Qwen-Long (2025-01-25) ist das datierte Qwen-Long-Profil für die Verarbeitung extrem langer Kontexte. Der Hersteller beschreibt Gespräche auf Chinesisch, Englisch und in weiteren Sprachen mit Dokumentendiensten, die Quelldateien für Fragen, Antworten und Diskussionen parsen. Das Ergebnis ist eine Textantwort auf Basis des bereitgestellten Materials.
Geben Sie dem Auftrag ein konkretes Ziel: Klauseln vergleichen, eine genannte Bedingung finden oder erklären, wie zwei Dokumentenabschnitte zusammenhängen. Behalten Sie Dokumentennamen, Überschriften und Seitenkennzeichnungen bei, damit die Antwort auf die richtige Quelle verweisen kann. Wenn mehrere Dateien dasselbe Thema beschreiben, legen Sie ihre Priorität fest und verlangen Sie, dass Widersprüche benannt statt stillschweigend aufgelöst werden.
Ein Prüfauftrag kann die relevante Aussage aus jedem Dokument, eine Erklärung der Unterschiede und die noch offenen Fragen verlangen. Bei einer Extraktionsaufgabe können Sie die zurückzugebenden Felder und den Umgang mit fehlenden Werten festlegen. Diese Ausgabeanforderungen machen eine lange Quellensammlung für eine konkrete Entscheidung nutzbar.
Der Hersteller nennt Textdateien einschliesslich TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown und CSV. Seine integrierten Dokumentendienste parsen ausserdem Bilddateien wie BMP, PNG, JPG/JPEG und GIF sowie gescannte PDFs. Das Parsing bereitet das Material für das Gespräch vor; es ist ein gesonderter Dienstschritt gegenüber der Erzeugung der Textantwort. Bewahren Sie lesbare Quelldateien auf und prüfen Sie extrahierte Notationen oder Tabellen, wenn diese Einzelheiten für die Schlussfolgerung entscheidend sind.
Der dokumentierte Weg über den Dokumentendienst verarbeitet bis zu 10 Millionen Token. HTTP-Anfragen unterstützen bis zu 1 Million Token; für längere Inhalte empfiehlt der Hersteller die Einreichung von Dateien. Das gespeicherte Profil der gehosteten Variante für genau diesen datierten Bezeichner nennt ebenfalls einen Kontext von 1 Million Token. Die grössere Angabe des Dokumentendienstes belegt daher nicht die Kapazität einer direkten Textanfrage über eine andere Schnittstelle.
Wählen Sie den von der Integration angebotenen Weg und bewahren Sie die Kennungen der für den Auftrag verwendeten Dokumente auf. Eine längere Quelle ist nützlich, wenn relevante Zusammenhänge gemeinsam betrachtet werden müssen; ein gezielter Abschnitt genügt, wenn sich die Frage auf einen einzelnen Teil bezieht. Geben Sie den gewünschten Antwortumfang an, damit Sie eine aufgabengerechte Erklärung, einen Vergleich oder ein Extraktionsergebnis erhalten.
Fordern Sie das Modell auf, ausdrückliche Aussagen von Schlussfolgerungen zu unterscheiden und eine Frage zu benennen, die die bereitgestellten Dokumente nicht klären. Prüfen Sie wichtige Namen, Zahlen und Bedingungen anhand der Originalquellen. Eine Anschlussfrage kann eine einzelne Klausel untersuchen oder das Ausgabeformat ändern, während dieselben Dokumentenkennzeichnungen und Entscheidungskriterien erhalten bleiben.
", "aboutText": "Qwen-Long (2025-01-25) ist das datierte Qwen-Long-Profil für die Verarbeitung extrem langer Kontexte. Der Hersteller beschreibt Gespräche auf Chinesisch, Englisch und in weiteren Sprachen mit Dokumentendiensten, die Quelldateien für Fragen, Antworten und Diskussionen parsen. Das Ergebnis ist eine Textantwort auf Basis des bereitgestellten Materials.\n\n### Stellen Sie eine Frage zu mehreren Dokumenten\n\nGeben Sie dem Auftrag ein konkretes Ziel: Klauseln vergleichen, eine genannte Bedingung finden oder erklären, wie zwei Dokumentenabschnitte zusammenhängen. Behalten Sie Dokumentennamen, Überschriften und Seitenkennzeichnungen bei, damit die Antwort auf die richtige Quelle verweisen kann. Wenn mehrere Dateien dasselbe Thema beschreiben, legen Sie ihre Priorität fest und verlangen Sie, dass Widersprüche benannt statt stillschweigend aufgelöst werden.\n\nEin Prüfauftrag kann die relevante Aussage aus jedem Dokument, eine Erklärung der Unterschiede und die noch offenen Fragen verlangen. Bei einer Extraktionsaufgabe können Sie die zurückzugebenden Felder und den Umgang mit fehlenden Werten festlegen. Diese Ausgabeanforderungen machen eine lange Quellensammlung für eine konkrete Entscheidung nutzbar.\n\n### Arbeiten Sie mit den dokumentierten Dateitypen\n\nDer Hersteller nennt Textdateien einschliesslich TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown und CSV. Seine integrierten Dokumentendienste parsen ausserdem Bilddateien wie BMP, PNG, JPG/JPEG und GIF sowie gescannte PDFs. Das Parsing bereitet das Material für das Gespräch vor; es ist ein gesonderter Dienstschritt gegenüber der Erzeugung der Textantwort. Bewahren Sie lesbare Quelldateien auf und prüfen Sie extrahierte Notationen oder Tabellen, wenn diese Einzelheiten für die Schlussfolgerung entscheidend sind.\n\n### Unterscheiden Sie die beiden Kontextwege\n\nDer dokumentierte Weg über den Dokumentendienst verarbeitet bis zu 10 Millionen Token. HTTP-Anfragen unterstützen bis zu 1 Million Token; für längere Inhalte empfiehlt der Hersteller die Einreichung von Dateien. Das gespeicherte Profil der gehosteten Variante für genau diesen datierten Bezeichner nennt ebenfalls einen Kontext von 1 Million Token. Die grössere Angabe des Dokumentendienstes belegt daher nicht die Kapazität einer direkten Textanfrage über eine andere Schnittstelle.\n\nWählen Sie den von der Integration angebotenen Weg und bewahren Sie die Kennungen der für den Auftrag verwendeten Dokumente auf. Eine längere Quelle ist nützlich, wenn relevante Zusammenhänge gemeinsam betrachtet werden müssen; ein gezielter Abschnitt genügt, wenn sich die Frage auf einen einzelnen Teil bezieht. Geben Sie den gewünschten Antwortumfang an, damit Sie eine aufgabengerechte Erklärung, einen Vergleich oder ein Extraktionsergebnis erhalten.\n\n### Halten Sie die Antwort mit ihren Belegen verbunden\n\nFordern Sie das Modell auf, ausdrückliche Aussagen von Schlussfolgerungen zu unterscheiden und eine Frage zu benennen, die die bereitgestellten Dokumente nicht klären. Prüfen Sie wichtige Namen, Zahlen und Bedingungen anhand der Originalquellen. Eine Anschlussfrage kann eine einzelne Klausel untersuchen oder das Ausgabeformat ändern, während dieselben Dokumentenkennzeichnungen und Entscheidungskriterien erhalten bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Locate conflicting document conditions\n\nCompare these labelled document excerpts. [Guide, section 2] Return cartons in lots of 10. [Warehouse note, section 4] Accept mixed lots of 5 when pre-approved. [Email E-3] Customer wants to send 15 cartons without approval. State the general rule, the exception and the unresolved condition for this request. Do not silently give either document priority.A source-linked rule and exception summary with the approval question made explicit.Verify the exception retains its pre-approval condition and 15 cartons is not automatically accepted.qwen-long-2025-01-25Qwen-Long (2025-01-25) ist ein Qwen-Modell für Gespräche über extrem lange Dokumente auf Chinesisch, Englisch und in weiteren Sprachen. Der Hersteller beschreibt bis zu 10 Millionen Token über Dokumentendienste, während HTTP-Anfragen auf 1 Million Token begrenzt sind.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen-Long (2025-01-25) ist das datierte Qwen-Long-Profil für die Verarbeitung extrem langer Kontexte. Der Hersteller beschreibt Gespräche auf Chinesisch, Englisch und in weiteren Sprachen mit Dokumentendiensten, die Quelldateien für Fragen, Antworten und Diskussionen parsen. Das Ergebnis ist eine Textantwort auf Basis des bereitgestellten Materials.
Geben Sie dem Auftrag ein konkretes Ziel: Klauseln vergleichen, eine genannte Bedingung finden oder erklären, wie zwei Dokumentenabschnitte zusammenhängen. Behalten Sie Dokumentennamen, Überschriften und Seitenkennzeichnungen bei, damit die Antwort auf die richtige Quelle verweisen kann. Wenn mehrere Dateien dasselbe Thema beschreiben, legen Sie ihre Priorität fest und verlangen Sie, dass Widersprüche benannt statt stillschweigend aufgelöst werden.
Ein Prüfauftrag kann die relevante Aussage aus jedem Dokument, eine Erklärung der Unterschiede und die noch offenen Fragen verlangen. Bei einer Extraktionsaufgabe können Sie die zurückzugebenden Felder und den Umgang mit fehlenden Werten festlegen. Diese Ausgabeanforderungen machen eine lange Quellensammlung für eine konkrete Entscheidung nutzbar.
Der Hersteller nennt Textdateien einschliesslich TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown und CSV. Seine integrierten Dokumentendienste parsen ausserdem Bilddateien wie BMP, PNG, JPG/JPEG und GIF sowie gescannte PDFs. Das Parsing bereitet das Material für das Gespräch vor; es ist ein gesonderter Dienstschritt gegenüber der Erzeugung der Textantwort. Bewahren Sie lesbare Quelldateien auf und prüfen Sie extrahierte Notationen oder Tabellen, wenn diese Einzelheiten für die Schlussfolgerung entscheidend sind.
Der dokumentierte Weg über den Dokumentendienst verarbeitet bis zu 10 Millionen Token. HTTP-Anfragen unterstützen bis zu 1 Million Token; für längere Inhalte empfiehlt der Hersteller die Einreichung von Dateien. Das gespeicherte Profil der gehosteten Variante für genau diesen datierten Bezeichner nennt ebenfalls einen Kontext von 1 Million Token. Die grössere Angabe des Dokumentendienstes belegt daher nicht die Kapazität einer direkten Textanfrage über eine andere Schnittstelle.
Wählen Sie den von der Integration angebotenen Weg und bewahren Sie die Kennungen der für den Auftrag verwendeten Dokumente auf. Eine längere Quelle ist nützlich, wenn relevante Zusammenhänge gemeinsam betrachtet werden müssen; ein gezielter Abschnitt genügt, wenn sich die Frage auf einen einzelnen Teil bezieht. Geben Sie den gewünschten Antwortumfang an, damit Sie eine aufgabengerechte Erklärung, einen Vergleich oder ein Extraktionsergebnis erhalten.
Fordern Sie das Modell auf, ausdrückliche Aussagen von Schlussfolgerungen zu unterscheiden und eine Frage zu benennen, die die bereitgestellten Dokumente nicht klären. Prüfen Sie wichtige Namen, Zahlen und Bedingungen anhand der Originalquellen. Eine Anschlussfrage kann eine einzelne Klausel untersuchen oder das Ausgabeformat ändern, während dieselben Dokumentenkennzeichnungen und Entscheidungskriterien erhalten bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-long-2025-01-25 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000144 / 1K Tokens Ausgabe · Ausgabetoken $0.000572 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-long-2025-01-25", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-long-2025-01-25',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-long-2025-01-25',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen-long-2025-01-25
Verwenden Sie die oben angezeigten Methodenpfade.
qwen-long-2025-01-25Qwen-Long (2025-01-25) ist ein Qwen-Modell für Gespräche über extrem lange Dokumente auf Chinesisch, Englisch und in weiteren Sprachen. Der Hersteller beschreibt bis zu 10 Millionen Token über Dokumentendienste, während HTTP-Anfragen auf 1 Million Token begrenzt sind.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen-Long (2025-01-25) ist das datierte Qwen-Long-Profil für die Verarbeitung extrem langer Kontexte. Der Hersteller beschreibt Gespräche auf Chinesisch, Englisch und in weiteren Sprachen mit Dokumentendiensten, die Quelldateien für Fragen, Antworten und Diskussionen parsen. Das Ergebnis ist eine Textantwort auf Basis des bereitgestellten Materials.
Geben Sie dem Auftrag ein konkretes Ziel: Klauseln vergleichen, eine genannte Bedingung finden oder erklären, wie zwei Dokumentenabschnitte zusammenhängen. Behalten Sie Dokumentennamen, Überschriften und Seitenkennzeichnungen bei, damit die Antwort auf die richtige Quelle verweisen kann. Wenn mehrere Dateien dasselbe Thema beschreiben, legen Sie ihre Priorität fest und verlangen Sie, dass Widersprüche benannt statt stillschweigend aufgelöst werden.
Ein Prüfauftrag kann die relevante Aussage aus jedem Dokument, eine Erklärung der Unterschiede und die noch offenen Fragen verlangen. Bei einer Extraktionsaufgabe können Sie die zurückzugebenden Felder und den Umgang mit fehlenden Werten festlegen. Diese Ausgabeanforderungen machen eine lange Quellensammlung für eine konkrete Entscheidung nutzbar.
Der Hersteller nennt Textdateien einschliesslich TXT, DOCX, PDF, XLSX, EPUB, MOBI, Markdown und CSV. Seine integrierten Dokumentendienste parsen ausserdem Bilddateien wie BMP, PNG, JPG/JPEG und GIF sowie gescannte PDFs. Das Parsing bereitet das Material für das Gespräch vor; es ist ein gesonderter Dienstschritt gegenüber der Erzeugung der Textantwort. Bewahren Sie lesbare Quelldateien auf und prüfen Sie extrahierte Notationen oder Tabellen, wenn diese Einzelheiten für die Schlussfolgerung entscheidend sind.
Der dokumentierte Weg über den Dokumentendienst verarbeitet bis zu 10 Millionen Token. HTTP-Anfragen unterstützen bis zu 1 Million Token; für längere Inhalte empfiehlt der Hersteller die Einreichung von Dateien. Das gespeicherte Profil der gehosteten Variante für genau diesen datierten Bezeichner nennt ebenfalls einen Kontext von 1 Million Token. Die grössere Angabe des Dokumentendienstes belegt daher nicht die Kapazität einer direkten Textanfrage über eine andere Schnittstelle.
Wählen Sie den von der Integration angebotenen Weg und bewahren Sie die Kennungen der für den Auftrag verwendeten Dokumente auf. Eine längere Quelle ist nützlich, wenn relevante Zusammenhänge gemeinsam betrachtet werden müssen; ein gezielter Abschnitt genügt, wenn sich die Frage auf einen einzelnen Teil bezieht. Geben Sie den gewünschten Antwortumfang an, damit Sie eine aufgabengerechte Erklärung, einen Vergleich oder ein Extraktionsergebnis erhalten.
Fordern Sie das Modell auf, ausdrückliche Aussagen von Schlussfolgerungen zu unterscheiden und eine Frage zu benennen, die die bereitgestellten Dokumente nicht klären. Prüfen Sie wichtige Namen, Zahlen und Bedingungen anhand der Originalquellen. Eine Anschlussfrage kann eine einzelne Klausel untersuchen oder das Ausgabeformat ändern, während dieselben Dokumentenkennzeichnungen und Entscheidungskriterien erhalten bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-long-2025-01-25 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.000144 / 1K Tokens Ausgabe · Ausgabetoken $0.000572 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen-long-2025-01-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-long-2025-01-25', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-long-2025-01-25', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen-long-2025-01-25
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Locate conflicting document conditions\n\nCompare these labelled document excerpts. [Guide, section 2] Return cartons in lots of 10. [Warehouse note, section 4] Accept mixed lots of 5 when pre-approved. [Email E-3] Customer wants to send 15 cartons without approval. State the general rule, the exception and the unresolved condition for this request. Do not silently give either document priority.A source-linked rule and exception summary with the approval question made explicit.Verify the exception retains its pre-approval condition and 15 cartons is not automatically accepted.