Qwen-Long je řada Qwen pro zpracování dokumentů, vyhledávání informací, porovnávání podkladů a odpovídání na otázky nad rozsáhlým textovým korpusem. Jejím charakteristickým rysem je dokumentovaný postup nahrávání souborů a práce s odkazy, který zvládá až 10 milionů tokenů. Úkolem není jen vytvořit delší odpověď v chatu: jde o to mít k dispozici rozsáhlou kolekci zdrojových dokumentů a klást nad ní cílené otázky.
Jak funguje postup práce s dokumenty
Výrobce popisuje dvě fáze. Nejprve nahrajte vybrané soubory a nechte analyzátor dokumentů dokončit zpracování. Výsledné odkazy identifikují připravené dokumenty. Poté položte otázku a připojte odkazy na podklady, které má model zohlednit. Model provádí inferenci nad textem spojeným s těmito dokumenty. Tím se odděluje příprava dokumentů od otázky a odpadá nutnost posílat celý soubor znovu v každém kole konverzace.
Připravte jeden dokument, pokud je cílem shrnutí, vysvětlení určité části nebo získání konkrétních podmínek. Pojmenujte důležité části a požadujte výstup s jasně rozpoznatelným účelem. Například dodejte specifikaci produktu, požádejte o provozní podmínky, které výslovně uvádí, a vyžádejte si krátkou tabulku obsahující podmínku, část zdroje a případné chybějící podrobnosti. Tyto názvy polí jsou příkladem návrhu výsledku, nikoli vestavěným pevným schématem.
Více dokumentů a navazující otázky
Dokumentovaný postup přijímá několik připravených souborů v jednom požadavku. To umožňuje porovnávat dokumenty: určit vlastnost v každé specifikaci, odlišit společná tvrzení od rozdílů a shromáždit nezodpovězené otázky. Jeden požadavek může obsahovat až 100 odkazů na soubory. Vyberte soubory relevantní pro otázku místo předpokladu, že už samotná dostupnost rozsáhlého kontextu určuje, co se má porovnávat.
Výrobce také ukazuje přidání nového dokumentu po první odpovědi. Ponechte předchozí odpověď v konverzaci, přidejte nový zdroj a položte navazující otázku, například jak se oba popisy liší. V aplikaci odlišujte předchozí odpověď od nově dodaných podkladů. Užitečným výsledkem může být srovnávací tabulka se samostatnými sloupci pro každý dokument a vysvětlením rozporů, místo sloučeného shrnutí, v němž se ztrácí zdroj každého tvrzení.
Další dokumentovanou cestou je vstup v podobě prostého textu. Menší podklady lze dodat přímo jako text místo odkazů na nahrané soubory. Příručka výrobce vyžaduje kvůli omezením velikosti požadavků cestu založenou na odkazech, pokud dokumentový obsah vložený přímo do požadavku překročí 1 milion tokenů. Tato hranice je oddělená od dokumentového kontextu o 10 milionech tokenů: podpora rozsáhlého korpusu není příslibem přijetí jediného stejně velkého požadavku s nezpracovaným textem.
Formáty, kontext a výstup
Dokumentová služba uvádí TXT, DOCX, PDF, XLSX, EPUB, MOBI, MD, CSV a JSON společně s BMP, PNG, JPG/JPEG a GIF. Nahrávané obrazové soubory mají limit 20 MB; ostatní podporované soubory mají limit 150 MB. Jde o omezení postupu přípravy dokumentů u výrobce, nikoli o tvrzení, že jazykový model přímo uvažuje nad každým binárním formátem bez předchozí analýzy.
Zveřejněná specifikace uvádí kontext a maximální vstup o 10 000 000 tokenech a až 32 768 výstupních tokenů. V dokumentovaném formátu konverzace s odkazy na soubory má otázka uživatele samostatný limit 9 000 tokenů, pokud dokumenty dodává druhá systémová zpráva. Udržujte otázku stručnou a většinu dokumentového kontextu vyhraďte zdrojovým podkladům. Dlouhý vstupní kontext a délka odpovědi řeší různé problémy: rozsáhlý korpus může stále vyžadovat krátký, přesně strukturovaný výsledek.
Časté dotazy výrobce dokumentují strukturovaný výstup založený na JSON Schema pro Qwen-Long a jeho datované verze. To je užitečné u opakovaných extrakčních úloh, které vyžadují stejná pole napříč celou kolekcí. Uveďte požadované informace, typ každého pole a postup pro případ, že zdroj neobsahuje hodnotu. Služba také dokumentuje asynchronní dávkové zpracování, které je alternativním způsobem odesílání, nikoli dalším režimem uvažování.
Praktické porovnání dokumentů
Připravte relevantní specifikace a před položením otázky určete jejich role: která je stávajícím popisem, která navrhovanou náhradou a které požadavky jsou povinné. Vyžádejte si výsledek se společnými podmínkami, protichůdnými tvrzeními, chybějícími informacemi a umístěním ve zdrojích. Následující otázka může model požádat, aby tento výsledek převedl na stručné vysvětlení pro kolegu a zachoval původní rozdíly.
Důležitá omezení přípravy
Analýza musí skončit před použitím připravených souborů; rozsáhlejší dokumenty mohou vyžadovat delší dobu zpracování. Dokumentovaná inference modelu používá extrahovaný text, takže záleží na úplnosti a čitelnosti připraveného obsahu. Výběr souborů, otázku i požadovaný výstup zadejte výslovně. Dokumentová kapacita Qwen-Long se nemá zaměňovat za limity jiné edice Qwen, požadavku s přímo vloženým nezpracovaným textem ani výsledné odpovědi.
", "aboutText": "Qwen-Long je řada Qwen pro zpracování dokumentů, vyhledávání informací, porovnávání podkladů a odpovídání na otázky nad rozsáhlým textovým korpusem. Jejím charakteristickým rysem je dokumentovaný postup nahrávání souborů a práce s odkazy, který zvládá až 10 milionů tokenů. Úkolem není jen vytvořit delší odpověď v chatu: jde o to mít k dispozici rozsáhlou kolekci zdrojových dokumentů a klást nad ní cílené otázky.\n\nJak funguje postup práce s dokumenty\n\nVýrobce popisuje dvě fáze. Nejprve nahrajte vybrané soubory a nechte analyzátor dokumentů dokončit zpracování. Výsledné odkazy identifikují připravené dokumenty. Poté položte otázku a připojte odkazy na podklady, které má model zohlednit. Model provádí inferenci nad textem spojeným s těmito dokumenty. Tím se odděluje příprava dokumentů od otázky a odpadá nutnost posílat celý soubor znovu v každém kole konverzace.\n\nPřipravte jeden dokument, pokud je cílem shrnutí, vysvětlení určité části nebo získání konkrétních podmínek. Pojmenujte důležité části a požadujte výstup s jasně rozpoznatelným účelem. Například dodejte specifikaci produktu, požádejte o provozní podmínky, které výslovně uvádí, a vyžádejte si krátkou tabulku obsahující podmínku, část zdroje a případné chybějící podrobnosti. Tyto názvy polí jsou příkladem návrhu výsledku, nikoli vestavěným pevným schématem.\n\nVíce dokumentů a navazující otázky\n\nDokumentovaný postup přijímá několik připravených souborů v jednom požadavku. To umožňuje porovnávat dokumenty: určit vlastnost v každé specifikaci, odlišit společná tvrzení od rozdílů a shromáždit nezodpovězené otázky. Jeden požadavek může obsahovat až 100 odkazů na soubory. Vyberte soubory relevantní pro otázku místo předpokladu, že už samotná dostupnost rozsáhlého kontextu určuje, co se má porovnávat.\n\nVýrobce také ukazuje přidání nového dokumentu po první odpovědi. Ponechte předchozí odpověď v konverzaci, přidejte nový zdroj a položte navazující otázku, například jak se oba popisy liší. V aplikaci odlišujte předchozí odpověď od nově dodaných podkladů. Užitečným výsledkem může být srovnávací tabulka se samostatnými sloupci pro každý dokument a vysvětlením rozporů, místo sloučeného shrnutí, v němž se ztrácí zdroj každého tvrzení.\n\nDalší dokumentovanou cestou je vstup v podobě prostého textu. Menší podklady lze dodat přímo jako text místo odkazů na nahrané soubory. Příručka výrobce vyžaduje kvůli omezením velikosti požadavků cestu založenou na odkazech, pokud dokumentový obsah vložený přímo do požadavku překročí 1 milion tokenů. Tato hranice je oddělená od dokumentového kontextu o 10 milionech tokenů: podpora rozsáhlého korpusu není příslibem přijetí jediného stejně velkého požadavku s nezpracovaným textem.\n\nFormáty, kontext a výstup\n\nDokumentová služba uvádí TXT, DOCX, PDF, XLSX, EPUB, MOBI, MD, CSV a JSON společně s BMP, PNG, JPG/JPEG a GIF. Nahrávané obrazové soubory mají limit 20 MB; ostatní podporované soubory mají limit 150 MB. Jde o omezení postupu přípravy dokumentů u výrobce, nikoli o tvrzení, že jazykový model přímo uvažuje nad každým binárním formátem bez předchozí analýzy.\n\nZveřejněná specifikace uvádí kontext a maximální vstup o 10 000 000 tokenech a až 32 768 výstupních tokenů. V dokumentovaném formátu konverzace s odkazy na soubory má otázka uživatele samostatný limit 9 000 tokenů, pokud dokumenty dodává druhá systémová zpráva. Udržujte otázku stručnou a většinu dokumentového kontextu vyhraďte zdrojovým podkladům. Dlouhý vstupní kontext a délka odpovědi řeší různé problémy: rozsáhlý korpus může stále vyžadovat krátký, přesně strukturovaný výsledek.\n\nČasté dotazy výrobce dokumentují strukturovaný výstup založený na JSON Schema pro Qwen-Long a jeho datované verze. To je užitečné u opakovaných extrakčních úloh, které vyžadují stejná pole napříč celou kolekcí. Uveďte požadované informace, typ každého pole a postup pro případ, že zdroj neobsahuje hodnotu. Služba také dokumentuje asynchronní dávkové zpracování, které je alternativním způsobem odesílání, nikoli dalším režimem uvažování.\n\nPraktické porovnání dokumentů\n\nPřipravte relevantní specifikace a před položením otázky určete jejich role: která je stávajícím popisem, která navrhovanou náhradou a které požadavky jsou povinné. Vyžádejte si výsledek se společnými podmínkami, protichůdnými tvrzeními, chybějícími informacemi a umístěním ve zdrojích. Následující otázka může model požádat, aby tento výsledek převedl na stručné vysvětlení pro kolegu a zachoval původní rozdíly.\n\nDůležitá omezení přípravy\n\nAnalýza musí skončit před použitím připravených souborů; rozsáhlejší dokumenty mohou vyžadovat delší dobu zpracování. Dokumentovaná inference modelu používá extrahovaný text, takže záleží na úplnosti a čitelnosti připraveného obsahu. Výběr souborů, otázku i požadovaný výstup zadejte výslovně. Dokumentová kapacita Qwen-Long se nemá zaměňovat za limity jiné edice Qwen, požadavku s přímo vloženým nezpracovaným textem ani výsledné odpovědi.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Compare maintenance documents\n\nCompare these source extracts for a maintenance checklist. Manual M1 section 4: Inspect the filter every week; replace it after 500 hours. Manual M2 section 6: Inspect the filter every week; replace it after 400 hours in dusty conditions. Keep shared rules, conditional differences and missing guidance separate. Do not assume which manual overrides the other.A comparison table with shared rule, condition, replacement interval, source section and one unresolved priority question.Check that the 400-hour rule remains conditional on dusty conditions and that no general precedence is invented.qwen-longQwen-Long je navržen pro otázky nad rozsáhlými kolekcemi dokumentů. Výrobce dokumentuje postup nahrávání souborů a práce s odkazy, až 10 milionů tokenů dokumentového kontextu, porovnávání souborů a strukturované textové odpovědi.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen-Long je řada Qwen pro zpracování dokumentů, vyhledávání informací, porovnávání podkladů a odpovídání na otázky nad rozsáhlým textovým korpusem. Jejím charakteristickým rysem je dokumentovaný postup nahrávání souborů a práce s odkazy, který zvládá až 10 milionů tokenů. Úkolem není jen vytvořit delší odpověď v chatu: jde o to mít k dispozici rozsáhlou kolekci zdrojových dokumentů a klást nad ní cílené otázky.
Jak funguje postup práce s dokumenty
Výrobce popisuje dvě fáze. Nejprve nahrajte vybrané soubory a nechte analyzátor dokumentů dokončit zpracování. Výsledné odkazy identifikují připravené dokumenty. Poté položte otázku a připojte odkazy na podklady, které má model zohlednit. Model provádí inferenci nad textem spojeným s těmito dokumenty. Tím se odděluje příprava dokumentů od otázky a odpadá nutnost posílat celý soubor znovu v každém kole konverzace.
Připravte jeden dokument, pokud je cílem shrnutí, vysvětlení určité části nebo získání konkrétních podmínek. Pojmenujte důležité části a požadujte výstup s jasně rozpoznatelným účelem. Například dodejte specifikaci produktu, požádejte o provozní podmínky, které výslovně uvádí, a vyžádejte si krátkou tabulku obsahující podmínku, část zdroje a případné chybějící podrobnosti. Tyto názvy polí jsou příkladem návrhu výsledku, nikoli vestavěným pevným schématem.
Více dokumentů a navazující otázky
Dokumentovaný postup přijímá několik připravených souborů v jednom požadavku. To umožňuje porovnávat dokumenty: určit vlastnost v každé specifikaci, odlišit společná tvrzení od rozdílů a shromáždit nezodpovězené otázky. Jeden požadavek může obsahovat až 100 odkazů na soubory. Vyberte soubory relevantní pro otázku místo předpokladu, že už samotná dostupnost rozsáhlého kontextu určuje, co se má porovnávat.
Výrobce také ukazuje přidání nového dokumentu po první odpovědi. Ponechte předchozí odpověď v konverzaci, přidejte nový zdroj a položte navazující otázku, například jak se oba popisy liší. V aplikaci odlišujte předchozí odpověď od nově dodaných podkladů. Užitečným výsledkem může být srovnávací tabulka se samostatnými sloupci pro každý dokument a vysvětlením rozporů, místo sloučeného shrnutí, v němž se ztrácí zdroj každého tvrzení.
Další dokumentovanou cestou je vstup v podobě prostého textu. Menší podklady lze dodat přímo jako text místo odkazů na nahrané soubory. Příručka výrobce vyžaduje kvůli omezením velikosti požadavků cestu založenou na odkazech, pokud dokumentový obsah vložený přímo do požadavku překročí 1 milion tokenů. Tato hranice je oddělená od dokumentového kontextu o 10 milionech tokenů: podpora rozsáhlého korpusu není příslibem přijetí jediného stejně velkého požadavku s nezpracovaným textem.
Formáty, kontext a výstup
Dokumentová služba uvádí TXT, DOCX, PDF, XLSX, EPUB, MOBI, MD, CSV a JSON společně s BMP, PNG, JPG/JPEG a GIF. Nahrávané obrazové soubory mají limit 20 MB; ostatní podporované soubory mají limit 150 MB. Jde o omezení postupu přípravy dokumentů u výrobce, nikoli o tvrzení, že jazykový model přímo uvažuje nad každým binárním formátem bez předchozí analýzy.
Zveřejněná specifikace uvádí kontext a maximální vstup o 10 000 000 tokenech a až 32 768 výstupních tokenů. V dokumentovaném formátu konverzace s odkazy na soubory má otázka uživatele samostatný limit 9 000 tokenů, pokud dokumenty dodává druhá systémová zpráva. Udržujte otázku stručnou a většinu dokumentového kontextu vyhraďte zdrojovým podkladům. Dlouhý vstupní kontext a délka odpovědi řeší různé problémy: rozsáhlý korpus může stále vyžadovat krátký, přesně strukturovaný výsledek.
Časté dotazy výrobce dokumentují strukturovaný výstup založený na JSON Schema pro Qwen-Long a jeho datované verze. To je užitečné u opakovaných extrakčních úloh, které vyžadují stejná pole napříč celou kolekcí. Uveďte požadované informace, typ každého pole a postup pro případ, že zdroj neobsahuje hodnotu. Služba také dokumentuje asynchronní dávkové zpracování, které je alternativním způsobem odesílání, nikoli dalším režimem uvažování.
Praktické porovnání dokumentů
Připravte relevantní specifikace a před položením otázky určete jejich role: která je stávajícím popisem, která navrhovanou náhradou a které požadavky jsou povinné. Vyžádejte si výsledek se společnými podmínkami, protichůdnými tvrzeními, chybějícími informacemi a umístěním ve zdrojích. Následující otázka může model požádat, aby tento výsledek převedl na stručné vysvětlení pro kolegu a zachoval původní rozdíly.
Důležitá omezení přípravy
Analýza musí skončit před použitím připravených souborů; rozsáhlejší dokumenty mohou vyžadovat delší dobu zpracování. Dokumentovaná inference modelu používá extrahovaný text, takže záleží na úplnosti a čitelnosti připraveného obsahu. Výběr souborů, otázku i požadovaný výstup zadejte výslovně. Dokumentová kapacita Qwen-Long se nemá zaměňovat za limity jiné edice Qwen, požadavku s přímo vloženým nezpracovaným textem ani výsledné odpovědi.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen-long | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.000144 / 1K tokenů Výstup · Výstupní tokeny $0.000572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-long", "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-long',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-long',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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen-long
Použijte cesty metod uvedené výše.
qwen-longQwen-Long je navržen pro otázky nad rozsáhlými kolekcemi dokumentů. Výrobce dokumentuje postup nahrávání souborů a práce s odkazy, až 10 milionů tokenů dokumentového kontextu, porovnávání souborů a strukturované textové odpovědi.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen-Long je řada Qwen pro zpracování dokumentů, vyhledávání informací, porovnávání podkladů a odpovídání na otázky nad rozsáhlým textovým korpusem. Jejím charakteristickým rysem je dokumentovaný postup nahrávání souborů a práce s odkazy, který zvládá až 10 milionů tokenů. Úkolem není jen vytvořit delší odpověď v chatu: jde o to mít k dispozici rozsáhlou kolekci zdrojových dokumentů a klást nad ní cílené otázky.
Jak funguje postup práce s dokumenty
Výrobce popisuje dvě fáze. Nejprve nahrajte vybrané soubory a nechte analyzátor dokumentů dokončit zpracování. Výsledné odkazy identifikují připravené dokumenty. Poté položte otázku a připojte odkazy na podklady, které má model zohlednit. Model provádí inferenci nad textem spojeným s těmito dokumenty. Tím se odděluje příprava dokumentů od otázky a odpadá nutnost posílat celý soubor znovu v každém kole konverzace.
Připravte jeden dokument, pokud je cílem shrnutí, vysvětlení určité části nebo získání konkrétních podmínek. Pojmenujte důležité části a požadujte výstup s jasně rozpoznatelným účelem. Například dodejte specifikaci produktu, požádejte o provozní podmínky, které výslovně uvádí, a vyžádejte si krátkou tabulku obsahující podmínku, část zdroje a případné chybějící podrobnosti. Tyto názvy polí jsou příkladem návrhu výsledku, nikoli vestavěným pevným schématem.
Více dokumentů a navazující otázky
Dokumentovaný postup přijímá několik připravených souborů v jednom požadavku. To umožňuje porovnávat dokumenty: určit vlastnost v každé specifikaci, odlišit společná tvrzení od rozdílů a shromáždit nezodpovězené otázky. Jeden požadavek může obsahovat až 100 odkazů na soubory. Vyberte soubory relevantní pro otázku místo předpokladu, že už samotná dostupnost rozsáhlého kontextu určuje, co se má porovnávat.
Výrobce také ukazuje přidání nového dokumentu po první odpovědi. Ponechte předchozí odpověď v konverzaci, přidejte nový zdroj a položte navazující otázku, například jak se oba popisy liší. V aplikaci odlišujte předchozí odpověď od nově dodaných podkladů. Užitečným výsledkem může být srovnávací tabulka se samostatnými sloupci pro každý dokument a vysvětlením rozporů, místo sloučeného shrnutí, v němž se ztrácí zdroj každého tvrzení.
Další dokumentovanou cestou je vstup v podobě prostého textu. Menší podklady lze dodat přímo jako text místo odkazů na nahrané soubory. Příručka výrobce vyžaduje kvůli omezením velikosti požadavků cestu založenou na odkazech, pokud dokumentový obsah vložený přímo do požadavku překročí 1 milion tokenů. Tato hranice je oddělená od dokumentového kontextu o 10 milionech tokenů: podpora rozsáhlého korpusu není příslibem přijetí jediného stejně velkého požadavku s nezpracovaným textem.
Formáty, kontext a výstup
Dokumentová služba uvádí TXT, DOCX, PDF, XLSX, EPUB, MOBI, MD, CSV a JSON společně s BMP, PNG, JPG/JPEG a GIF. Nahrávané obrazové soubory mají limit 20 MB; ostatní podporované soubory mají limit 150 MB. Jde o omezení postupu přípravy dokumentů u výrobce, nikoli o tvrzení, že jazykový model přímo uvažuje nad každým binárním formátem bez předchozí analýzy.
Zveřejněná specifikace uvádí kontext a maximální vstup o 10 000 000 tokenech a až 32 768 výstupních tokenů. V dokumentovaném formátu konverzace s odkazy na soubory má otázka uživatele samostatný limit 9 000 tokenů, pokud dokumenty dodává druhá systémová zpráva. Udržujte otázku stručnou a většinu dokumentového kontextu vyhraďte zdrojovým podkladům. Dlouhý vstupní kontext a délka odpovědi řeší různé problémy: rozsáhlý korpus může stále vyžadovat krátký, přesně strukturovaný výsledek.
Časté dotazy výrobce dokumentují strukturovaný výstup založený na JSON Schema pro Qwen-Long a jeho datované verze. To je užitečné u opakovaných extrakčních úloh, které vyžadují stejná pole napříč celou kolekcí. Uveďte požadované informace, typ každého pole a postup pro případ, že zdroj neobsahuje hodnotu. Služba také dokumentuje asynchronní dávkové zpracování, které je alternativním způsobem odesílání, nikoli dalším režimem uvažování.
Praktické porovnání dokumentů
Připravte relevantní specifikace a před položením otázky určete jejich role: která je stávajícím popisem, která navrhovanou náhradou a které požadavky jsou povinné. Vyžádejte si výsledek se společnými podmínkami, protichůdnými tvrzeními, chybějícími informacemi a umístěním ve zdrojích. Následující otázka může model požádat, aby tento výsledek převedl na stručné vysvětlení pro kolegu a zachoval původní rozdíly.
Důležitá omezení přípravy
Analýza musí skončit před použitím připravených souborů; rozsáhlejší dokumenty mohou vyžadovat delší dobu zpracování. Dokumentovaná inference modelu používá extrahovaný text, takže záleží na úplnosti a čitelnosti připraveného obsahu. Výběr souborů, otázku i požadovaný výstup zadejte výslovně. Dokumentová kapacita Qwen-Long se nemá zaměňovat za limity jiné edice Qwen, požadavku s přímo vloženým nezpracovaným textem ani výsledné odpovědi.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen-long | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.000144 / 1K tokenů Výstup · Výstupní tokeny $0.000572 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "qwen-long",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-long', '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-long', '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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra qwen-long
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Compare maintenance documents\n\nCompare these source extracts for a maintenance checklist. Manual M1 section 4: Inspect the filter every week; replace it after 500 hours. Manual M2 section 6: Inspect the filter every week; replace it after 400 hours in dusty conditions. Keep shared rules, conditional differences and missing guidance separate. Do not assume which manual overrides the other.A comparison table with shared rule, condition, replacement interval, source section and one unresolved priority question.Check that the 400-hour rule remains conditional on dusty conditions and that no general precedence is invented.