Qwen-Max (2025-01-25) ist der Textmodell-Snapshot vom 25. Januar, den der Hersteller als funktional gleichwertig zu seinem Qwen-Max-Profil bezeichnet. Qwen-Max gehört zur Qwen-Familie von Alibaba und verarbeitet Eingaben in mehreren Sprachen, darunter Chinesisch und Englisch. Zu den beschriebenen Sprachaufgaben gehören Codegenerierung, logisches Schlussfolgern, kreatives Schreiben, JSON-Formatierung und rollenbasierte Gespräche.
Geben Sie dem Modell die Bedingungen, Belege und Entscheidungskriterien, die für die Aufgabe erforderlich sind. Bei einer Prüfung von Anforderungen können Sie nach Übereinstimmungen, Widersprüchen und offenen Fragen fragen. Für einen Vergleich können Sie die massgeblichen Kriterien angeben und eine Erklärung verlangen, wie jede Option diese erfüllt. Trennen Sie Aussagen der Quellen von Annahmen, damit sich die Antwort anhand des bereitgestellten Materials überprüfen lässt.
Geben Sie bei einer Programmieraufgabe die Sprache, den relevanten Quellcode und das erwartete Verhalten an. Bitten Sie um einen Implementierungsvorschlag und eine Erklärung der betroffenen Logik. Speichern Sie den entstandenen Code und führen Sie ihn in der Entwicklungsumgebung aus, um die Änderung zu überprüfen. Geben Sie beim Schreiben Zielgruppe, Zweck und zwingend zu erhaltende Fakten vor und verlangen Sie anschliessend einen fertigen Abschnitt sowie eine kurze Änderungsnotiz.
Legen Sie für eine Antwort in JSON-Form die Feldnamen, Datentypen und den Umgang mit fehlenden Werten fest. Prüfen Sie sowohl die zurückgegebene Struktur als auch ihren Inhalt, bevor Sie sie in einer Anwendung verwenden. Stellen Sie bei einem rollenbasierten Gespräch die Beschreibung der Figur oder Rolle und die Informationen bereit, die in der Antwort erhalten bleiben sollen.
Die regionalen Bereitstellungskonfigurationen des Herstellers unterscheiden sich bei der Unterstützung von Funktionsaufrufen und Websuche. Strukturierte Ausgaben und die Fortsetzung eines vorgegebenen Präfixes sind in beiden auf der Modellseite gezeigten Konfigurationen aufgeführt. Eine Anwendung mit Funktionsunterstützung definiert die Aktion, führt den ausgewählten Aufruf aus und gibt das Ergebnis zurück; diese Schritte gehören zur umgebenden Integration.
Das gleichwertige Qwen-Max-Profil des Herstellers nennt 32’768 Kontexttokens, bis zu 30’720 Eingabetokens und 8’192 Ausgabetokens. Das separat veröffentlichte Profil des gehosteten Modells für diesen datierten Identifikator nennt 131’072 Kontexttokens. Dies sind Spezifikationen unterschiedlicher Profile. Bereiten Sie die Anfrage daher anhand der Grenzen vor, die die dafür verwendete Schnittstelle bereitstellt. Bewahren Sie beim Vergleich von Antworten den genauen datierten Identifikator zusammen mit dem Prompt und dem Ergebnis auf.
", "aboutText": "Qwen-Max (2025-01-25) ist der Textmodell-Snapshot vom 25. Januar, den der Hersteller als funktional gleichwertig zu seinem Qwen-Max-Profil bezeichnet. Qwen-Max gehört zur Qwen-Familie von Alibaba und verarbeitet Eingaben in mehreren Sprachen, darunter Chinesisch und Englisch. Zu den beschriebenen Sprachaufgaben gehören Codegenerierung, logisches Schlussfolgern, kreatives Schreiben, JSON-Formatierung und rollenbasierte Gespräche.\n\n### Eine klar umrissene Frage analysieren\n\nGeben Sie dem Modell die Bedingungen, Belege und Entscheidungskriterien, die für die Aufgabe erforderlich sind. Bei einer Prüfung von Anforderungen können Sie nach Übereinstimmungen, Widersprüchen und offenen Fragen fragen. Für einen Vergleich können Sie die massgeblichen Kriterien angeben und eine Erklärung verlangen, wie jede Option diese erfüllt. Trennen Sie Aussagen der Quellen von Annahmen, damit sich die Antwort anhand des bereitgestellten Materials überprüfen lässt.\n\n### Code oder schriftliches Material vorbereiten\n\nGeben Sie bei einer Programmieraufgabe die Sprache, den relevanten Quellcode und das erwartete Verhalten an. Bitten Sie um einen Implementierungsvorschlag und eine Erklärung der betroffenen Logik. Speichern Sie den entstandenen Code und führen Sie ihn in der Entwicklungsumgebung aus, um die Änderung zu überprüfen. Geben Sie beim Schreiben Zielgruppe, Zweck und zwingend zu erhaltende Fakten vor und verlangen Sie anschliessend einen fertigen Abschnitt sowie eine kurze Änderungsnotiz.\n\nLegen Sie für eine Antwort in JSON-Form die Feldnamen, Datentypen und den Umgang mit fehlenden Werten fest. Prüfen Sie sowohl die zurückgegebene Struktur als auch ihren Inhalt, bevor Sie sie in einer Anwendung verwenden. Stellen Sie bei einem rollenbasierten Gespräch die Beschreibung der Figur oder Rolle und die Informationen bereit, die in der Antwort erhalten bleiben sollen.\n\n### Die von der Integration bereitgestellten Steuerungsmöglichkeiten nutzen\n\nDie regionalen Bereitstellungskonfigurationen des Herstellers unterscheiden sich bei der Unterstützung von Funktionsaufrufen und Websuche. Strukturierte Ausgaben und die Fortsetzung eines vorgegebenen Präfixes sind in beiden auf der Modellseite gezeigten Konfigurationen aufgeführt. Eine Anwendung mit Funktionsunterstützung definiert die Aktion, führt den ausgewählten Aufruf aus und gibt das Ergebnis zurück; diese Schritte gehören zur umgebenden Integration.\n\n### Den Kontext auf das gewählte Profil abstimmen\n\nDas gleichwertige Qwen-Max-Profil des Herstellers nennt 32’768 Kontexttokens, bis zu 30’720 Eingabetokens und 8’192 Ausgabetokens. Das separat veröffentlichte Profil des gehosteten Modells für diesen datierten Identifikator nennt 131’072 Kontexttokens. Dies sind Spezifikationen unterschiedlicher Profile. Bereiten Sie die Anfrage daher anhand der Grenzen vor, die die dafür verwendete Schnittstelle bereitstellt. Bewahren Sie beim Vergleich von Antworten den genauen datierten Identifikator zusammen mit dem Prompt und dem Ergebnis auf.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.qwen-max-2025-01-25Qwen-Max (2025-01-25) ist ein datierter Textmodell-Snapshot von Qwen für Sprachaufgaben, Schlussfolgern, Programmieren und Schreiben. Der Hersteller beschreibt ihn als funktional gleichwertig zum Qwen-Max-Profil; Kontext und optionale Steuerungsmöglichkeiten hängen von der Bereitstellungskonfiguration ab.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen-Max (2025-01-25) ist der Textmodell-Snapshot vom 25. Januar, den der Hersteller als funktional gleichwertig zu seinem Qwen-Max-Profil bezeichnet. Qwen-Max gehört zur Qwen-Familie von Alibaba und verarbeitet Eingaben in mehreren Sprachen, darunter Chinesisch und Englisch. Zu den beschriebenen Sprachaufgaben gehören Codegenerierung, logisches Schlussfolgern, kreatives Schreiben, JSON-Formatierung und rollenbasierte Gespräche.
Geben Sie dem Modell die Bedingungen, Belege und Entscheidungskriterien, die für die Aufgabe erforderlich sind. Bei einer Prüfung von Anforderungen können Sie nach Übereinstimmungen, Widersprüchen und offenen Fragen fragen. Für einen Vergleich können Sie die massgeblichen Kriterien angeben und eine Erklärung verlangen, wie jede Option diese erfüllt. Trennen Sie Aussagen der Quellen von Annahmen, damit sich die Antwort anhand des bereitgestellten Materials überprüfen lässt.
Geben Sie bei einer Programmieraufgabe die Sprache, den relevanten Quellcode und das erwartete Verhalten an. Bitten Sie um einen Implementierungsvorschlag und eine Erklärung der betroffenen Logik. Speichern Sie den entstandenen Code und führen Sie ihn in der Entwicklungsumgebung aus, um die Änderung zu überprüfen. Geben Sie beim Schreiben Zielgruppe, Zweck und zwingend zu erhaltende Fakten vor und verlangen Sie anschliessend einen fertigen Abschnitt sowie eine kurze Änderungsnotiz.
Legen Sie für eine Antwort in JSON-Form die Feldnamen, Datentypen und den Umgang mit fehlenden Werten fest. Prüfen Sie sowohl die zurückgegebene Struktur als auch ihren Inhalt, bevor Sie sie in einer Anwendung verwenden. Stellen Sie bei einem rollenbasierten Gespräch die Beschreibung der Figur oder Rolle und die Informationen bereit, die in der Antwort erhalten bleiben sollen.
Die regionalen Bereitstellungskonfigurationen des Herstellers unterscheiden sich bei der Unterstützung von Funktionsaufrufen und Websuche. Strukturierte Ausgaben und die Fortsetzung eines vorgegebenen Präfixes sind in beiden auf der Modellseite gezeigten Konfigurationen aufgeführt. Eine Anwendung mit Funktionsunterstützung definiert die Aktion, führt den ausgewählten Aufruf aus und gibt das Ergebnis zurück; diese Schritte gehören zur umgebenden Integration.
Das gleichwertige Qwen-Max-Profil des Herstellers nennt 32’768 Kontexttokens, bis zu 30’720 Eingabetokens und 8’192 Ausgabetokens. Das separat veröffentlichte Profil des gehosteten Modells für diesen datierten Identifikator nennt 131’072 Kontexttokens. Dies sind Spezifikationen unterschiedlicher Profile. Bereiten Sie die Anfrage daher anhand der Grenzen vor, die die dafür verwendete Schnittstelle bereitstellt. Bewahren Sie beim Vergleich von Antworten den genauen datierten Identifikator zusammen mit dem Prompt und dem Ergebnis auf.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-max-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 $0.000686 / 1K Tokens Ausgabe · Ausgabetoken $0.002744 / 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-max-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-max-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-max-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-max-2025-01-25
Verwenden Sie die oben angezeigten Methodenpfade.
qwen-max-2025-01-25Qwen-Max (2025-01-25) ist ein datierter Textmodell-Snapshot von Qwen für Sprachaufgaben, Schlussfolgern, Programmieren und Schreiben. Der Hersteller beschreibt ihn als funktional gleichwertig zum Qwen-Max-Profil; Kontext und optionale Steuerungsmöglichkeiten hängen von der Bereitstellungskonfiguration ab.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen-Max (2025-01-25) ist der Textmodell-Snapshot vom 25. Januar, den der Hersteller als funktional gleichwertig zu seinem Qwen-Max-Profil bezeichnet. Qwen-Max gehört zur Qwen-Familie von Alibaba und verarbeitet Eingaben in mehreren Sprachen, darunter Chinesisch und Englisch. Zu den beschriebenen Sprachaufgaben gehören Codegenerierung, logisches Schlussfolgern, kreatives Schreiben, JSON-Formatierung und rollenbasierte Gespräche.
Geben Sie dem Modell die Bedingungen, Belege und Entscheidungskriterien, die für die Aufgabe erforderlich sind. Bei einer Prüfung von Anforderungen können Sie nach Übereinstimmungen, Widersprüchen und offenen Fragen fragen. Für einen Vergleich können Sie die massgeblichen Kriterien angeben und eine Erklärung verlangen, wie jede Option diese erfüllt. Trennen Sie Aussagen der Quellen von Annahmen, damit sich die Antwort anhand des bereitgestellten Materials überprüfen lässt.
Geben Sie bei einer Programmieraufgabe die Sprache, den relevanten Quellcode und das erwartete Verhalten an. Bitten Sie um einen Implementierungsvorschlag und eine Erklärung der betroffenen Logik. Speichern Sie den entstandenen Code und führen Sie ihn in der Entwicklungsumgebung aus, um die Änderung zu überprüfen. Geben Sie beim Schreiben Zielgruppe, Zweck und zwingend zu erhaltende Fakten vor und verlangen Sie anschliessend einen fertigen Abschnitt sowie eine kurze Änderungsnotiz.
Legen Sie für eine Antwort in JSON-Form die Feldnamen, Datentypen und den Umgang mit fehlenden Werten fest. Prüfen Sie sowohl die zurückgegebene Struktur als auch ihren Inhalt, bevor Sie sie in einer Anwendung verwenden. Stellen Sie bei einem rollenbasierten Gespräch die Beschreibung der Figur oder Rolle und die Informationen bereit, die in der Antwort erhalten bleiben sollen.
Die regionalen Bereitstellungskonfigurationen des Herstellers unterscheiden sich bei der Unterstützung von Funktionsaufrufen und Websuche. Strukturierte Ausgaben und die Fortsetzung eines vorgegebenen Präfixes sind in beiden auf der Modellseite gezeigten Konfigurationen aufgeführt. Eine Anwendung mit Funktionsunterstützung definiert die Aktion, führt den ausgewählten Aufruf aus und gibt das Ergebnis zurück; diese Schritte gehören zur umgebenden Integration.
Das gleichwertige Qwen-Max-Profil des Herstellers nennt 32’768 Kontexttokens, bis zu 30’720 Eingabetokens und 8’192 Ausgabetokens. Das separat veröffentlichte Profil des gehosteten Modells für diesen datierten Identifikator nennt 131’072 Kontexttokens. Dies sind Spezifikationen unterschiedlicher Profile. Bereiten Sie die Anfrage daher anhand der Grenzen vor, die die dafür verwendete Schnittstelle bereitstellt. Bewahren Sie beim Vergleich von Antworten den genauen datierten Identifikator zusammen mit dem Prompt und dem Ergebnis auf.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen-max-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 $0.000686 / 1K Tokens Ausgabe · Ausgabetoken $0.002744 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen-max-2025-01-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-max-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-max-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-max-2025-01-25
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.