Qwen2.5 72B Instruct là mô hình văn bản lớn, được tinh chỉnh để làm theo chỉ dẫn, thuộc dòng Qwen2.5 đa dụng của Qwen. Mô hình tạo câu trả lời bằng văn bản, mã và văn bản có cấu trúc từ chỉ dẫn và hội thoại. Các khả năng bao gồm kiến thức tổng quát, lập trình, toán học, làm theo chỉ dẫn chi tiết và xử lý bảng. Đây là phiên bản riêng, khác với bản checkpoint nền tảng Qwen2.5 và các phiên bản Coder, Math, thị giác-ngôn ngữ chuyên biệt.
Mô hình là Transformer kiến trúc dense chỉ có bộ giải mã, với tổng cộng 72,7 tỷ tham số, trong đó 70 tỷ tham số không thuộc lớp embedding. Kiến trúc được công bố có 80 lớp và cơ chế chú ý theo nhóm truy vấn với 64 đầu truy vấn cùng tám đầu khóa/giá trị, bên cạnh rotary position embeddings, SwiGLU và RMSNorm. Dữ liệu tiền huấn luyện của dòng mô hình đạt tới 18 nghìn tỷ token, sau đó là giai đoạn hậu huấn luyện cho việc sử dụng theo chỉ dẫn.
Thẻ mô hình cụ thể công bố ngữ cảnh đầy đủ 131.072 token và khả năng sinh tối đa 8.192 token. Cấu hình được công bố bắt đầu ở 32.768 vị trí; để dùng ngữ cảnh mở rộng cần thiết lập co giãn độ dài của nhà phát triển. Thẻ mô hình lưu ý rằng co giãn tĩnh có thể ảnh hưởng đến hiệu năng với văn bản ngắn hơn và khuyến nghị bật khi cần đầu vào dài. Các con số này phân biệt khả năng đầy đủ của mô hình với cấu hình checkpoint mặc định dùng trong một lần triển khai cụ thể.
Khi xử lý tài liệu dài, hãy xác định các phần cần xem xét và sản phẩm cần trả về: bản so sánh, dàn ý, bản tóm tắt hoặc tập hợp thông tin được trích xuất. Giữ chỉ dẫn, văn bản nguồn và câu trả lời yêu cầu trong ngữ cảnh khả dụng. Với báo cáo dài, kế hoạch theo phần và các ưu tiên rõ ràng giúp đầu ra bám sát nhiệm vụ, thay vì dùng độ dài sinh cho phần mở đầu không liên quan.
Hiểu dữ liệu có cấu trúc và sinh JSON là những điểm nổi bật của phiên bản này. Cung cấp tiêu đề cột, đơn vị và quy ước cho giá trị thiếu trước khi yêu cầu biến đổi dữ liệu. Với tác vụ trích xuất, xác định các trường đầu ra và yêu cầu mô hình phân biệt giá trị được nêu trong nguồn với thông tin không có. Sau đó, ứng dụng có thể phân tích và kiểm tra kết quả theo cấu trúc mong đợi. Việc tạo JSON tự nó không bảo đảm một lược đồ cụ thể sẽ trở thành hợp đồng đầu ra.
Qwen công bố hỗ trợ gọi công cụ thông qua các mẫu hội thoại và tích hợp ứng dụng tương thích. Cung cấp mô tả hàm và thông tin mà từng hàm cần. Mô hình chuẩn bị lời gọi đề xuất; ứng dụng thực thi và cung cấp kết quả cho lượt tiếp theo. Một tác vụ dữ liệu hữu ích có thể truy xuất bản ghi, đối chiếu với câu hỏi của người dùng và trả về giải thích ngắn gọn gắn với các trường đã truy xuất. Việc thực thi và quyền truy cập hệ thống bên ngoài do ứng dụng bao quanh mô hình cung cấp.
Nhà phát triển mô tả hỗ trợ hơn 29 ngôn ngữ, gồm tiếng Trung, Anh, Pháp, Tây Ban Nha, Bồ Đào Nha, Đức, Ý, Nga, Nhật, Hàn, Việt, Thái và Ả Rập. Tính linh hoạt của lời nhắc hệ thống cũng hỗ trợ đặt vai trò và điều kiện cho chatbot. Với lập trình hoặc toán học, cung cấp phần triển khai hay các giả thiết liên quan và yêu cầu câu trả lời cùng các bước kiểm tra hoặc bước trung gian cần để đánh giá. Với đầu ra đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên để kết quả phục vụ đúng đối tượng.
", "aboutText": "Qwen2.5 72B Instruct là mô hình văn bản lớn, được tinh chỉnh để làm theo chỉ dẫn, thuộc dòng Qwen2.5 đa dụng của Qwen. Mô hình tạo câu trả lời bằng văn bản, mã và văn bản có cấu trúc từ chỉ dẫn và hội thoại. Các khả năng bao gồm kiến thức tổng quát, lập trình, toán học, làm theo chỉ dẫn chi tiết và xử lý bảng. Đây là phiên bản riêng, khác với bản checkpoint nền tảng Qwen2.5 và các phiên bản Coder, Math, thị giác-ngôn ngữ chuyên biệt.\n\nMô hình là Transformer kiến trúc dense chỉ có bộ giải mã, với tổng cộng 72,7 tỷ tham số, trong đó 70 tỷ tham số không thuộc lớp embedding. Kiến trúc được công bố có 80 lớp và cơ chế chú ý theo nhóm truy vấn với 64 đầu truy vấn cùng tám đầu khóa/giá trị, bên cạnh rotary position embeddings, SwiGLU và RMSNorm. Dữ liệu tiền huấn luyện của dòng mô hình đạt tới 18 nghìn tỷ token, sau đó là giai đoạn hậu huấn luyện cho việc sử dụng theo chỉ dẫn.\n\nThẻ mô hình cụ thể công bố ngữ cảnh đầy đủ 131.072 token và khả năng sinh tối đa 8.192 token. Cấu hình được công bố bắt đầu ở 32.768 vị trí; để dùng ngữ cảnh mở rộng cần thiết lập co giãn độ dài của nhà phát triển. Thẻ mô hình lưu ý rằng co giãn tĩnh có thể ảnh hưởng đến hiệu năng với văn bản ngắn hơn và khuyến nghị bật khi cần đầu vào dài. Các con số này phân biệt khả năng đầy đủ của mô hình với cấu hình checkpoint mặc định dùng trong một lần triển khai cụ thể.\n\nKhi xử lý tài liệu dài, hãy xác định các phần cần xem xét và sản phẩm cần trả về: bản so sánh, dàn ý, bản tóm tắt hoặc tập hợp thông tin được trích xuất. Giữ chỉ dẫn, văn bản nguồn và câu trả lời yêu cầu trong ngữ cảnh khả dụng. Với báo cáo dài, kế hoạch theo phần và các ưu tiên rõ ràng giúp đầu ra bám sát nhiệm vụ, thay vì dùng độ dài sinh cho phần mở đầu không liên quan.\n\nHiểu dữ liệu có cấu trúc và sinh JSON là những điểm nổi bật của phiên bản này. Cung cấp tiêu đề cột, đơn vị và quy ước cho giá trị thiếu trước khi yêu cầu biến đổi dữ liệu. Với tác vụ trích xuất, xác định các trường đầu ra và yêu cầu mô hình phân biệt giá trị được nêu trong nguồn với thông tin không có. Sau đó, ứng dụng có thể phân tích và kiểm tra kết quả theo cấu trúc mong đợi. Việc tạo JSON tự nó không bảo đảm một lược đồ cụ thể sẽ trở thành hợp đồng đầu ra.\n\nQwen công bố hỗ trợ gọi công cụ thông qua các mẫu hội thoại và tích hợp ứng dụng tương thích. Cung cấp mô tả hàm và thông tin mà từng hàm cần. Mô hình chuẩn bị lời gọi đề xuất; ứng dụng thực thi và cung cấp kết quả cho lượt tiếp theo. Một tác vụ dữ liệu hữu ích có thể truy xuất bản ghi, đối chiếu với câu hỏi của người dùng và trả về giải thích ngắn gọn gắn với các trường đã truy xuất. Việc thực thi và quyền truy cập hệ thống bên ngoài do ứng dụng bao quanh mô hình cung cấp.\n\nNhà phát triển mô tả hỗ trợ hơn 29 ngôn ngữ, gồm tiếng Trung, Anh, Pháp, Tây Ban Nha, Bồ Đào Nha, Đức, Ý, Nga, Nhật, Hàn, Việt, Thái và Ả Rập. Tính linh hoạt của lời nhắc hệ thống cũng hỗ trợ đặt vai trò và điều kiện cho chatbot. Với lập trình hoặc toán học, cung cấp phần triển khai hay các giả thiết liên quan và yêu cầu câu trả lời cùng các bước kiểm tra hoặc bước trung gian cần để đánh giá. Với đầu ra đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên để kết quả phục vụ đúng đối tượng.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Transform a small stock table\n\nTransform this table into a compact requested JSON array. Columns: sku, units, unit. Rows: A7 | 12 | boxes; B3 | blank | pieces; C9 | 0 | boxes. Preserve SKU spelling and units, convert stated counts to integers, and use null for a blank count. Return the array only; do not calculate totals across different units.A three-object JSON-shaped array retaining sku, units and unit with numeric counts or null.The blank count remains null, zero remains 0, and boxes are not added to pieces.qwen/qwen-2.5-72b-instructQwen2.5 72B Instruct là mô hình văn bản kiến trúc dense của Qwen, được tinh chỉnh để làm theo chỉ dẫn, dành cho hội thoại đa ngôn ngữ, lập trình, toán học và dữ liệu có cấu trúc. Nhà phát triển công bố ngữ cảnh mở rộng 131.072 token, khả năng sinh 8.192 token và các mẫu gọi công cụ.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Qwen2.5 72B Instruct là mô hình văn bản lớn, được tinh chỉnh để làm theo chỉ dẫn, thuộc dòng Qwen2.5 đa dụng của Qwen. Mô hình tạo câu trả lời bằng văn bản, mã và văn bản có cấu trúc từ chỉ dẫn và hội thoại. Các khả năng bao gồm kiến thức tổng quát, lập trình, toán học, làm theo chỉ dẫn chi tiết và xử lý bảng. Đây là phiên bản riêng, khác với bản checkpoint nền tảng Qwen2.5 và các phiên bản Coder, Math, thị giác-ngôn ngữ chuyên biệt.
Mô hình là Transformer kiến trúc dense chỉ có bộ giải mã, với tổng cộng 72,7 tỷ tham số, trong đó 70 tỷ tham số không thuộc lớp embedding. Kiến trúc được công bố có 80 lớp và cơ chế chú ý theo nhóm truy vấn với 64 đầu truy vấn cùng tám đầu khóa/giá trị, bên cạnh rotary position embeddings, SwiGLU và RMSNorm. Dữ liệu tiền huấn luyện của dòng mô hình đạt tới 18 nghìn tỷ token, sau đó là giai đoạn hậu huấn luyện cho việc sử dụng theo chỉ dẫn.
Thẻ mô hình cụ thể công bố ngữ cảnh đầy đủ 131.072 token và khả năng sinh tối đa 8.192 token. Cấu hình được công bố bắt đầu ở 32.768 vị trí; để dùng ngữ cảnh mở rộng cần thiết lập co giãn độ dài của nhà phát triển. Thẻ mô hình lưu ý rằng co giãn tĩnh có thể ảnh hưởng đến hiệu năng với văn bản ngắn hơn và khuyến nghị bật khi cần đầu vào dài. Các con số này phân biệt khả năng đầy đủ của mô hình với cấu hình checkpoint mặc định dùng trong một lần triển khai cụ thể.
Khi xử lý tài liệu dài, hãy xác định các phần cần xem xét và sản phẩm cần trả về: bản so sánh, dàn ý, bản tóm tắt hoặc tập hợp thông tin được trích xuất. Giữ chỉ dẫn, văn bản nguồn và câu trả lời yêu cầu trong ngữ cảnh khả dụng. Với báo cáo dài, kế hoạch theo phần và các ưu tiên rõ ràng giúp đầu ra bám sát nhiệm vụ, thay vì dùng độ dài sinh cho phần mở đầu không liên quan.
Hiểu dữ liệu có cấu trúc và sinh JSON là những điểm nổi bật của phiên bản này. Cung cấp tiêu đề cột, đơn vị và quy ước cho giá trị thiếu trước khi yêu cầu biến đổi dữ liệu. Với tác vụ trích xuất, xác định các trường đầu ra và yêu cầu mô hình phân biệt giá trị được nêu trong nguồn với thông tin không có. Sau đó, ứng dụng có thể phân tích và kiểm tra kết quả theo cấu trúc mong đợi. Việc tạo JSON tự nó không bảo đảm một lược đồ cụ thể sẽ trở thành hợp đồng đầu ra.
Qwen công bố hỗ trợ gọi công cụ thông qua các mẫu hội thoại và tích hợp ứng dụng tương thích. Cung cấp mô tả hàm và thông tin mà từng hàm cần. Mô hình chuẩn bị lời gọi đề xuất; ứng dụng thực thi và cung cấp kết quả cho lượt tiếp theo. Một tác vụ dữ liệu hữu ích có thể truy xuất bản ghi, đối chiếu với câu hỏi của người dùng và trả về giải thích ngắn gọn gắn với các trường đã truy xuất. Việc thực thi và quyền truy cập hệ thống bên ngoài do ứng dụng bao quanh mô hình cung cấp.
Nhà phát triển mô tả hỗ trợ hơn 29 ngôn ngữ, gồm tiếng Trung, Anh, Pháp, Tây Ban Nha, Bồ Đào Nha, Đức, Ý, Nga, Nhật, Hàn, Việt, Thái và Ả Rập. Tính linh hoạt của lời nhắc hệ thống cũng hỗ trợ đặt vai trò và điều kiện cho chatbot. Với lập trình hoặc toán học, cung cấp phần triển khai hay các giả thiết liên quan và yêu cầu câu trả lời cùng các bước kiểm tra hoặc bước trung gian cần để đánh giá. Với đầu ra đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên để kết quả phục vụ đúng đối tượng.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen-2.5-72b-instruct | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00118 / 1K token Đầu ra · Token đầu ra $0.00118 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00118 / 1K token Đầu ra · Token đầu ra $0.00118 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen-2.5-72b-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-2.5-72b-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-2.5-72b-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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen-2.5-72b-instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
qwen/qwen-2.5-72b-instructQwen2.5 72B Instruct là mô hình văn bản kiến trúc dense của Qwen, được tinh chỉnh để làm theo chỉ dẫn, dành cho hội thoại đa ngôn ngữ, lập trình, toán học và dữ liệu có cấu trúc. Nhà phát triển công bố ngữ cảnh mở rộng 131.072 token, khả năng sinh 8.192 token và các mẫu gọi công cụ.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Qwen2.5 72B Instruct là mô hình văn bản lớn, được tinh chỉnh để làm theo chỉ dẫn, thuộc dòng Qwen2.5 đa dụng của Qwen. Mô hình tạo câu trả lời bằng văn bản, mã và văn bản có cấu trúc từ chỉ dẫn và hội thoại. Các khả năng bao gồm kiến thức tổng quát, lập trình, toán học, làm theo chỉ dẫn chi tiết và xử lý bảng. Đây là phiên bản riêng, khác với bản checkpoint nền tảng Qwen2.5 và các phiên bản Coder, Math, thị giác-ngôn ngữ chuyên biệt.
Mô hình là Transformer kiến trúc dense chỉ có bộ giải mã, với tổng cộng 72,7 tỷ tham số, trong đó 70 tỷ tham số không thuộc lớp embedding. Kiến trúc được công bố có 80 lớp và cơ chế chú ý theo nhóm truy vấn với 64 đầu truy vấn cùng tám đầu khóa/giá trị, bên cạnh rotary position embeddings, SwiGLU và RMSNorm. Dữ liệu tiền huấn luyện của dòng mô hình đạt tới 18 nghìn tỷ token, sau đó là giai đoạn hậu huấn luyện cho việc sử dụng theo chỉ dẫn.
Thẻ mô hình cụ thể công bố ngữ cảnh đầy đủ 131.072 token và khả năng sinh tối đa 8.192 token. Cấu hình được công bố bắt đầu ở 32.768 vị trí; để dùng ngữ cảnh mở rộng cần thiết lập co giãn độ dài của nhà phát triển. Thẻ mô hình lưu ý rằng co giãn tĩnh có thể ảnh hưởng đến hiệu năng với văn bản ngắn hơn và khuyến nghị bật khi cần đầu vào dài. Các con số này phân biệt khả năng đầy đủ của mô hình với cấu hình checkpoint mặc định dùng trong một lần triển khai cụ thể.
Khi xử lý tài liệu dài, hãy xác định các phần cần xem xét và sản phẩm cần trả về: bản so sánh, dàn ý, bản tóm tắt hoặc tập hợp thông tin được trích xuất. Giữ chỉ dẫn, văn bản nguồn và câu trả lời yêu cầu trong ngữ cảnh khả dụng. Với báo cáo dài, kế hoạch theo phần và các ưu tiên rõ ràng giúp đầu ra bám sát nhiệm vụ, thay vì dùng độ dài sinh cho phần mở đầu không liên quan.
Hiểu dữ liệu có cấu trúc và sinh JSON là những điểm nổi bật của phiên bản này. Cung cấp tiêu đề cột, đơn vị và quy ước cho giá trị thiếu trước khi yêu cầu biến đổi dữ liệu. Với tác vụ trích xuất, xác định các trường đầu ra và yêu cầu mô hình phân biệt giá trị được nêu trong nguồn với thông tin không có. Sau đó, ứng dụng có thể phân tích và kiểm tra kết quả theo cấu trúc mong đợi. Việc tạo JSON tự nó không bảo đảm một lược đồ cụ thể sẽ trở thành hợp đồng đầu ra.
Qwen công bố hỗ trợ gọi công cụ thông qua các mẫu hội thoại và tích hợp ứng dụng tương thích. Cung cấp mô tả hàm và thông tin mà từng hàm cần. Mô hình chuẩn bị lời gọi đề xuất; ứng dụng thực thi và cung cấp kết quả cho lượt tiếp theo. Một tác vụ dữ liệu hữu ích có thể truy xuất bản ghi, đối chiếu với câu hỏi của người dùng và trả về giải thích ngắn gọn gắn với các trường đã truy xuất. Việc thực thi và quyền truy cập hệ thống bên ngoài do ứng dụng bao quanh mô hình cung cấp.
Nhà phát triển mô tả hỗ trợ hơn 29 ngôn ngữ, gồm tiếng Trung, Anh, Pháp, Tây Ban Nha, Bồ Đào Nha, Đức, Ý, Nga, Nhật, Hàn, Việt, Thái và Ả Rập. Tính linh hoạt của lời nhắc hệ thống cũng hỗ trợ đặt vai trò và điều kiện cho chatbot. Với lập trình hoặc toán học, cung cấp phần triển khai hay các giả thiết liên quan và yêu cầu câu trả lời cùng các bước kiểm tra hoặc bước trung gian cần để đánh giá. Với đầu ra đa ngôn ngữ, nêu ngôn ngữ đích và thuật ngữ cần giữ nguyên để kết quả phục vụ đúng đối tượng.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen-2.5-72b-instruct | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00118 / 1K token Đầu ra · Token đầu ra $0.00118 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00118 / 1K token Đầu ra · Token đầu ra $0.00118 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "qwen/qwen-2.5-72b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2.5-72b-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-2.5-72b-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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra qwen/qwen-2.5-72b-instruct
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Transform a small stock table\n\nTransform this table into a compact requested JSON array. Columns: sku, units, unit. Rows: A7 | 12 | boxes; B3 | blank | pieces; C9 | 0 | boxes. Preserve SKU spelling and units, convert stated counts to integers, and use null for a blank count. Return the array only; do not calculate totals across different units.A three-object JSON-shaped array retaining sku, units and unit with numeric counts or null.The blank count remains null, zero remains 0, and boxes are not added to pieces.