiadavky, alternatívy a odporúčanie založené iba na dodanom materiáli. Uveďte, ktoré podmienky sú povinné a ktoré sú otázkami na vyriešenie. Výrobca tiež rozvíja odolnosť voči rôznym systémovým promptom, ktorá podporuje definovanú rolu, tón a konverzačné podmienky.
Rodina podporuje viac ako 29 jazykov vrátane angličtiny, čínštiny, ruštiny, francúzštiny, španielčiny, portugalčiny, nemčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Pri viacjazyčnej úlohe odlíšte zdrojový jazyk od požadovaného výstupného jazyka a poskytnite zoznam termínov, keď musia názvy či technické pojmy zostať konzistentné. Dvojjazyčná správa môže žiadať rovnaké zdrojové fakty v dvoch verziách pri zachovaní nezmenených identifikátorov a jednotiek.
Podrobnosti modelu tohto vydania
Vydanie 32B-Instruct má 32,5 miliardy parametrov, z toho 31,0 miliardy parametrov mimo embeddingov, a 64 vrstiev Transformer. Používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias. Pozornosť so zoskupenými dopytmi používa 40 dopytových hláv a 8 hláv kľúčov/hodnôt. Ide o jazykový model s hustou architektúrou a iba dekodérom s predtrénovaním a následným trénovaním; Instruct označuje konverzačne trénované vydanie, nie základný model.
Karta uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Tieto údaje opisujú odlišné časti úlohy: kontext uchováva prompt a konverzáciu, zatiaľ čo údaj o generovaní ohraničuje písomnú odpoveď. 512 generovaných tokenov v rýchlom úvode je len príklad v rámci väčšieho uvedeného limitu generovania. Model prijíma a vracia text; naskenovaná tabuľka alebo snímka obrazovky potrebuje obsah sprístupnený ako text alebo samostatný vizuálny model.
Konverzácia a nástroje
Karta modelu demonštruje samostatné systémové a používateľské správy formátované zodpovedajúcou chatovou šablónou. Trvalé pravidlá odpovede asistenta vložte do správnej konverzačnej roly a skutočný dokument, tabuľku alebo kód umiestnite k používateľskej úlohe. Označte hranicu medzi citovaným zdrojovým materiálom a pokynmi, aby sa pokyn v dokumente nezamenil so zamýšľanou úlohou aplikácie.
Oficiálne oznámenie rodiny dokumentuje podporu volania nástrojov cez kompatibilné konverzačné šablóny a integrácie služby. V takomto postupe aplikácia dodáva opisy funkcií, prijme navrhnuté volanie, vykoná funkciu a vráti jej výsledok. To môže spojiť textovú otázku s výpočtom či vyhľadaním údajov, ale samotný výber modelu neposkytuje externý nástroj ani jeho dáta. Generovanie JSON a volanie nástroja sú tiež odlišné výsledky: jedno formátuje text, druhé žiada okolitú aplikáciu vykonať pomenovanú operáciu.
Príprava dlhého kontextu
Vydaná konfigurácia začína na 32 768 tokenoch. Vstupy nad toto nastavenie potrebujú dokumentované rozšírenie YaRN, ktorého príklad používa faktor 4,0 a pôvodné nastavenie maximálnych pozícií 32 768. Výrobca varuje, že statické škálovanie môže ovplyvniť správanie kratšieho textu, a odporúča ho zapnúť, keď je potrebné spracovanie dlhého kontextu.
Pri porovnávaní veľkých dokumentov identifikujte rolu každého a vyžiadajte jeden jasne definovaný artefakt: maticu požiadaviek, zoznam nezrovnalostí alebo revidovanú sekciu. Zdrojové miesta zachovajte pri extrahovaných zisteniach a nechajte dostatok priestoru odpovede pre požadovanú štruktúru. Kapacita dlhého kontextu pomáha držať relevantný materiál spolu; nenahrádza potrebu určiť, čo sa má porovnávať alebo ako sa konečný výsledok použije.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen2.5-32b-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 $0.00036 / 1K tokenov Výstup · Výstupné tokeny $0.00036 / 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":"qwen2.5-32b-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="qwen2.5-32b-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/Qwen2.5-32B-Instruct, qwen2.5-32b-instruct
/chat/completions
qwen2.5-32b-instructQwen2.5-32B-Instruct je viacjazyčný textový model pre podrobné pokyny, programovanie, matematiku a štruktúrované údaje. Vydanie s 32,5 miliardy parametrov zdôrazňuje porozumenie tabuľkám, výstup JSON a dlhé písomné výsledky s dokumentovanými nastaveniami rozšíreného kontextu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen2.5-32B-Instruct je textový model veľkosti 32B doladený na pokyny vo všeobecnej rodine Qwen2.5. Spája porozumenie a generovanie jazyka s programovaním a matematikou, namiesto toho, aby bol samostatne pomenovaným špecialistom Coder alebo Math. Výrobca osobitne vyzdvihuje dodržiavanie podrobných pokynov, písanie dlhých textov, porozumenie tabuľkám a tvorbu štruktúrovaného textu, najmä JSON. Rodina je predtrénovaná na korpuse opísanom ako dosahujúci 18 biliónov tokenov.
Štruktúrované údaje, dlhé odpovede a viacjazyčná práca
Užitočná extrakčná úloha dodáva zdrojovú pasáž a presné polia potrebné v ďalšom kroku aplikácie. Definujte typy polí, či sa má znenie kopírovať alebo zhrnúť, a reprezentáciu chýbajúcich informácií. Napríklad produktový záznam môže žiadať identifikátor, prevádzkové podmienky a zoznam nevyriešených otázok. Ak sa má parsovať, vyžiadajte samotný záznam JSON, alebo samostatné vysvetlenie, ak človek potrebuje preskúmať odôvodnenie extrahovaných polí.
Porozumenie tabuľkám je ďalším dokumentovaným zameraním. S otázkou dodajte názvy stĺpcov, jednotky a relevantné riadky. Žiadajte model identifikovať riadky spĺňajúce podmienku, vysvetliť zmenu medzi obdobiami alebo previesť tabuľku na písomnú správu. Praktický výstup môže zachovať identifikátor každého riadka pri zistení. Tým zostáva spojenie dodaných údajov s odpoveďou zachované, namiesto súhrnu bez vysledovateľného zdrojového riadka.
Pri dlhom písaní pomenujte publikum, sekcie a zdrojové fakty pred vyžiadaním dokumentu. Technický návrh môže potrebovať formuláciu problému, požiadavky, alternatívy a odporúčanie založené iba na dodanom materiáli. Uveďte, ktoré podmienky sú povinné a ktoré sú otázkami na vyriešenie. Výrobca tiež rozvíja odolnosť voči rôznym systémovým promptom, ktorá podporuje definovanú rolu, tón a konverzačné podmienky.
Rodina podporuje viac ako 29 jazykov vrátane angličtiny, čínštiny, ruštiny, francúzštiny, španielčiny, portugalčiny, nemčiny, taliančiny, japončiny, kórejčiny, vietnamčiny, thajčiny a arabčiny. Pri viacjazyčnej úlohe odlíšte zdrojový jazyk od požadovaného výstupného jazyka a poskytnite zoznam termínov, keď musia názvy či technické pojmy zostať konzistentné. Dvojjazyčná správa môže žiadať rovnaké zdrojové fakty v dvoch verziách pri zachovaní nezmenených identifikátorov a jednotiek.
Podrobnosti modelu tohto vydania
Vydanie 32B-Instruct má 32,5 miliardy parametrov, z toho 31,0 miliardy parametrov mimo embeddingov, a 64 vrstiev Transformer. Používa rotary positional embeddings, SwiGLU, RMSNorm a attention QKV bias. Pozornosť so zoskupenými dopytmi používa 40 dopytových hláv a 8 hláv kľúčov/hodnôt. Ide o jazykový model s hustou architektúrou a iba dekodérom s predtrénovaním a následným trénovaním; Instruct označuje konverzačne trénované vydanie, nie základný model.
Karta uvádza plný kontext 131 072 tokenov a generovanie až 8 192 tokenov. Tieto údaje opisujú odlišné časti úlohy: kontext uchováva prompt a konverzáciu, zatiaľ čo údaj o generovaní ohraničuje písomnú odpoveď. 512 generovaných tokenov v rýchlom úvode je len príklad v rámci väčšieho uvedeného limitu generovania. Model prijíma a vracia text; naskenovaná tabuľka alebo snímka obrazovky potrebuje obsah sprístupnený ako text alebo samostatný vizuálny model.
Konverzácia a nástroje
Karta modelu demonštruje samostatné systémové a používateľské správy formátované zodpovedajúcou chatovou šablónou. Trvalé pravidlá odpovede asistenta vložte do správnej konverzačnej roly a skutočný dokument, tabuľku alebo kód umiestnite k používateľskej úlohe. Označte hranicu medzi citovaným zdrojovým materiálom a pokynmi, aby sa pokyn v dokumente nezamenil so zamýšľanou úlohou aplikácie.
Oficiálne oznámenie rodiny dokumentuje podporu volania nástrojov cez kompatibilné konverzačné šablóny a integrácie služby. V takomto postupe aplikácia dodáva opisy funkcií, prijme navrhnuté volanie, vykoná funkciu a vráti jej výsledok. To môže spojiť textovú otázku s výpočtom či vyhľadaním údajov, ale samotný výber modelu neposkytuje externý nástroj ani jeho dáta. Generovanie JSON a volanie nástroja sú tiež odlišné výsledky: jedno formátuje text, druhé žiada okolitú aplikáciu vykonať pomenovanú operáciu.
Príprava dlhého kontextu
Vydaná konfigurácia začína na 32 768 tokenoch. Vstupy nad toto nastavenie potrebujú dokumentované rozšírenie YaRN, ktorého príklad používa faktor 4,0 a pôvodné nastavenie maximálnych pozícií 32 768. Výrobca varuje, že statické škálovanie môže ovplyvniť správanie kratšieho textu, a odporúča ho zapnúť, keď je potrebné spracovanie dlhého kontextu.
Pri porovnávaní veľkých dokumentov identifikujte rolu každého a vyžiadajte jeden jasne definovaný artefakt: maticu požiadaviek, zoznam nezrovnalostí alebo revidovanú sekciu. Zdrojové miesta zachovajte pri extrahovaných zisteniach a nechajte dostatok priestoru odpovede pre požadovanú štruktúru. Kapacita dlhého kontextu pomáha držať relevantný materiál spolu; nenahrádza potrebu určiť, čo sa má porovnávať alebo ako sa konečný výsledok použije.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen2.5-32b-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 $0.00036 / 1K tokenov Výstup · Výstupné tokeny $0.00036 / 1K tokenov Vstup · Čítanie cache $0 / 1K tokenov Vstup · Zápis do cache $0 / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "qwen2.5-32b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-32b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-32b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/Qwen2.5-32B-Instruct, qwen2.5-32b-instruct
/chat/completions
Technický príklad v angličtine
Explain a stock table\n\nAnalyze this text table: SKU | opening units | received units | shipped units. A1 | 20 | 10 | 18. B2 | 7 | 0 | 9. Calculate closing stock for each SKU, identify any impossible negative balance and draft a short note naming the row that needs investigation. Preserve column units.A closing-stock table with row IDs and a short anomaly note supported by the source values.Recalculate opening plus received minus shipped and verify the B2 discrepancy is flagged rather than corrected.