- Qwen 2.5 7B 提供進階程式設計與數學能力、改善的指令遵循能力，以及結構化文字生成。
- 此模型支援函式呼叫。Novita AI 完全免費提供此模型，以支持並貢獻於開源社群。
Novita AI 現在免費提供 Qwen 2.5 7B，賦能開發者強大的程式設計、數學與結構化文字生成能力。憑藉完整的函式呼叫支援，此模型縮短了 AI 與實際自動化之間的差距，非常適合輕鬆打造更智慧的應用程式。
什麼是函式呼叫？
函式呼叫是 AI（尤其是大型語言模型 LLM）的一項能力，使模型能夠與外部函式、工具或 API 互動，以執行超出單純生成文字回應的特定任務。模型不僅會產出文字，還會根據使用者的提示判斷何時應呼叫特定函式，決定要叫用的正確函式，並指定該函式所需的參數。函式的實際執行是由外部系統或應用程式處理，而非模型本身。
https://www.youtube.com/watch?v=aqdWSYWC\_LI
函式呼叫如何運作？
函式呼叫讓 AI 模型能夠在對話過程中與外部工具、API 或內部函式互動。模型並非單純生成文字，而是可以 判斷何時需要函式、** 生成帶有結構化引數的正確函式呼叫 ，並 執行以取得結果**。這填補了自然語言理解與實際行動之間的鴻溝，使模型能夠執行諸如擷取即時資料、管理工作流程或自動觸發系統操作等任務。
函式呼叫有哪些優點？
- 真實世界互動：模型不僅能提供資訊，還能觸發行動。
- 自動化：簡化資料擷取、預約、表單提交等流程。
- 結構化理解：模型將輸出組織成預定義格式，而非僅依賴文字生成，從而減少錯誤。
- 擴展應用場景：建立更可靠、更高效的動態應用程式、助理與系統。
- 開發者效率：若能事先知道模型支援函式呼叫，您可以更快地規劃整合，無需大幅修改。
什麼是 Qwen 2.5 7B？
Qwen 2.5 7B 基準測試
Qwen 2.5 7B 硬體需求
如何透過 Novita AI 使用 Qwen 2.5 7B 函式呼叫
Novita AI 已為每個 LLM 推出支援能力描述，您可以直接在[控制台](https://novita.ai/models-console/?utm_source=blog_llm&utm_medium=article&utm_campaign=/ llama-4-maverick-function-calling/)和[文件](https://novita.ai/docs/guides/llm-function-calling/?utm_source=blog_llm&utm_medium=article&utm_campaign= llama-4-maverick-function-calling)中查看。
步驟 1：登入 Novita AI
進入 Novita AI 首頁後，只需點擊右上角的 「Log In」 或 「Get Started」 按鈕。您可以使用 Google、GitHub、Hugging Face 或僅用您的 Email 輕鬆登入——任您選擇！
步驟 2：在控制台中點擊「Model API」！
登入後，您將被導向 Novita 控制台儀表板。從頂部點選 「Model API」。此區域可讓您存取所有可用模型的完整列表，以及其能力的詳細資訊——包括是否支援 ** 函式呼叫與 ** 結構化輸出。
步驟 3：選擇您的模型並檢查它！
只需找到您感興趣的模型，點擊它，右側便會彈出一個面板。在 「Supported Capabilities」 下方，您會立即看到是否支援 ** 函式呼叫與 ** 結構化輸出。
步驟 4：初始化客戶端
首先，您需要使用您的 Novita API 金鑰初始化客戶端。
from openai import OpenAI
import json
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
# 從 https://novita.ai/settings/key-management 取得 Novita AI API 金鑰。
api_key="<YOUR Novita AI API Key>",
)
model = "deepseek/deepseek_v3"
步驟 5：定義要呼叫的函式
接著，定義模型可以呼叫的 Python 函式。在此範例中，它是一個用來取得天氣資訊的函式。
# 模擬擷取天氣資料的範例函式。
def get_weather(location):
"""Retrieves the current weather for a given location."""
print("Calling get_weather function with location: ", location)
# 在實際應用中，您應該在此呼叫外部天氣 API。
# 這是一個簡化範例，回傳硬編碼資料。
return json.dumps({"location": location, "temperature": "60 degrees Fahrenheit"})
步驟 6：建構包含工具與使用者訊息的 API 請求
現在，建立對 Novita 端點的 API 請求。此請求包含 tools 參數，定義模型可以使用的函式，以及使用者的訊息。
tools = [
{
"type": "function",
"function": {
"name": "get_weather",
"description": "Get weather of an location, the user shoud supply a location first",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "The city and state, e.g. San Francisco, CA",
}
},
"required": ["location"]
},
}
},
]
messages = [
{
"role": "user",
"content": "What is the weather in San Francisco?"
}
]
# 發送請求並印出回應。
response = client.chat.completions.create(
model=model,
messages=messages,
tools=tools,
)
# 請在正式環境中檢查回應是否包含 tool calls。
tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.model_dump())
輸出：
{'id': '0', 'function': {'arguments': '{"location": "San Francisco, CA"}', 'name': 'get_weather'}, 'type': 'function'}
Novita AI 上的 Qwen 2.5 7B 不僅免費，更是遊戲規則的改變者。憑藉內建的函式呼叫，您可以超越文字生成，打造動態、可行動的 AI 解決方案。透過 Novita 免費且易於使用的平台，深入探索 AI 驅動工作流程的未來。
常見問題
什麼是函式呼叫？
它能讓 LLM 觸發外部工具或 API 來執行任務並擷取資料。
為什麼開發者應該關心函式呼叫？
它將 AI 從一個文字回應者轉變為行動執行者——自動化任務、提升應用程式效能、節省時間。
如何使用 Qwen 2.5 7B 的函式呼叫？
只需登入 Novita AI，存取「Model API」，選擇 Qwen 2.5 7B，檢查其函式呼叫支援，然後依照提供的客戶端設定與工具定義進行整合。
Novita AI 是支援您 AI 抱負的全方位雲端平台。整合 API、無伺服器、GPU 實例——您所需的高成本效益工具。消除基礎設施負擔，免費開始，實現您的 AI 願景。
