Qwen2.5 14B Instruct 1M är 14B-utgåvan med längre kontext i Qwen2.5-familjen. Tillverkarens modellkort publicerar en fullständig kontext på 1,010,000 token och en genereringsram på 8,192 token. Det beskriver en språkmodell med 14.7 miljarder parametrar, varav 13.1 miljarder exklusive inbäddningar.
Märk dokumenten eller avsnitten och ange vilket resultat de ska stödja. En jämförelse kan definiera kriterierna och efterfråga skillnader knutna till källorna. En sammanfattning kan specificera målgruppen och informationen som måste bevaras. Ett fokuserat underlag håller en större källsamling kopplad till det nödvändiga svaret.
För en uppföljning ska källidentifierare och relevanta tidigare fynd behållas. Lägg uttryckligen till en rättelse eller ett nytt avsnitt så att en reviderad slutsats kan jämföras med ursprungliga belägg.
Tillverkaren demonstrerar en systeminstruktion och användarfråga genom utgåvans chattmall. Håll citerat material åtskilt från instruktioner och definiera slutsvarets struktur. För ett strukturerat resultat ska fälten och hur frånvarande information ska visas anges; kontrollera sedan returnerade värden mot källan.
Stora indata kräver inte ett lika stort svar. Begär de detaljer artefakten behöver och lämna lämpligt svarsutrymme inom det valda gränssnittets gränser.
Tillverkaren rekommenderar ett specialiserat inferensramverk med sparse attention och längdextrapolering för ultralånga indata. Guiden förklarar hur maximal modellängd och andra körparametrar ställs in; den påpekar också att ett äldre kompatibelt ramverk kan förlora noggrannhet över 262,144 token.
Detta är modell- och driftsförmågor snarare än inställningar som automatiskt exponeras av varje hostat gränssnitt. Den specifika hostade profilen anger en arbetskontext på 128,000 token. Förbered den faktiska begäran utifrån gränssnittets dokumenterade gränser i stället för att behandla utgåvenamnet 1M som en garanti för varje väg.
Tillverkarens gemensamma guide för lång kontext namnger separata modeller på 7B och 14B. Den här posten följer 14B-modellens egna parameter- och genereringsspecifikationer. Spara den exakta utgåvan tillsammans med prompt och resultat vid jämförelse av uppgifter med större källmaterial eller revideringar.
", "aboutText": "Qwen2.5 14B Instruct 1M är 14B-utgåvan med längre kontext i Qwen2.5-familjen. Tillverkarens modellkort publicerar en fullständig kontext på 1,010,000 token och en genereringsram på 8,192 token. Det beskriver en språkmodell med 14.7 miljarder parametrar, varav 13.1 miljarder exklusive inbäddningar.\n\n### Organisera långt material kring frågan\n\nMärk dokumenten eller avsnitten och ange vilket resultat de ska stödja. En jämförelse kan definiera kriterierna och efterfråga skillnader knutna till källorna. En sammanfattning kan specificera målgruppen och informationen som måste bevaras. Ett fokuserat underlag håller en större källsamling kopplad till det nödvändiga svaret.\n\nFör en uppföljning ska källidentifierare och relevanta tidigare fynd behållas. Lägg uttryckligen till en rättelse eller ett nytt avsnitt så att en reviderad slutsats kan jämföras med ursprungliga belägg.\n\n### Använd modellens samtalsmall\n\nTillverkaren demonstrerar en systeminstruktion och användarfråga genom utgåvans chattmall. Håll citerat material åtskilt från instruktioner och definiera slutsvarets struktur. För ett strukturerat resultat ska fälten och hur frånvarande information ska visas anges; kontrollera sedan returnerade värden mot källan.\n\nStora indata kräver inte ett lika stort svar. Begär de detaljer artefakten behöver och lämna lämpligt svarsutrymme inom det valda gränssnittets gränser.\n\n### Konfiguration för lång kontext\n\nTillverkaren rekommenderar ett specialiserat inferensramverk med sparse attention och längdextrapolering för ultralånga indata. Guiden förklarar hur maximal modellängd och andra körparametrar ställs in; den påpekar också att ett äldre kompatibelt ramverk kan förlora noggrannhet över 262,144 token.\n\nDetta är modell- och driftsförmågor snarare än inställningar som automatiskt exponeras av varje hostat gränssnitt. Den specifika hostade profilen anger en arbetskontext på 128,000 token. Förbered den faktiska begäran utifrån gränssnittets dokumenterade gränser i stället för att behandla utgåvenamnet 1M som en garanti för varje väg.\n\n### Bevara 14B-utgåvan\n\nTillverkarens gemensamma guide för lång kontext namnger separata modeller på 7B och 14B. Den här posten följer 14B-modellens egna parameter- och genereringsspecifikationer. Spara den exakta utgåvan tillsammans med prompt och resultat vid jämförelse av uppgifter med större källmaterial eller revideringar.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Reconcile a source collection\n\nCreate a current project summary from these labeled records. [M1] May plan: pilot in two branches, North and East. [M2] June decision: replace East with West; North unchanged. [M3] June staffing note: West lead unassigned. Treat later explicit decisions as updates. Return active branches, the change history and unresolved ownership, citing the relevant record IDs.A source-linked current-state summary, a concise change history and the missing West owner.Check East survives only in history and West is active with its owner unassigned.qwen2.5-14b-instruct-1mQwen2.5 14B Instruct 1M är Qwens textutgåva med lång kontext för större källsamlingar och instruktionsföljande uppgifter. Tillverkaren publicerar en fullständig kontext på 1,010,000 token och en genereringsram på 8,192 token för modellen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen2.5 14B Instruct 1M är 14B-utgåvan med längre kontext i Qwen2.5-familjen. Tillverkarens modellkort publicerar en fullständig kontext på 1,010,000 token och en genereringsram på 8,192 token. Det beskriver en språkmodell med 14.7 miljarder parametrar, varav 13.1 miljarder exklusive inbäddningar.
Märk dokumenten eller avsnitten och ange vilket resultat de ska stödja. En jämförelse kan definiera kriterierna och efterfråga skillnader knutna till källorna. En sammanfattning kan specificera målgruppen och informationen som måste bevaras. Ett fokuserat underlag håller en större källsamling kopplad till det nödvändiga svaret.
För en uppföljning ska källidentifierare och relevanta tidigare fynd behållas. Lägg uttryckligen till en rättelse eller ett nytt avsnitt så att en reviderad slutsats kan jämföras med ursprungliga belägg.
Tillverkaren demonstrerar en systeminstruktion och användarfråga genom utgåvans chattmall. Håll citerat material åtskilt från instruktioner och definiera slutsvarets struktur. För ett strukturerat resultat ska fälten och hur frånvarande information ska visas anges; kontrollera sedan returnerade värden mot källan.
Stora indata kräver inte ett lika stort svar. Begär de detaljer artefakten behöver och lämna lämpligt svarsutrymme inom det valda gränssnittets gränser.
Tillverkaren rekommenderar ett specialiserat inferensramverk med sparse attention och längdextrapolering för ultralånga indata. Guiden förklarar hur maximal modellängd och andra körparametrar ställs in; den påpekar också att ett äldre kompatibelt ramverk kan förlora noggrannhet över 262,144 token.
Detta är modell- och driftsförmågor snarare än inställningar som automatiskt exponeras av varje hostat gränssnitt. Den specifika hostade profilen anger en arbetskontext på 128,000 token. Förbered den faktiska begäran utifrån gränssnittets dokumenterade gränser i stället för att behandla utgåvenamnet 1M som en garanti för varje väg.
Tillverkarens gemensamma guide för lång kontext namnger separata modeller på 7B och 14B. Den här posten följer 14B-modellens egna parameter- och genereringsspecifikationer. Spara den exakta utgåvan tillsammans med prompt och resultat vid jämförelse av uppgifter med större källmaterial eller revideringar.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen2.5-14b-instruct-1m | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.000286 / 1K token Utdata · Utdatatoken $0.00086 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen2.5-14b-instruct-1m", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen2.5-14b-instruct-1m',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen2.5-14b-instruct-1m',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra qwen2.5-14b-instruct-1m
Använd metodsökvägarna som visas ovan.
qwen2.5-14b-instruct-1mQwen2.5 14B Instruct 1M är Qwens textutgåva med lång kontext för större källsamlingar och instruktionsföljande uppgifter. Tillverkaren publicerar en fullständig kontext på 1,010,000 token och en genereringsram på 8,192 token för modellen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen2.5 14B Instruct 1M är 14B-utgåvan med längre kontext i Qwen2.5-familjen. Tillverkarens modellkort publicerar en fullständig kontext på 1,010,000 token och en genereringsram på 8,192 token. Det beskriver en språkmodell med 14.7 miljarder parametrar, varav 13.1 miljarder exklusive inbäddningar.
Märk dokumenten eller avsnitten och ange vilket resultat de ska stödja. En jämförelse kan definiera kriterierna och efterfråga skillnader knutna till källorna. En sammanfattning kan specificera målgruppen och informationen som måste bevaras. Ett fokuserat underlag håller en större källsamling kopplad till det nödvändiga svaret.
För en uppföljning ska källidentifierare och relevanta tidigare fynd behållas. Lägg uttryckligen till en rättelse eller ett nytt avsnitt så att en reviderad slutsats kan jämföras med ursprungliga belägg.
Tillverkaren demonstrerar en systeminstruktion och användarfråga genom utgåvans chattmall. Håll citerat material åtskilt från instruktioner och definiera slutsvarets struktur. För ett strukturerat resultat ska fälten och hur frånvarande information ska visas anges; kontrollera sedan returnerade värden mot källan.
Stora indata kräver inte ett lika stort svar. Begär de detaljer artefakten behöver och lämna lämpligt svarsutrymme inom det valda gränssnittets gränser.
Tillverkaren rekommenderar ett specialiserat inferensramverk med sparse attention och längdextrapolering för ultralånga indata. Guiden förklarar hur maximal modellängd och andra körparametrar ställs in; den påpekar också att ett äldre kompatibelt ramverk kan förlora noggrannhet över 262,144 token.
Detta är modell- och driftsförmågor snarare än inställningar som automatiskt exponeras av varje hostat gränssnitt. Den specifika hostade profilen anger en arbetskontext på 128,000 token. Förbered den faktiska begäran utifrån gränssnittets dokumenterade gränser i stället för att behandla utgåvenamnet 1M som en garanti för varje väg.
Tillverkarens gemensamma guide för lång kontext namnger separata modeller på 7B och 14B. Den här posten följer 14B-modellens egna parameter- och genereringsspecifikationer. Spara den exakta utgåvan tillsammans med prompt och resultat vid jämförelse av uppgifter med större källmaterial eller revideringar.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen2.5-14b-instruct-1m | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.000286 / 1K token Utdata · Utdatatoken $0.00086 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen2.5-14b-instruct-1m",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-14b-instruct-1m', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen2.5-14b-instruct-1m', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra qwen2.5-14b-instruct-1m
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Reconcile a source collection\n\nCreate a current project summary from these labeled records. [M1] May plan: pilot in two branches, North and East. [M2] June decision: replace East with West; North unchanged. [M3] June staffing note: West lead unassigned. Treat later explicit decisions as updates. Return active branches, the change history and unresolved ownership, citing the relevant record IDs.A source-linked current-state summary, a concise change history and the missing West owner.Check East survives only in history and West is active with its owner unassigned.