Der Plus-Stand vom 15. Februar
Qwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung von Qwens nativer Vision-Language-Familie Plus vom 15. Februar 2026. Ihre dokumentierte Architektur verbindet lineare Aufmerksamkeit mit Berechnungen über spärlich aktivierte Mixture of Experts und unterstützt sowohl Text- als auch multimodale Aufgaben. Die Eingaben umfassen Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokument. Der datierte Name gibt dieser Edition eine spezifische Identität innerhalb der Plus-Familie.
Der Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung des offenen Modells Qwen3.5-397B-A17B mit zusätzlichen Funktionen, darunter ein standardmäßiger Kontext mit einer Million Token, integrierte Werkzeuge und adaptive Werkzeugnutzung. Beide Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints sollten nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.
Gemeinsame Arbeit mit Text und visuellen Inhalten
Die Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Fusion von Text und visuellen Informationen sowie Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung nennt 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit die Zielsprache, Zielgruppe und die beizubehaltenden Begriffe an; bewahren Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.
Eine nützliche Dokumentanfrage kann einen Vergleich verlangen, der nach denselben Abschnitten wie die Quelle gegliedert ist und für jede Erkenntnis unterstützende Passagen enthält. Eine Programmieranfrage kann einen Screenshot, den relevanten bestehenden Code und funktionale Anforderungen verbinden und anschließend editierbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie die Zeitinformationen. Prüfen Sie die zurückgegebenen Passagen, visuellen Details und den vorgeschlagenen Code anhand des bereitgestellten Materials.
Schlussfolgern und direkte Antworten
Der Modusleitfaden des Herstellers führt die Familie Qwen3.5 Plus und den Stand vom 15. Februar mit hybridem Denkmodus auf; das Denken ist standardmäßig aktiviert. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Halten Sie den Denkprozess vom fertigen Arbeitsergebnis getrennt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare endgültige Form, etwa eine Tabelle mit Erkenntnissen, eine abgegrenzte Antwort oder Codedateien, damit das Ergebnis leicht zu prüfen ist.
Für den offenen Qwen3.5-Checkpoint gelten eigene Empfehlungen zum Verlauf und zur Abtastung. Spätere Qwen-Generationen führen zudem andere Voreinstellungen und Steuerungsmöglichkeiten für die Beibehaltung von Schlussfolgerungen ein. Folgen Sie der genauen Anleitung zur Plus-Schnittstelle, statt anzunehmen, dass eine Prompt-Markierung, ein Parametercontainer oder ein Verlaufsverhalten für jede Edition mit dem Namen Qwen gilt.
Werkzeuge und adaptive Arbeit
Die Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einem angeschlossenen Ablauf erlauben, Belege abzurufen, bereitgestelltes Material zu prüfen oder Ergebnisse erlaubter Operationen zurückzuliefern. Benennen Sie die verfügbaren Werkzeuge, erlaubten Aktionen und die beobachtbare Bedingung für die Erledigung. Das Modell kann tatsächliche Rückmeldungen verwenden, um seine Analyse zu überarbeiten und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und stellt deren Ergebnisse bereit.
Verlangen Sie bei einer Agentenaufgabe im Abschlussbericht das entstandene Arbeitsergebnis, unterstützende Belege und noch offene Bedingungen. Unterscheiden Sie einen Patchvorschlag oder eine Suchanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach Text in JSON-Form begründet für sich genommen keine Vorgabe zur Schemaerzwingung, und die Bitte, Code auszuführen, schafft nicht eigenständig eine Ausführungsumgebung.
Langen Kontext vorbereiten
Qwens Referenz zum verwalteten Plus-Angebot beschreibt einen standardmäßigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer umfangreichen Eingabe sichtbar und reservieren Sie Platz für den Denkprozess und die endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget des verwalteten Plus-Angebots; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.
Grenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den unterstützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, doch erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Bewahren Sie den datierten Editionsnamen, wenn Reproduzierbarkeit wichtig ist.
Praktisches Ergebnis und Grenzen
Verwenden Sie diesen Stand für ein konkretes textliches Arbeitsergebnis auf Grundlage bereitgestellter Projekt- oder visueller Materialien: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der ursprünglichen Belege. Der dokumentierte Modellbereich umfasst das Verstehen von Text und visuellen Inhalten mit Textausgabe; daraus folgt keine Erzeugung von Bildern, Video oder Sprache. Die genauen Werkzeuge, Upload-Regeln und Ausgabebudgets sollten sich nach der gewählten Schnittstelle richten, statt nach einer angenommenen Gleichwertigkeit mit einem anderen Checkpoint.
", "aboutText": "Der Plus-Stand vom 15. Februar\n\nQwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung von Qwens nativer Vision-Language-Familie Plus vom 15. Februar 2026. Ihre dokumentierte Architektur verbindet lineare Aufmerksamkeit mit Berechnungen über spärlich aktivierte Mixture of Experts und unterstützt sowohl Text- als auch multimodale Aufgaben. Die Eingaben umfassen Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokument. Der datierte Name gibt dieser Edition eine spezifische Identität innerhalb der Plus-Familie.\n\nDer Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung des offenen Modells Qwen3.5-397B-A17B mit zusätzlichen Funktionen, darunter ein standardmäßiger Kontext mit einer Million Token, integrierte Werkzeuge und adaptive Werkzeugnutzung. Beide Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints sollten nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.\n\nGemeinsame Arbeit mit Text und visuellen Inhalten\n\nDie Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Fusion von Text und visuellen Informationen sowie Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung nennt 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit die Zielsprache, Zielgruppe und die beizubehaltenden Begriffe an; bewahren Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.\n\nEine nützliche Dokumentanfrage kann einen Vergleich verlangen, der nach denselben Abschnitten wie die Quelle gegliedert ist und für jede Erkenntnis unterstützende Passagen enthält. Eine Programmieranfrage kann einen Screenshot, den relevanten bestehenden Code und funktionale Anforderungen verbinden und anschließend editierbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie die Zeitinformationen. Prüfen Sie die zurückgegebenen Passagen, visuellen Details und den vorgeschlagenen Code anhand des bereitgestellten Materials.\n\nSchlussfolgern und direkte Antworten\n\nDer Modusleitfaden des Herstellers führt die Familie Qwen3.5 Plus und den Stand vom 15. Februar mit hybridem Denkmodus auf; das Denken ist standardmäßig aktiviert. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Halten Sie den Denkprozess vom fertigen Arbeitsergebnis getrennt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare endgültige Form, etwa eine Tabelle mit Erkenntnissen, eine abgegrenzte Antwort oder Codedateien, damit das Ergebnis leicht zu prüfen ist.\n\nFür den offenen Qwen3.5-Checkpoint gelten eigene Empfehlungen zum Verlauf und zur Abtastung. Spätere Qwen-Generationen führen zudem andere Voreinstellungen und Steuerungsmöglichkeiten für die Beibehaltung von Schlussfolgerungen ein. Folgen Sie der genauen Anleitung zur Plus-Schnittstelle, statt anzunehmen, dass eine Prompt-Markierung, ein Parametercontainer oder ein Verlaufsverhalten für jede Edition mit dem Namen Qwen gilt.\n\nWerkzeuge und adaptive Arbeit\n\nDie Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einem angeschlossenen Ablauf erlauben, Belege abzurufen, bereitgestelltes Material zu prüfen oder Ergebnisse erlaubter Operationen zurückzuliefern. Benennen Sie die verfügbaren Werkzeuge, erlaubten Aktionen und die beobachtbare Bedingung für die Erledigung. Das Modell kann tatsächliche Rückmeldungen verwenden, um seine Analyse zu überarbeiten und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und stellt deren Ergebnisse bereit.\n\nVerlangen Sie bei einer Agentenaufgabe im Abschlussbericht das entstandene Arbeitsergebnis, unterstützende Belege und noch offene Bedingungen. Unterscheiden Sie einen Patchvorschlag oder eine Suchanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach Text in JSON-Form begründet für sich genommen keine Vorgabe zur Schemaerzwingung, und die Bitte, Code auszuführen, schafft nicht eigenständig eine Ausführungsumgebung.\n\nLangen Kontext vorbereiten\n\nQwens Referenz zum verwalteten Plus-Angebot beschreibt einen standardmäßigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer umfangreichen Eingabe sichtbar und reservieren Sie Platz für den Denkprozess und die endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget des verwalteten Plus-Angebots; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.\n\nGrenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den unterstützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, doch erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Bewahren Sie den datierten Editionsnamen, wenn Reproduzierbarkeit wichtig ist.\n\nPraktisches Ergebnis und Grenzen\n\nVerwenden Sie diesen Stand für ein konkretes textliches Arbeitsergebnis auf Grundlage bereitgestellter Projekt- oder visueller Materialien: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der ursprünglichen Belege. Der dokumentierte Modellbereich umfasst das Verstehen von Text und visuellen Inhalten mit Textausgabe; daraus folgt keine Erzeugung von Bildern, Video oder Sprache. Die genauen Werkzeuge, Upload-Regeln und Ausgabebudgets sollten sich nach der gewählten Schnittstelle richten, statt nach einer angenommenen Gleichwertigkeit mit einem anderen Checkpoint.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 ist der feste Stand von Qwens nativem Vision-Language-Modell Plus vom 15. Februar. Er verbindet das Verstehen von Text, Bildern und Video mit Schlussfolgern, Programmierung und agentenorientierten Abläufen und liefert textliche Antworten oder Arbeitsergebnisse im hybriden Denkmodus der Familie.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Der Plus-Stand vom 15. Februar
Qwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung von Qwens nativer Vision-Language-Familie Plus vom 15. Februar 2026. Ihre dokumentierte Architektur verbindet lineare Aufmerksamkeit mit Berechnungen über spärlich aktivierte Mixture of Experts und unterstützt sowohl Text- als auch multimodale Aufgaben. Die Eingaben umfassen Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokument. Der datierte Name gibt dieser Edition eine spezifische Identität innerhalb der Plus-Familie.
Der Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung des offenen Modells Qwen3.5-397B-A17B mit zusätzlichen Funktionen, darunter ein standardmäßiger Kontext mit einer Million Token, integrierte Werkzeuge und adaptive Werkzeugnutzung. Beide Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints sollten nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.
Gemeinsame Arbeit mit Text und visuellen Inhalten
Die Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Fusion von Text und visuellen Informationen sowie Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung nennt 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit die Zielsprache, Zielgruppe und die beizubehaltenden Begriffe an; bewahren Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.
Eine nützliche Dokumentanfrage kann einen Vergleich verlangen, der nach denselben Abschnitten wie die Quelle gegliedert ist und für jede Erkenntnis unterstützende Passagen enthält. Eine Programmieranfrage kann einen Screenshot, den relevanten bestehenden Code und funktionale Anforderungen verbinden und anschließend editierbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie die Zeitinformationen. Prüfen Sie die zurückgegebenen Passagen, visuellen Details und den vorgeschlagenen Code anhand des bereitgestellten Materials.
Schlussfolgern und direkte Antworten
Der Modusleitfaden des Herstellers führt die Familie Qwen3.5 Plus und den Stand vom 15. Februar mit hybridem Denkmodus auf; das Denken ist standardmäßig aktiviert. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Halten Sie den Denkprozess vom fertigen Arbeitsergebnis getrennt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare endgültige Form, etwa eine Tabelle mit Erkenntnissen, eine abgegrenzte Antwort oder Codedateien, damit das Ergebnis leicht zu prüfen ist.
Für den offenen Qwen3.5-Checkpoint gelten eigene Empfehlungen zum Verlauf und zur Abtastung. Spätere Qwen-Generationen führen zudem andere Voreinstellungen und Steuerungsmöglichkeiten für die Beibehaltung von Schlussfolgerungen ein. Folgen Sie der genauen Anleitung zur Plus-Schnittstelle, statt anzunehmen, dass eine Prompt-Markierung, ein Parametercontainer oder ein Verlaufsverhalten für jede Edition mit dem Namen Qwen gilt.
Werkzeuge und adaptive Arbeit
Die Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einem angeschlossenen Ablauf erlauben, Belege abzurufen, bereitgestelltes Material zu prüfen oder Ergebnisse erlaubter Operationen zurückzuliefern. Benennen Sie die verfügbaren Werkzeuge, erlaubten Aktionen und die beobachtbare Bedingung für die Erledigung. Das Modell kann tatsächliche Rückmeldungen verwenden, um seine Analyse zu überarbeiten und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und stellt deren Ergebnisse bereit.
Verlangen Sie bei einer Agentenaufgabe im Abschlussbericht das entstandene Arbeitsergebnis, unterstützende Belege und noch offene Bedingungen. Unterscheiden Sie einen Patchvorschlag oder eine Suchanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach Text in JSON-Form begründet für sich genommen keine Vorgabe zur Schemaerzwingung, und die Bitte, Code auszuführen, schafft nicht eigenständig eine Ausführungsumgebung.
Langen Kontext vorbereiten
Qwens Referenz zum verwalteten Plus-Angebot beschreibt einen standardmäßigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer umfangreichen Eingabe sichtbar und reservieren Sie Platz für den Denkprozess und die endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget des verwalteten Plus-Angebots; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.
Grenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den unterstützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, doch erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Bewahren Sie den datierten Editionsnamen, wenn Reproduzierbarkeit wichtig ist.
Praktisches Ergebnis und Grenzen
Verwenden Sie diesen Stand für ein konkretes textliches Arbeitsergebnis auf Grundlage bereitgestellter Projekt- oder visueller Materialien: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der ursprünglichen Belege. Der dokumentierte Modellbereich umfasst das Verstehen von Text und visuellen Inhalten mit Textausgabe; daraus folgt keine Erzeugung von Bildern, Video oder Sprache. Die genauen Werkzeuge, Upload-Regeln und Ausgabebudgets sollten sich nach der gewählten Schnittstelle richten, statt nach einer angenommenen Gleichwertigkeit mit einem anderen Checkpoint.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.5-plus-02-15 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Token Ausgabe · Ausgabetoken $0.00312 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Token Ausgabe · Ausgabetoken $0.00312 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-plus-02-15", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.5-plus-02-15',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.5-plus-02-15',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3.5-plus-02-15
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3.5-plus-02-15Qwen3.5 Plus 2026-02-15 ist der feste Stand von Qwens nativem Vision-Language-Modell Plus vom 15. Februar. Er verbindet das Verstehen von Text, Bildern und Video mit Schlussfolgern, Programmierung und agentenorientierten Abläufen und liefert textliche Antworten oder Arbeitsergebnisse im hybriden Denkmodus der Familie.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Der Plus-Stand vom 15. Februar
Qwen3.5 Plus 2026-02-15 ist die feste Veröffentlichung von Qwens nativer Vision-Language-Familie Plus vom 15. Februar 2026. Ihre dokumentierte Architektur verbindet lineare Aufmerksamkeit mit Berechnungen über spärlich aktivierte Mixture of Experts und unterstützt sowohl Text- als auch multimodale Aufgaben. Die Eingaben umfassen Text, Bilder und Video; die Antwort ist Text, etwa eine Erklärung, ein Codevorschlag oder ein Dokument. Der datierte Name gibt dieser Edition eine spezifische Identität innerhalb der Plus-Familie.
Der Hersteller beschreibt das verwaltete Qwen3.5-Plus als Entsprechung des offenen Modells Qwen3.5-397B-A17B mit zusätzlichen Funktionen, darunter ein standardmäßiger Kontext mit einer Million Token, integrierte Werkzeuge und adaptive Werkzeugnutzung. Beide Angebote behalten getrennte Namen und Schnittstellenvorgaben. Die genauen Expertenzahlen, das numerische Darstellungsformat und der native Kontext des offenen Checkpoints sollten nicht stillschweigend in eine vollständige Spezifikation dieser datierten Plus-Veröffentlichung umgewandelt werden.
Gemeinsame Arbeit mit Text und visuellen Inhalten
Die Qwen3.5-Familie entwickelt Schlussfolgern, Programmierung, Agenten und visuelles Verständnis durch frühe Fusion von Text und visuellen Informationen sowie Reinforcement Learning mit zunehmend komplexen Aufgaben. Ihre Familienbeschreibung nennt 201 Sprachen und Dialekte. Geben Sie für mehrsprachige Arbeit die Zielsprache, Zielgruppe und die beizubehaltenden Begriffe an; bewahren Sie für visuelle Arbeit die Beschriftungen, Tabellenüberschriften oder Diagrammdefinitionen, die für die Frage benötigt werden.
Eine nützliche Dokumentanfrage kann einen Vergleich verlangen, der nach denselben Abschnitten wie die Quelle gegliedert ist und für jede Erkenntnis unterstützende Passagen enthält. Eine Programmieranfrage kann einen Screenshot, den relevanten bestehenden Code und funktionale Anforderungen verbinden und anschließend editierbaren Quellcode sowie eine getrennte Verhaltenserklärung verlangen. Benennen Sie bei Video das relevante Ereignis oder die Abfolge und erhalten Sie die Zeitinformationen. Prüfen Sie die zurückgegebenen Passagen, visuellen Details und den vorgeschlagenen Code anhand des bereitgestellten Materials.
Schlussfolgern und direkte Antworten
Der Modusleitfaden des Herstellers führt die Familie Qwen3.5 Plus und den Stand vom 15. Februar mit hybridem Denkmodus auf; das Denken ist standardmäßig aktiviert. Im dokumentierten hybriden Ablauf lässt sich der Denkmodus für eine direkte Antwort deaktivieren. Halten Sie den Denkprozess vom fertigen Arbeitsergebnis getrennt, wenn die gewählte Oberfläche beides bereitstellt. Definieren Sie eine klare endgültige Form, etwa eine Tabelle mit Erkenntnissen, eine abgegrenzte Antwort oder Codedateien, damit das Ergebnis leicht zu prüfen ist.
Für den offenen Qwen3.5-Checkpoint gelten eigene Empfehlungen zum Verlauf und zur Abtastung. Spätere Qwen-Generationen führen zudem andere Voreinstellungen und Steuerungsmöglichkeiten für die Beibehaltung von Schlussfolgerungen ein. Folgen Sie der genauen Anleitung zur Plus-Schnittstelle, statt anzunehmen, dass eine Prompt-Markierung, ein Parametercontainer oder ein Verlaufsverhalten für jede Edition mit dem Namen Qwen gilt.
Werkzeuge und adaptive Arbeit
Die Plus-Referenz des Herstellers beschreibt integrierte und adaptive Werkzeugnutzung. Eine Aufgabe kann einem angeschlossenen Ablauf erlauben, Belege abzurufen, bereitgestelltes Material zu prüfen oder Ergebnisse erlaubter Operationen zurückzuliefern. Benennen Sie die verfügbaren Werkzeuge, erlaubten Aktionen und die beobachtbare Bedingung für die Erledigung. Das Modell kann tatsächliche Rückmeldungen verwenden, um seine Analyse zu überarbeiten und den nächsten Schritt auszuwählen; die Anwendung führt externe Aktionen aus und stellt deren Ergebnisse bereit.
Verlangen Sie bei einer Agentenaufgabe im Abschlussbericht das entstandene Arbeitsergebnis, unterstützende Belege und noch offene Bedingungen. Unterscheiden Sie einen Patchvorschlag oder eine Suchanfrage von einem tatsächlich zurückgelieferten Werkzeugergebnis. Eine Anfrage nach Text in JSON-Form begründet für sich genommen keine Vorgabe zur Schemaerzwingung, und die Bitte, Code auszuführen, schafft nicht eigenständig eine Ausführungsumgebung.
Langen Kontext vorbereiten
Qwens Referenz zum verwalteten Plus-Angebot beschreibt einen standardmäßigen Kontext mit einer Million Token. Halten Sie Dokumentgrenzen, Codekennungen und Definitionen in einer umfangreichen Eingabe sichtbar und reservieren Sie Platz für den Denkprozess und die endgültige Antwort. Verwenden Sie für diesen Ablauf das Kontextbudget des verwalteten Plus-Angebots; der offene 397B-Checkpoint hat eigene native und erweiterte Grenzen.
Grenzen Sie bei einem langen Vergleich die Frage auf die erforderlichen Entscheidungen oder Beziehungen ein und bitten Sie das Modell, für jede Schlussfolgerung den unterstützenden Abschnitt zu nennen. Das Kontextbudget kann mehr Belege zusammenführen, doch erst eine klare Quellenstruktur macht die Antwort nachvollziehbar. Bewahren Sie den datierten Editionsnamen, wenn Reproduzierbarkeit wichtig ist.
Praktisches Ergebnis und Grenzen
Verwenden Sie diesen Stand für ein konkretes textliches Arbeitsergebnis auf Grundlage bereitgestellter Projekt- oder visueller Materialien: einen Implementierungsvorschlag, einen Dokumentvergleich oder eine erläuterte Antwort. Prüfen Sie kleine visuelle Beschriftungen, Berechnungen, zitierten Text und Codeänderungen anhand der ursprünglichen Belege. Der dokumentierte Modellbereich umfasst das Verstehen von Text und visuellen Inhalten mit Textausgabe; daraus folgt keine Erzeugung von Bildern, Video oder Sprache. Die genauen Werkzeuge, Upload-Regeln und Ausgabebudgets sollten sich nach der gewählten Schnittstelle richten, statt nach einer angenommenen Gleichwertigkeit mit einem anderen Checkpoint.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.5-plus-02-15 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Token Ausgabe · Ausgabetoken $0.00312 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.00052 / 1K Token Ausgabe · Ausgabetoken $0.00312 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3.5-plus-02-15",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-plus-02-15', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.5-plus-02-15', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3.5-plus-02-15
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Compare document retention clauses\n\nCompare sections A and B. A: 'Keep delivery logs for 30 days; retain disputed deliveries until resolution.' B: 'Delete every delivery log after 30 days.' Return the shared rule, the conflict and a revised B that preserves A's dispute exception. Cite the section label beside each finding and leave other retention categories unspecified.A section-linked comparison and a revised clause preserving the dispute condition.The revised clause must not delete an unresolved disputed-delivery log merely because 30 days passed.