Qwen2.5-7B-Instruct je besedilni model 7B, prilagojen navodilom, iz družine splošnonamenskih jezikovnih modelov Qwen2.5. Qwen poudarja programiranje in matematiko, sledenje navodilom, pisanje dolgih besedil, razumevanje tabel in strukturirani izhod, zlasti JSON. Gre za gost model samo z dekodirnikom, ki ima skupaj 7,61 milijarde parametrov, od tega 6,53 milijarde parametrov zunaj vložitev. Sprejema besedilne pogovore in generira besedilo. Uporabna navodila mu lahko naročijo, naj podane informacije pretvori v jasno razlago, strukturiran zapis, izboljšan osnutek ali predlog programa.
Model podpira več kot 29 jezikov, med drugim kitajščino, angleščino, francoščino, španščino, portugalščino, nemščino, italijanščino, ruščino, japonščino, korejščino, vietnamščino, tajščino in arabščino. Proizvajalec poudarja tudi zanesljivo odzivanje na različne sistemske pozive, kar je uporabno pri določanju pogovorne vloge in njenih pogojev. Vlogo, občinstvo, terminologijo in izhodni jezik podajte neposredno. Zahteva za urejanje lahko denimo vsebuje tehnični odlomek, opredeli predvidenega bralca in zahteva krajšo razlago, ki ohrani poimenovane izraze in navedene pogoje. Izdaja, prilagojena navodilom, je pogovorni model in se razlikuje od ustreznega predhodno učenega osnovnega modela.
Razumevanje strukturiranih podatkov in generiranje JSON sta ključni izboljšavi v Qwen2.5. Pri izluščanju ali pretvorbi tabele ohranite njene glave in enote ter pojasnite, katere vrstice ali povezave so pomembne. Določite zahtevane ključe, vrste vrednosti in ravnanje z manjkajočimi informacijami, namesto da zahtevate le splošen povzetek. Primer navodil bi lahko vseboval seznam težav in zahteval en objekt za vsako težavo, z identifikatorjem vira, kategorijo in kratko razlago. Tak rezultat je še vedno generirano besedilo: preverjanje njegove strukture in vrednosti glede na vhod je del uporabe v nadaljnjem poteku dela.
Kartica tega modela opisuje polno dolžino konteksta 131.072 žetonov in generiranje do 8.192 žetonov. Priložena konfiguracija je nastavljena na 32.768 kontekstnih žetonov; za daljše gradivo se uporablja dokumentirana konfiguracija YaRN. Proizvajalec opozarja, da statično skaliranje lahko vpliva na uspešnost pri krajših vhodih, in priporoča njegovo dodajanje, kadar potrebujete obdelavo dolgega konteksta. Vhod in zahtevani odgovor naj ostaneta znotraj ustrezno konfiguriranega prostora. Pri dolgem poročilu ohranite naslove razdelkov, dajte prednost odlomkom, povezanim z vprašanjem, in zahtevajte potrebno dolžino izhoda, namesto da bi večji kontekst razumeli kot razlog za vključitev nepovezanega gradiva.
Uradni hitri začetek uporablja sistemska in uporabniška sporočila s pogovorno predlogo modela, nato pa dekodira generirano nadaljevanje. Programersko nalogo pripravite z ustrezno izvorno kodo, jezikom, pričakovanim vedenjem in omejitvami. Matematično vprašanje pripravite z danimi podatki in obliko rezultata. Dokumentirane izboljšave splošnega modela na teh področjih ga ne spremenijo v ločeno učeni izdaji Qwen2.5-Coder ali Qwen2.5-Math. Primer programerskih navodil lahko zahteva razlago funkcije, predlog popravka in pojasnilo, zakaj predlog izpolnjuje navedene pogoje; izvajanje in preverjanje ostajata ločena koraka.
Dokumentacija izdaje Qwen opisuje tudi klice orodij in pogovorno predlogo, ki upošteva orodja, vključno z združljivostjo s Qwen-Agent. Določite razpoložljiva orodja in njihove argumente, navedite cilj in modelu posredujte vrnjene rezultate za razlago. Pomočnik za dokumente lahko pred končnim odgovorom zahteva ustrezne informacije, pomočnik za kodo pa lahko sklepa o izhodu preverjanja, ki ga je izvedla aplikacija. Uporaben končni izdelek je tako odgovor, povezan s podanimi dokazi in zahtevano obliko. To je profil besedilnega modela; vizualne, zvočne ali video-generativne zmožnosti drugih modelov Qwen so ločene.
", "aboutText": "Qwen2.5-7B-Instruct je besedilni model 7B, prilagojen navodilom, iz družine splošnonamenskih jezikovnih modelov Qwen2.5. Qwen poudarja programiranje in matematiko, sledenje navodilom, pisanje dolgih besedil, razumevanje tabel in strukturirani izhod, zlasti JSON. Gre za gost model samo z dekodirnikom, ki ima skupaj 7,61 milijarde parametrov, od tega 6,53 milijarde parametrov zunaj vložitev. Sprejema besedilne pogovore in generira besedilo. Uporabna navodila mu lahko naročijo, naj podane informacije pretvori v jasno razlago, strukturiran zapis, izboljšan osnutek ali predlog programa.\n\nModel podpira več kot 29 jezikov, med drugim kitajščino, angleščino, francoščino, španščino, portugalščino, nemščino, italijanščino, ruščino, japonščino, korejščino, vietnamščino, tajščino in arabščino. Proizvajalec poudarja tudi zanesljivo odzivanje na različne sistemske pozive, kar je uporabno pri določanju pogovorne vloge in njenih pogojev. Vlogo, občinstvo, terminologijo in izhodni jezik podajte neposredno. Zahteva za urejanje lahko denimo vsebuje tehnični odlomek, opredeli predvidenega bralca in zahteva krajšo razlago, ki ohrani poimenovane izraze in navedene pogoje. Izdaja, prilagojena navodilom, je pogovorni model in se razlikuje od ustreznega predhodno učenega osnovnega modela.\n\nRazumevanje strukturiranih podatkov in generiranje JSON sta ključni izboljšavi v Qwen2.5. Pri izluščanju ali pretvorbi tabele ohranite njene glave in enote ter pojasnite, katere vrstice ali povezave so pomembne. Določite zahtevane ključe, vrste vrednosti in ravnanje z manjkajočimi informacijami, namesto da zahtevate le splošen povzetek. Primer navodil bi lahko vseboval seznam težav in zahteval en objekt za vsako težavo, z identifikatorjem vira, kategorijo in kratko razlago. Tak rezultat je še vedno generirano besedilo: preverjanje njegove strukture in vrednosti glede na vhod je del uporabe v nadaljnjem poteku dela.\n\nKartica tega modela opisuje polno dolžino konteksta 131.072 žetonov in generiranje do 8.192 žetonov. Priložena konfiguracija je nastavljena na 32.768 kontekstnih žetonov; za daljše gradivo se uporablja dokumentirana konfiguracija YaRN. Proizvajalec opozarja, da statično skaliranje lahko vpliva na uspešnost pri krajših vhodih, in priporoča njegovo dodajanje, kadar potrebujete obdelavo dolgega konteksta. Vhod in zahtevani odgovor naj ostaneta znotraj ustrezno konfiguriranega prostora. Pri dolgem poročilu ohranite naslove razdelkov, dajte prednost odlomkom, povezanim z vprašanjem, in zahtevajte potrebno dolžino izhoda, namesto da bi večji kontekst razumeli kot razlog za vključitev nepovezanega gradiva.\n\nUradni hitri začetek uporablja sistemska in uporabniška sporočila s pogovorno predlogo modela, nato pa dekodira generirano nadaljevanje. Programersko nalogo pripravite z ustrezno izvorno kodo, jezikom, pričakovanim vedenjem in omejitvami. Matematično vprašanje pripravite z danimi podatki in obliko rezultata. Dokumentirane izboljšave splošnega modela na teh področjih ga ne spremenijo v ločeno učeni izdaji Qwen2.5-Coder ali Qwen2.5-Math. Primer programerskih navodil lahko zahteva razlago funkcije, predlog popravka in pojasnilo, zakaj predlog izpolnjuje navedene pogoje; izvajanje in preverjanje ostajata ločena koraka.\n\nDokumentacija izdaje Qwen opisuje tudi klice orodij in pogovorno predlogo, ki upošteva orodja, vključno z združljivostjo s Qwen-Agent. Določite razpoložljiva orodja in njihove argumente, navedite cilj in modelu posredujte vrnjene rezultate za razlago. Pomočnik za dokumente lahko pred končnim odgovorom zahteva ustrezne informacije, pomočnik za kodo pa lahko sklepa o izhodu preverjanja, ki ga je izvedla aplikacija. Uporaben končni izdelek je tako odgovor, povezan s podanimi dokazi in zahtevano obliko. To je profil besedilnega modela; vizualne, zvočne ali video-generativne zmožnosti drugih modelov Qwen so ločene.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Transform a table with units preserved\n\nFrom this text table, report total units and rows needing follow-up: item | ordered units | received units; pens | 40 | 35; folders | 20 | 20; clips | 100 | unknown. Produce a table with item, missing units and source values, then totals that separate known quantities from unknowns. Do not treat unknown as zero.A transformed table, known ordered/received totals and a note explaining which shortage remains undetermined.Pens show a shortage of 5, folders 0, and clips unknown; totals do not silently count unknown received units as zero.qwen/qwen-2.5-7b-instructQwen2.5-7B-Instruct je Qwenov kompakten besedilni model, prilagojen navodilom, za večjezično pisanje, programiranje, matematiko in strukturirane podatke. Proizvajalec dokumentira do 131.072 kontekstnih žetonov s konfiguracijo za dolg kontekst in generiranje do 8.192 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen2.5-7B-Instruct je besedilni model 7B, prilagojen navodilom, iz družine splošnonamenskih jezikovnih modelov Qwen2.5. Qwen poudarja programiranje in matematiko, sledenje navodilom, pisanje dolgih besedil, razumevanje tabel in strukturirani izhod, zlasti JSON. Gre za gost model samo z dekodirnikom, ki ima skupaj 7,61 milijarde parametrov, od tega 6,53 milijarde parametrov zunaj vložitev. Sprejema besedilne pogovore in generira besedilo. Uporabna navodila mu lahko naročijo, naj podane informacije pretvori v jasno razlago, strukturiran zapis, izboljšan osnutek ali predlog programa.
Model podpira več kot 29 jezikov, med drugim kitajščino, angleščino, francoščino, španščino, portugalščino, nemščino, italijanščino, ruščino, japonščino, korejščino, vietnamščino, tajščino in arabščino. Proizvajalec poudarja tudi zanesljivo odzivanje na različne sistemske pozive, kar je uporabno pri določanju pogovorne vloge in njenih pogojev. Vlogo, občinstvo, terminologijo in izhodni jezik podajte neposredno. Zahteva za urejanje lahko denimo vsebuje tehnični odlomek, opredeli predvidenega bralca in zahteva krajšo razlago, ki ohrani poimenovane izraze in navedene pogoje. Izdaja, prilagojena navodilom, je pogovorni model in se razlikuje od ustreznega predhodno učenega osnovnega modela.
Razumevanje strukturiranih podatkov in generiranje JSON sta ključni izboljšavi v Qwen2.5. Pri izluščanju ali pretvorbi tabele ohranite njene glave in enote ter pojasnite, katere vrstice ali povezave so pomembne. Določite zahtevane ključe, vrste vrednosti in ravnanje z manjkajočimi informacijami, namesto da zahtevate le splošen povzetek. Primer navodil bi lahko vseboval seznam težav in zahteval en objekt za vsako težavo, z identifikatorjem vira, kategorijo in kratko razlago. Tak rezultat je še vedno generirano besedilo: preverjanje njegove strukture in vrednosti glede na vhod je del uporabe v nadaljnjem poteku dela.
Kartica tega modela opisuje polno dolžino konteksta 131.072 žetonov in generiranje do 8.192 žetonov. Priložena konfiguracija je nastavljena na 32.768 kontekstnih žetonov; za daljše gradivo se uporablja dokumentirana konfiguracija YaRN. Proizvajalec opozarja, da statično skaliranje lahko vpliva na uspešnost pri krajših vhodih, in priporoča njegovo dodajanje, kadar potrebujete obdelavo dolgega konteksta. Vhod in zahtevani odgovor naj ostaneta znotraj ustrezno konfiguriranega prostora. Pri dolgem poročilu ohranite naslove razdelkov, dajte prednost odlomkom, povezanim z vprašanjem, in zahtevajte potrebno dolžino izhoda, namesto da bi večji kontekst razumeli kot razlog za vključitev nepovezanega gradiva.
Uradni hitri začetek uporablja sistemska in uporabniška sporočila s pogovorno predlogo modela, nato pa dekodira generirano nadaljevanje. Programersko nalogo pripravite z ustrezno izvorno kodo, jezikom, pričakovanim vedenjem in omejitvami. Matematično vprašanje pripravite z danimi podatki in obliko rezultata. Dokumentirane izboljšave splošnega modela na teh področjih ga ne spremenijo v ločeno učeni izdaji Qwen2.5-Coder ali Qwen2.5-Math. Primer programerskih navodil lahko zahteva razlago funkcije, predlog popravka in pojasnilo, zakaj predlog izpolnjuje navedene pogoje; izvajanje in preverjanje ostajata ločena koraka.
Dokumentacija izdaje Qwen opisuje tudi klice orodij in pogovorno predlogo, ki upošteva orodja, vključno z združljivostjo s Qwen-Agent. Določite razpoložljiva orodja in njihove argumente, navedite cilj in modelu posredujte vrnjene rezultate za razlago. Pomočnik za dokumente lahko pred končnim odgovorom zahteva ustrezne informacije, pomočnik za kodo pa lahko sklepa o izhodu preverjanja, ki ga je izvedla aplikacija. Uporaben končni izdelek je tako odgovor, povezan s podanimi dokazi in zahtevano obliko. To je profil besedilnega modela; vizualne, zvočne ali video-generativne zmožnosti drugih modelov Qwen so ločene.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen-2.5-7b-instruct | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0004 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0004 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen-2.5-7b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen-2.5-7b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen-2.5-7b-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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen-2.5-7b-instruct
Uporabite zgoraj navedene poti metod.
qwen/qwen-2.5-7b-instructQwen2.5-7B-Instruct je Qwenov kompakten besedilni model, prilagojen navodilom, za večjezično pisanje, programiranje, matematiko in strukturirane podatke. Proizvajalec dokumentira do 131.072 kontekstnih žetonov s konfiguracijo za dolg kontekst in generiranje do 8.192 žetonov.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Qwen2.5-7B-Instruct je besedilni model 7B, prilagojen navodilom, iz družine splošnonamenskih jezikovnih modelov Qwen2.5. Qwen poudarja programiranje in matematiko, sledenje navodilom, pisanje dolgih besedil, razumevanje tabel in strukturirani izhod, zlasti JSON. Gre za gost model samo z dekodirnikom, ki ima skupaj 7,61 milijarde parametrov, od tega 6,53 milijarde parametrov zunaj vložitev. Sprejema besedilne pogovore in generira besedilo. Uporabna navodila mu lahko naročijo, naj podane informacije pretvori v jasno razlago, strukturiran zapis, izboljšan osnutek ali predlog programa.
Model podpira več kot 29 jezikov, med drugim kitajščino, angleščino, francoščino, španščino, portugalščino, nemščino, italijanščino, ruščino, japonščino, korejščino, vietnamščino, tajščino in arabščino. Proizvajalec poudarja tudi zanesljivo odzivanje na različne sistemske pozive, kar je uporabno pri določanju pogovorne vloge in njenih pogojev. Vlogo, občinstvo, terminologijo in izhodni jezik podajte neposredno. Zahteva za urejanje lahko denimo vsebuje tehnični odlomek, opredeli predvidenega bralca in zahteva krajšo razlago, ki ohrani poimenovane izraze in navedene pogoje. Izdaja, prilagojena navodilom, je pogovorni model in se razlikuje od ustreznega predhodno učenega osnovnega modela.
Razumevanje strukturiranih podatkov in generiranje JSON sta ključni izboljšavi v Qwen2.5. Pri izluščanju ali pretvorbi tabele ohranite njene glave in enote ter pojasnite, katere vrstice ali povezave so pomembne. Določite zahtevane ključe, vrste vrednosti in ravnanje z manjkajočimi informacijami, namesto da zahtevate le splošen povzetek. Primer navodil bi lahko vseboval seznam težav in zahteval en objekt za vsako težavo, z identifikatorjem vira, kategorijo in kratko razlago. Tak rezultat je še vedno generirano besedilo: preverjanje njegove strukture in vrednosti glede na vhod je del uporabe v nadaljnjem poteku dela.
Kartica tega modela opisuje polno dolžino konteksta 131.072 žetonov in generiranje do 8.192 žetonov. Priložena konfiguracija je nastavljena na 32.768 kontekstnih žetonov; za daljše gradivo se uporablja dokumentirana konfiguracija YaRN. Proizvajalec opozarja, da statično skaliranje lahko vpliva na uspešnost pri krajših vhodih, in priporoča njegovo dodajanje, kadar potrebujete obdelavo dolgega konteksta. Vhod in zahtevani odgovor naj ostaneta znotraj ustrezno konfiguriranega prostora. Pri dolgem poročilu ohranite naslove razdelkov, dajte prednost odlomkom, povezanim z vprašanjem, in zahtevajte potrebno dolžino izhoda, namesto da bi večji kontekst razumeli kot razlog za vključitev nepovezanega gradiva.
Uradni hitri začetek uporablja sistemska in uporabniška sporočila s pogovorno predlogo modela, nato pa dekodira generirano nadaljevanje. Programersko nalogo pripravite z ustrezno izvorno kodo, jezikom, pričakovanim vedenjem in omejitvami. Matematično vprašanje pripravite z danimi podatki in obliko rezultata. Dokumentirane izboljšave splošnega modela na teh področjih ga ne spremenijo v ločeno učeni izdaji Qwen2.5-Coder ali Qwen2.5-Math. Primer programerskih navodil lahko zahteva razlago funkcije, predlog popravka in pojasnilo, zakaj predlog izpolnjuje navedene pogoje; izvajanje in preverjanje ostajata ločena koraka.
Dokumentacija izdaje Qwen opisuje tudi klice orodij in pogovorno predlogo, ki upošteva orodja, vključno z združljivostjo s Qwen-Agent. Določite razpoložljiva orodja in njihove argumente, navedite cilj in modelu posredujte vrnjene rezultate za razlago. Pomočnik za dokumente lahko pred končnim odgovorom zahteva ustrezne informacije, pomočnik za kodo pa lahko sklepa o izhodu preverjanja, ki ga je izvedla aplikacija. Uporaben končni izdelek je tako odgovor, povezan s podanimi dokazi in zahtevano obliko. To je profil besedilnega modela; vizualne, zvočne ali video-generativne zmožnosti drugih modelov Qwen so ločene.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve qwen/qwen-2.5-7b-instruct | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0004 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.0002 / 1K žetonov Izhod · Izhodni žetoni $0.0004 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "qwen/qwen-2.5-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen-2.5-7b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen-2.5-7b-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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra qwen/qwen-2.5-7b-instruct
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Transform a table with units preserved\n\nFrom this text table, report total units and rows needing follow-up: item | ordered units | received units; pens | 40 | 35; folders | 20 | 20; clips | 100 | unknown. Produce a table with item, missing units and source values, then totals that separate known quantities from unknowns. Do not treat unknown as zero.A transformed table, known ordered/received totals and a note explaining which shortage remains undetermined.Pens show a shortage of 5, folders 0, and clips unknown; totals do not silently count unknown received units as zero.