Qwen2.5-Coder-7B-Instruct är den instruktionsanpassade utgåvan i 7B-storlek av Qwens kodinriktade familj, tidigare känd som CodeQwen. Dess centrala uppgifter är kodgenerering, resonemang om programbeteende och kodreparation. Den tar emot text, inklusive krav och källkod, och returnerar text som kan innehålla en implementation, förklaring eller föreslagen ändring.
Kodningsförmågor och träning
Tillverkaren beskriver 5.5 biljoner träningstoken, inklusive källkod, material som kopplar text till kod och syntetiska exempel. Familjen behåller matematiska och allmänna språkförmågor vid sidan av sin programmeringsspecialisering. Presentationen av utgåvan skiljer mellan att generera ett program, resonera om hur ett program körs och reparera en befintlig implementation; dessa kräver olika indata och olika slutliga artefakter.
För generering ska programmeringsspråk, funktionssignatur, indatatyper och förväntat returvärde anges. Ta med begränsningar, exempelvis om funktionen får ändra sina indata eller använda ett externt beroende. Begär implementationen och en kort förklaring av hur den uppfyller varje krav. En sorteringsbegäran kan exempelvis ange att dubblettvärden ska behållas och ursprungslistan lämnas oförändrad, och sedan be om en funktion plus exempelanrop för en tom lista och en lista med upprepade värden.
För kodresonemang ska det exakta fragmentet och de specifika indata som ska spåras tillhandahållas. Fråga vilka grenar som körs, hur mellanvärden förändras och vad funktionen returnerar. Det är mer användbart än en ospecificerad begäran att förklara en hel fil: svaret kopplar konkreta indata till en konkret väg genom programmet. Behåll eventuella anropade hjälpfunktioner eller relevanta typdefinitioner med fragmentet.
För reparation ska felbeteendet, det förväntade beteendet och koden som avgör skillnaden anges. Ett felmeddelande ensamt kan lämna det viktiga villkoret ospecificerat. Begär en föreslagen rättelse, en förklaring av orsaken och exempel som skiljer det gamla från det avsedda beteendet. Den returnerade patchen är en textartefakt; kompilering, körning eller applicering i en kodbas kräver den omgivande utvecklingsmiljön.
Den namngivna 7B-utgåvan
Den släppta modellen har 7.61 miljarder parametrar, varav 6.53 miljarder utanför inbäddningarna, och 28 Transformer-lager. Den använder roterande positionsinbäddningar, SwiGLU, RMSNorm och QKV-bias för attention. Dess grouped-query attention har 28 frågehuvuden och 4 nyckel-/värdehuvuden. Dessa detaljer beskriver denna utgåva snarare än en större Coder-utgåva.
Familjen erbjuder separata Base- och Instruct-modeller. Instruct är anpassad för samtalsbegäranden; Base är en grund för komplettering och vidare anpassning. Den här posten gäller den instruktionsanpassade 7B-modellen. Utgåvans exempel och framträdande resultat för andra storlekar definierar inte denna utgåvas förmågor eller resurskrav.
Förbereda instruktionen
Modellkortet demonstrerar ett samtal med separata system- och användarmeddelanden och motsvarande chattmall. Placera bestående svarsregler, exempelvis hur implementation och förklaring ska presenteras, separat från kod och uppgift. Markera vilket fragment som är befintlig källkod, vilken text som är ett krav och vilka utdata som måste returneras. Det hjälper till att bevara identifierare, gränssnitt och beteenden som den begärda ändringen måste behålla.
Användbara indata till en utvecklarassistent kan innehålla en kort modul, dess anropare och den avsedda ändringen. Begär en reviderad funktion, en lista med antaganden och exempelindata med förväntade utdata. För en genererad visuell artefakt ska data och interaktioner som ska implementeras anges och den resulterande källtexten begäras; den kodinriktade familjen illustrerar även kodassistenter och visuella artefakter. Rendering av artefakten förblir ett separat steg från generering av källan.
Bearbetning av lång text
Modellkortet anger en fullständig kontext på 131,072 token, medan den släppta konfigurationen initialt är inställd på 32,768 token. Bearbetning av indata utöver inställningen kräver den dokumenterade YaRN-utökningen. Exemplet anger en skalningsfaktor på 4.0 och ett ursprungligt högsta positionsantal på 32,768. Tillverkaren påpekar att statisk skalning kan påverka beteendet för kortare text och rekommenderar att utökningen läggs till när långa kontexter behövs.
Använd den större kontexten för att hålla relaterad kod och krav tillsammans, men identifiera den faktiska frågan: hitta ett inkompatibelt anrop, förklara en dataväg eller föreslå en ändring inom ett specificerat gränssnitt. Ta med delarna som avgör beteendet snarare än orelaterat projektmaterial. Snabbstartens 512 genererade token är en exempelinställning; modellkortet fastställer ingen separat maximal utdatakapacitet utifrån värdet.
Modellens dokumenterade resultat är text. Dess roll i en kodagent beror på att applikationen tillhandahåller tillgång till kodbasen, körning och återkoppling. Håll dessa operationer åtskilda från modellens förmåga att föreslå kod och förklara dess beteende, och ange exakt 7B-Instruct-utgåva och inställningar för lång kontext uttryckligen när en upprepbar uppgift planeras.
", "aboutText": "Qwen2.5-Coder-7B-Instruct är den instruktionsanpassade utgåvan i 7B-storlek av Qwens kodinriktade familj, tidigare känd som CodeQwen. Dess centrala uppgifter är kodgenerering, resonemang om programbeteende och kodreparation. Den tar emot text, inklusive krav och källkod, och returnerar text som kan innehålla en implementation, förklaring eller föreslagen ändring.\n\nKodningsförmågor och träning\n\nTillverkaren beskriver 5.5 biljoner träningstoken, inklusive källkod, material som kopplar text till kod och syntetiska exempel. Familjen behåller matematiska och allmänna språkförmågor vid sidan av sin programmeringsspecialisering. Presentationen av utgåvan skiljer mellan att generera ett program, resonera om hur ett program körs och reparera en befintlig implementation; dessa kräver olika indata och olika slutliga artefakter.\n\nFör generering ska programmeringsspråk, funktionssignatur, indatatyper och förväntat returvärde anges. Ta med begränsningar, exempelvis om funktionen får ändra sina indata eller använda ett externt beroende. Begär implementationen och en kort förklaring av hur den uppfyller varje krav. En sorteringsbegäran kan exempelvis ange att dubblettvärden ska behållas och ursprungslistan lämnas oförändrad, och sedan be om en funktion plus exempelanrop för en tom lista och en lista med upprepade värden.\n\nFör kodresonemang ska det exakta fragmentet och de specifika indata som ska spåras tillhandahållas. Fråga vilka grenar som körs, hur mellanvärden förändras och vad funktionen returnerar. Det är mer användbart än en ospecificerad begäran att förklara en hel fil: svaret kopplar konkreta indata till en konkret väg genom programmet. Behåll eventuella anropade hjälpfunktioner eller relevanta typdefinitioner med fragmentet.\n\nFör reparation ska felbeteendet, det förväntade beteendet och koden som avgör skillnaden anges. Ett felmeddelande ensamt kan lämna det viktiga villkoret ospecificerat. Begär en föreslagen rättelse, en förklaring av orsaken och exempel som skiljer det gamla från det avsedda beteendet. Den returnerade patchen är en textartefakt; kompilering, körning eller applicering i en kodbas kräver den omgivande utvecklingsmiljön.\n\nDen namngivna 7B-utgåvan\n\nDen släppta modellen har 7.61 miljarder parametrar, varav 6.53 miljarder utanför inbäddningarna, och 28 Transformer-lager. Den använder roterande positionsinbäddningar, SwiGLU, RMSNorm och QKV-bias för attention. Dess grouped-query attention har 28 frågehuvuden och 4 nyckel-/värdehuvuden. Dessa detaljer beskriver denna utgåva snarare än en större Coder-utgåva.\n\nFamiljen erbjuder separata Base- och Instruct-modeller. Instruct är anpassad för samtalsbegäranden; Base är en grund för komplettering och vidare anpassning. Den här posten gäller den instruktionsanpassade 7B-modellen. Utgåvans exempel och framträdande resultat för andra storlekar definierar inte denna utgåvas förmågor eller resurskrav.\n\nFörbereda instruktionen\n\nModellkortet demonstrerar ett samtal med separata system- och användarmeddelanden och motsvarande chattmall. Placera bestående svarsregler, exempelvis hur implementation och förklaring ska presenteras, separat från kod och uppgift. Markera vilket fragment som är befintlig källkod, vilken text som är ett krav och vilka utdata som måste returneras. Det hjälper till att bevara identifierare, gränssnitt och beteenden som den begärda ändringen måste behålla.\n\nAnvändbara indata till en utvecklarassistent kan innehålla en kort modul, dess anropare och den avsedda ändringen. Begär en reviderad funktion, en lista med antaganden och exempelindata med förväntade utdata. För en genererad visuell artefakt ska data och interaktioner som ska implementeras anges och den resulterande källtexten begäras; den kodinriktade familjen illustrerar även kodassistenter och visuella artefakter. Rendering av artefakten förblir ett separat steg från generering av källan.\n\nBearbetning av lång text\n\nModellkortet anger en fullständig kontext på 131,072 token, medan den släppta konfigurationen initialt är inställd på 32,768 token. Bearbetning av indata utöver inställningen kräver den dokumenterade YaRN-utökningen. Exemplet anger en skalningsfaktor på 4.0 och ett ursprungligt högsta positionsantal på 32,768. Tillverkaren påpekar att statisk skalning kan påverka beteendet för kortare text och rekommenderar att utökningen läggs till när långa kontexter behövs.\n\nAnvänd den större kontexten för att hålla relaterad kod och krav tillsammans, men identifiera den faktiska frågan: hitta ett inkompatibelt anrop, förklara en dataväg eller föreslå en ändring inom ett specificerat gränssnitt. Ta med delarna som avgör beteendet snarare än orelaterat projektmaterial. Snabbstartens 512 genererade token är en exempelinställning; modellkortet fastställer ingen separat maximal utdatakapacitet utifrån värdet.\n\nModellens dokumenterade resultat är text. Dess roll i en kodagent beror på att applikationen tillhandahåller tillgång till kodbasen, körning och återkoppling. Håll dessa operationer åtskilda från modellens förmåga att föreslå kod och förklara dess beteende, och ange exakt 7B-Instruct-utgåva och inställningar för lång kontext uttryckligen när en upprepbar uppgift planeras.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct är en textmodell som genererar, förklarar och reparerar kod utifrån instruktioner. Utgåvan med 7.61 miljarder parametrar stöder utökad kontext upp till 131,072 token med den dokumenterade konfigurationen för lång kontext.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen2.5-Coder-7B-Instruct är den instruktionsanpassade utgåvan i 7B-storlek av Qwens kodinriktade familj, tidigare känd som CodeQwen. Dess centrala uppgifter är kodgenerering, resonemang om programbeteende och kodreparation. Den tar emot text, inklusive krav och källkod, och returnerar text som kan innehålla en implementation, förklaring eller föreslagen ändring.
Kodningsförmågor och träning
Tillverkaren beskriver 5.5 biljoner träningstoken, inklusive källkod, material som kopplar text till kod och syntetiska exempel. Familjen behåller matematiska och allmänna språkförmågor vid sidan av sin programmeringsspecialisering. Presentationen av utgåvan skiljer mellan att generera ett program, resonera om hur ett program körs och reparera en befintlig implementation; dessa kräver olika indata och olika slutliga artefakter.
För generering ska programmeringsspråk, funktionssignatur, indatatyper och förväntat returvärde anges. Ta med begränsningar, exempelvis om funktionen får ändra sina indata eller använda ett externt beroende. Begär implementationen och en kort förklaring av hur den uppfyller varje krav. En sorteringsbegäran kan exempelvis ange att dubblettvärden ska behållas och ursprungslistan lämnas oförändrad, och sedan be om en funktion plus exempelanrop för en tom lista och en lista med upprepade värden.
För kodresonemang ska det exakta fragmentet och de specifika indata som ska spåras tillhandahållas. Fråga vilka grenar som körs, hur mellanvärden förändras och vad funktionen returnerar. Det är mer användbart än en ospecificerad begäran att förklara en hel fil: svaret kopplar konkreta indata till en konkret väg genom programmet. Behåll eventuella anropade hjälpfunktioner eller relevanta typdefinitioner med fragmentet.
För reparation ska felbeteendet, det förväntade beteendet och koden som avgör skillnaden anges. Ett felmeddelande ensamt kan lämna det viktiga villkoret ospecificerat. Begär en föreslagen rättelse, en förklaring av orsaken och exempel som skiljer det gamla från det avsedda beteendet. Den returnerade patchen är en textartefakt; kompilering, körning eller applicering i en kodbas kräver den omgivande utvecklingsmiljön.
Den namngivna 7B-utgåvan
Den släppta modellen har 7.61 miljarder parametrar, varav 6.53 miljarder utanför inbäddningarna, och 28 Transformer-lager. Den använder roterande positionsinbäddningar, SwiGLU, RMSNorm och QKV-bias för attention. Dess grouped-query attention har 28 frågehuvuden och 4 nyckel-/värdehuvuden. Dessa detaljer beskriver denna utgåva snarare än en större Coder-utgåva.
Familjen erbjuder separata Base- och Instruct-modeller. Instruct är anpassad för samtalsbegäranden; Base är en grund för komplettering och vidare anpassning. Den här posten gäller den instruktionsanpassade 7B-modellen. Utgåvans exempel och framträdande resultat för andra storlekar definierar inte denna utgåvas förmågor eller resurskrav.
Förbereda instruktionen
Modellkortet demonstrerar ett samtal med separata system- och användarmeddelanden och motsvarande chattmall. Placera bestående svarsregler, exempelvis hur implementation och förklaring ska presenteras, separat från kod och uppgift. Markera vilket fragment som är befintlig källkod, vilken text som är ett krav och vilka utdata som måste returneras. Det hjälper till att bevara identifierare, gränssnitt och beteenden som den begärda ändringen måste behålla.
Användbara indata till en utvecklarassistent kan innehålla en kort modul, dess anropare och den avsedda ändringen. Begär en reviderad funktion, en lista med antaganden och exempelindata med förväntade utdata. För en genererad visuell artefakt ska data och interaktioner som ska implementeras anges och den resulterande källtexten begäras; den kodinriktade familjen illustrerar även kodassistenter och visuella artefakter. Rendering av artefakten förblir ett separat steg från generering av källan.
Bearbetning av lång text
Modellkortet anger en fullständig kontext på 131,072 token, medan den släppta konfigurationen initialt är inställd på 32,768 token. Bearbetning av indata utöver inställningen kräver den dokumenterade YaRN-utökningen. Exemplet anger en skalningsfaktor på 4.0 och ett ursprungligt högsta positionsantal på 32,768. Tillverkaren påpekar att statisk skalning kan påverka beteendet för kortare text och rekommenderar att utökningen läggs till när långa kontexter behövs.
Använd den större kontexten för att hålla relaterad kod och krav tillsammans, men identifiera den faktiska frågan: hitta ett inkompatibelt anrop, förklara en dataväg eller föreslå en ändring inom ett specificerat gränssnitt. Ta med delarna som avgör beteendet snarare än orelaterat projektmaterial. Snabbstartens 512 genererade token är en exempelinställning; modellkortet fastställer ingen separat maximal utdatakapacitet utifrån värdet.
Modellens dokumenterade resultat är text. Dess roll i en kodagent beror på att applikationen tillhandahåller tillgång till kodbasen, körning och återkoppling. Håll dessa operationer åtskilda från modellens förmåga att föreslå kod och förklara dess beteende, och ange exakt 7B-Instruct-utgåva och inställningar för lång kontext uttryckligen när en upprepbar uppgift planeras.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen2.5-coder-7b-instruct | 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 $0.0001 / 1K token Utdata · Utdatatoken $0.0001 / 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-coder-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='qwen2.5-coder-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='qwen2.5-coder-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 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-coder-7b-instruct
Använd metodsökvägarna som visas ovan.
qwen2.5-coder-7b-instructQwen2.5-Coder-7B-Instruct är en textmodell som genererar, förklarar och reparerar kod utifrån instruktioner. Utgåvan med 7.61 miljarder parametrar stöder utökad kontext upp till 131,072 token med den dokumenterade konfigurationen för lång kontext.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen2.5-Coder-7B-Instruct är den instruktionsanpassade utgåvan i 7B-storlek av Qwens kodinriktade familj, tidigare känd som CodeQwen. Dess centrala uppgifter är kodgenerering, resonemang om programbeteende och kodreparation. Den tar emot text, inklusive krav och källkod, och returnerar text som kan innehålla en implementation, förklaring eller föreslagen ändring.
Kodningsförmågor och träning
Tillverkaren beskriver 5.5 biljoner träningstoken, inklusive källkod, material som kopplar text till kod och syntetiska exempel. Familjen behåller matematiska och allmänna språkförmågor vid sidan av sin programmeringsspecialisering. Presentationen av utgåvan skiljer mellan att generera ett program, resonera om hur ett program körs och reparera en befintlig implementation; dessa kräver olika indata och olika slutliga artefakter.
För generering ska programmeringsspråk, funktionssignatur, indatatyper och förväntat returvärde anges. Ta med begränsningar, exempelvis om funktionen får ändra sina indata eller använda ett externt beroende. Begär implementationen och en kort förklaring av hur den uppfyller varje krav. En sorteringsbegäran kan exempelvis ange att dubblettvärden ska behållas och ursprungslistan lämnas oförändrad, och sedan be om en funktion plus exempelanrop för en tom lista och en lista med upprepade värden.
För kodresonemang ska det exakta fragmentet och de specifika indata som ska spåras tillhandahållas. Fråga vilka grenar som körs, hur mellanvärden förändras och vad funktionen returnerar. Det är mer användbart än en ospecificerad begäran att förklara en hel fil: svaret kopplar konkreta indata till en konkret väg genom programmet. Behåll eventuella anropade hjälpfunktioner eller relevanta typdefinitioner med fragmentet.
För reparation ska felbeteendet, det förväntade beteendet och koden som avgör skillnaden anges. Ett felmeddelande ensamt kan lämna det viktiga villkoret ospecificerat. Begär en föreslagen rättelse, en förklaring av orsaken och exempel som skiljer det gamla från det avsedda beteendet. Den returnerade patchen är en textartefakt; kompilering, körning eller applicering i en kodbas kräver den omgivande utvecklingsmiljön.
Den namngivna 7B-utgåvan
Den släppta modellen har 7.61 miljarder parametrar, varav 6.53 miljarder utanför inbäddningarna, och 28 Transformer-lager. Den använder roterande positionsinbäddningar, SwiGLU, RMSNorm och QKV-bias för attention. Dess grouped-query attention har 28 frågehuvuden och 4 nyckel-/värdehuvuden. Dessa detaljer beskriver denna utgåva snarare än en större Coder-utgåva.
Familjen erbjuder separata Base- och Instruct-modeller. Instruct är anpassad för samtalsbegäranden; Base är en grund för komplettering och vidare anpassning. Den här posten gäller den instruktionsanpassade 7B-modellen. Utgåvans exempel och framträdande resultat för andra storlekar definierar inte denna utgåvas förmågor eller resurskrav.
Förbereda instruktionen
Modellkortet demonstrerar ett samtal med separata system- och användarmeddelanden och motsvarande chattmall. Placera bestående svarsregler, exempelvis hur implementation och förklaring ska presenteras, separat från kod och uppgift. Markera vilket fragment som är befintlig källkod, vilken text som är ett krav och vilka utdata som måste returneras. Det hjälper till att bevara identifierare, gränssnitt och beteenden som den begärda ändringen måste behålla.
Användbara indata till en utvecklarassistent kan innehålla en kort modul, dess anropare och den avsedda ändringen. Begär en reviderad funktion, en lista med antaganden och exempelindata med förväntade utdata. För en genererad visuell artefakt ska data och interaktioner som ska implementeras anges och den resulterande källtexten begäras; den kodinriktade familjen illustrerar även kodassistenter och visuella artefakter. Rendering av artefakten förblir ett separat steg från generering av källan.
Bearbetning av lång text
Modellkortet anger en fullständig kontext på 131,072 token, medan den släppta konfigurationen initialt är inställd på 32,768 token. Bearbetning av indata utöver inställningen kräver den dokumenterade YaRN-utökningen. Exemplet anger en skalningsfaktor på 4.0 och ett ursprungligt högsta positionsantal på 32,768. Tillverkaren påpekar att statisk skalning kan påverka beteendet för kortare text och rekommenderar att utökningen läggs till när långa kontexter behövs.
Använd den större kontexten för att hålla relaterad kod och krav tillsammans, men identifiera den faktiska frågan: hitta ett inkompatibelt anrop, förklara en dataväg eller föreslå en ändring inom ett specificerat gränssnitt. Ta med delarna som avgör beteendet snarare än orelaterat projektmaterial. Snabbstartens 512 genererade token är en exempelinställning; modellkortet fastställer ingen separat maximal utdatakapacitet utifrån värdet.
Modellens dokumenterade resultat är text. Dess roll i en kodagent beror på att applikationen tillhandahåller tillgång till kodbasen, körning och återkoppling. Håll dessa operationer åtskilda från modellens förmåga att föreslå kod och förklara dess beteende, och ange exakt 7B-Instruct-utgåva och inställningar för lång kontext uttryckligen när en upprepbar uppgift planeras.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen2.5-coder-7b-instruct | 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 $0.0001 / 1K token Utdata · Utdatatoken $0.0001 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "qwen2.5-coder-7b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen2.5-coder-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': 'qwen2.5-coder-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 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-coder-7b-instruct
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Repair integer averaging\n\nFix this Python function: def mean(values): return sum(values) // len(values). Requirement: return the arithmetic mean as a float, preserve fractional results and raise ValueError for empty input. Provide the corrected function and tests for [1, 2], [-2, 2] and []. Explain the two distinct defects.A corrected function, three tests and separate explanations for floor division and empty-input behavior.Check that [1, 2] keeps its fractional mean and that empty input raises the specified exception.