Der Plus-Snapshot vom 15. Februar
Qwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung vom 15. Februar 2026 aus Qwens nativer Vision-Language-Plus-Familie. Ihre dokumentierte Architektur verbindet lineare Attention mit dünn besetzter Mixture-of-Experts-Berechnung und unterstützt sowohl Text- als auch multimodale Aufgaben. Zu den Eingaben gehören Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokumentartefakt. Der datierte Name gibt dieser Ausgabe eine bestimmte Identität innerhalb der Plus-Familie.
Der Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung zum offenen Modell Qwen3.5-397B-A17B, mit zusätzlichen Funktionen wie einem standardmässigen Kontext mit einer Million Token, integrierten Werkzeugen und adaptiver Werkzeugnutzung. Die beiden Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints dürfen nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.
Text und visuelle Inhalte gemeinsam bearbeiten
Die Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Text-Bild-Fusion und Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung umfasst 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit Zielsprache, Zielgruppe und beizubehaltende Begriffe an; erhalten Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.
Eine nützliche Dokumentanfrage kann einen nach denselben Abschnitten wie die Quelle gegliederten Vergleich verlangen, mit stützenden Passagen für jede Erkenntnis. Eine Programmieranfrage kann einen Screenshot, relevanten bestehenden Code und funktionale Anforderungen verbinden und anschliessend bearbeitbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie Zeitangaben. Prüfen Sie zurückgegebene Passagen, visuelle Details und vorgeschlagenen Code anhand des gelieferten Materials.
Schlussfolgern und direkte Antworten
Der Modusleitfaden des Herstellers führt die Qwen3.5-Plus-Familie und den Snapshot vom 15. Februar mit hybridem Denkmodus auf, der standardmässig aktiviert ist. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Trennen Sie den Denkverlauf vom Endartefakt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare Endform, etwa eine Erkenntnistabelle, eine abgegrenzte Antwort oder Codedateien, damit sich das Ergebnis leicht prüfen lässt.
Der offene Qwen3.5-Checkpoint besitzt eigene Empfehlungen zu Verlauf und Sampling. Spätere Qwen-Generationen führen zudem andere Standardwerte und Optionen zur Erhaltung von Denkverläufen ein. Folgen Sie der genauen Anleitung der Plus-Schnittstelle, statt anzunehmen, dass ein Prompt-Marker, Parametercontainer oder Verlaufsverhalten für jede Ausgabe mit Qwen-Namen gilt.
Werkzeuge und adaptive Arbeit
Die Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einen angebundenen Ablauf Belege abrufen, geliefertes Material prüfen oder Ergebnisse erlaubter Operationen zurückgeben lassen. Geben Sie verfügbare Werkzeuge, erlaubte Aktionen und die beobachtbare Abschlussbedingung an. Das Modell kann tatsächliche Rückmeldungen nutzen, um seine Analyse anzupassen und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und liefert ihre Ergebnisse.
Verlangen Sie für eine Agentenaufgabe, dass der Abschlussbericht das entstandene Artefakt, stützende Belege und offene Bedingungen zeigt. Unterscheiden Sie einen vorgeschlagenen Patch oder eine Abrufanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach JSON-förmigem Text begründet für sich keine Zusage zur Schemaerzwingung, und die Anforderung einer Codeausführung schafft nicht eigenständig eine Ausführungsumgebung.
Vorbereitung für langen Kontext
Qwens Referenz zur verwalteten Plus-Ausgabe beschreibt einen standardmässigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer grossen Eingabe sichtbar und reservieren Sie Platz für Denkverlauf und endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget der verwalteten Plus-Ausgabe; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.
Grenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den stützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, aber erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Behalten Sie den datierten Ausgabenamen bei, wenn Reproduzierbarkeit wichtig ist.
Praktisches Ergebnis und Grenzen
Verwenden Sie diesen Snapshot für ein konkretes Textergebnis auf Grundlage gelieferten Projektmaterials oder visueller Inhalte: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der Originalbelege. Der dokumentierte Leistungsumfang besteht im Verstehen von Text und visuellen Inhalten mit Textausgabe; er bedeutet keine Generierung von Bildern, Video oder Sprache. Genaue Werkzeuge, Upload-Regeln und Ausgabebudgets sollten der gewählten Schnittstelle folgen statt einer angenommenen Gleichsetzung mit einem anderen Checkpoint.
", "aboutText": "Der Plus-Snapshot vom 15. Februar\n\nQwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung vom 15. Februar 2026 aus Qwens nativer Vision-Language-Plus-Familie. Ihre dokumentierte Architektur verbindet lineare Attention mit dünn besetzter Mixture-of-Experts-Berechnung und unterstützt sowohl Text- als auch multimodale Aufgaben. Zu den Eingaben gehören Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokumentartefakt. Der datierte Name gibt dieser Ausgabe eine bestimmte Identität innerhalb der Plus-Familie.\n\nDer Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung zum offenen Modell Qwen3.5-397B-A17B, mit zusätzlichen Funktionen wie einem standardmässigen Kontext mit einer Million Token, integrierten Werkzeugen und adaptiver Werkzeugnutzung. Die beiden Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints dürfen nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.\n\nText und visuelle Inhalte gemeinsam bearbeiten\n\nDie Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Text-Bild-Fusion und Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung umfasst 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit Zielsprache, Zielgruppe und beizubehaltende Begriffe an; erhalten Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.\n\nEine nützliche Dokumentanfrage kann einen nach denselben Abschnitten wie die Quelle gegliederten Vergleich verlangen, mit stützenden Passagen für jede Erkenntnis. Eine Programmieranfrage kann einen Screenshot, relevanten bestehenden Code und funktionale Anforderungen verbinden und anschliessend bearbeitbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie Zeitangaben. Prüfen Sie zurückgegebene Passagen, visuelle Details und vorgeschlagenen Code anhand des gelieferten Materials.\n\nSchlussfolgern und direkte Antworten\n\nDer Modusleitfaden des Herstellers führt die Qwen3.5-Plus-Familie und den Snapshot vom 15. Februar mit hybridem Denkmodus auf, der standardmässig aktiviert ist. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Trennen Sie den Denkverlauf vom Endartefakt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare Endform, etwa eine Erkenntnistabelle, eine abgegrenzte Antwort oder Codedateien, damit sich das Ergebnis leicht prüfen lässt.\n\nDer offene Qwen3.5-Checkpoint besitzt eigene Empfehlungen zu Verlauf und Sampling. Spätere Qwen-Generationen führen zudem andere Standardwerte und Optionen zur Erhaltung von Denkverläufen ein. Folgen Sie der genauen Anleitung der Plus-Schnittstelle, statt anzunehmen, dass ein Prompt-Marker, Parametercontainer oder Verlaufsverhalten für jede Ausgabe mit Qwen-Namen gilt.\n\nWerkzeuge und adaptive Arbeit\n\nDie Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einen angebundenen Ablauf Belege abrufen, geliefertes Material prüfen oder Ergebnisse erlaubter Operationen zurückgeben lassen. Geben Sie verfügbare Werkzeuge, erlaubte Aktionen und die beobachtbare Abschlussbedingung an. Das Modell kann tatsächliche Rückmeldungen nutzen, um seine Analyse anzupassen und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und liefert ihre Ergebnisse.\n\nVerlangen Sie für eine Agentenaufgabe, dass der Abschlussbericht das entstandene Artefakt, stützende Belege und offene Bedingungen zeigt. Unterscheiden Sie einen vorgeschlagenen Patch oder eine Abrufanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach JSON-förmigem Text begründet für sich keine Zusage zur Schemaerzwingung, und die Anforderung einer Codeausführung schafft nicht eigenständig eine Ausführungsumgebung.\n\nVorbereitung für langen Kontext\n\nQwens Referenz zur verwalteten Plus-Ausgabe beschreibt einen standardmässigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer grossen Eingabe sichtbar und reservieren Sie Platz für Denkverlauf und endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget der verwalteten Plus-Ausgabe; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.\n\nGrenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den stützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, aber erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Behalten Sie den datierten Ausgabenamen bei, wenn Reproduzierbarkeit wichtig ist.\n\nPraktisches Ergebnis und Grenzen\n\nVerwenden Sie diesen Snapshot für ein konkretes Textergebnis auf Grundlage gelieferten Projektmaterials oder visueller Inhalte: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der Originalbelege. Der dokumentierte Leistungsumfang besteht im Verstehen von Text und visuellen Inhalten mit Textausgabe; er bedeutet keine Generierung von Bildern, Video oder Sprache. Genaue Werkzeuge, Upload-Regeln und Ausgabebudgets sollten der gewählten Schnittstelle folgen statt einer angenommenen Gleichsetzung mit einem anderen Checkpoint.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 ist der feste Snapshot vom 15. Februar des nativen Vision-Language-Plus-Modells von Qwen. Es verbindet Text-, Bild- und Videoverständnis mit Schlussfolgern, Programmierung und agentenorientierten Abläufen und liefert Textantworten oder Artefakte im hybriden Denkmodus der Familie.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Der Plus-Snapshot vom 15. Februar
Qwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung vom 15. Februar 2026 aus Qwens nativer Vision-Language-Plus-Familie. Ihre dokumentierte Architektur verbindet lineare Attention mit dünn besetzter Mixture-of-Experts-Berechnung und unterstützt sowohl Text- als auch multimodale Aufgaben. Zu den Eingaben gehören Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokumentartefakt. Der datierte Name gibt dieser Ausgabe eine bestimmte Identität innerhalb der Plus-Familie.
Der Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung zum offenen Modell Qwen3.5-397B-A17B, mit zusätzlichen Funktionen wie einem standardmässigen Kontext mit einer Million Token, integrierten Werkzeugen und adaptiver Werkzeugnutzung. Die beiden Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints dürfen nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.
Text und visuelle Inhalte gemeinsam bearbeiten
Die Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Text-Bild-Fusion und Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung umfasst 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit Zielsprache, Zielgruppe und beizubehaltende Begriffe an; erhalten Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.
Eine nützliche Dokumentanfrage kann einen nach denselben Abschnitten wie die Quelle gegliederten Vergleich verlangen, mit stützenden Passagen für jede Erkenntnis. Eine Programmieranfrage kann einen Screenshot, relevanten bestehenden Code und funktionale Anforderungen verbinden und anschliessend bearbeitbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie Zeitangaben. Prüfen Sie zurückgegebene Passagen, visuelle Details und vorgeschlagenen Code anhand des gelieferten Materials.
Schlussfolgern und direkte Antworten
Der Modusleitfaden des Herstellers führt die Qwen3.5-Plus-Familie und den Snapshot vom 15. Februar mit hybridem Denkmodus auf, der standardmässig aktiviert ist. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Trennen Sie den Denkverlauf vom Endartefakt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare Endform, etwa eine Erkenntnistabelle, eine abgegrenzte Antwort oder Codedateien, damit sich das Ergebnis leicht prüfen lässt.
Der offene Qwen3.5-Checkpoint besitzt eigene Empfehlungen zu Verlauf und Sampling. Spätere Qwen-Generationen führen zudem andere Standardwerte und Optionen zur Erhaltung von Denkverläufen ein. Folgen Sie der genauen Anleitung der Plus-Schnittstelle, statt anzunehmen, dass ein Prompt-Marker, Parametercontainer oder Verlaufsverhalten für jede Ausgabe mit Qwen-Namen gilt.
Werkzeuge und adaptive Arbeit
Die Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einen angebundenen Ablauf Belege abrufen, geliefertes Material prüfen oder Ergebnisse erlaubter Operationen zurückgeben lassen. Geben Sie verfügbare Werkzeuge, erlaubte Aktionen und die beobachtbare Abschlussbedingung an. Das Modell kann tatsächliche Rückmeldungen nutzen, um seine Analyse anzupassen und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und liefert ihre Ergebnisse.
Verlangen Sie für eine Agentenaufgabe, dass der Abschlussbericht das entstandene Artefakt, stützende Belege und offene Bedingungen zeigt. Unterscheiden Sie einen vorgeschlagenen Patch oder eine Abrufanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach JSON-förmigem Text begründet für sich keine Zusage zur Schemaerzwingung, und die Anforderung einer Codeausführung schafft nicht eigenständig eine Ausführungsumgebung.
Vorbereitung für langen Kontext
Qwens Referenz zur verwalteten Plus-Ausgabe beschreibt einen standardmässigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer grossen Eingabe sichtbar und reservieren Sie Platz für Denkverlauf und endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget der verwalteten Plus-Ausgabe; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.
Grenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den stützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, aber erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Behalten Sie den datierten Ausgabenamen bei, wenn Reproduzierbarkeit wichtig ist.
Praktisches Ergebnis und Grenzen
Verwenden Sie diesen Snapshot für ein konkretes Textergebnis auf Grundlage gelieferten Projektmaterials oder visueller Inhalte: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der Originalbelege. Der dokumentierte Leistungsumfang besteht im Verstehen von Text und visuellen Inhalten mit Textausgabe; er bedeutet keine Generierung von Bildern, Video oder Sprache. Genaue Werkzeuge, Upload-Regeln und Ausgabebudgets sollten der gewählten Schnittstelle folgen statt einer angenommenen Gleichsetzung mit einem anderen Checkpoint.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.5-plus-02-15 | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Tokens Ausgabe · Ausgabetoken $0.00312 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslich256'000 | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Tokens Ausgabe · Ausgabetoken $0.00312 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256'000 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-plus-02-15", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.5-plus-02-15',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.5-plus-02-15',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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/qwen3.5-plus-02-15
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 ist der feste Snapshot vom 15. Februar des nativen Vision-Language-Plus-Modells von Qwen. Es verbindet Text-, Bild- und Videoverständnis mit Schlussfolgern, Programmierung und agentenorientierten Abläufen und liefert Textantworten oder Artefakte im hybriden Denkmodus der Familie.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Der Plus-Snapshot vom 15. Februar
Qwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung vom 15. Februar 2026 aus Qwens nativer Vision-Language-Plus-Familie. Ihre dokumentierte Architektur verbindet lineare Attention mit dünn besetzter Mixture-of-Experts-Berechnung und unterstützt sowohl Text- als auch multimodale Aufgaben. Zu den Eingaben gehören Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokumentartefakt. Der datierte Name gibt dieser Ausgabe eine bestimmte Identität innerhalb der Plus-Familie.
Der Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung zum offenen Modell Qwen3.5-397B-A17B, mit zusätzlichen Funktionen wie einem standardmässigen Kontext mit einer Million Token, integrierten Werkzeugen und adaptiver Werkzeugnutzung. Die beiden Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints dürfen nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.
Text und visuelle Inhalte gemeinsam bearbeiten
Die Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Text-Bild-Fusion und Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung umfasst 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit Zielsprache, Zielgruppe und beizubehaltende Begriffe an; erhalten Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.
Eine nützliche Dokumentanfrage kann einen nach denselben Abschnitten wie die Quelle gegliederten Vergleich verlangen, mit stützenden Passagen für jede Erkenntnis. Eine Programmieranfrage kann einen Screenshot, relevanten bestehenden Code und funktionale Anforderungen verbinden und anschliessend bearbeitbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie Zeitangaben. Prüfen Sie zurückgegebene Passagen, visuelle Details und vorgeschlagenen Code anhand des gelieferten Materials.
Schlussfolgern und direkte Antworten
Der Modusleitfaden des Herstellers führt die Qwen3.5-Plus-Familie und den Snapshot vom 15. Februar mit hybridem Denkmodus auf, der standardmässig aktiviert ist. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Trennen Sie den Denkverlauf vom Endartefakt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare Endform, etwa eine Erkenntnistabelle, eine abgegrenzte Antwort oder Codedateien, damit sich das Ergebnis leicht prüfen lässt.
Der offene Qwen3.5-Checkpoint besitzt eigene Empfehlungen zu Verlauf und Sampling. Spätere Qwen-Generationen führen zudem andere Standardwerte und Optionen zur Erhaltung von Denkverläufen ein. Folgen Sie der genauen Anleitung der Plus-Schnittstelle, statt anzunehmen, dass ein Prompt-Marker, Parametercontainer oder Verlaufsverhalten für jede Ausgabe mit Qwen-Namen gilt.
Werkzeuge und adaptive Arbeit
Die Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einen angebundenen Ablauf Belege abrufen, geliefertes Material prüfen oder Ergebnisse erlaubter Operationen zurückgeben lassen. Geben Sie verfügbare Werkzeuge, erlaubte Aktionen und die beobachtbare Abschlussbedingung an. Das Modell kann tatsächliche Rückmeldungen nutzen, um seine Analyse anzupassen und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und liefert ihre Ergebnisse.
Verlangen Sie für eine Agentenaufgabe, dass der Abschlussbericht das entstandene Artefakt, stützende Belege und offene Bedingungen zeigt. Unterscheiden Sie einen vorgeschlagenen Patch oder eine Abrufanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach JSON-förmigem Text begründet für sich keine Zusage zur Schemaerzwingung, und die Anforderung einer Codeausführung schafft nicht eigenständig eine Ausführungsumgebung.
Vorbereitung für langen Kontext
Qwens Referenz zur verwalteten Plus-Ausgabe beschreibt einen standardmässigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer grossen Eingabe sichtbar und reservieren Sie Platz für Denkverlauf und endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget der verwalteten Plus-Ausgabe; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.
Grenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den stützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, aber erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Behalten Sie den datierten Ausgabenamen bei, wenn Reproduzierbarkeit wichtig ist.
Praktisches Ergebnis und Grenzen
Verwenden Sie diesen Snapshot für ein konkretes Textergebnis auf Grundlage gelieferten Projektmaterials oder visueller Inhalte: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der Originalbelege. Der dokumentierte Leistungsumfang besteht im Verstehen von Text und visuellen Inhalten mit Textausgabe; er bedeutet keine Generierung von Bildern, Video oder Sprache. Genaue Werkzeuge, Upload-Regeln und Ausgabebudgets sollten der gewählten Schnittstelle folgen statt einer angenommenen Gleichsetzung mit einem anderen Checkpoint.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.5-plus-02-15 | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Tokens Ausgabe · Ausgabetoken $0.00312 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslich256'000 | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Tokens Ausgabe · Ausgabetoken $0.00312 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256'000 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3.5-plus-02-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-plus-02-15', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-plus-02-15', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/qwen3.5-plus-02-15
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.