Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers betont Verbesserungen bei agentischer Programmierung, Frontend-Entwicklung und visuell gestützter Entwicklung sowie bei allgemeiner Objekterkennung, OCR und Objektlokalisierung. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Code-Vorschlag, extrahierte Informationen oder ein Bericht mit Bezug auf die bereitgestellten Belege.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag bewahrt die angefragte Identität der Plus-Familie, statt sie in einen festen Snapshot umzuwandeln. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt weder dessen Expertenzahlen oder Gewichte noch dessen numerische Kontextgrenzen auf Plus.
Agentische Programmierung und Frontend-Entwicklung
Stellen Sie für eine Frontend-Aufgabe die visuelle Referenz, die funktionalen Anforderungen und den relevanten bestehenden Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die zum Abschluss erwartet werden. Verlangen Sie bearbeitbaren Quellcode und eine separate Erklärung, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Stellen Sie für eine Repository-Aufgabe die relevanten Module und eine Eingabe bereit, die das Problem zeigt. Verlangen Sie anschliessend die betroffenen Änderungen und die zu ihrer Prüfung nötigen Kontrollen.
Ein Programmieragent kann tatsächliches Feedback aus der verbundenen Umgebung nutzen: Ergebnisse der Untersuchung, beobachtete Fehler oder Befunde aus einer Prüfung können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und fordern Sie das Modell auf, zwischen einem Vorschlag und einem ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Lokalisierung
Die Veröffentlichung dokumentiert verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Verlangen Sie bei einer Seite benannte Felder mit Belegen durch Seiten- oder Bereichsangaben. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel der nutzenden Person entspricht. Legen Sie die Koordinatenkonvention der Anwendung ausdrücklich fest, wenn sie ein Lokalisierungsergebnis weiterverarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Videos und erzeugt Textantworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie bei sequenzabhängigen Fragen die Reihenfolge und Zeitangaben des Videos. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originals geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch vollkommen lesbare Transkriptionen oder kalibrierte physikalische Messungen.
Denken und Kontinuität des Denkverlaufs
Die Modusanleitung des Herstellers führt Qwen3.6 Plus mit hybridem Denken auf, das standardmässig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Denken eine direkte Antwort erzeugen. Halten Sie den Denkverlauf und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Code-Artefakt, eine Belegtabelle oder eine knappe Schlussfolgerung, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt ausserdem das Beibehalten früherer Denkverläufe für iterative Aufgaben ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuem Feedback relevant bleiben; der genaue Steuerungsvertrag für Plus muss seiner eigenen Schnittstelle folgen. Die Standardeinstellung oder der Parametercontainer eines offenen Checkpoints darf ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Familie als Programmieragent umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentstelle, einer Code-Kennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich allein weder eingebauten Zugriff auf aktuelle Quellen noch eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching auf. Batch-Inferenz wird für den Alias in Peking unterstützt, in den anderen aufgeführten Regionen nicht; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit April2, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschliesst.
Alibabas spezielle Plus-Tabelle nennt einen Kontext von 1,000,000 Tokens, eine maximale Eingabe von 991,808 Tokens für direkte Antworten oder 983,616 für den Denkmodus, eine maximale Ausgabe von 65,536 in beiden Modi und ein separates Kontingent für den Denkverlauf von 81,920 Tokens. Bewahren Sie in einer langen Eingabe Dokumentgrenzen und relevante Code-Pfade, entfernen Sie sachfremde Belege und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültiges Limit auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ergebnisse sind etwa ein anhand eines Screenshots erarbeiteter Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und zugehörigen Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag über ein erzwungenes Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und generierten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie beim Prüfen des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellerlimits und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
", "aboutText": "Die Qwen3.6 Plus-Familie\n\nQwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers betont Verbesserungen bei agentischer Programmierung, Frontend-Entwicklung und visuell gestützter Entwicklung sowie bei allgemeiner Objekterkennung, OCR und Objektlokalisierung. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Code-Vorschlag, extrahierte Informationen oder ein Bericht mit Bezug auf die bereitgestellten Belege.\n\nDie offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag bewahrt die angefragte Identität der Plus-Familie, statt sie in einen festen Snapshot umzuwandeln. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt weder dessen Expertenzahlen oder Gewichte noch dessen numerische Kontextgrenzen auf Plus.\n\nAgentische Programmierung und Frontend-Entwicklung\n\nStellen Sie für eine Frontend-Aufgabe die visuelle Referenz, die funktionalen Anforderungen und den relevanten bestehenden Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die zum Abschluss erwartet werden. Verlangen Sie bearbeitbaren Quellcode und eine separate Erklärung, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Stellen Sie für eine Repository-Aufgabe die relevanten Module und eine Eingabe bereit, die das Problem zeigt. Verlangen Sie anschliessend die betroffenen Änderungen und die zu ihrer Prüfung nötigen Kontrollen.\n\nEin Programmieragent kann tatsächliches Feedback aus der verbundenen Umgebung nutzen: Ergebnisse der Untersuchung, beobachtete Fehler oder Befunde aus einer Prüfung können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und fordern Sie das Modell auf, zwischen einem Vorschlag und einem ausgeführten Ergebnis zu unterscheiden.\n\nVisuelle Erkennung, OCR und Lokalisierung\n\nDie Veröffentlichung dokumentiert verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Verlangen Sie bei einer Seite benannte Felder mit Belegen durch Seiten- oder Bereichsangaben. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel der nutzenden Person entspricht. Legen Sie die Koordinatenkonvention der Anwendung ausdrücklich fest, wenn sie ein Lokalisierungsergebnis weiterverarbeitet.\n\nDer Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Videos und erzeugt Textantworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie bei sequenzabhängigen Fragen die Reihenfolge und Zeitangaben des Videos. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originals geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch vollkommen lesbare Transkriptionen oder kalibrierte physikalische Messungen.\n\nDenken und Kontinuität des Denkverlaufs\n\nDie Modusanleitung des Herstellers führt Qwen3.6 Plus mit hybridem Denken auf, das standardmässig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Denken eine direkte Antwort erzeugen. Halten Sie den Denkverlauf und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Code-Artefakt, eine Belegtabelle oder eine knappe Schlussfolgerung, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.\n\nDie Qwen3.6-Familie führt ausserdem das Beibehalten früherer Denkverläufe für iterative Aufgaben ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuem Feedback relevant bleiben; der genaue Steuerungsvertrag für Plus muss seiner eigenen Schnittstelle folgen. Die Standardeinstellung oder der Parametercontainer eines offenen Checkpoints darf ohne ausdrückliche Dokumentation nicht übernommen werden.\n\nWerkzeuge und umfangreiches Material\n\nDie Beschreibung der Familie als Programmieragent umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentstelle, einer Code-Kennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich allein weder eingebauten Zugriff auf aktuelle Quellen noch eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching auf. Batch-Inferenz wird für den Alias in Peking unterstützt, in den anderen aufgeführten Regionen nicht; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit April2, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschliesst.\n\nAlibabas spezielle Plus-Tabelle nennt einen Kontext von 1,000,000 Tokens, eine maximale Eingabe von 991,808 Tokens für direkte Antworten oder 983,616 für den Denkmodus, eine maximale Ausgabe von 65,536 in beiden Modi und ein separates Kontingent für den Denkverlauf von 81,920 Tokens. Bewahren Sie in einer langen Eingabe Dokumentgrenzen und relevante Code-Pfade, entfernen Sie sachfremde Belege und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültiges Limit auf diese Familie.\n\nPraktisches Ergebnis und Grenzen\n\nNützliche Ergebnisse sind etwa ein anhand eines Screenshots erarbeiteter Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und zugehörigen Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag über ein erzwungenes Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und generierten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie beim Prüfen des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellerlimits und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Repair keyboard access to a disclosure\n\nA disclosure uses a clickable div to toggle its details panel. Provide a small HTML/JavaScript replacement using a native button, preserving the label 'Delivery details'. The button must expose expanded state, control the panel and work with standard keyboard activation. Include a short review checklist for closed and open states without claiming a rendered result.A bounded disclosure component proposal with synchronized expanded state and a two-state checklist.The control is a button, its expanded value matches panel visibility and its label remains unchanged.qwen/qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Videos mit verbesserter agentischer Programmierung, Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Denkworkflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projekt- oder Bildmaterialien.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers betont Verbesserungen bei agentischer Programmierung, Frontend-Entwicklung und visuell gestützter Entwicklung sowie bei allgemeiner Objekterkennung, OCR und Objektlokalisierung. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Code-Vorschlag, extrahierte Informationen oder ein Bericht mit Bezug auf die bereitgestellten Belege.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag bewahrt die angefragte Identität der Plus-Familie, statt sie in einen festen Snapshot umzuwandeln. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt weder dessen Expertenzahlen oder Gewichte noch dessen numerische Kontextgrenzen auf Plus.
Agentische Programmierung und Frontend-Entwicklung
Stellen Sie für eine Frontend-Aufgabe die visuelle Referenz, die funktionalen Anforderungen und den relevanten bestehenden Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die zum Abschluss erwartet werden. Verlangen Sie bearbeitbaren Quellcode und eine separate Erklärung, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Stellen Sie für eine Repository-Aufgabe die relevanten Module und eine Eingabe bereit, die das Problem zeigt. Verlangen Sie anschliessend die betroffenen Änderungen und die zu ihrer Prüfung nötigen Kontrollen.
Ein Programmieragent kann tatsächliches Feedback aus der verbundenen Umgebung nutzen: Ergebnisse der Untersuchung, beobachtete Fehler oder Befunde aus einer Prüfung können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und fordern Sie das Modell auf, zwischen einem Vorschlag und einem ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Lokalisierung
Die Veröffentlichung dokumentiert verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Verlangen Sie bei einer Seite benannte Felder mit Belegen durch Seiten- oder Bereichsangaben. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel der nutzenden Person entspricht. Legen Sie die Koordinatenkonvention der Anwendung ausdrücklich fest, wenn sie ein Lokalisierungsergebnis weiterverarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Videos und erzeugt Textantworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie bei sequenzabhängigen Fragen die Reihenfolge und Zeitangaben des Videos. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originals geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch vollkommen lesbare Transkriptionen oder kalibrierte physikalische Messungen.
Denken und Kontinuität des Denkverlaufs
Die Modusanleitung des Herstellers führt Qwen3.6 Plus mit hybridem Denken auf, das standardmässig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Denken eine direkte Antwort erzeugen. Halten Sie den Denkverlauf und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Code-Artefakt, eine Belegtabelle oder eine knappe Schlussfolgerung, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt ausserdem das Beibehalten früherer Denkverläufe für iterative Aufgaben ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuem Feedback relevant bleiben; der genaue Steuerungsvertrag für Plus muss seiner eigenen Schnittstelle folgen. Die Standardeinstellung oder der Parametercontainer eines offenen Checkpoints darf ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Familie als Programmieragent umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentstelle, einer Code-Kennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich allein weder eingebauten Zugriff auf aktuelle Quellen noch eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching auf. Batch-Inferenz wird für den Alias in Peking unterstützt, in den anderen aufgeführten Regionen nicht; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit April2, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschliesst.
Alibabas spezielle Plus-Tabelle nennt einen Kontext von 1,000,000 Tokens, eine maximale Eingabe von 991,808 Tokens für direkte Antworten oder 983,616 für den Denkmodus, eine maximale Ausgabe von 65,536 in beiden Modi und ein separates Kontingent für den Denkverlauf von 81,920 Tokens. Bewahren Sie in einer langen Eingabe Dokumentgrenzen und relevante Code-Pfade, entfernen Sie sachfremde Belege und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültiges Limit auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ergebnisse sind etwa ein anhand eines Screenshots erarbeiteter Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und zugehörigen Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag über ein erzwungenes Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und generierten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie beim Prüfen des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellerlimits und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.6-plus | 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 $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslich256'000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256'000 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Tokens Ausgabe · Ausgabetoken $0.0078 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.00325 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.6-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.6-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.6-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen/qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Videos mit verbesserter agentischer Programmierung, Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Denkworkflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projekt- oder Bildmaterialien.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers betont Verbesserungen bei agentischer Programmierung, Frontend-Entwicklung und visuell gestützter Entwicklung sowie bei allgemeiner Objekterkennung, OCR und Objektlokalisierung. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Code-Vorschlag, extrahierte Informationen oder ein Bericht mit Bezug auf die bereitgestellten Belege.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag bewahrt die angefragte Identität der Plus-Familie, statt sie in einen festen Snapshot umzuwandeln. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt weder dessen Expertenzahlen oder Gewichte noch dessen numerische Kontextgrenzen auf Plus.
Agentische Programmierung und Frontend-Entwicklung
Stellen Sie für eine Frontend-Aufgabe die visuelle Referenz, die funktionalen Anforderungen und den relevanten bestehenden Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die zum Abschluss erwartet werden. Verlangen Sie bearbeitbaren Quellcode und eine separate Erklärung, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Stellen Sie für eine Repository-Aufgabe die relevanten Module und eine Eingabe bereit, die das Problem zeigt. Verlangen Sie anschliessend die betroffenen Änderungen und die zu ihrer Prüfung nötigen Kontrollen.
Ein Programmieragent kann tatsächliches Feedback aus der verbundenen Umgebung nutzen: Ergebnisse der Untersuchung, beobachtete Fehler oder Befunde aus einer Prüfung können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und fordern Sie das Modell auf, zwischen einem Vorschlag und einem ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Lokalisierung
Die Veröffentlichung dokumentiert verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Verlangen Sie bei einer Seite benannte Felder mit Belegen durch Seiten- oder Bereichsangaben. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel der nutzenden Person entspricht. Legen Sie die Koordinatenkonvention der Anwendung ausdrücklich fest, wenn sie ein Lokalisierungsergebnis weiterverarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Videos und erzeugt Textantworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie bei sequenzabhängigen Fragen die Reihenfolge und Zeitangaben des Videos. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originals geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch vollkommen lesbare Transkriptionen oder kalibrierte physikalische Messungen.
Denken und Kontinuität des Denkverlaufs
Die Modusanleitung des Herstellers führt Qwen3.6 Plus mit hybridem Denken auf, das standardmässig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Denken eine direkte Antwort erzeugen. Halten Sie den Denkverlauf und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Code-Artefakt, eine Belegtabelle oder eine knappe Schlussfolgerung, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt ausserdem das Beibehalten früherer Denkverläufe für iterative Aufgaben ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuem Feedback relevant bleiben; der genaue Steuerungsvertrag für Plus muss seiner eigenen Schnittstelle folgen. Die Standardeinstellung oder der Parametercontainer eines offenen Checkpoints darf ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Familie als Programmieragent umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentstelle, einer Code-Kennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich allein weder eingebauten Zugriff auf aktuelle Quellen noch eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching auf. Batch-Inferenz wird für den Alias in Peking unterstützt, in den anderen aufgeführten Regionen nicht; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit April2, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschliesst.
Alibabas spezielle Plus-Tabelle nennt einen Kontext von 1,000,000 Tokens, eine maximale Eingabe von 991,808 Tokens für direkte Antworten oder 983,616 für den Denkmodus, eine maximale Ausgabe von 65,536 in beiden Modi und ein separates Kontingent für den Denkverlauf von 81,920 Tokens. Bewahren Sie in einer langen Eingabe Dokumentgrenzen und relevante Code-Pfade, entfernen Sie sachfremde Belege und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültiges Limit auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ergebnisse sind etwa ein anhand eines Screenshots erarbeiteter Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und zugehörigen Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag über ein erzwungenes Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und generierten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie beim Prüfen des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellerlimits und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.6-plus | 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 $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslich256'000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256'000 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Tokens Ausgabe · Ausgabetoken $0.0078 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.00325 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3.6-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Videos mit verbesserter agentischer Programmierung, Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Denkworkflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projekt- oder Bildmaterialien.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers betont Verbesserungen bei agentischer Programmierung, Frontend-Entwicklung und visuell gestützter Entwicklung sowie bei allgemeiner Objekterkennung, OCR und Objektlokalisierung. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Code-Vorschlag, extrahierte Informationen oder ein Bericht mit Bezug auf die bereitgestellten Belege.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag bewahrt die angefragte Identität der Plus-Familie, statt sie in einen festen Snapshot umzuwandeln. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt weder dessen Expertenzahlen oder Gewichte noch dessen numerische Kontextgrenzen auf Plus.
Agentische Programmierung und Frontend-Entwicklung
Stellen Sie für eine Frontend-Aufgabe die visuelle Referenz, die funktionalen Anforderungen und den relevanten bestehenden Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die zum Abschluss erwartet werden. Verlangen Sie bearbeitbaren Quellcode und eine separate Erklärung, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Stellen Sie für eine Repository-Aufgabe die relevanten Module und eine Eingabe bereit, die das Problem zeigt. Verlangen Sie anschliessend die betroffenen Änderungen und die zu ihrer Prüfung nötigen Kontrollen.
Ein Programmieragent kann tatsächliches Feedback aus der verbundenen Umgebung nutzen: Ergebnisse der Untersuchung, beobachtete Fehler oder Befunde aus einer Prüfung können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und fordern Sie das Modell auf, zwischen einem Vorschlag und einem ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Lokalisierung
Die Veröffentlichung dokumentiert verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Verlangen Sie bei einer Seite benannte Felder mit Belegen durch Seiten- oder Bereichsangaben. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel der nutzenden Person entspricht. Legen Sie die Koordinatenkonvention der Anwendung ausdrücklich fest, wenn sie ein Lokalisierungsergebnis weiterverarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Videos und erzeugt Textantworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie bei sequenzabhängigen Fragen die Reihenfolge und Zeitangaben des Videos. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originals geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch vollkommen lesbare Transkriptionen oder kalibrierte physikalische Messungen.
Denken und Kontinuität des Denkverlaufs
Die Modusanleitung des Herstellers führt Qwen3.6 Plus mit hybridem Denken auf, das standardmässig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Denken eine direkte Antwort erzeugen. Halten Sie den Denkverlauf und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Code-Artefakt, eine Belegtabelle oder eine knappe Schlussfolgerung, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt ausserdem das Beibehalten früherer Denkverläufe für iterative Aufgaben ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuem Feedback relevant bleiben; der genaue Steuerungsvertrag für Plus muss seiner eigenen Schnittstelle folgen. Die Standardeinstellung oder der Parametercontainer eines offenen Checkpoints darf ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Familie als Programmieragent umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentstelle, einer Code-Kennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich allein weder eingebauten Zugriff auf aktuelle Quellen noch eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching auf. Batch-Inferenz wird für den Alias in Peking unterstützt, in den anderen aufgeführten Regionen nicht; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit April2, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschliesst.
Alibabas spezielle Plus-Tabelle nennt einen Kontext von 1,000,000 Tokens, eine maximale Eingabe von 991,808 Tokens für direkte Antworten oder 983,616 für den Denkmodus, eine maximale Ausgabe von 65,536 in beiden Modi und ein separates Kontingent für den Denkverlauf von 81,920 Tokens. Bewahren Sie in einer langen Eingabe Dokumentgrenzen und relevante Code-Pfade, entfernen Sie sachfremde Belege und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültiges Limit auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ergebnisse sind etwa ein anhand eines Screenshots erarbeiteter Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und zugehörigen Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag über ein erzwungenes Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und generierten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie beim Prüfen des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellerlimits und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.6-plus | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
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 |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmässig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
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 $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslich256'000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256'000 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Tokens Ausgabe · Ausgabetoken $0.0078 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.00325 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen3.6-plus","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="qwen3.6-plus", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Videos mit verbesserter agentischer Programmierung, Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Denkworkflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projekt- oder Bildmaterialien.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers betont Verbesserungen bei agentischer Programmierung, Frontend-Entwicklung und visuell gestützter Entwicklung sowie bei allgemeiner Objekterkennung, OCR und Objektlokalisierung. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Code-Vorschlag, extrahierte Informationen oder ein Bericht mit Bezug auf die bereitgestellten Belege.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag bewahrt die angefragte Identität der Plus-Familie, statt sie in einen festen Snapshot umzuwandeln. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt weder dessen Expertenzahlen oder Gewichte noch dessen numerische Kontextgrenzen auf Plus.
Agentische Programmierung und Frontend-Entwicklung
Stellen Sie für eine Frontend-Aufgabe die visuelle Referenz, die funktionalen Anforderungen und den relevanten bestehenden Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die zum Abschluss erwartet werden. Verlangen Sie bearbeitbaren Quellcode und eine separate Erklärung, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Stellen Sie für eine Repository-Aufgabe die relevanten Module und eine Eingabe bereit, die das Problem zeigt. Verlangen Sie anschliessend die betroffenen Änderungen und die zu ihrer Prüfung nötigen Kontrollen.
Ein Programmieragent kann tatsächliches Feedback aus der verbundenen Umgebung nutzen: Ergebnisse der Untersuchung, beobachtete Fehler oder Befunde aus einer Prüfung können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und fordern Sie das Modell auf, zwischen einem Vorschlag und einem ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Lokalisierung
Die Veröffentlichung dokumentiert verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Verlangen Sie bei einer Seite benannte Felder mit Belegen durch Seiten- oder Bereichsangaben. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel der nutzenden Person entspricht. Legen Sie die Koordinatenkonvention der Anwendung ausdrücklich fest, wenn sie ein Lokalisierungsergebnis weiterverarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Videos und erzeugt Textantworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie bei sequenzabhängigen Fragen die Reihenfolge und Zeitangaben des Videos. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originals geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch vollkommen lesbare Transkriptionen oder kalibrierte physikalische Messungen.
Denken und Kontinuität des Denkverlaufs
Die Modusanleitung des Herstellers führt Qwen3.6 Plus mit hybridem Denken auf, das standardmässig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Denken eine direkte Antwort erzeugen. Halten Sie den Denkverlauf und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Code-Artefakt, eine Belegtabelle oder eine knappe Schlussfolgerung, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt ausserdem das Beibehalten früherer Denkverläufe für iterative Aufgaben ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuem Feedback relevant bleiben; der genaue Steuerungsvertrag für Plus muss seiner eigenen Schnittstelle folgen. Die Standardeinstellung oder der Parametercontainer eines offenen Checkpoints darf ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Familie als Programmieragent umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentstelle, einer Code-Kennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich allein weder eingebauten Zugriff auf aktuelle Quellen noch eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching auf. Batch-Inferenz wird für den Alias in Peking unterstützt, in den anderen aufgeführten Regionen nicht; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit April2, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschliesst.
Alibabas spezielle Plus-Tabelle nennt einen Kontext von 1,000,000 Tokens, eine maximale Eingabe von 991,808 Tokens für direkte Antworten oder 983,616 für den Denkmodus, eine maximale Ausgabe von 65,536 in beiden Modi und ein separates Kontingent für den Denkverlauf von 81,920 Tokens. Bewahren Sie in einer langen Eingabe Dokumentgrenzen und relevante Code-Pfade, entfernen Sie sachfremde Belege und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültiges Limit auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ergebnisse sind etwa ein anhand eines Screenshots erarbeiteter Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und zugehörigen Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag über ein erzwungenes Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und generierten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie beim Prüfen des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellerlimits und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.6-plus | 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 $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslich256'000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Tokens Ausgabe · Ausgabetoken $0.0039 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.0008125 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256'000 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Tokens Ausgabe · Ausgabetoken $0.0078 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben $0.00325 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3.6-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/qwen3.6-plus, qwen3.6-plus
/chat/completions
Technisches Beispiel auf Englisch
Repair keyboard access to a disclosure\n\nA disclosure uses a clickable div to toggle its details panel. Provide a small HTML/JavaScript replacement using a native button, preserving the label 'Delivery details'. The button must expose expanded state, control the panel and work with standard keyboard activation. Include a short review checklist for closed and open states without claiming a rendered result.A bounded disclosure component proposal with synchronized expanded state and a two-state checklist.The control is a button, its expanded value matches panel visibility and its label remains unchanged.