Kueri detail tugas fine-tuning

Mengambil detail dari tugas fine-tuning model tertentu.

Daftar pekerjaan fine-tuning

Untuk Windows CMD, ganti ${DASHSCOPE_API_KEY} dengan %DASHSCOPE_API_KEY%. Untuk PowerShell, ganti dengan $env:DASHSCOPE_API_KEY

curl --location --request GET "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes?model=qwen3-14b&page_no=2" \
      --header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
      --header 'Content-Type: application/json'

Parameter permintaan

Nama Parameter	Tipe	Pengiriman parameter	Wajib	Deskripsi
page_no	Integer	Query	Tidak	Nilai default: 1.
page_size	Integer	Query	Tidak	Nilai default: 10. Maksimum: 100. Minimum: 1.
model	String	Query	Tidak	ID model. Jika Anda menentukan parameter ini, hanya pekerjaan fine-tuning berdasarkan model ini yang akan ditampilkan.

Contoh respons

{
          "request_id": "2182ef64-6398-457b-b3f6-5fde5fd6b388",
          "output": {
              "page_no": 2,
              "page_size": 10,
              "total": 12,
              "jobs": [
                  {
                      "job_id": "ft-202410291653-1c7f",
                      "job_name": "ft-202410291653-1c7f",
                      "status": "SUCCEEDED",
                      "finetuned_output": "qwen3-14b-suffix-ft-202410291653-1c7f",
                      "model": "qwen3-14b",
                      "base_model": "qwen3-14b",
                      "training_file_ids": [],
                      "validation_file_ids": [],
                      "training_datasets": [
                          {"data_source_type": "file_id", "file_id": "976bd01a-f30b-4414-86fd-50c54486e3ef"}
                      ],
                      "validation_datasets": [],
                      "hyper_parameters": {
                          "n_epochs": 3,
                          "batch_size": 32,
                          "max_length": 8192,
                          "learning_rate": "1.6e-5",
                          "lr_scheduler_type": "linear",
                          "split": 0.9
                      },
                      "training_type": "sft",
                      "create_time": "2024-10-29 16:53:53",
                      "workspace_id":"llm-v71tlv***",
                      "user_identity": "1396993924585947",
                      "modifier": "1396993924585947",
                      "creator": "1396993924585947",
                      "end_time": "2024-10-29 17:11:26",
                      "group": "llm",
                      "usage": 279808
                  },
                  {
                      "job_id": "ft-202410291512-1851",
                      "job_name": "ft-202410291512-1851",
                      "status": "CANCELED",
                      "model": "qwen3-14b",
                      "base_model": "qwen3-14b",
                      "training_file_ids": [],
                      "validation_file_ids": [],
                      "training_datasets": [
                          {"data_source_type": "file_id", "file_id": "86a9fe7f-dd77-43b0-9834-2170e12339ec"},
                          {"data_source_type": "file_id", "file_id": "03ead352-6190-4328-8016-61821c23d4fc"}
                      ],
                      "validation_datasets": [],
                      "hyper_parameters": {
                          "n_epochs": 3,
                          "batch_size": 32,
                          "max_length": 8192,
                          "learning_rate": "1.6e-5",
                          "lr_scheduler_type": "linear",
                          "split": 0.9
                      },
                      "code": "1",
                      "training_type": "sft",
                      "create_time": "2024-10-29 15:12:00",
                      "workspace_id":"llm-v71tlv***",
                      "user_identity": "1396993924585947",
                      "modifier": "1396993924585947",
                      "creator": "1396993924585947",
                      "end_time": "2024-10-29 15:16:00",
                      "group": "llm",
                      "usage": 0
                  }
              ]
          }
      }

Parameter respons

Nama Parameter

Tipe

Deskripsi

request_id

String

ID permintaan.

output

Object

Detail yang dikembalikan untuk kueri.

output.page_no

Integer

Nomor halaman.

output.page_size

Integer

Jumlah entri per halaman.

output.total

Integer

Total jumlah pekerjaan fine-tuning.

output.jobs

Array

Detail dari beberapa pekerjaan fine-tuning.

Klik di sini untuk melihat objek detail pekerjaan fine-tuning

Nama Parameter	Tipe	Deskripsi
request_id	String	ID permintaan.
output	Object	Detail pekerjaan fine-tuning.
output.job_id	String	ID pekerjaan fine-tuning. Gunakan ID ini untuk mengkueri status pekerjaan nanti. Aturan pembuatan: `ft-{yyyyMMddHHmm}-{4-digit-uuid}`.
output.jobs_name	String	Sama dengan `output.job_id`.
output.status	String	Status pekerjaan dari pekerjaan fine-tuning ini.
output.finetuned_output	String	Parameter ini hanya muncul ketika status pekerjaan adalah SUCCEEDED. Parameter ini mengembalikan ID model yang telah difine-tune.
output.model	String	ID model yang digunakan untuk pekerjaan fine-tuning.
output.base_model	String	ID model dasar yang sesuai dengan model yang digunakan untuk pekerjaan fine-tuning. Sebagai contoh, model dasar untuk pekerjaan fine-tuning `ft-202410291653-1c7f` adalah `qwen3-14b`.
output.training_file_ids	Array	Bidang untuk kompatibilitas. Untuk pekerjaan baru, parameter ini selalu mengembalikan array kosong. Gunakan training_datasets sebagai gantinya.
output.validation_file_ids	Array	Bidang untuk kompatibilitas. Untuk pekerjaan baru, parameter ini selalu mengembalikan array kosong. Gunakan validation_datasets sebagai gantinya.
output.training_datasets	Array of Dataset	Daftar set data pelatihan.
output.validation_datasets	Array of Dataset	Daftar set data uji.
output.hyper_parameters	Object	Tabel hiperparameter yang dideklarasikan secara eksplisit.
output.training_type	String	Metode fine-tuning.
output.create_time	String	Waktu saat pekerjaan fine-tuning dibuat.
output.workspace_id	String	ID ruang kerja tempat pekerjaan fine-tuning berada.
output.user_identity	String	UID Akun Alibaba Cloud tempat pekerjaan fine-tuning berada.
output.modifier	String	UID akun yang terakhir melakukan operasi pada pekerjaan fine-tuning. Misalnya, jika pengguna RAM membatalkan pekerjaan, UID pengguna RAM tersebut akan ditampilkan di sini.
output.creator	String	UID pengguna yang membuat pekerjaan fine-tuning.
output.end_time	String	Waktu saat pekerjaan fine-tuning berakhir. Parameter ini muncul ketika status pekerjaan adalah SUCCEEDED, FAILED, atau CANCELED.
output.group	String	Jenis pekerjaan fine-tuning model.
output.usage	Integer	Jumlah token yang dikonsumsi oleh pekerjaan fine-tuning. Untuk rumus penagihan, lihat Item penagihan. Parameter ini muncul ketika status pekerjaan adalah SUCCEEDED atau CANCELED.
output.output_cnt	Integer	Jumlah checkpoint yang telah dihasilkan oleh pekerjaan saat ini. Parameter ini hanya dikembalikan untuk model yang mendukung output checkpoint ganda, seperti `cosyvoice-v3-flash`. Untuk mendapatkan daftar detail checkpoint, panggil API Query Checkpoint.
output.max_output_cnt	Integer	Jumlah maksimum checkpoint yang dapat dihasilkan oleh satu pekerjaan. Jika nilai `output_cnt` melebihi batas ini, bagian yang berlebih dipotong berdasarkan kecukupan fine-tuning. Parameter ini hanya dikembalikan untuk model yang mendukung output checkpoint ganda.

Untuk Windows CMD, ganti ${DASHSCOPE_API_KEY} dengan %DASHSCOPE_API_KEY%. Untuk PowerShell, ganti dengan $env:DASHSCOPE_API_KEY

curl --location --request GET "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<your-fine-tuning-job-id>" \
      --header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
      --header 'Content-Type: application/json'

Parameter permintaan

Bidang	Tipe	Pengiriman parameter	Wajib	Deskripsi
job_id	String	URL path	Ya	ID pekerjaan fine-tuning yang akan dikueri. Ini adalah job_id yang dikembalikan dalam parameter respons saat membuat pekerjaan fine-tuning.

Contoh respons

Model generasi teks

{
          "request_id": "c59b2145-a93c-4e00-b610-4d7cc5c521a2",
          "output": {
              "job_id": "ft-202410291653-1c7f",
              "job_name": "ft-202410291653-1c7f",
              "status": "SUCCEEDED",
              "finetuned_output": "qwen3-14b-suffix-ft-202410291653-1c7f",
              "model": "qwen3-14b",
              "base_model": "qwen3-14b",
              "training_file_ids": [],
              "validation_file_ids": [],
              "training_datasets": [
                  {"data_source_type": "file_id", "file_id": "976bd01a-f30b-4414-86fd-50c54486e3ef"}
              ],
              "validation_datasets": [],
              "hyper_parameters": {
                  "n_epochs": 3,
                  "batch_size": 32,
                  "max_length": 8192,
                  "learning_rate": "1.6e-5",
                  "lr_scheduler_type": "linear",
                  "split": 0.9
              },
              "training_type": "sft",
              "create_time": "2024-10-29 16:53:53",
              "workspace_id":"llm-v71tlv***",
              "user_identity": "1396993924585947",
              "modifier": "1396993924585947",
              "creator": "1396993924585947",
              "end_time": "2024-10-29 17:11:26",
              "group": "llm",
              "usage": 279808
          }
      }

Model generasi video

Perhatikan output.status (SUCCEEDED menunjukkan bahwa pelatihan telah selesai) dan output.usage (jumlah total token yang dikonsumsi oleh pelatihan).

{
    "request_id": "9bbb953c-bef2-4b59-9fc5-xxxxxxxxx",
    "output": {
        "job_id": "ft-202511111122-xxxx",
        "status": "SUCCEEDED",
        "finetuned_output": "wan2.5-i2v-preview-ft-202511111122-xxxx",
        "model": "wan2.5-i2v-preview",
        "base_model": "wan2.5-i2v-preview",
        "training_file_ids": [],
        "validation_file_ids": [],
        "training_datasets": [
            {"data_source_type": "file_id", "file_id": "xxxxxxxxxxxx"}
        ],
        "validation_datasets": [],
        "hyper_parameters": {
            "n_epochs": 400,
            "learning_rate": 2.0E-5,
            "split": 0.9,
            "eval_epochs": 50
        },
        "training_type": "efficient_sft",
        "create_time": "2025-11-11 11:22:22",
        "end_time": "2025-11-11 16:49:01",
        "usage": 432000,
        "output_cnt": 8
    }
}

Model generasi gambar

{
    "request_id": "03d738f5-3720-90b0-9c7b-xxxxxxxxx",
    "output": {
        "job_id": "ft-202606030110-xxxx",
        "status": "SUCCEEDED",
        "finetuned_output": "wan2.7-image-pro-ft-202606030110-xxxx",
        "model": "wan2.7-image-pro",
        "base_model": "wan2.7-image-pro",
        "training_file_ids": [],
        "validation_file_ids": [],
        "training_datasets": [
            {"data_source_type": "file_id", "file_id": "xxxxxxxxxxxx"}
        ],
        "validation_datasets": [],
        "hyper_parameters": {
            "max_steps": 800,
            "learning_rate": 3.0E-5,
            "eval_steps": 200,
            "max_token_length": "2k",
            "max_pixels": "2k",
            "val_img_size": "2k",
            "generation_type": "t2i",
            "lora_rank": 32
        },
        "training_type": "efficient_sft",
        "create_time": "2026-06-03 01:10:47",
        "end_time": "2026-06-03 01:38:53",
        "usage": 10273216,
        "output_cnt": 1
    }
}

Parameter respons

Nama Parameter	Tipe	Deskripsi
request_id	String	ID permintaan.
output	Object	Detail pekerjaan fine-tuning model.
output.job_id	String	ID pekerjaan fine-tuning model. Anda dapat menggunakan ID ini untuk mengkueri status pekerjaan. Aturan pembuatan: `ft-{yyyyMMddHHmm}-{4-digit-uuid}`.
output.jobs_name	String	Sama dengan `output.job_id`.
output.status	String	Status pekerjaan dari pekerjaan fine-tuning model.
output.finetuned_output	String	Parameter ini hanya dikembalikan ketika status pekerjaan adalah SUCCEEDED. Nilainya adalah ID model yang telah difine-tune.
output.model	String	ID model yang digunakan untuk pekerjaan fine-tuning model.
output.base_model	String	ID model dasar yang sesuai dengan model yang digunakan untuk pekerjaan fine-tuning model. Sebagai contoh, model dasar untuk pekerjaan fine-tuning model `ft-202410291653-1c7f` adalah `qwen3-14b`.
output.training_file_ids	Array	Bidang ini dipertahankan untuk kompatibilitas. Untuk pekerjaan baru, parameter ini selalu mengembalikan array kosong. Gunakan training_datasets sebagai gantinya.
output.validation_file_ids	Array	Bidang ini dipertahankan untuk kompatibilitas. Untuk pekerjaan baru, parameter ini selalu mengembalikan array kosong. Gunakan validation_datasets sebagai gantinya.
output.training_datasets	Array of Dataset	Daftar set data pelatihan.
output.validation_datasets	Array of Dataset	Daftar set data uji.
output.hyper_parameters	Object	Hiperparameter yang dideklarasikan secara eksplisit.
output.training_type	String	Metode fine-tuning model.
output.create_time	String	Waktu saat pekerjaan fine-tuning model dibuat.
output.workspace_id	String	ID ruang kerja tempat pekerjaan fine-tuning model berada.
output.user_identity	String	UID Akun Alibaba Cloud tempat pekerjaan fine-tuning model berada.
output.modifier	String	UID akun yang terakhir mengubah pekerjaan fine-tuning model. Misalnya, jika pengguna RAM membatalkan pekerjaan, UID pengguna RAM tersebut akan dikembalikan di bidang ini.
output.creator	String	UID pengguna yang membuat pekerjaan fine-tuning model.
output.end_time	String	Waktu saat pekerjaan fine-tuning model berakhir. Parameter ini dikembalikan ketika status pekerjaan adalah SUCCEEDED, FAILED, atau CANCELED.
output.group	String	Jenis pekerjaan fine-tuning model.
output.usage	Integer	Jumlah token yang dikonsumsi oleh pekerjaan fine-tuning model. Untuk rumus penagihan, lihat Item penagihan. Parameter ini dikembalikan ketika status pekerjaan adalah SUCCEEDED atau CANCELED.
output.output_cnt	Integer	Jumlah checkpoint yang telah dihasilkan oleh pekerjaan. Parameter ini hanya dikembalikan untuk model yang mendukung output checkpoint ganda, seperti `cosyvoice-v3-flash`. Untuk mendapatkan daftar detail checkpoint, Anda dapat memanggil API Query Checkpoint.
output.max_output_cnt	Integer	Jumlah maksimum checkpoint yang dapat dihasilkan oleh satu pekerjaan. Jika nilai `output_cnt` melebihi batas ini, checkpoint berlebih dipotong berdasarkan kecukupan fine-tuning. Parameter ini hanya dikembalikan untuk model yang mendukung output checkpoint ganda.

Ambil log tugas fine-tuning

Untuk Windows CMD, ganti ${DASHSCOPE_API_KEY} dengan %DASHSCOPE_API_KEY%. Untuk PowerShell, ganti dengan $env:DASHSCOPE_API_KEY

curl --location --request GET "https://dashscope-intl.aliyuncs.com/api/v1/fine-tunes/<your-fine-tuning-job-id>/logs?offset=10&line=10" \
      --header "Authorization: Bearer ${DASHSCOPE_API_KEY}" \
      --header 'Content-Type: application/json'

Parameter permintaan

Bidang	Tipe	Pengiriman Parameter	Wajib	Deskripsi
job_id	String	Path	Ya	ID pekerjaan fine-tuning yang log-nya ingin Anda ambil. Anda dapat memperoleh ID ini dengan memanggil operasi Create training job atau List training jobs.
offset	Number	Query	Tidak	Melewati `offset` baris pertama dari output dan mulai membaca dari baris ke-`offset+1`. Nilai ini tidak boleh melebihi jumlah total baris output; jika tidak, tidak ada output yang dikembalikan. Nilai default-nya adalah 0.
line	Number	Query	Tidak	Membaca jumlah baris output sebanyak nilai `line`, dimulai dari baris ke-`offset+1`. Jika jumlah baris yang tersedia kurang dari nilai `line`, hanya baris yang tersedia yang akan dikembalikan. Nilai default-nya adalah 100, dengan maksimum 1.000.

Contoh respons

{
          "request_id": "ce49b45d-fe46-474e-9e1b-3e7427ffdf5a",
          "output": {
              "total": 20,
              "logs": [
                  "{'train_runtime': 216.3999, 'train_samples_per_second': 2.066, 'train_steps_per_second': 0.014, 'train_loss': 0.9122632344563802, 'epoch': 0.8571428571428571}",
                  " Actual number of consumed tokens is 279808!",
                  " Uploaded checkpoint!",
                  " Fine-tune succeeded!",
                  " use checkpoint-3 as final checkpoint",
                  "2024-10-29 17:03:47,719 - INFO - transfer for inference succeeded, start to deliver it for inference",
                  "2024-10-29 17:09:43,322 - INFO - start to save checkpoint",
                  "2024-10-29 17:11:24,689 - INFO - finetune-job succeeded",
                  "2024-10-29 17:11:25,130 - INFO - training usage 279808",
                  "2024-10-29 17:11:25,175 - INFO - ##FT_COMPLETE##"
              ]
          }
      }

Parameter respons

Nama Parameter	Tipe	Deskripsi
request_id	String	ID permintaan.
output	Object	Hasil kueri.
output.total	Integer	Total jumlah baris log.
output.logs	Array	Entri log yang dikembalikan.

Kode kesalahan permintaan

Kode kesalahan berikut dikembalikan ketika permintaan tidak normal.

Bidang	Tipe	Deskripsi	Contoh
code	String	Kode kesalahan.	NotFound
request_id	String	Kode sistem unik untuk permintaan.	6332fb02-3111-43f0-bf79-f9e8c5ffa7f9
message	String	Pesan kesalahan.	Not Found!

Contoh permintaan tidak normal

{
        "code": "NotFound",
        "request_id": "BE213CDD-8A5C-59EE-9A67-055EAB0CB59B",
        "message": "Not Found!"
      }

Kode Kesalahan

Kode status HTTP	Kode kesalahan	Pesan kesalahan contoh	Makna	Solusi
400	InvalidParameter	Missing training files	Parameter tidak valid, misalnya parameter hilang atau formatnya salah.	Perbaiki parameter sesuai dengan pesan kesalahan.
400	UnsupportedOperation	Pekerjaan fine-tuning tidak dapat dihapus karena telah berhasil, gagal, atau dibatalkan.	Operasi tidak dapat dilakukan pada resource karena berada dalam status tertentu.	Tunggu hingga resource memasuki status yang memungkinkan operasi sebelum melanjutkan.
404	NotFound	Not found!	Resource yang ditentukan tidak ditemukan.	Pastikan ID resource yang dimasukkan benar.
409	Conflict	Model instance 'xxxxx' already exists. Please specify a suffix.	Instance model bernama 'xxxxx' sudah ada. Tentukan sufiks untuk membedakannya.	Tentukan sufiks unik untuk penerapan.
429	Throttling	Terlalu banyak pekerjaan fine-tuning sedang berjalan. Silakan coba lagi nanti. Maksimal 20 pekerjaan fine-tuning yang sedang berjalan atau berhasil diperbolehkan per pengguna.	Pembuatan resource mencapai batas platform.	Hapus model yang tidak lagi digunakan.
500	InternalError	Internal server error!	Terjadi kesalahan internal.	Catat request_id dan ajukan tiket ke Alibaba Cloud untuk troubleshooting.