models

Qwen: Qwen3.5 Plus 2026-04-20

Markdown · JSON

Qwen: Qwen3.5 Plus 2026-04-20

Qwen3.5 Plus 2026-04-20 ist der feste Snapshot vom 20. April des Vision-Language-Plus-Modells von Qwen. Der Hersteller hebt verbesserte agentengestützte Programmierung hervor; die Fähigkeiten zum Schlussfolgern, zur Wissensnutzung und zur Arbeit mit langen Kontexten bleiben dabei erhalten. Das Modell ist für komplexe Aufgaben gedacht, die gelieferten Text oder visuelles Material mit einem konkreten Ergebnis verbinden.

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Der feste Plus-Snapshot vom 20. April

Qwen3.5 Plus 2026-04-20 ist der Snapshot vom 20. April 2026 aus Qwens nativer Vision-Language-Plus-Familie. Die Veröffentlichungsmitteilung des Herstellers nennt gegenüber dem Snapshot vom 15. Februar eine deutliche Verbesserung der agentengestützten Programmierung, dazu höhere Inferenzeffizienz und erhaltene Wissens-, Schlussfolgerungs- und Langkontextfähigkeiten. Unterscheiden Sie diese datierte Ausgabe von einem veränderlichen Plus-Namen und vom offenen Checkpoint Qwen3.5-397B-A17B.

Die Familie akzeptiert Text mit Bildern oder Video und erzeugt Textergebnisse. Dieser Umfang unterstützt eine Entwicklungsaufgabe anhand eines Screenshots, eine Frage zu einem technischen Diagramm oder eine dokumentbasierte Erklärung. Der Snapshot-Name belegt für sich weder die Parameterzahl des offenen Checkpoints noch aktivierte Experten oder die genaue Architektur; diese Zahlen werden dieser Ausgabe hier deshalb nicht zugeordnet.

Agentengestützte Programmierung

Die wichtigste Änderung der Veröffentlichung ist leistungsfähigere Programmierung in einem Agentenablauf. Liefern Sie Projektanforderungen, relevante Dateien oder Auszüge, bestehendes Verhalten und das bei Abschluss erwartete Artefakt. Fügen Sie für eine Screenshot-zu-Oberfläche-Aufgabe die visuelle Referenz und funktionale Einschränkungen bei und verlangen Sie anschliessend bearbeitbaren Quellcode und eine Erklärung des beabsichtigten Verhaltens. Benennen Sie für eine Repository-Änderung die betroffene Funktion und die Eingabe, die das Problem demonstriert, und verlangen Sie einen Patch und die zu seiner Beurteilung erforderlichen Prüfungen.

Ein mehrstufiger Programmierablauf profitiert von tatsächlichen Rückmeldungen: Prüfergebnisse, beobachtete Fehler und Review-Befunde können dem Modell im Arbeitsverlauf zurückgegeben werden. Die Anwendung steuert die Werkzeuge und führt erlaubte Aktionen aus. Verlangen Sie einen Bericht darüber, was vorgeschlagen wurde, was beobachtet wurde und was ungeklärt bleibt.

Wissen und Schlussfolgern

Laut Hersteller bewahrt der Snapshot starkes Wissen und Schlussfolgern und verbessert zugleich die Agentenarbeit. Trennen Sie bei einer analytischen Aufgabe Quellfakten von Annahmen und geben Sie die gesuchte Schlussfolgerung an. Verlangen Sie stützende Passagen, Werte oder Codekennungen, damit sich das Ergebnis prüfen lässt. Liefern Sie für einen Fachbericht relevantes Material und gewünschte Abschnitte, statt sich darauf zu verlassen, dass das Modell den fehlenden Kontext eines privaten Projekts kennt.

Die Qwen3.5-Plus-Familie ist mit hybridem Denkmodus dokumentiert, der standardmässig aktiviert ist. Ihr Familienablauf kann bei deaktiviertem Denkmodus eine direkte Antwort erzeugen, während Denkverlauf und endgültiger Antwortinhalt getrennt behandelt werden. Die Oberfläche des konkreten April-Snapshots sollte ihre eigenen dokumentierten Optionen verwenden; eine Beschreibung des Familienmodus verspricht nicht, dass jede Anwendung einen bestimmten Parameter anbietet.

Arbeiten mit langem Kontext

Alibabas eigene Tabelle für den Snapshot vom 20. April nennt einen Kontext von 1,000,000 Token, eine maximale Eingabe von 991,808 Token für direkte Antworten oder 983,616 für den Denkmodus und eine maximale Ausgabe von 65,536 in beiden Modi. Übertragen Sie die nativen oder erweiterten Kontextzahlen des offenen Qwen3.5-Checkpoints nicht auf eine harte Grenze für diesen Plus-Snapshot. Bereiten Sie eine lange Eingabe mit Dokumentgrenzen, Seitenkennungen, Codepfaden und den für die Aufgabe erforderlichen Definitionen vor.

Eine nützliche Anfrage kann eine Tabelle von Anforderungen und ihrer Implementierung, einen Dokumentvergleich oder einen Bericht verlangen, der für jede Schlussfolgerung Belege benennt. Halten Sie sachfremdes Material aus dem Prompt heraus und lassen Sie Platz für die Antwort. Langkontextfähigkeit hilft, mehr Belege zusammenzuführen; sie garantiert weder vollständige Erinnerung noch ersetzt sie eine klare Frage.

Aufgabenvorbereitung für den Produktionseinsatz

Der Hersteller positioniert diese Ausgabe für komplexe Agenten, Programmierabläufe und durchsatzorientierte Nutzung. Definieren Sie das beobachtbare Aufgabenergebnis: zu erzeugende Dateien, zu implementierendes Verhalten oder zu erklärende Erkenntnisse. Unterscheiden Sie bei angebundenen Werkzeugen deren tatsächlich zurückgelieferte Ergebnisse von Textvorschlägen des Modells. Legen Sie das Endformat so fest, dass sich das Artefakt in einen Prüf- oder Anwendungsablauf übernehmen lässt, und prüfen Sie Syntax und Inhalt getrennt.

Die eigene Snapshot-Tabelle nennt Function Calling, strukturierte Ausgaben, Websuche, Prefix Completion und Kontext-Caching; Batch-Inferenz und Fine-Tuning werden nicht unterstützt. Dies sind Ablaufmerkmale des Herstellers; Grenzen für Mediendateien bleiben eine separate Spezifikation. Eine Anfrage nach JSON-förmigem Text, Codeausführung oder Quellenabruf sollte deshalb ein angeforderter Ablauf bleiben, statt als vorausgesetzte native Garantie zu gelten. Die vom Hersteller beschriebene Verbesserung ist qualitativ; daraus darf keine uneingeschränkte Latenz- oder Durchsatzzusage werden.

Praktische Grenzen

Bewahren Sie die genaue datierte Plus-Ausgabe und das Quellmaterial beim Ergebnis auf, wenn Sie spätere Revisionen vergleichen. Prüfen Sie erzeugten Code, Berechnungen und extrahierte visuelle Details anhand der gelieferten Quelle und benennen Sie offene Belege ausdrücklich. Das nützliche Ergebnis ist ein konkretes Textartefakt mit Bezug auf die Aufgabenanforderungen, wobei die genaue datierte Plus-Identität und die dokumentierten Eingabe-, Ausgabe- und Werkzeuggrenzen des Herstellers ausdrücklich erhalten bleiben.

Praktische Aufgabe

Praktische Aufgabe

Technisches Beispiel auf Englisch

Repair an asynchronous search race

A search field calls fetchResults(query).then(render) after each keystroke. Results for an older query sometimes arrive after the latest query and overwrite the screen. Propose a focused JavaScript change that renders only the newest request's result. Preserve the existing fetchResults and render interfaces, handle request failures and describe a reversed-response-order test.

Erwartetes Ergebnis

A code proposal, a brief request-order explanation and a deterministic out-of-order response test.

Ergebnis prüfen

Check an older response cannot overwrite the latest result, including after a failed newer request.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions qwen/qwen3.5-plus-20260420

qwen/qwen3.5-plus-20260420

Alibaba /qwen/qwen3.5-plus-20260420

Einstieg

Qwen3.5 Plus 2026-04-20 ist der feste Snapshot vom 20. April des Vision-Language-Plus-Modells von Qwen. Der Hersteller hebt verbesserte agentengestützte Programmierung hervor; die Fähigkeiten zum Schlussfolgern, zur Wissensnutzung und zur Arbeit mit langen Kontexten bleiben dabei erhalten. Das Modell ist für komplexe Aufgaben gedacht, die gelieferten Text oder visuelles Material mit einem konkreten Ergebnis verbinden.

Zulässige Eingaben
Text
Ergebnisse
Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Eingabe
text
Ausgabe
text
Ausgabeformat
json oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
qwen/qwen3.5-plus-20260420
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte 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[].contentTypstring|content_part[]|nullAnforderungOptionalWerte und LimitsStandard—
Feldmessages[].tool_callsTyptool_call[]AnforderungOptionalWerte und LimitsStandard—
Feldmessages[].tool_call_idTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden
Standard—
Feldmessages[].nameTypstringAnforderungOptionalWerte und LimitsStandard—
Feldmessages[].reasoning_contentTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet
Standard—
Feldmessages[].reasoning_detailsTypobject|arrayAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldmax_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Modellabhängig
Standard—
Feldmax_completion_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Modellabhängig
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Feldstream_options.include_usageTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtemperatureTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtop_pTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldstopTypstring|string[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtoolsTypfunction_tool[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtools[].typeTypstringAnforderungOptionalWerte und Limits
function
Modellabhängig
Standard—
Feldtools[].function.nameTypstringAnforderungErforderlichWerte und Limits
Gilt, wenn: Funktionswerkzeug bereitgestellt
Standard—
Feldtools[].function.descriptionTypstringAnforderungOptionalWerte und LimitsStandard—
Feldtools[].function.parametersTypJSON_schemaAnforderungOptionalWerte und LimitsStandard—
Feldtool_choiceTypstring|objectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldparallel_tool_callsTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldresponse_formatTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldreasoning_effortTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldreasoningTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldservice_tierTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldinstructionsTypstringAnforderungOptionalWerte und Limits
Kompatibilitätsfeld
Standard—
FeldfunctionsTypfunction[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldfunction_callTypstring|objectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldprompt_cache_optionsTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldmodalitiesTypstring[]AnforderungOptionalWerte und Limits
text
Standard—
FeldproviderTypobjectAnforderungOptionalWerte und Limits
Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt
Standard—
Feldcache_control.ttlTypstringAnforderungOptionalWerte und Limits
Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt
Standard—
Kombinationen von Eingabematerialien

Text · UTF8-Text

messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages
Parametermaterial_typesVertragtext
ParametermessagesVertragNachrichtenarray mit role/content-Struktur
Parameterfile_materialVertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet
Parameteroptional_controlsVertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parametercontrol_scopeVertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen
Parameteroutput_modalitiesVertragtext
Parameterhosted_operationsVertragfalse
Parametermultimodal_input_bindingVertragnull

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.

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Standardtarif Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Standardtarif Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

KonfigurationTarifstaffelKontexttoken, mehr alsKontexttoken, bis einschliesslichGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifKontexttoken, mehr als—Kontexttoken, bis einschliesslichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0006 / 1K Tokens
Ausgabe · Ausgabetoken $0.0036 / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben $0.00075 / 1K Tokens
Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationAnfragelängenstufe 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschliesslich256'000Gebühr
Eingabe · Eingabetoken $0.0006 / 1K Tokens
Ausgabe · Ausgabetoken $0.0036 / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben $0.00075 / 1K Tokens
Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationAnfragelängenstufe 2Tarifstaffel—Kontexttoken, mehr als256'000Kontexttoken, bis einschliesslichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.00075 / 1K Tokens
Ausgabe · Ausgabetoken $0.0045 / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben $0.0009375 / 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 →

Beispielanfragen

Ailoot Ultra · OpenAI Chat

curlPython SDKPython-Stream
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen/qwen3.5-plus-20260420", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='qwen/qwen3.5-plus-20260420',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='qwen/qwen3.5-plus-20260420',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Ergebnisse abrufen und speichern

Ailoot Ultra · OpenAI Chat

json oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

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.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
Feldchoices[].indexTypinteger
Feldchoices[].message.contentTypstring|null
Feldchoices[].message.tool_callsTyptool_call[]
Feldchoices[].message.reasoning_contentTypstring
Feldchoices[].message.reasoning_detailsTypobject|array
Feldchoices[].finish_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra qwen/qwen3.5-plus-20260420

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

qwen/qwen3.5-plus-20260420

Ailoot Ultra · Anthropic Messages POST /v1/messages qwen/qwen3.5-plus-20260420

qwen/qwen3.5-plus-20260420

Alibaba /qwen/qwen3.5-plus-20260420

Einstieg

Qwen3.5 Plus 2026-04-20 ist der feste Snapshot vom 20. April des Vision-Language-Plus-Modells von Qwen. Der Hersteller hebt verbesserte agentengestützte Programmierung hervor; die Fähigkeiten zum Schlussfolgern, zur Wissensnutzung und zur Arbeit mit langen Kontexten bleiben dabei erhalten. Das Modell ist für komplexe Aufgaben gedacht, die gelieferten Text oder visuelles Material mit einem konkreten Ergebnis verbinden.

Zulässige Eingaben
Text
Ergebnisse
json · sse

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Anthropic Messages POST /v1/messages
Eingabe
text
Ausgabe
json, sse
Ausgabeformat
JSON oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
qwen/qwen3.5-plus-20260420
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und LimitsStandard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
user, assistant
Standard—
Feldmessages[].contentTypstringAnforderungErforderlichWerte und LimitsStandard—
Feldmax_tokensTypintegerAnforderungErforderlichWerte und LimitsStandard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Kombinationen von Eingabematerialien

Text · UTF-8-Text

Zeichenfolge messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages, max_tokens
Parameteroptional_controlsVertragstream
Parametermaterial_typesVertragtext
Parametertext_file_materialVertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen.

Lebenszyklus: synchronous_or_streamed

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Standardtarif Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Standardtarif Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

KonfigurationTarifstaffelKontexttoken, mehr alsKontexttoken, bis einschliesslichGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifKontexttoken, mehr als—Kontexttoken, bis einschliesslichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0006 / 1K Tokens
Ausgabe · Ausgabetoken $0.0036 / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben $0.00075 / 1K Tokens
Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationAnfragelängenstufe 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschliesslich256'000Gebühr
Eingabe · Eingabetoken $0.0006 / 1K Tokens
Ausgabe · Ausgabetoken $0.0036 / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben $0.00075 / 1K Tokens
Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationAnfragelängenstufe 2Tarifstaffel—Kontexttoken, mehr als256'000Kontexttoken, bis einschliesslichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.00075 / 1K Tokens
Ausgabe · Ausgabetoken $0.0045 / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben $0.0009375 / 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 →

Beispielanfragen

Ailoot Ultra · Anthropic Messages

Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern
{
  "model": "qwen/qwen3.5-plus-20260420",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen/qwen3.5-plus-20260420', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'qwen/qwen3.5-plus-20260420', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Ergebnisse abrufen und speichern

Ailoot Ultra · Anthropic Messages

JSON oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

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.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
FeldidTypstring
FeldmodelTypstring
Feldcontent[]Typtext|thinking|tool_use|other content block
Feldstop_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra qwen/qwen3.5-plus-20260420

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

qwen/qwen3.5-plus-20260420

FAQ · Qwen: Qwen3.5 Plus 2026-04-20
Welche Eingaben und Ergebnisse sind verfügbar?

POST /v1/chat/completions · qwen/qwen3.5-plus-20260420: text → text

POST /v1/messages · qwen/qwen3.5-plus-20260420: text → json, sse

Welche Felder verwendet die Anfrage?

POST /v1/chat/completions · qwen/qwen3.5-plus-20260420: model, messages, stream, modalities, provider

POST /v1/messages · qwen/qwen3.5-plus-20260420: model, messages, max_tokens, stream

Welche Grenzen gelten?

POST /v1/chat/completions · qwen/qwen3.5-plus-20260420: messages.min_items: 1

Weitere Details

Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung.

Das Unternehmen und sein Projektportfolio

Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.

Tokens mit Rabatt kaufen.

Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf.

Abo
Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen.
Aktionscode bis 50%
Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet.
Ausgaben in der Historie
Modell, Tokens und Betrag werden für jede Anfrage gespeichert.

Abo wählen · Modellpreise ansehen

Verbinden Sie die API mit dem Produkt, das Sie verkaufen.

SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an.

Kommerzielle Anwendung
Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes.
Reseller-Lizenz
Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an.
Dokumente auf der Website
Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich.

Reseller-Lizenz anfordern · Offizielles Angebot und Lizenzvertrag