Overblik: Qwen2.5-baseret ræsonnering
QwQ-Plus er den forbedrede QwQ-ræsonneringsmodel bygget på Qwen2.5. Qwen beskriver forstærkningslæring som den metode, der bruges til at styrke dens ræsonnering, især inden for matematik og programmering, sammen med generelle opgaver med instruktionsfølgning. Den modtager tekst og returnerer tekst. Vælg den, når arbejdet kræver en forklaret løsning, sammenligning eller et kodeforslag, som kan kontrolleres mod de angivne betingelser.
Dette er QwQ-Plus-modellinjen. Navnet fastslår ikke parameterantallet eller vægtidentiteten for et åbent QwQ-checkpoint, og et leverandørnavn, der indeholder latest, må ikke stiltiende blive til en fast dateret revision. Brug den præcise ønskede modelidentitet, når output sammenlignes, eller en reproducerbar registrering af en opgave bevares.
Forberedelse af matematisk og logisk arbejde
Medtag hele problemformuleringen, definitioner, enheder og tilladte antagelser. Bed om det endelige svar i en tydeligt afgrænset form og derefter om de ligninger eller logiske trin, der er nødvendige for at understøtte det. Ved et planlægningsproblem med begrænsninger skal du angive de mulige valg og vurderingskriterierne separat og bede om en tabel, der viser, hvilke betingelser hvert valg opfylder. Ved en undervisningsgennemgang skal du medtage elevens løsningsforsøg og bede modellen identificere det første uunderbyggede trin frem for at omskrive hele opgaven uden forklaring.
Dette er praktiske anvendelser af modellens dokumenterede ræsonneringsfokus. Det nyttige produkt er et kontrollerbart resultat: en værdi med enheder, en konklusion med præmisser eller en sammenligning knyttet til de angivne kriterier. Mere forklarende tekst fastslår ikke i sig selv en korrekt konklusion, så hold antagelserne synlige, og sammenhold slutresultatet med det oprindelige spørgsmål.
Forberedelse af programmeringsarbejde
Angiv den relevante kode, det input, der afslører problemet, det observerede output og den ønskede adfærd. Bed om en foreslået ændring, en forklaring af, hvorfor den adresserer det input, og grænsetilfælde, der stadig skal kontrolleres. Til et algoritmespørgsmål skal du angive inputbegrænsninger og nødvendigt output, før du beder om en fremgangsmåde. Skeln mellem genereret kode og kode, der faktisk er kørt i applikationens miljø.
Et nyttigt svar kan adskille diagnose, patch og forventet adfærd. Når en lille ændring er nødvendig, skal du bede om en kompakt patch frem for et omskrevet projekt. Disse eksempler er udarbejdede måder at anvende QwQ-Plus’s matematiske og kodningsmæssige specialisering på; de er ikke et ekstra værktøj eller en ekstra kørselsmulighed.
Grænser for kontekst og svar
Den præcise modelspecifikation angiver et kontekstvindue på 131.072 tokens, et maksimalt input på 98.304 tokens og et maksimalt output på 8.192 tokens. Det er separate producentgrænser. Omdan ikke den aritmetiske forskel mellem dem til en udokumenteret garanteret ræsonneringsramme. Kildetekst, samtalehistorik og svar skal holdes inden for de gældende konfigurerede grænser.
Ved en lang specifikation eller et langt kodeuddrag skal du bevare relevante afsnits- og funktionsidentifikatorer og bede modellen henvise til dem i forklaringen. Fjern uvedkommende materiale før indsendelse, og reserver nok outputplads til den nødvendige konklusion. Et stort kontekstvindue er nyttigt til at angive flere betingelser samlet; det lover ikke, at alle fakta bliver husket, eller alle afhængigheder forstået.
Værktøjer, formatering og modelspecifikke afgrænsninger
Producentens deploymentmatrix angiver funktionskald og websøgning i nogle konfigurationer og markerer dem som ikke understøttet i en anden. De er derfor betingede muligheder, ikke funktioner, der kan loves ud fra modelnavnet alene. Samme matrix understøtter batchinferens i nogle producentkonfigurationer. Et værktøjsunderstøttet forløb skal stille de faktiske værktøjer til rådighed og føre deres resultater tilbage til tekstopgaven. Denne beskrivelse fastslår ikke en applikations værktøjstilgængelighed.
Håndhævet struktureret output er markeret som ikke understøttet. En prompt kan stadig bede om en tabel eller et svar i JSON-form, men applikationen skal undersøge resultatet frem for at behandle forespørgslen som skemahåndhævelse. Den præcise modelside beskriver en ræsonneringsspecialisering uden at angive en modelspecifik kontrakt for skift mellem hybride tænkningstilstande; styringsmuligheder dokumenteret for nyere Qwen-generationer må ikke overføres til denne udgave.
Gør det endelige svar let at gennemgå, kontroller beregninger mod de angivne enheder, og undersøg kodeforslag før kørsel. QwQ-Plus’s praktiske rolle er at gennemarbejde et vanskeligt tekstproblem og returnere en nyttig forklaring eller et produkt inden for sine egne dokumenterede grænser.
", "aboutText": "Overblik: Qwen2.5-baseret ræsonnering\n\nQwQ-Plus er den forbedrede QwQ-ræsonneringsmodel bygget på Qwen2.5. Qwen beskriver forstærkningslæring som den metode, der bruges til at styrke dens ræsonnering, især inden for matematik og programmering, sammen med generelle opgaver med instruktionsfølgning. Den modtager tekst og returnerer tekst. Vælg den, når arbejdet kræver en forklaret løsning, sammenligning eller et kodeforslag, som kan kontrolleres mod de angivne betingelser.\n\nDette er QwQ-Plus-modellinjen. Navnet fastslår ikke parameterantallet eller vægtidentiteten for et åbent QwQ-checkpoint, og et leverandørnavn, der indeholder latest, må ikke stiltiende blive til en fast dateret revision. Brug den præcise ønskede modelidentitet, når output sammenlignes, eller en reproducerbar registrering af en opgave bevares.\n\nForberedelse af matematisk og logisk arbejde\n\nMedtag hele problemformuleringen, definitioner, enheder og tilladte antagelser. Bed om det endelige svar i en tydeligt afgrænset form og derefter om de ligninger eller logiske trin, der er nødvendige for at understøtte det. Ved et planlægningsproblem med begrænsninger skal du angive de mulige valg og vurderingskriterierne separat og bede om en tabel, der viser, hvilke betingelser hvert valg opfylder. Ved en undervisningsgennemgang skal du medtage elevens løsningsforsøg og bede modellen identificere det første uunderbyggede trin frem for at omskrive hele opgaven uden forklaring.\n\nDette er praktiske anvendelser af modellens dokumenterede ræsonneringsfokus. Det nyttige produkt er et kontrollerbart resultat: en værdi med enheder, en konklusion med præmisser eller en sammenligning knyttet til de angivne kriterier. Mere forklarende tekst fastslår ikke i sig selv en korrekt konklusion, så hold antagelserne synlige, og sammenhold slutresultatet med det oprindelige spørgsmål.\n\nForberedelse af programmeringsarbejde\n\nAngiv den relevante kode, det input, der afslører problemet, det observerede output og den ønskede adfærd. Bed om en foreslået ændring, en forklaring af, hvorfor den adresserer det input, og grænsetilfælde, der stadig skal kontrolleres. Til et algoritmespørgsmål skal du angive inputbegrænsninger og nødvendigt output, før du beder om en fremgangsmåde. Skeln mellem genereret kode og kode, der faktisk er kørt i applikationens miljø.\n\nEt nyttigt svar kan adskille diagnose, patch og forventet adfærd. Når en lille ændring er nødvendig, skal du bede om en kompakt patch frem for et omskrevet projekt. Disse eksempler er udarbejdede måder at anvende QwQ-Plus’s matematiske og kodningsmæssige specialisering på; de er ikke et ekstra værktøj eller en ekstra kørselsmulighed.\n\nGrænser for kontekst og svar\n\nDen præcise modelspecifikation angiver et kontekstvindue på 131.072 tokens, et maksimalt input på 98.304 tokens og et maksimalt output på 8.192 tokens. Det er separate producentgrænser. Omdan ikke den aritmetiske forskel mellem dem til en udokumenteret garanteret ræsonneringsramme. Kildetekst, samtalehistorik og svar skal holdes inden for de gældende konfigurerede grænser.\n\nVed en lang specifikation eller et langt kodeuddrag skal du bevare relevante afsnits- og funktionsidentifikatorer og bede modellen henvise til dem i forklaringen. Fjern uvedkommende materiale før indsendelse, og reserver nok outputplads til den nødvendige konklusion. Et stort kontekstvindue er nyttigt til at angive flere betingelser samlet; det lover ikke, at alle fakta bliver husket, eller alle afhængigheder forstået.\n\nVærktøjer, formatering og modelspecifikke afgrænsninger\n\nProducentens deploymentmatrix angiver funktionskald og websøgning i nogle konfigurationer og markerer dem som ikke understøttet i en anden. De er derfor betingede muligheder, ikke funktioner, der kan loves ud fra modelnavnet alene. Samme matrix understøtter batchinferens i nogle producentkonfigurationer. Et værktøjsunderstøttet forløb skal stille de faktiske værktøjer til rådighed og føre deres resultater tilbage til tekstopgaven. Denne beskrivelse fastslår ikke en applikations værktøjstilgængelighed.\n\nHåndhævet struktureret output er markeret som ikke understøttet. En prompt kan stadig bede om en tabel eller et svar i JSON-form, men applikationen skal undersøge resultatet frem for at behandle forespørgslen som skemahåndhævelse. Den præcise modelside beskriver en ræsonneringsspecialisering uden at angive en modelspecifik kontrakt for skift mellem hybride tænkningstilstande; styringsmuligheder dokumenteret for nyere Qwen-generationer må ikke overføres til denne udgave.\n\nGør det endelige svar let at gennemgå, kontroller beregninger mod de angivne enheder, og undersøg kodeforslag før kørsel. QwQ-Plus’s praktiske rolle er at gennemarbejde et vanskeligt tekstproblem og returnere en nyttig forklaring eller et produkt inden for sine egne dokumenterede grænser.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.qwq-plusQwQ-Plus er Qwen’s Qwen2.5-baserede ræsonneringsmodel, styrket gennem forstærkningslæring til matematiske, kodningsrelaterede og logiske tekstopgaver. Den særskilte specifikation angiver en kontekst på 131.072 tokens, maksimalt input på 98.304 tokens og maksimalt output på 8.192 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Overblik: Qwen2.5-baseret ræsonnering
QwQ-Plus er den forbedrede QwQ-ræsonneringsmodel bygget på Qwen2.5. Qwen beskriver forstærkningslæring som den metode, der bruges til at styrke dens ræsonnering, især inden for matematik og programmering, sammen med generelle opgaver med instruktionsfølgning. Den modtager tekst og returnerer tekst. Vælg den, når arbejdet kræver en forklaret løsning, sammenligning eller et kodeforslag, som kan kontrolleres mod de angivne betingelser.
Dette er QwQ-Plus-modellinjen. Navnet fastslår ikke parameterantallet eller vægtidentiteten for et åbent QwQ-checkpoint, og et leverandørnavn, der indeholder latest, må ikke stiltiende blive til en fast dateret revision. Brug den præcise ønskede modelidentitet, når output sammenlignes, eller en reproducerbar registrering af en opgave bevares.
Forberedelse af matematisk og logisk arbejde
Medtag hele problemformuleringen, definitioner, enheder og tilladte antagelser. Bed om det endelige svar i en tydeligt afgrænset form og derefter om de ligninger eller logiske trin, der er nødvendige for at understøtte det. Ved et planlægningsproblem med begrænsninger skal du angive de mulige valg og vurderingskriterierne separat og bede om en tabel, der viser, hvilke betingelser hvert valg opfylder. Ved en undervisningsgennemgang skal du medtage elevens løsningsforsøg og bede modellen identificere det første uunderbyggede trin frem for at omskrive hele opgaven uden forklaring.
Dette er praktiske anvendelser af modellens dokumenterede ræsonneringsfokus. Det nyttige produkt er et kontrollerbart resultat: en værdi med enheder, en konklusion med præmisser eller en sammenligning knyttet til de angivne kriterier. Mere forklarende tekst fastslår ikke i sig selv en korrekt konklusion, så hold antagelserne synlige, og sammenhold slutresultatet med det oprindelige spørgsmål.
Forberedelse af programmeringsarbejde
Angiv den relevante kode, det input, der afslører problemet, det observerede output og den ønskede adfærd. Bed om en foreslået ændring, en forklaring af, hvorfor den adresserer det input, og grænsetilfælde, der stadig skal kontrolleres. Til et algoritmespørgsmål skal du angive inputbegrænsninger og nødvendigt output, før du beder om en fremgangsmåde. Skeln mellem genereret kode og kode, der faktisk er kørt i applikationens miljø.
Et nyttigt svar kan adskille diagnose, patch og forventet adfærd. Når en lille ændring er nødvendig, skal du bede om en kompakt patch frem for et omskrevet projekt. Disse eksempler er udarbejdede måder at anvende QwQ-Plus’s matematiske og kodningsmæssige specialisering på; de er ikke et ekstra værktøj eller en ekstra kørselsmulighed.
Grænser for kontekst og svar
Den præcise modelspecifikation angiver et kontekstvindue på 131.072 tokens, et maksimalt input på 98.304 tokens og et maksimalt output på 8.192 tokens. Det er separate producentgrænser. Omdan ikke den aritmetiske forskel mellem dem til en udokumenteret garanteret ræsonneringsramme. Kildetekst, samtalehistorik og svar skal holdes inden for de gældende konfigurerede grænser.
Ved en lang specifikation eller et langt kodeuddrag skal du bevare relevante afsnits- og funktionsidentifikatorer og bede modellen henvise til dem i forklaringen. Fjern uvedkommende materiale før indsendelse, og reserver nok outputplads til den nødvendige konklusion. Et stort kontekstvindue er nyttigt til at angive flere betingelser samlet; det lover ikke, at alle fakta bliver husket, eller alle afhængigheder forstået.
Værktøjer, formatering og modelspecifikke afgrænsninger
Producentens deploymentmatrix angiver funktionskald og websøgning i nogle konfigurationer og markerer dem som ikke understøttet i en anden. De er derfor betingede muligheder, ikke funktioner, der kan loves ud fra modelnavnet alene. Samme matrix understøtter batchinferens i nogle producentkonfigurationer. Et værktøjsunderstøttet forløb skal stille de faktiske værktøjer til rådighed og føre deres resultater tilbage til tekstopgaven. Denne beskrivelse fastslår ikke en applikations værktøjstilgængelighed.
Håndhævet struktureret output er markeret som ikke understøttet. En prompt kan stadig bede om en tabel eller et svar i JSON-form, men applikationen skal undersøge resultatet frem for at behandle forespørgslen som skemahåndhævelse. Den præcise modelside beskriver en ræsonneringsspecialisering uden at angive en modelspecifik kontrakt for skift mellem hybride tænkningstilstande; styringsmuligheder dokumenteret for nyere Qwen-generationer må ikke overføres til denne udgave.
Gør det endelige svar let at gennemgå, kontroller beregninger mod de angivne enheder, og undersøg kodeforslag før kørsel. QwQ-Plus’s praktiske rolle er at gennemarbejde et vanskeligt tekstproblem og returnere en nyttig forklaring eller et produkt inden for sine egne dokumenterede grænser.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwq-plus | 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.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00046 / 1K tokens Output · Outputtokens $0.00116 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwq-plus", "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='qwq-plus',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='qwq-plus',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 qwq-plus
Brug metodestierne vist ovenfor.
qwq-plusQwQ-Plus er Qwen’s Qwen2.5-baserede ræsonneringsmodel, styrket gennem forstærkningslæring til matematiske, kodningsrelaterede og logiske tekstopgaver. Den særskilte specifikation angiver en kontekst på 131.072 tokens, maksimalt input på 98.304 tokens og maksimalt output på 8.192 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Overblik: Qwen2.5-baseret ræsonnering
QwQ-Plus er den forbedrede QwQ-ræsonneringsmodel bygget på Qwen2.5. Qwen beskriver forstærkningslæring som den metode, der bruges til at styrke dens ræsonnering, især inden for matematik og programmering, sammen med generelle opgaver med instruktionsfølgning. Den modtager tekst og returnerer tekst. Vælg den, når arbejdet kræver en forklaret løsning, sammenligning eller et kodeforslag, som kan kontrolleres mod de angivne betingelser.
Dette er QwQ-Plus-modellinjen. Navnet fastslår ikke parameterantallet eller vægtidentiteten for et åbent QwQ-checkpoint, og et leverandørnavn, der indeholder latest, må ikke stiltiende blive til en fast dateret revision. Brug den præcise ønskede modelidentitet, når output sammenlignes, eller en reproducerbar registrering af en opgave bevares.
Forberedelse af matematisk og logisk arbejde
Medtag hele problemformuleringen, definitioner, enheder og tilladte antagelser. Bed om det endelige svar i en tydeligt afgrænset form og derefter om de ligninger eller logiske trin, der er nødvendige for at understøtte det. Ved et planlægningsproblem med begrænsninger skal du angive de mulige valg og vurderingskriterierne separat og bede om en tabel, der viser, hvilke betingelser hvert valg opfylder. Ved en undervisningsgennemgang skal du medtage elevens løsningsforsøg og bede modellen identificere det første uunderbyggede trin frem for at omskrive hele opgaven uden forklaring.
Dette er praktiske anvendelser af modellens dokumenterede ræsonneringsfokus. Det nyttige produkt er et kontrollerbart resultat: en værdi med enheder, en konklusion med præmisser eller en sammenligning knyttet til de angivne kriterier. Mere forklarende tekst fastslår ikke i sig selv en korrekt konklusion, så hold antagelserne synlige, og sammenhold slutresultatet med det oprindelige spørgsmål.
Forberedelse af programmeringsarbejde
Angiv den relevante kode, det input, der afslører problemet, det observerede output og den ønskede adfærd. Bed om en foreslået ændring, en forklaring af, hvorfor den adresserer det input, og grænsetilfælde, der stadig skal kontrolleres. Til et algoritmespørgsmål skal du angive inputbegrænsninger og nødvendigt output, før du beder om en fremgangsmåde. Skeln mellem genereret kode og kode, der faktisk er kørt i applikationens miljø.
Et nyttigt svar kan adskille diagnose, patch og forventet adfærd. Når en lille ændring er nødvendig, skal du bede om en kompakt patch frem for et omskrevet projekt. Disse eksempler er udarbejdede måder at anvende QwQ-Plus’s matematiske og kodningsmæssige specialisering på; de er ikke et ekstra værktøj eller en ekstra kørselsmulighed.
Grænser for kontekst og svar
Den præcise modelspecifikation angiver et kontekstvindue på 131.072 tokens, et maksimalt input på 98.304 tokens og et maksimalt output på 8.192 tokens. Det er separate producentgrænser. Omdan ikke den aritmetiske forskel mellem dem til en udokumenteret garanteret ræsonneringsramme. Kildetekst, samtalehistorik og svar skal holdes inden for de gældende konfigurerede grænser.
Ved en lang specifikation eller et langt kodeuddrag skal du bevare relevante afsnits- og funktionsidentifikatorer og bede modellen henvise til dem i forklaringen. Fjern uvedkommende materiale før indsendelse, og reserver nok outputplads til den nødvendige konklusion. Et stort kontekstvindue er nyttigt til at angive flere betingelser samlet; det lover ikke, at alle fakta bliver husket, eller alle afhængigheder forstået.
Værktøjer, formatering og modelspecifikke afgrænsninger
Producentens deploymentmatrix angiver funktionskald og websøgning i nogle konfigurationer og markerer dem som ikke understøttet i en anden. De er derfor betingede muligheder, ikke funktioner, der kan loves ud fra modelnavnet alene. Samme matrix understøtter batchinferens i nogle producentkonfigurationer. Et værktøjsunderstøttet forløb skal stille de faktiske værktøjer til rådighed og føre deres resultater tilbage til tekstopgaven. Denne beskrivelse fastslår ikke en applikations værktøjstilgængelighed.
Håndhævet struktureret output er markeret som ikke understøttet. En prompt kan stadig bede om en tabel eller et svar i JSON-form, men applikationen skal undersøge resultatet frem for at behandle forespørgslen som skemahåndhævelse. Den præcise modelside beskriver en ræsonneringsspecialisering uden at angive en modelspecifik kontrakt for skift mellem hybride tænkningstilstande; styringsmuligheder dokumenteret for nyere Qwen-generationer må ikke overføres til denne udgave.
Gør det endelige svar let at gennemgå, kontroller beregninger mod de angivne enheder, og undersøg kodeforslag før kørsel. QwQ-Plus’s praktiske rolle er at gennemarbejde et vanskeligt tekstproblem og returnere en nyttig forklaring eller et produkt inden for sine egne dokumenterede grænser.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwq-plus | 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.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00046 / 1K tokens Output · Outputtokens $0.00116 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwq-plus', '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': 'qwq-plus', '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 qwq-plus
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.