- Qwen 2.5 7Bは、高度なプログラミング・数学能力、改善された指示追従、構造化テキスト生成を提供します。
- 本モデルはファンクションコーリングに対応しています。Novita AI はこのモデルを完全無料で提供 し、オープンソースコミュニティを支援・貢献しています。
Novita AIは現在、Qwen 2.5 7Bを無料で提供しており、開発者に強力なプログラミング、数学、構造化テキスト生成の機能を提供します。完全なファンクションコーリング対応により、このモデルはAIと現実世界の自動化の間のギャップを埋め、よりスマートなアプリケーションを簡単に構築するのに最適です。
ファンクションコーリングとは？
ファンクションコーリングとは、AI、特に大規模言語モデル（LLM）における機能で、モデルが外部の関数、ツール、APIと連携して、テキスト応答の生成を超えた特定のタスクを実行できるようにするものです。モデルはテキストを生成するだけでなく、ユーザーのプロンプトに基づいて特定の関数を呼び出すべきタイミングを識別し、呼び出す正しい関数を決定し、その関数に必要なパラメータを指定します。関数の実際の実行は、モデル自体ではなく外部のシステムやアプリケーションが行います。
https://www.youtube.com/watch?v=aqdWSYWC\_LI
ファンクションコーリングの仕組み
ファンクションコーリングにより、AIモデルは会話中に外部ツール、API、または内部関数と対話できます。単にテキストを生成する代わりに、モデルは 関数が必要なタイミングを認識 し、**構造化された引数で正しい関数呼び出しを生成 ** し、それを実行して結果を取得 できます。これにより、自然言語理解と現実世界のアクションの間のギャップが埋められ、モデルはリアルタイムデータの取得、ワークフローの管理、システムアクションの自動トリガーなどのタスクを実行できるようになります。
ファンクションコーリングの利点
- 現実世界との対話: モデルは情報を提供するだけでなく、アクションをトリガーできる。
- 自動化: データ取得、予約、フォーム送信などのプロセスを効率化。
- 構造化された理解: テキスト生成のみに依存するのではなく、モデルは出力を定義済み形式に整理し、エラーを削減。
- ユースケースの拡大: より信頼性が高く効率的な動的アプリ、アシスタント、システムを構築。
- 開発者の効率化: モデルがファンクションコーリングをサポートしていることを事前に把握することで、大規模な修正なしで迅速に統合を計画できる。
Qwen 2.5 7Bとは？
Qwen 2.5 7B ベンチマーク
Qwen 2.5 7B ハードウェア要件
Novita AIでQwen 2.5 7Bのファンクションコーリングを使う方法
Novita AIは各LLMの機能説明を公開しており、[コンソール](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/) や[ドキュメント](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling) で直接確認できます。
ステップ1: Novita AIにログイン
Novita AIのホームページにアクセスしたら、右上の 「Log In」 または 「Get Started」 ボタンをクリックします。Google、GitHub、Hugging Face、または ** メール** で簡単にログインできます。
ステップ2: コンソールで「Model API」をクリック！
ログイン後、Novita Consoleのダッシュボードに移動します。上部から 「Model API」 をクリックします。このセクションでは、利用可能なモデルの全リストと、各モデルの機能の詳細情報（** ファンクションコーリング ** や ** 構造化出力** の対応状況を含む）にアクセスできます。
ステップ3: モデルを選択して確認！
興味のあるモデルを見つけてクリックすると、右側にパネルが表示されます。「対応機能」 の下で、** ファンクションコーリング ** と ** 構造化出力** がサポートされているかどうかがすぐにわかります。
ステップ4: クライアントの初期化
まず、Novita APIキーを使用してクライアントを初期化します。
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
# Novita AI APIキーはこちらから取得: https://novita.ai/settings/key-management.
api_key="<YOUR Novita AI API Key>",
)
model = "deepseek/deepseek_v3"
ステップ5: 呼び出す関数を定義
次に、モデルが呼び出せるPython関数を定義します。この例では、天気情報を取得する関数です。
# 天気データを取得するサンプル関数。
def get_weather(location):
"""指定された場所の現在の天気を取得します。"""
print("get_weather関数を呼び出しています。場所: ", location)
# 実際のアプリケーションでは、ここで外部の天気APIを呼び出します。
# これはハードコードされたデータを返す簡略化された例です。
return json.dumps({"location": location, "temperature": "60 degrees Fahrenheit"})
ステップ6: ツールとユーザーメッセージを含むAPIリクエストを構築
次に、NovitaエンドポイントへのAPIリクエストを作成します。このリクエストには、モデルが使用できる関数を定義する tools パラメータと、ユーザーのメッセージが含まれます。
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "場所の天気を取得します。ユーザーは最初に場所を指定する必要があります。",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "都市と州（例: San Francisco, CA）",
}
},
"required": ["location"]
},
}
},
]
messages = [
{
"role": "user",
"content": "サンフランシスコの天気は？"
}
]
# リクエストを送信し、レスポンスを表示します。
response = client.chat.completions.create(
model=model,
messages=messages,
tools=tools,
)
# 本番環境ではレスポンスにツール呼び出しが含まれているか確認してください。
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())
出力:
{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}
Novita AI上のQwen 2.5 7Bは無料であるだけでなく、革新的です。組み込みのファンクションコーリングにより、テキスト生成を超えて動的で実行可能なAIソリューションを作成できます。Novitaの無料で使いやすいプラットフォームで、AI駆動のワークフローの未来に飛び込みましょう。
よくある質問
ファンクションコーリングとは？
LLMが外部ツールやAPIをトリガーしてタスクを実行し、データを取得できるようにする機能です。
開発者がファンクションコーリングを気にするべき理由は？
AIをテキスト応答ツールからアクション実行ツールに変え、タスクを自動化し、アプリのパフォーマンスを向上させ、時間を節約します。
Qwen 2.5 7Bのファンクションコーリングはどう使う？
Novita AI にログインし、「Model API」にアクセスしてQwen 2.5 7Bを選択し、ファンクションコーリング対応を確認し、提供されたクライアント設定とツール定義を使用して統合するだけです。
Novita AI は、AIの野望を実現するオールインワンのクラウドプラットフォームです。統合API、サーバーレス、GPUインスタンス — コスト効率の高いツールを提供します。インフラストラクチャを排除し、無料で始めて、AIのビジョンを現実にしましょう。
