Plus-øjebliksbilledet fra 15. februar
Qwen3.5 Plus 2026-02-15 er den faste udgivelse fra 15. februar 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Dens dokumenterede arkitektur kombinerer lineær attention med sparsom mixture-of-experts-beregning og understøtter både tekst- og multimodale opgaver. Input omfatter tekst, billeder og video; svaret er tekst, eksempelvis en forklaring, et kodeforslag eller en dokumentleverance. Det daterede navn giver denne udgave en specifik identitet i Plus-familien.
Producenten beskriver den administrerede Qwen3.5-Plus som svarende til den åbne Qwen3.5-397B-A17B-model med yderligere funktioner, herunder en standardkontekst på en million tokens, indbyggede værktøjer og adaptiv værktøjsbrug. De to tilbud bevarer særskilte navne og grænsefladekontrakter. Det åbne checkpoints præcise ekspertantal, numeriske repræsentation og indbyggede kontekst bør ikke ubemærket omsættes til en komplet specifikation for denne daterede Plus-udgivelse.
Samlet tekst- og billedarbejde
Qwen3.5-familien udvikler ræsonnementer, programmering, agenter og visuel forståelse gennem tidlig fusion af tekst og billeder samt forstærkningslæring på gradvist mere komplekse opgaver. Familiebeskrivelsen omfatter 201 sprog og dialekter. Til flersproget arbejde skal du angive målsprog, målgruppe og termer, der skal bevares; til visuelt arbejde skal du bevare de etiketter, tabeloverskrifter eller diagramdefinitioner, spørgsmålet kræver.
En nyttig dokumentforespørgsel kan bede om en sammenligning organiseret efter de samme afsnit som kilden med understøttende passager til hvert fund. En programmeringsforespørgsel kan kombinere et skærmbillede, relevant eksisterende kode og funktionelle krav og derefter bede om redigerbar kildekode og en særskilt forklaring af adfærden. For video skal du udpege den relevante hændelse eller sekvens og bevare tidsangivelser. Kontrollér returnerede passager, visuelle detaljer og foreslået kode mod det leverede materiale.
Ræsonnementer og direkte svar
Producentens modusvejledning angiver Qwen3.5 Plus-familien og øjebliksbilledet fra 15. februar som hybridtænkende med tænkning aktiveret som standard. Det dokumenterede hybridforløb kan deaktivere tænkning for at give et direkte svar. Hold ræsonnementerne adskilt fra slutleverancen, når den valgte grænseflade leverer begge dele. Definér en klar slutform, eksempelvis en fundtabel, et afgrænset svar eller kodefiler, så resultatet er let at inspicere.
Det åbne Qwen3.5-checkpoint har sin egen vejledning til historik og sampling. Senere Qwen-generationer indfører også andre standarder og indstillinger for bevarelse af ræsonnementer. Følg den præcise Plus-grænseflades opskrift frem for at antage, at en promptmarkør, parameterbeholder eller historikadfærd gælder på tværs af alle udgaver med Qwen-navnet.
Værktøjer og adaptivt arbejde
Producentens Plus-reference beskriver indbygget og adaptiv værktøjsbrug. En opgave kan lade et tilsluttet forløb hente dokumentation, inspicere leveret materiale eller returnere resultater fra tilladte operationer. Angiv tilgængelige værktøjer, tilladte handlinger og den observerbare betingelse for færdiggørelse. Modellen kan bruge faktisk feedback til at revidere sin analyse og vælge næste trin; applikationen udfører eksterne handlinger og leverer deres resultater.
Til en agentopgave skal du bede slutrapporten vise den resulterende leverance, understøttende dokumentation og uafklarede betingelser. Adskil en foreslået patch eller søgeforespørgsel fra et værktøjsresultat, der faktisk er returneret. Et ønske om JSON-formet tekst fastslår ikke i sig selv en kontrakt om håndhævelse af schema, og et ønske om at køre kode skaber ikke selvstændigt et eksekveringsmiljø.
Klargøring til lang kontekst
Qwens administrerede Plus-reference beskriver en standardkontekst på en million tokens. Hold dokumentgrænser, kodeidentifikatorer og definitioner synlige i stort input, og reservér plads til ræsonnementer og det endelige svar. Brug det administrerede Plus-kontekstbudget til dette forløb; det åbne 397B-checkpoint har sine egne indbyggede og udvidede grænser.
Til en lang sammenligning skal du indsnævre spørgsmålet til de krævede beslutninger eller forhold og bede modellen citere det understøttende afsnit til hver konklusion. Kontekstbudgettet kan samle mere dokumentation, men en klar kildestruktur gør svaret sporbart. Bevar det daterede udgavenavn, når reproducerbarhed er vigtig.
Praktisk resultat og begrænsninger
Brug dette øjebliksbillede til en konkret tekstleverance forankret i leveret projektmateriale eller visuelt materiale: et implementeringsforslag, en dokumentsammenligning eller et forklaret svar. Kontrollér små visuelle etiketter, beregninger, citeret tekst og kodeændringer mod den oprindelige dokumentation. Modellens dokumenterede område er tekst- og billedforståelse med tekstligt output; det indebærer ikke genererede billeder, video eller tale. Præcise værktøjer, uploadregler og outputbudgetter bør følge den valgte grænseflade frem for en antaget lighed med et andet checkpoint.
", "aboutText": "Plus-øjebliksbilledet fra 15. februar\n\nQwen3.5 Plus 2026-02-15 er den faste udgivelse fra 15. februar 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Dens dokumenterede arkitektur kombinerer lineær attention med sparsom mixture-of-experts-beregning og understøtter både tekst- og multimodale opgaver. Input omfatter tekst, billeder og video; svaret er tekst, eksempelvis en forklaring, et kodeforslag eller en dokumentleverance. Det daterede navn giver denne udgave en specifik identitet i Plus-familien.\n\nProducenten beskriver den administrerede Qwen3.5-Plus som svarende til den åbne Qwen3.5-397B-A17B-model med yderligere funktioner, herunder en standardkontekst på en million tokens, indbyggede værktøjer og adaptiv værktøjsbrug. De to tilbud bevarer særskilte navne og grænsefladekontrakter. Det åbne checkpoints præcise ekspertantal, numeriske repræsentation og indbyggede kontekst bør ikke ubemærket omsættes til en komplet specifikation for denne daterede Plus-udgivelse.\n\nSamlet tekst- og billedarbejde\n\nQwen3.5-familien udvikler ræsonnementer, programmering, agenter og visuel forståelse gennem tidlig fusion af tekst og billeder samt forstærkningslæring på gradvist mere komplekse opgaver. Familiebeskrivelsen omfatter 201 sprog og dialekter. Til flersproget arbejde skal du angive målsprog, målgruppe og termer, der skal bevares; til visuelt arbejde skal du bevare de etiketter, tabeloverskrifter eller diagramdefinitioner, spørgsmålet kræver.\n\nEn nyttig dokumentforespørgsel kan bede om en sammenligning organiseret efter de samme afsnit som kilden med understøttende passager til hvert fund. En programmeringsforespørgsel kan kombinere et skærmbillede, relevant eksisterende kode og funktionelle krav og derefter bede om redigerbar kildekode og en særskilt forklaring af adfærden. For video skal du udpege den relevante hændelse eller sekvens og bevare tidsangivelser. Kontrollér returnerede passager, visuelle detaljer og foreslået kode mod det leverede materiale.\n\nRæsonnementer og direkte svar\n\nProducentens modusvejledning angiver Qwen3.5 Plus-familien og øjebliksbilledet fra 15. februar som hybridtænkende med tænkning aktiveret som standard. Det dokumenterede hybridforløb kan deaktivere tænkning for at give et direkte svar. Hold ræsonnementerne adskilt fra slutleverancen, når den valgte grænseflade leverer begge dele. Definér en klar slutform, eksempelvis en fundtabel, et afgrænset svar eller kodefiler, så resultatet er let at inspicere.\n\nDet åbne Qwen3.5-checkpoint har sin egen vejledning til historik og sampling. Senere Qwen-generationer indfører også andre standarder og indstillinger for bevarelse af ræsonnementer. Følg den præcise Plus-grænseflades opskrift frem for at antage, at en promptmarkør, parameterbeholder eller historikadfærd gælder på tværs af alle udgaver med Qwen-navnet.\n\nVærktøjer og adaptivt arbejde\n\nProducentens Plus-reference beskriver indbygget og adaptiv værktøjsbrug. En opgave kan lade et tilsluttet forløb hente dokumentation, inspicere leveret materiale eller returnere resultater fra tilladte operationer. Angiv tilgængelige værktøjer, tilladte handlinger og den observerbare betingelse for færdiggørelse. Modellen kan bruge faktisk feedback til at revidere sin analyse og vælge næste trin; applikationen udfører eksterne handlinger og leverer deres resultater.\n\nTil en agentopgave skal du bede slutrapporten vise den resulterende leverance, understøttende dokumentation og uafklarede betingelser. Adskil en foreslået patch eller søgeforespørgsel fra et værktøjsresultat, der faktisk er returneret. Et ønske om JSON-formet tekst fastslår ikke i sig selv en kontrakt om håndhævelse af schema, og et ønske om at køre kode skaber ikke selvstændigt et eksekveringsmiljø.\n\nKlargøring til lang kontekst\n\nQwens administrerede Plus-reference beskriver en standardkontekst på en million tokens. Hold dokumentgrænser, kodeidentifikatorer og definitioner synlige i stort input, og reservér plads til ræsonnementer og det endelige svar. Brug det administrerede Plus-kontekstbudget til dette forløb; det åbne 397B-checkpoint har sine egne indbyggede og udvidede grænser.\n\nTil en lang sammenligning skal du indsnævre spørgsmålet til de krævede beslutninger eller forhold og bede modellen citere det understøttende afsnit til hver konklusion. Kontekstbudgettet kan samle mere dokumentation, men en klar kildestruktur gør svaret sporbart. Bevar det daterede udgavenavn, når reproducerbarhed er vigtig.\n\nPraktisk resultat og begrænsninger\n\nBrug dette øjebliksbillede til en konkret tekstleverance forankret i leveret projektmateriale eller visuelt materiale: et implementeringsforslag, en dokumentsammenligning eller et forklaret svar. Kontrollér små visuelle etiketter, beregninger, citeret tekst og kodeændringer mod den oprindelige dokumentation. Modellens dokumenterede område er tekst- og billedforståelse med tekstligt output; det indebærer ikke genererede billeder, video eller tale. Præcise værktøjer, uploadregler og outputbudgetter bør følge den valgte grænseflade frem for en antaget lighed med et andet checkpoint.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 er det faste øjebliksbillede fra 15. februar af Qwens Plus-model med integreret billed- og sprogforståelse. Den kombinerer forståelse af tekst, billeder og video med ræsonnementer, programmering og agentorienterede forløb og returnerer tekstsvar eller leverancer i familiens hybride tænkningsmodus.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Plus-øjebliksbilledet fra 15. februar
Qwen3.5 Plus 2026-02-15 er den faste udgivelse fra 15. februar 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Dens dokumenterede arkitektur kombinerer lineær attention med sparsom mixture-of-experts-beregning og understøtter både tekst- og multimodale opgaver. Input omfatter tekst, billeder og video; svaret er tekst, eksempelvis en forklaring, et kodeforslag eller en dokumentleverance. Det daterede navn giver denne udgave en specifik identitet i Plus-familien.
Producenten beskriver den administrerede Qwen3.5-Plus som svarende til den åbne Qwen3.5-397B-A17B-model med yderligere funktioner, herunder en standardkontekst på en million tokens, indbyggede værktøjer og adaptiv værktøjsbrug. De to tilbud bevarer særskilte navne og grænsefladekontrakter. Det åbne checkpoints præcise ekspertantal, numeriske repræsentation og indbyggede kontekst bør ikke ubemærket omsættes til en komplet specifikation for denne daterede Plus-udgivelse.
Samlet tekst- og billedarbejde
Qwen3.5-familien udvikler ræsonnementer, programmering, agenter og visuel forståelse gennem tidlig fusion af tekst og billeder samt forstærkningslæring på gradvist mere komplekse opgaver. Familiebeskrivelsen omfatter 201 sprog og dialekter. Til flersproget arbejde skal du angive målsprog, målgruppe og termer, der skal bevares; til visuelt arbejde skal du bevare de etiketter, tabeloverskrifter eller diagramdefinitioner, spørgsmålet kræver.
En nyttig dokumentforespørgsel kan bede om en sammenligning organiseret efter de samme afsnit som kilden med understøttende passager til hvert fund. En programmeringsforespørgsel kan kombinere et skærmbillede, relevant eksisterende kode og funktionelle krav og derefter bede om redigerbar kildekode og en særskilt forklaring af adfærden. For video skal du udpege den relevante hændelse eller sekvens og bevare tidsangivelser. Kontrollér returnerede passager, visuelle detaljer og foreslået kode mod det leverede materiale.
Ræsonnementer og direkte svar
Producentens modusvejledning angiver Qwen3.5 Plus-familien og øjebliksbilledet fra 15. februar som hybridtænkende med tænkning aktiveret som standard. Det dokumenterede hybridforløb kan deaktivere tænkning for at give et direkte svar. Hold ræsonnementerne adskilt fra slutleverancen, når den valgte grænseflade leverer begge dele. Definér en klar slutform, eksempelvis en fundtabel, et afgrænset svar eller kodefiler, så resultatet er let at inspicere.
Det åbne Qwen3.5-checkpoint har sin egen vejledning til historik og sampling. Senere Qwen-generationer indfører også andre standarder og indstillinger for bevarelse af ræsonnementer. Følg den præcise Plus-grænseflades opskrift frem for at antage, at en promptmarkør, parameterbeholder eller historikadfærd gælder på tværs af alle udgaver med Qwen-navnet.
Værktøjer og adaptivt arbejde
Producentens Plus-reference beskriver indbygget og adaptiv værktøjsbrug. En opgave kan lade et tilsluttet forløb hente dokumentation, inspicere leveret materiale eller returnere resultater fra tilladte operationer. Angiv tilgængelige værktøjer, tilladte handlinger og den observerbare betingelse for færdiggørelse. Modellen kan bruge faktisk feedback til at revidere sin analyse og vælge næste trin; applikationen udfører eksterne handlinger og leverer deres resultater.
Til en agentopgave skal du bede slutrapporten vise den resulterende leverance, understøttende dokumentation og uafklarede betingelser. Adskil en foreslået patch eller søgeforespørgsel fra et værktøjsresultat, der faktisk er returneret. Et ønske om JSON-formet tekst fastslår ikke i sig selv en kontrakt om håndhævelse af schema, og et ønske om at køre kode skaber ikke selvstændigt et eksekveringsmiljø.
Klargøring til lang kontekst
Qwens administrerede Plus-reference beskriver en standardkontekst på en million tokens. Hold dokumentgrænser, kodeidentifikatorer og definitioner synlige i stort input, og reservér plads til ræsonnementer og det endelige svar. Brug det administrerede Plus-kontekstbudget til dette forløb; det åbne 397B-checkpoint har sine egne indbyggede og udvidede grænser.
Til en lang sammenligning skal du indsnævre spørgsmålet til de krævede beslutninger eller forhold og bede modellen citere det understøttende afsnit til hver konklusion. Kontekstbudgettet kan samle mere dokumentation, men en klar kildestruktur gør svaret sporbart. Bevar det daterede udgavenavn, når reproducerbarhed er vigtig.
Praktisk resultat og begrænsninger
Brug dette øjebliksbillede til en konkret tekstleverance forankret i leveret projektmateriale eller visuelt materiale: et implementeringsforslag, en dokumentsammenligning eller et forklaret svar. Kontrollér små visuelle etiketter, beregninger, citeret tekst og kodeændringer mod den oprindelige dokumentation. Modellens dokumenterede område er tekst- og billedforståelse med tekstligt output; det indebærer ikke genererede billeder, video eller tale. Præcise værktøjer, uploadregler og outputbudgetter bør følge den valgte grænseflade frem for en antaget lighed med et andet checkpoint.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen/qwen3.5-plus-02-15 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00052 / 1K tokens Output · Outputtokens $0.00312 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med256.000 | Beløb Input · Inputtokens $0.00052 / 1K tokens Output · Outputtokens $0.00312 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end256.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00065 / 1K tokens Output · Outputtokens $0.0039 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-plus-02-15", "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/qwen3.5-plus-02-15',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/qwen3.5-plus-02-15',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qwen/qwen3.5-plus-02-15
Brug metodestierne vist ovenfor.
qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 er det faste øjebliksbillede fra 15. februar af Qwens Plus-model med integreret billed- og sprogforståelse. Den kombinerer forståelse af tekst, billeder og video med ræsonnementer, programmering og agentorienterede forløb og returnerer tekstsvar eller leverancer i familiens hybride tænkningsmodus.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Plus-øjebliksbilledet fra 15. februar
Qwen3.5 Plus 2026-02-15 er den faste udgivelse fra 15. februar 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Dens dokumenterede arkitektur kombinerer lineær attention med sparsom mixture-of-experts-beregning og understøtter både tekst- og multimodale opgaver. Input omfatter tekst, billeder og video; svaret er tekst, eksempelvis en forklaring, et kodeforslag eller en dokumentleverance. Det daterede navn giver denne udgave en specifik identitet i Plus-familien.
Producenten beskriver den administrerede Qwen3.5-Plus som svarende til den åbne Qwen3.5-397B-A17B-model med yderligere funktioner, herunder en standardkontekst på en million tokens, indbyggede værktøjer og adaptiv værktøjsbrug. De to tilbud bevarer særskilte navne og grænsefladekontrakter. Det åbne checkpoints præcise ekspertantal, numeriske repræsentation og indbyggede kontekst bør ikke ubemærket omsættes til en komplet specifikation for denne daterede Plus-udgivelse.
Samlet tekst- og billedarbejde
Qwen3.5-familien udvikler ræsonnementer, programmering, agenter og visuel forståelse gennem tidlig fusion af tekst og billeder samt forstærkningslæring på gradvist mere komplekse opgaver. Familiebeskrivelsen omfatter 201 sprog og dialekter. Til flersproget arbejde skal du angive målsprog, målgruppe og termer, der skal bevares; til visuelt arbejde skal du bevare de etiketter, tabeloverskrifter eller diagramdefinitioner, spørgsmålet kræver.
En nyttig dokumentforespørgsel kan bede om en sammenligning organiseret efter de samme afsnit som kilden med understøttende passager til hvert fund. En programmeringsforespørgsel kan kombinere et skærmbillede, relevant eksisterende kode og funktionelle krav og derefter bede om redigerbar kildekode og en særskilt forklaring af adfærden. For video skal du udpege den relevante hændelse eller sekvens og bevare tidsangivelser. Kontrollér returnerede passager, visuelle detaljer og foreslået kode mod det leverede materiale.
Ræsonnementer og direkte svar
Producentens modusvejledning angiver Qwen3.5 Plus-familien og øjebliksbilledet fra 15. februar som hybridtænkende med tænkning aktiveret som standard. Det dokumenterede hybridforløb kan deaktivere tænkning for at give et direkte svar. Hold ræsonnementerne adskilt fra slutleverancen, når den valgte grænseflade leverer begge dele. Definér en klar slutform, eksempelvis en fundtabel, et afgrænset svar eller kodefiler, så resultatet er let at inspicere.
Det åbne Qwen3.5-checkpoint har sin egen vejledning til historik og sampling. Senere Qwen-generationer indfører også andre standarder og indstillinger for bevarelse af ræsonnementer. Følg den præcise Plus-grænseflades opskrift frem for at antage, at en promptmarkør, parameterbeholder eller historikadfærd gælder på tværs af alle udgaver med Qwen-navnet.
Værktøjer og adaptivt arbejde
Producentens Plus-reference beskriver indbygget og adaptiv værktøjsbrug. En opgave kan lade et tilsluttet forløb hente dokumentation, inspicere leveret materiale eller returnere resultater fra tilladte operationer. Angiv tilgængelige værktøjer, tilladte handlinger og den observerbare betingelse for færdiggørelse. Modellen kan bruge faktisk feedback til at revidere sin analyse og vælge næste trin; applikationen udfører eksterne handlinger og leverer deres resultater.
Til en agentopgave skal du bede slutrapporten vise den resulterende leverance, understøttende dokumentation og uafklarede betingelser. Adskil en foreslået patch eller søgeforespørgsel fra et værktøjsresultat, der faktisk er returneret. Et ønske om JSON-formet tekst fastslår ikke i sig selv en kontrakt om håndhævelse af schema, og et ønske om at køre kode skaber ikke selvstændigt et eksekveringsmiljø.
Klargøring til lang kontekst
Qwens administrerede Plus-reference beskriver en standardkontekst på en million tokens. Hold dokumentgrænser, kodeidentifikatorer og definitioner synlige i stort input, og reservér plads til ræsonnementer og det endelige svar. Brug det administrerede Plus-kontekstbudget til dette forløb; det åbne 397B-checkpoint har sine egne indbyggede og udvidede grænser.
Til en lang sammenligning skal du indsnævre spørgsmålet til de krævede beslutninger eller forhold og bede modellen citere det understøttende afsnit til hver konklusion. Kontekstbudgettet kan samle mere dokumentation, men en klar kildestruktur gør svaret sporbart. Bevar det daterede udgavenavn, når reproducerbarhed er vigtig.
Praktisk resultat og begrænsninger
Brug dette øjebliksbillede til en konkret tekstleverance forankret i leveret projektmateriale eller visuelt materiale: et implementeringsforslag, en dokumentsammenligning eller et forklaret svar. Kontrollér små visuelle etiketter, beregninger, citeret tekst og kodeændringer mod den oprindelige dokumentation. Modellens dokumenterede område er tekst- og billedforståelse med tekstligt output; det indebærer ikke genererede billeder, video eller tale. Præcise værktøjer, uploadregler og outputbudgetter bør følge den valgte grænseflade frem for en antaget lighed med et andet checkpoint.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen/qwen3.5-plus-02-15 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00052 / 1K tokens Output · Outputtokens $0.00312 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med256.000 | Beløb Input · Inputtokens $0.00052 / 1K tokens Output · Outputtokens $0.00312 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end256.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00065 / 1K tokens Output · Outputtokens $0.0039 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwen/qwen3.5-plus-02-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-plus-02-15', '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/qwen3.5-plus-02-15', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra qwen/qwen3.5-plus-02-15
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.