Det faste Plus-øjebliksbillede fra 20. april
Qwen3.5 Plus 2026-04-20 er øjebliksbilledet fra 20. april 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Producentens udgivelsesmeddelelse angiver en betydelig forbedring i agentbaseret programmering sammenlignet med øjebliksbilledet fra 15. februar samt stærkere inferenseffektivitet og bevarede evner inden for viden, ræsonnementer og lang kontekst. Hold denne daterede udgave adskilt fra et løbende opdateret Plus-navn og fra det åbne Qwen3.5-397B-A17B-checkpoint.
Familien modtager tekst med billeder eller video og producerer tekstlige resultater. Det understøtter en udviklingsopgave baseret på et skærmbillede, et spørgsmål om et teknisk diagram eller en dokumentbaseret forklaring. Øjebliksbilledets navn fastslår ikke i sig selv det åbne checkpoints parameterantal, aktiverede eksperter eller præcise arkitektur, så disse tal tilskrives ikke denne udgave her.
Agentbaseret programmering
Udgivelsens primære ændring er mere kompetent programmering i et agentforløb. Angiv projektkravene, relevante filer eller uddrag, eksisterende adfærd og den leverance, der forventes ved afslutning. Til en opgave fra skærmbillede til grænseflade skal du medtage den visuelle reference og funktionelle begrænsninger og derefter bede om redigerbar kildekode og en forklaring af den tilsigtede adfærd. Til en repositoryændring skal du udpege den berørte funktion og det input, der viser problemet, og derefter bede om en patch og de kontroller, der kræves for at vurdere den.
Et programmeringsforløb over flere trin drager nytte af faktisk feedback: inspektionsresultater, observerede fejl og gennemgangsfund kan returneres til modellen undervejs. Applikationen styrer værktøjerne og udfører tilladte handlinger. Bed om en rapport over, hvad der blev foreslået, hvad der blev observeret, og hvad der stadig er uafklaret.
Viden og ræsonnementer
Producenten oplyser, at øjebliksbilledet bevarer stærk viden og ræsonnement, mens agentarbejdet forbedres. Til en analyseopgave skal kildefakta adskilles fra antagelser, og den ønskede konklusion angives. Bed om understøttende passager, værdier eller kodeidentifikatorer, så resultatet kan kontrolleres. Til en faglig rapport skal du angive det relevante materiale og ønskede afsnit frem for at stole på, at modellen kender et privat projekts manglende kontekst.
Qwen3.5 Plus-familien er dokumenteret med hybrid tænkning, hvor tænkning er aktiveret som standard. Familiens forløb kan producere et direkte svar, når tænkning er deaktiveret, mens ræsonnementer og det endelige svar behandles særskilt. Den konkrete apriludgaves grænseflade bør bruge sine egne dokumenterede indstillinger; en beskrivelse af familiens modus er ikke et løfte om, at enhver applikation stiller en bestemt parameter til rådighed.
Arbejde med lang kontekst
Alibabas særlige tabel for øjebliksbilledet fra 20. april angiver en kontekst på 1,000,000 tokens, et maksimalt input på 991,808 tokens til direkte svar eller 983,616 til tænkning og et maksimalt output på 65,536 i begge modi. Overfør ikke det åbne Qwen3.5-checkpoints tal for indbygget eller udvidet kontekst til en hård grænse for dette Plus-øjebliksbillede. Klargør langt input med dokumentgrænser, sideidentifikatorer, kodestier og de definitioner, opgaven kræver.
En nyttig forespørgsel kan bede om en tabel fra krav til implementering, en dokumentsammenligning eller en rapport, der identificerer dokumentationen for hver konklusion. Hold uvedkommende materiale ude af prompten, og efterlad plads til svaret. Evnen til lang kontekst hjælper med at samle mere dokumentation; den garanterer ikke fuldstændig genkaldelse og erstatter ikke et klart spørgsmål.
Klargøring af produktionslignende opgaver
Producenten positionerer udgaven til komplekse agenter, programmeringsforløb og brug med fokus på gennemløb. Definér opgavens observerbare resultat: de filer, der skal produceres, den adfærd, der skal implementeres, eller de fund, der skal forklares. Hvor værktøjer er tilsluttet, skal deres faktiske returnerede resultater adskilles fra modellens tekstforslag. Fastlæg slutformatet, så leverancen kan indgå i et gennemgangs- eller applikationsforløb, mens syntaks og indhold kontrolleres særskilt.
Den særlige øjebliksbilledtabel angiver funktionskald, struktureret output, websøgning, præfikskomplettering og kontekstcaching; batchinferens og finjustering understøttes ikke. Det er funktioner i producentens forløb, og grænser for mediefiler er fortsat en særskilt specifikation. Et ønske om JSON-formet tekst, kodeudførelse eller kildehentning bør derfor forblive et ønsket forløb frem for en antaget indbygget garanti. Den forbedring, producenten beskriver, er kvalitativ; den bør ikke blive et ubetinget løfte om svartid eller gennemløb.
Praktiske begrænsninger
Bevar den præcise daterede Plus-udgave og kildematerialet sammen med resultatet ved sammenligning med senere revisioner. Kontrollér genereret kode, beregninger og udtrukne visuelle detaljer mod den leverede kilde, og returnér uafklaret dokumentation udtrykkeligt. Det nyttige resultat er en konkret tekstleverance knyttet til opgavens krav med den præcise daterede Plus-identitet og producentens dokumenterede input-, output- og værktøjsgrænser angivet tydeligt.
", "aboutText": "Det faste Plus-øjebliksbillede fra 20. april\n\nQwen3.5 Plus 2026-04-20 er øjebliksbilledet fra 20. april 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Producentens udgivelsesmeddelelse angiver en betydelig forbedring i agentbaseret programmering sammenlignet med øjebliksbilledet fra 15. februar samt stærkere inferenseffektivitet og bevarede evner inden for viden, ræsonnementer og lang kontekst. Hold denne daterede udgave adskilt fra et løbende opdateret Plus-navn og fra det åbne Qwen3.5-397B-A17B-checkpoint.\n\nFamilien modtager tekst med billeder eller video og producerer tekstlige resultater. Det understøtter en udviklingsopgave baseret på et skærmbillede, et spørgsmål om et teknisk diagram eller en dokumentbaseret forklaring. Øjebliksbilledets navn fastslår ikke i sig selv det åbne checkpoints parameterantal, aktiverede eksperter eller præcise arkitektur, så disse tal tilskrives ikke denne udgave her.\n\nAgentbaseret programmering\n\nUdgivelsens primære ændring er mere kompetent programmering i et agentforløb. Angiv projektkravene, relevante filer eller uddrag, eksisterende adfærd og den leverance, der forventes ved afslutning. Til en opgave fra skærmbillede til grænseflade skal du medtage den visuelle reference og funktionelle begrænsninger og derefter bede om redigerbar kildekode og en forklaring af den tilsigtede adfærd. Til en repositoryændring skal du udpege den berørte funktion og det input, der viser problemet, og derefter bede om en patch og de kontroller, der kræves for at vurdere den.\n\nEt programmeringsforløb over flere trin drager nytte af faktisk feedback: inspektionsresultater, observerede fejl og gennemgangsfund kan returneres til modellen undervejs. Applikationen styrer værktøjerne og udfører tilladte handlinger. Bed om en rapport over, hvad der blev foreslået, hvad der blev observeret, og hvad der stadig er uafklaret.\n\nViden og ræsonnementer\n\nProducenten oplyser, at øjebliksbilledet bevarer stærk viden og ræsonnement, mens agentarbejdet forbedres. Til en analyseopgave skal kildefakta adskilles fra antagelser, og den ønskede konklusion angives. Bed om understøttende passager, værdier eller kodeidentifikatorer, så resultatet kan kontrolleres. Til en faglig rapport skal du angive det relevante materiale og ønskede afsnit frem for at stole på, at modellen kender et privat projekts manglende kontekst.\n\nQwen3.5 Plus-familien er dokumenteret med hybrid tænkning, hvor tænkning er aktiveret som standard. Familiens forløb kan producere et direkte svar, når tænkning er deaktiveret, mens ræsonnementer og det endelige svar behandles særskilt. Den konkrete apriludgaves grænseflade bør bruge sine egne dokumenterede indstillinger; en beskrivelse af familiens modus er ikke et løfte om, at enhver applikation stiller en bestemt parameter til rådighed.\n\nArbejde med lang kontekst\n\nAlibabas særlige tabel for øjebliksbilledet fra 20. april angiver en kontekst på 1,000,000 tokens, et maksimalt input på 991,808 tokens til direkte svar eller 983,616 til tænkning og et maksimalt output på 65,536 i begge modi. Overfør ikke det åbne Qwen3.5-checkpoints tal for indbygget eller udvidet kontekst til en hård grænse for dette Plus-øjebliksbillede. Klargør langt input med dokumentgrænser, sideidentifikatorer, kodestier og de definitioner, opgaven kræver.\n\nEn nyttig forespørgsel kan bede om en tabel fra krav til implementering, en dokumentsammenligning eller en rapport, der identificerer dokumentationen for hver konklusion. Hold uvedkommende materiale ude af prompten, og efterlad plads til svaret. Evnen til lang kontekst hjælper med at samle mere dokumentation; den garanterer ikke fuldstændig genkaldelse og erstatter ikke et klart spørgsmål.\n\nKlargøring af produktionslignende opgaver\n\nProducenten positionerer udgaven til komplekse agenter, programmeringsforløb og brug med fokus på gennemløb. Definér opgavens observerbare resultat: de filer, der skal produceres, den adfærd, der skal implementeres, eller de fund, der skal forklares. Hvor værktøjer er tilsluttet, skal deres faktiske returnerede resultater adskilles fra modellens tekstforslag. Fastlæg slutformatet, så leverancen kan indgå i et gennemgangs- eller applikationsforløb, mens syntaks og indhold kontrolleres særskilt.\n\nDen særlige øjebliksbilledtabel angiver funktionskald, struktureret output, websøgning, præfikskomplettering og kontekstcaching; batchinferens og finjustering understøttes ikke. Det er funktioner i producentens forløb, og grænser for mediefiler er fortsat en særskilt specifikation. Et ønske om JSON-formet tekst, kodeudførelse eller kildehentning bør derfor forblive et ønsket forløb frem for en antaget indbygget garanti. Den forbedring, producenten beskriver, er kvalitativ; den bør ikke blive et ubetinget løfte om svartid eller gennemløb.\n\nPraktiske begrænsninger\n\nBevar den præcise daterede Plus-udgave og kildematerialet sammen med resultatet ved sammenligning med senere revisioner. Kontrollér genereret kode, beregninger og udtrukne visuelle detaljer mod den leverede kilde, og returnér uafklaret dokumentation udtrykkeligt. Det nyttige resultat er en konkret tekstleverance knyttet til opgavens krav med den præcise daterede Plus-identitet og producentens dokumenterede input-, output- og værktøjsgrænser angivet tydeligt.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Repair an asynchronous search race\n\nA search field calls fetchResults(query).then(render) after each keystroke. Results for an older query sometimes arrive after the latest query and overwrite the screen. Propose a focused JavaScript change that renders only the newest request's result. Preserve the existing fetchResults and render interfaces, handle request failures and describe a reversed-response-order test.A code proposal, a brief request-order explanation and a deterministic out-of-order response test.Check an older response cannot overwrite the latest result, including after a failed newer request.qwen/qwen3.5-plus-20260420Qwen3.5 Plus 2026-04-20 er det faste 20. april-øjebliksbillede af Qwens vision-sprogmodel Plus. Producenten fremhæver forbedret agentbaseret programmering med bevaret ræsonnement, viden og arbejde med lang kontekst til komplekse opgaver, der kombinerer leveret tekst eller visuelt materiale med en konkret leverance.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Det faste Plus-øjebliksbillede fra 20. april
Qwen3.5 Plus 2026-04-20 er øjebliksbilledet fra 20. april 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Producentens udgivelsesmeddelelse angiver en betydelig forbedring i agentbaseret programmering sammenlignet med øjebliksbilledet fra 15. februar samt stærkere inferenseffektivitet og bevarede evner inden for viden, ræsonnementer og lang kontekst. Hold denne daterede udgave adskilt fra et løbende opdateret Plus-navn og fra det åbne Qwen3.5-397B-A17B-checkpoint.
Familien modtager tekst med billeder eller video og producerer tekstlige resultater. Det understøtter en udviklingsopgave baseret på et skærmbillede, et spørgsmål om et teknisk diagram eller en dokumentbaseret forklaring. Øjebliksbilledets navn fastslår ikke i sig selv det åbne checkpoints parameterantal, aktiverede eksperter eller præcise arkitektur, så disse tal tilskrives ikke denne udgave her.
Agentbaseret programmering
Udgivelsens primære ændring er mere kompetent programmering i et agentforløb. Angiv projektkravene, relevante filer eller uddrag, eksisterende adfærd og den leverance, der forventes ved afslutning. Til en opgave fra skærmbillede til grænseflade skal du medtage den visuelle reference og funktionelle begrænsninger og derefter bede om redigerbar kildekode og en forklaring af den tilsigtede adfærd. Til en repositoryændring skal du udpege den berørte funktion og det input, der viser problemet, og derefter bede om en patch og de kontroller, der kræves for at vurdere den.
Et programmeringsforløb over flere trin drager nytte af faktisk feedback: inspektionsresultater, observerede fejl og gennemgangsfund kan returneres til modellen undervejs. Applikationen styrer værktøjerne og udfører tilladte handlinger. Bed om en rapport over, hvad der blev foreslået, hvad der blev observeret, og hvad der stadig er uafklaret.
Viden og ræsonnementer
Producenten oplyser, at øjebliksbilledet bevarer stærk viden og ræsonnement, mens agentarbejdet forbedres. Til en analyseopgave skal kildefakta adskilles fra antagelser, og den ønskede konklusion angives. Bed om understøttende passager, værdier eller kodeidentifikatorer, så resultatet kan kontrolleres. Til en faglig rapport skal du angive det relevante materiale og ønskede afsnit frem for at stole på, at modellen kender et privat projekts manglende kontekst.
Qwen3.5 Plus-familien er dokumenteret med hybrid tænkning, hvor tænkning er aktiveret som standard. Familiens forløb kan producere et direkte svar, når tænkning er deaktiveret, mens ræsonnementer og det endelige svar behandles særskilt. Den konkrete apriludgaves grænseflade bør bruge sine egne dokumenterede indstillinger; en beskrivelse af familiens modus er ikke et løfte om, at enhver applikation stiller en bestemt parameter til rådighed.
Arbejde med lang kontekst
Alibabas særlige tabel for øjebliksbilledet fra 20. april angiver en kontekst på 1,000,000 tokens, et maksimalt input på 991,808 tokens til direkte svar eller 983,616 til tænkning og et maksimalt output på 65,536 i begge modi. Overfør ikke det åbne Qwen3.5-checkpoints tal for indbygget eller udvidet kontekst til en hård grænse for dette Plus-øjebliksbillede. Klargør langt input med dokumentgrænser, sideidentifikatorer, kodestier og de definitioner, opgaven kræver.
En nyttig forespørgsel kan bede om en tabel fra krav til implementering, en dokumentsammenligning eller en rapport, der identificerer dokumentationen for hver konklusion. Hold uvedkommende materiale ude af prompten, og efterlad plads til svaret. Evnen til lang kontekst hjælper med at samle mere dokumentation; den garanterer ikke fuldstændig genkaldelse og erstatter ikke et klart spørgsmål.
Klargøring af produktionslignende opgaver
Producenten positionerer udgaven til komplekse agenter, programmeringsforløb og brug med fokus på gennemløb. Definér opgavens observerbare resultat: de filer, der skal produceres, den adfærd, der skal implementeres, eller de fund, der skal forklares. Hvor værktøjer er tilsluttet, skal deres faktiske returnerede resultater adskilles fra modellens tekstforslag. Fastlæg slutformatet, så leverancen kan indgå i et gennemgangs- eller applikationsforløb, mens syntaks og indhold kontrolleres særskilt.
Den særlige øjebliksbilledtabel angiver funktionskald, struktureret output, websøgning, præfikskomplettering og kontekstcaching; batchinferens og finjustering understøttes ikke. Det er funktioner i producentens forløb, og grænser for mediefiler er fortsat en særskilt specifikation. Et ønske om JSON-formet tekst, kodeudførelse eller kildehentning bør derfor forblive et ønsket forløb frem for en antaget indbygget garanti. Den forbedring, producenten beskriver, er kvalitativ; den bør ikke blive et ubetinget løfte om svartid eller gennemløb.
Praktiske begrænsninger
Bevar den præcise daterede Plus-udgave og kildematerialet sammen med resultatet ved sammenligning med senere revisioner. Kontrollér genereret kode, beregninger og udtrukne visuelle detaljer mod den leverede kilde, og returnér uafklaret dokumentation udtrykkeligt. Det nyttige resultat er en konkret tekstleverance knyttet til opgavens krav med den præcise daterede Plus-identitet og producentens dokumenterede input-, output- og værktøjsgrænser angivet tydeligt.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen/qwen3.5-plus-20260420 | 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 $0.0006 / 1K tokens Output · Outputtokens $0.0036 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning $0.00075 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med256.000 | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.0036 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning $0.00075 / 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 $0.00075 / 1K tokens Output · Outputtokens $0.0045 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning $0.0009375 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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-20260420", "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-20260420',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-20260420',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-20260420
Brug metodestierne vist ovenfor.
qwen/qwen3.5-plus-20260420Qwen3.5 Plus 2026-04-20 er det faste 20. april-øjebliksbillede af Qwens vision-sprogmodel Plus. Producenten fremhæver forbedret agentbaseret programmering med bevaret ræsonnement, viden og arbejde med lang kontekst til komplekse opgaver, der kombinerer leveret tekst eller visuelt materiale med en konkret leverance.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Det faste Plus-øjebliksbillede fra 20. april
Qwen3.5 Plus 2026-04-20 er øjebliksbilledet fra 20. april 2026 af Qwens Plus-familie med integreret billed- og sprogforståelse. Producentens udgivelsesmeddelelse angiver en betydelig forbedring i agentbaseret programmering sammenlignet med øjebliksbilledet fra 15. februar samt stærkere inferenseffektivitet og bevarede evner inden for viden, ræsonnementer og lang kontekst. Hold denne daterede udgave adskilt fra et løbende opdateret Plus-navn og fra det åbne Qwen3.5-397B-A17B-checkpoint.
Familien modtager tekst med billeder eller video og producerer tekstlige resultater. Det understøtter en udviklingsopgave baseret på et skærmbillede, et spørgsmål om et teknisk diagram eller en dokumentbaseret forklaring. Øjebliksbilledets navn fastslår ikke i sig selv det åbne checkpoints parameterantal, aktiverede eksperter eller præcise arkitektur, så disse tal tilskrives ikke denne udgave her.
Agentbaseret programmering
Udgivelsens primære ændring er mere kompetent programmering i et agentforløb. Angiv projektkravene, relevante filer eller uddrag, eksisterende adfærd og den leverance, der forventes ved afslutning. Til en opgave fra skærmbillede til grænseflade skal du medtage den visuelle reference og funktionelle begrænsninger og derefter bede om redigerbar kildekode og en forklaring af den tilsigtede adfærd. Til en repositoryændring skal du udpege den berørte funktion og det input, der viser problemet, og derefter bede om en patch og de kontroller, der kræves for at vurdere den.
Et programmeringsforløb over flere trin drager nytte af faktisk feedback: inspektionsresultater, observerede fejl og gennemgangsfund kan returneres til modellen undervejs. Applikationen styrer værktøjerne og udfører tilladte handlinger. Bed om en rapport over, hvad der blev foreslået, hvad der blev observeret, og hvad der stadig er uafklaret.
Viden og ræsonnementer
Producenten oplyser, at øjebliksbilledet bevarer stærk viden og ræsonnement, mens agentarbejdet forbedres. Til en analyseopgave skal kildefakta adskilles fra antagelser, og den ønskede konklusion angives. Bed om understøttende passager, værdier eller kodeidentifikatorer, så resultatet kan kontrolleres. Til en faglig rapport skal du angive det relevante materiale og ønskede afsnit frem for at stole på, at modellen kender et privat projekts manglende kontekst.
Qwen3.5 Plus-familien er dokumenteret med hybrid tænkning, hvor tænkning er aktiveret som standard. Familiens forløb kan producere et direkte svar, når tænkning er deaktiveret, mens ræsonnementer og det endelige svar behandles særskilt. Den konkrete apriludgaves grænseflade bør bruge sine egne dokumenterede indstillinger; en beskrivelse af familiens modus er ikke et løfte om, at enhver applikation stiller en bestemt parameter til rådighed.
Arbejde med lang kontekst
Alibabas særlige tabel for øjebliksbilledet fra 20. april angiver en kontekst på 1,000,000 tokens, et maksimalt input på 991,808 tokens til direkte svar eller 983,616 til tænkning og et maksimalt output på 65,536 i begge modi. Overfør ikke det åbne Qwen3.5-checkpoints tal for indbygget eller udvidet kontekst til en hård grænse for dette Plus-øjebliksbillede. Klargør langt input med dokumentgrænser, sideidentifikatorer, kodestier og de definitioner, opgaven kræver.
En nyttig forespørgsel kan bede om en tabel fra krav til implementering, en dokumentsammenligning eller en rapport, der identificerer dokumentationen for hver konklusion. Hold uvedkommende materiale ude af prompten, og efterlad plads til svaret. Evnen til lang kontekst hjælper med at samle mere dokumentation; den garanterer ikke fuldstændig genkaldelse og erstatter ikke et klart spørgsmål.
Klargøring af produktionslignende opgaver
Producenten positionerer udgaven til komplekse agenter, programmeringsforløb og brug med fokus på gennemløb. Definér opgavens observerbare resultat: de filer, der skal produceres, den adfærd, der skal implementeres, eller de fund, der skal forklares. Hvor værktøjer er tilsluttet, skal deres faktiske returnerede resultater adskilles fra modellens tekstforslag. Fastlæg slutformatet, så leverancen kan indgå i et gennemgangs- eller applikationsforløb, mens syntaks og indhold kontrolleres særskilt.
Den særlige øjebliksbilledtabel angiver funktionskald, struktureret output, websøgning, præfikskomplettering og kontekstcaching; batchinferens og finjustering understøttes ikke. Det er funktioner i producentens forløb, og grænser for mediefiler er fortsat en særskilt specifikation. Et ønske om JSON-formet tekst, kodeudførelse eller kildehentning bør derfor forblive et ønsket forløb frem for en antaget indbygget garanti. Den forbedring, producenten beskriver, er kvalitativ; den bør ikke blive et ubetinget løfte om svartid eller gennemløb.
Praktiske begrænsninger
Bevar den præcise daterede Plus-udgave og kildematerialet sammen med resultatet ved sammenligning med senere revisioner. Kontrollér genereret kode, beregninger og udtrukne visuelle detaljer mod den leverede kilde, og returnér uafklaret dokumentation udtrykkeligt. Det nyttige resultat er en konkret tekstleverance knyttet til opgavens krav med den præcise daterede Plus-identitet og producentens dokumenterede input-, output- og værktøjsgrænser angivet tydeligt.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen/qwen3.5-plus-20260420 | 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 $0.0006 / 1K tokens Output · Outputtokens $0.0036 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning $0.00075 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med256.000 | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.0036 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning $0.00075 / 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 $0.00075 / 1K tokens Output · Outputtokens $0.0045 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning $0.0009375 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwen/qwen3.5-plus-20260420",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-20260420', '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-20260420', '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-20260420
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Repair an asynchronous search race\n\nA search field calls fetchResults(query).then(render) after each keystroke. Results for an older query sometimes arrive after the latest query and overwrite the screen. Propose a focused JavaScript change that renders only the newest request's result. Preserve the existing fetchResults and render interfaces, handle request failures and describe a reversed-response-order test.A code proposal, a brief request-order explanation and a deterministic out-of-order response test.Check an older response cannot overwrite the latest result, including after a failed newer request.