Qwen2-7B-Instruct 是 Qwen2 經過指令微調的 7B 尺寸版本，適用於對話及以自然語言表達的任務。它是文字輸入、文字輸出模型；回答可以是說明、翻譯、文件草稿或程式碼。開發商將語言理解、生成、多語言工作、程式設計、數學及推理列為主要用途。
模型細節
Qwen2 分別發布基礎及指令微調版本。本模型卡針對 Instruct 版本，而不是 Qwen2-7B 基礎模型或此系列的混合專家版本。開發商的模型資訊表記載，7B 尺寸模型有 70.7 億個參數。其解碼器 Transformer 採用 SwiGLU、注意力 QKV 偏置及分組查詢注意力，並搭配為自然語言及程式碼設計的分詞器。這些是架構及表示選擇，不是額外輸入模態。
版本公告描述，以英文及中文，加上另外 27 種語言進行訓練。包含俄文、捷克文及波蘭文；德文、法文及西班牙文；阿拉伯文、波斯文及土耳其文；日文及韓文；以及南亞與東南亞的更多語言。因此，多語言助理可以接收不同語言的指令與來源資料，但仍應指定最終成果的語言、術語及讀者。
訓練與 Instruct 的區別
預訓練後，開發商使用監督式微調及直接偏好最佳化。指令微調版本旨在對話中回應請求，而基礎版本作為語言模型基礎有不同角色。選擇模型或比較提示詞行為時，請明確保留版本名稱。訓練模型遵循指令，以及使用時提供精確指令，是這個流程中互補的部分。
準備對話輸入
模型卡的快速入門將系統指令與使用者問題分開，並在生成前套用相符的聊天範本。應用程式層級任務也適合相同的實務區分：將助理角色及回應規則與需要處理的來源段落或程式碼分別定義。文件內的文字標籤不能取代周邊介面中正確格式的對話角色。
技術說明任務可以提供函式及一個輸入例子，詢問每個分支的作用，以及哪些條件影響結果。程式設計任務可以指定可接受輸入、預期回傳值及變更現有行為的限制。要求模型提供實作，並接著給出一般案例與邊界案例的例子。這些是文件記載的語言及程式設計能力的應用；生成程式碼是文字結果，執行則屬於應用程式環境。
多語言編輯請提供原始段落、目標讀者及小型術語清單。要求修訂時保留原始名稱及條件，再簡短說明變更。這比要求改善文字更具體，因為它定義必須保留的意義，以及應回傳的可用輸出。
處理長文字
開發商記載上下文支援最多 131,072 個 token，但長上下文的操作說明很重要。超過 32,768 個 token 的輸入需要文件記載的 YaRN 擴充設定。公開範例使用縮放係數 4.0，原始位置設定為 32,768。開發商指出，靜態擴充設定可能影響較短文字的行為，並建議實際需要長上下文處理時才啟用。
長文件任務請準備聚焦問題、具名來源章節及明確輸出結構。例如，提供技術規格的多個部分，要求找出與特定變更相關的要求，並在每項發現旁保留來源章節。大型輸入視窗適合一起保留這些部分；回答仍可使用精簡表格，而不是重述整份文件。
重要界線
131,072 個 token 表示擴充上下文支援，不是可以忽略長上下文設定的許可。快速入門範例的 512 個生成 token 是示範設定，不是公開的最大輸出容量。此 Instruct 版本是文字模型，不應繼承 Qwen-VL 的圖片或影片能力，也不應繼承 Qwen2.5-Math 專門的工具整合數學訓練。請選擇具名版本，並為所需的說明、程式碼或文件準備文字。
", "aboutText": "Qwen2-7B-Instruct 是 Qwen2 經過指令微調的 7B 尺寸版本，適用於對話及以自然語言表達的任務。它是文字輸入、文字輸出模型；回答可以是說明、翻譯、文件草稿或程式碼。開發商將語言理解、生成、多語言工作、程式設計、數學及推理列為主要用途。\n\n模型細節\n\nQwen2 分別發布基礎及指令微調版本。本模型卡針對 Instruct 版本，而不是 Qwen2-7B 基礎模型或此系列的混合專家版本。開發商的模型資訊表記載，7B 尺寸模型有 70.7 億個參數。其解碼器 Transformer 採用 SwiGLU、注意力 QKV 偏置及分組查詢注意力，並搭配為自然語言及程式碼設計的分詞器。這些是架構及表示選擇，不是額外輸入模態。\n\n版本公告描述，以英文及中文，加上另外 27 種語言進行訓練。包含俄文、捷克文及波蘭文；德文、法文及西班牙文；阿拉伯文、波斯文及土耳其文；日文及韓文；以及南亞與東南亞的更多語言。因此，多語言助理可以接收不同語言的指令與來源資料，但仍應指定最終成果的語言、術語及讀者。\n\n訓練與 Instruct 的區別\n\n預訓練後，開發商使用監督式微調及直接偏好最佳化。指令微調版本旨在對話中回應請求，而基礎版本作為語言模型基礎有不同角色。選擇模型或比較提示詞行為時，請明確保留版本名稱。訓練模型遵循指令，以及使用時提供精確指令，是這個流程中互補的部分。\n\n準備對話輸入\n\n模型卡的快速入門將系統指令與使用者問題分開，並在生成前套用相符的聊天範本。應用程式層級任務也適合相同的實務區分：將助理角色及回應規則與需要處理的來源段落或程式碼分別定義。文件內的文字標籤不能取代周邊介面中正確格式的對話角色。\n\n技術說明任務可以提供函式及一個輸入例子，詢問每個分支的作用，以及哪些條件影響結果。程式設計任務可以指定可接受輸入、預期回傳值及變更現有行為的限制。要求模型提供實作，並接著給出一般案例與邊界案例的例子。這些是文件記載的語言及程式設計能力的應用；生成程式碼是文字結果，執行則屬於應用程式環境。\n\n多語言編輯請提供原始段落、目標讀者及小型術語清單。要求修訂時保留原始名稱及條件，再簡短說明變更。這比要求改善文字更具體，因為它定義必須保留的意義，以及應回傳的可用輸出。\n\n處理長文字\n\n開發商記載上下文支援最多 131,072 個 token，但長上下文的操作說明很重要。超過 32,768 個 token 的輸入需要文件記載的 YaRN 擴充設定。公開範例使用縮放係數 4.0，原始位置設定為 32,768。開發商指出，靜態擴充設定可能影響較短文字的行為，並建議實際需要長上下文處理時才啟用。\n\n長文件任務請準備聚焦問題、具名來源章節及明確輸出結構。例如，提供技術規格的多個部分，要求找出與特定變更相關的要求，並在每項發現旁保留來源章節。大型輸入視窗適合一起保留這些部分；回答仍可使用精簡表格，而不是重述整份文件。\n\n重要界線\n\n131,072 個 token 表示擴充上下文支援，不是可以忽略長上下文設定的許可。快速入門範例的 512 個生成 token 是示範設定，不是公開的最大輸出容量。此 Instruct 版本是文字模型，不應繼承 Qwen-VL 的圖片或影片能力，也不應繼承 Qwen2.5-Math 專門的工具整合數學訓練。請選擇具名版本，並為所需的說明、程式碼或文件準備文字。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Translate a terminology-bound notice\n\nTranslate this notice into German for office staff: 'The access badge expires on 30 April. Collect a replacement from Reception before your next shift. Temporary passes are valid for one day.' Use Zugangskarte for access badge and Empfang for Reception. Preserve the date and conditions, then explain one translation choice in English.A complete German notice followed by one short English explanation of terminology or phrasing.The replacement is collected before the next shift and the temporary pass remains valid for one day.Qwen/Qwen2-7B-InstructQwen2-7B-Instruct 是經過指令微調的文字模型，適用於多語言對話、程式設計、數學及推理。開發商記載，啟用長上下文設定時可支援最多 131,072 個 token 的上下文。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Qwen2-7B-Instruct 是 Qwen2 經過指令微調的 7B 尺寸版本，適用於對話及以自然語言表達的任務。它是文字輸入、文字輸出模型；回答可以是說明、翻譯、文件草稿或程式碼。開發商將語言理解、生成、多語言工作、程式設計、數學及推理列為主要用途。
模型細節
Qwen2 分別發布基礎及指令微調版本。本模型卡針對 Instruct 版本，而不是 Qwen2-7B 基礎模型或此系列的混合專家版本。開發商的模型資訊表記載，7B 尺寸模型有 70.7 億個參數。其解碼器 Transformer 採用 SwiGLU、注意力 QKV 偏置及分組查詢注意力，並搭配為自然語言及程式碼設計的分詞器。這些是架構及表示選擇，不是額外輸入模態。
版本公告描述，以英文及中文，加上另外 27 種語言進行訓練。包含俄文、捷克文及波蘭文；德文、法文及西班牙文；阿拉伯文、波斯文及土耳其文；日文及韓文；以及南亞與東南亞的更多語言。因此，多語言助理可以接收不同語言的指令與來源資料，但仍應指定最終成果的語言、術語及讀者。
訓練與 Instruct 的區別
預訓練後，開發商使用監督式微調及直接偏好最佳化。指令微調版本旨在對話中回應請求，而基礎版本作為語言模型基礎有不同角色。選擇模型或比較提示詞行為時，請明確保留版本名稱。訓練模型遵循指令，以及使用時提供精確指令，是這個流程中互補的部分。
準備對話輸入
模型卡的快速入門將系統指令與使用者問題分開，並在生成前套用相符的聊天範本。應用程式層級任務也適合相同的實務區分：將助理角色及回應規則與需要處理的來源段落或程式碼分別定義。文件內的文字標籤不能取代周邊介面中正確格式的對話角色。
技術說明任務可以提供函式及一個輸入例子，詢問每個分支的作用，以及哪些條件影響結果。程式設計任務可以指定可接受輸入、預期回傳值及變更現有行為的限制。要求模型提供實作，並接著給出一般案例與邊界案例的例子。這些是文件記載的語言及程式設計能力的應用；生成程式碼是文字結果，執行則屬於應用程式環境。
多語言編輯請提供原始段落、目標讀者及小型術語清單。要求修訂時保留原始名稱及條件，再簡短說明變更。這比要求改善文字更具體，因為它定義必須保留的意義，以及應回傳的可用輸出。
處理長文字
開發商記載上下文支援最多 131,072 個 token，但長上下文的操作說明很重要。超過 32,768 個 token 的輸入需要文件記載的 YaRN 擴充設定。公開範例使用縮放係數 4.0，原始位置設定為 32,768。開發商指出，靜態擴充設定可能影響較短文字的行為，並建議實際需要長上下文處理時才啟用。
長文件任務請準備聚焦問題、具名來源章節及明確輸出結構。例如，提供技術規格的多個部分，要求找出與特定變更相關的要求，並在每項發現旁保留來源章節。大型輸入視窗適合一起保留這些部分；回答仍可使用精簡表格，而不是重述整份文件。
重要界線
131,072 個 token 表示擴充上下文支援，不是可以忽略長上下文設定的許可。快速入門範例的 512 個生成 token 是示範設定，不是公開的最大輸出容量。此 Instruct 版本是文字模型，不應繼承 Qwen-VL 的圖片或影片能力，也不應繼承 Qwen2.5-Math 專門的工具整合數學訓練。請選擇具名版本，並為所需的說明、程式碼或文件準備文字。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 Qwen/Qwen2-7B-Instruct | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0001 / 1K Token 輸出 · 輸出 Token $0.0001 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "Qwen/Qwen2-7B-Instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='Qwen/Qwen2-7B-Instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='Qwen/Qwen2-7B-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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra Qwen/Qwen2-7B-Instruct
請使用上方列出的 API 方法路徑。
Qwen/Qwen2-7B-InstructQwen2-7B-Instruct 是經過指令微調的文字模型，適用於多語言對話、程式設計、數學及推理。開發商記載，啟用長上下文設定時可支援最多 131,072 個 token 的上下文。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Qwen2-7B-Instruct 是 Qwen2 經過指令微調的 7B 尺寸版本，適用於對話及以自然語言表達的任務。它是文字輸入、文字輸出模型；回答可以是說明、翻譯、文件草稿或程式碼。開發商將語言理解、生成、多語言工作、程式設計、數學及推理列為主要用途。
模型細節
Qwen2 分別發布基礎及指令微調版本。本模型卡針對 Instruct 版本，而不是 Qwen2-7B 基礎模型或此系列的混合專家版本。開發商的模型資訊表記載，7B 尺寸模型有 70.7 億個參數。其解碼器 Transformer 採用 SwiGLU、注意力 QKV 偏置及分組查詢注意力，並搭配為自然語言及程式碼設計的分詞器。這些是架構及表示選擇，不是額外輸入模態。
版本公告描述，以英文及中文，加上另外 27 種語言進行訓練。包含俄文、捷克文及波蘭文；德文、法文及西班牙文；阿拉伯文、波斯文及土耳其文；日文及韓文；以及南亞與東南亞的更多語言。因此，多語言助理可以接收不同語言的指令與來源資料，但仍應指定最終成果的語言、術語及讀者。
訓練與 Instruct 的區別
預訓練後，開發商使用監督式微調及直接偏好最佳化。指令微調版本旨在對話中回應請求，而基礎版本作為語言模型基礎有不同角色。選擇模型或比較提示詞行為時，請明確保留版本名稱。訓練模型遵循指令，以及使用時提供精確指令，是這個流程中互補的部分。
準備對話輸入
模型卡的快速入門將系統指令與使用者問題分開，並在生成前套用相符的聊天範本。應用程式層級任務也適合相同的實務區分：將助理角色及回應規則與需要處理的來源段落或程式碼分別定義。文件內的文字標籤不能取代周邊介面中正確格式的對話角色。
技術說明任務可以提供函式及一個輸入例子，詢問每個分支的作用，以及哪些條件影響結果。程式設計任務可以指定可接受輸入、預期回傳值及變更現有行為的限制。要求模型提供實作，並接著給出一般案例與邊界案例的例子。這些是文件記載的語言及程式設計能力的應用；生成程式碼是文字結果，執行則屬於應用程式環境。
多語言編輯請提供原始段落、目標讀者及小型術語清單。要求修訂時保留原始名稱及條件，再簡短說明變更。這比要求改善文字更具體，因為它定義必須保留的意義，以及應回傳的可用輸出。
處理長文字
開發商記載上下文支援最多 131,072 個 token，但長上下文的操作說明很重要。超過 32,768 個 token 的輸入需要文件記載的 YaRN 擴充設定。公開範例使用縮放係數 4.0，原始位置設定為 32,768。開發商指出，靜態擴充設定可能影響較短文字的行為，並建議實際需要長上下文處理時才啟用。
長文件任務請準備聚焦問題、具名來源章節及明確輸出結構。例如，提供技術規格的多個部分，要求找出與特定變更相關的要求，並在每項發現旁保留來源章節。大型輸入視窗適合一起保留這些部分；回答仍可使用精簡表格，而不是重述整份文件。
重要界線
131,072 個 token 表示擴充上下文支援，不是可以忽略長上下文設定的許可。快速入門範例的 512 個生成 token 是示範設定，不是公開的最大輸出容量。此 Instruct 版本是文字模型，不應繼承 Qwen-VL 的圖片或影片能力，也不應繼承 Qwen2.5-Math 專門的工具整合數學訓練。請選擇具名版本，並為所需的說明、程式碼或文件準備文字。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 Qwen/Qwen2-7B-Instruct | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0001 / 1K Token 輸出 · 輸出 Token $0.0001 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "Qwen/Qwen2-7B-Instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-7B-Instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'Qwen/Qwen2-7B-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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra Qwen/Qwen2-7B-Instruct
請使用上方列出的 API 方法路徑。
英文技術範例
Translate a terminology-bound notice\n\nTranslate this notice into German for office staff: 'The access badge expires on 30 April. Collect a replacement from Reception before your next shift. Temporary passes are valid for one day.' Use Zugangskarte for access badge and Empfang for Reception. Preserve the date and conditions, then explain one translation choice in English.A complete German notice followed by one short English explanation of terminology or phrasing.The replacement is collected before the next shift and the temporary pass remains valid for one day.