Der feste Plus-Stand vom 20. April
Qwen3.5 Plus 2026-04-20 ist der Stand von Qwens nativer Vision-Language-Familie Plus vom 20. April 2026. Die Veröffentlichungsmitteilung des Herstellers nennt eine deutliche Verbesserung bei agentengestützter Programmierung gegenüber dem Stand vom 15. Februar, zusammen mit höherer Inferenzeffizienz und erhaltenen Fähigkeiten für Wissen, Schlussfolgern und langen Kontext. Halten Sie diese datierte Edition vom fortlaufend aktualisierten Plus-Namen und vom offenen Checkpoint Qwen3.5-397B-A17B getrennt.
Die Familie verarbeitet Text mit Bildern oder Video und erzeugt textliche Ergebnisse. Dieser Einsatzbereich unterstützt eine Entwicklungsaufgabe auf Grundlage eines Screenshots, eine Frage zu einem technischen Diagramm oder eine dokumentgestützte Erklärung. Der datierte Name belegt für sich genommen weder die Parameterzahl noch die aktivierten Experten oder genaue Architektur des offenen Checkpoints; deshalb werden diese Zahlen hier dieser Edition nicht zugewiesen.
Agentengestützte Programmierung
Die wichtigste Neuerung der Veröffentlichung ist leistungsfähigere Programmierung in einem Agentenablauf. Stellen Sie die Projektanforderungen, relevante Dateien oder Auszüge, das bestehende Verhalten und das bei Abschluss erwartete Arbeitsergebnis bereit. Fügen Sie bei einer Aufgabe zur Umsetzung eines Screenshots in eine Oberfläche die visuelle Referenz und funktionalen Vorgaben hinzu und fordern Sie anschließend editierbaren Quellcode sowie eine Erklärung des vorgesehenen Verhaltens an. Benennen Sie bei einer Repository-Änderung die betroffene Funktion und die Eingabe, die das Problem zeigt, und verlangen Sie einen Patch sowie die zu seiner Bewertung nötigen Prüfungen.
Ein mehrstufiger Programmierablauf profitiert von tatsächlichen Rückmeldungen: Prüfergebnisse, beobachtete Fehler und Review-Erkenntnisse können während der Arbeit an das Modell zurückgegeben werden. Die Anwendung steuert die Werkzeuge und führt erlaubte Aktionen aus. Fordern Sie einen Bericht darüber an, was vorgeschlagen wurde, was beobachtet wurde und was noch ungeklärt ist.
Wissen und Schlussfolgern
Laut Hersteller behält dieser Stand seine ausgeprägten Wissens- und Schlussfolgerungsfähigkeiten bei und verbessert zugleich die Agentenarbeit. Trennen Sie bei einer Analyse die Quellenfakten von Annahmen und geben Sie die gesuchte Schlussfolgerung an. Fordern Sie unterstützende Passagen, Werte oder Codekennungen an, damit sich das Ergebnis prüfen lässt. Stellen Sie für einen Fachbericht das relevante Material und die gewünschten Abschnitte bereit, statt sich darauf zu verlassen, dass das Modell den fehlenden Kontext eines privaten Projekts kennt.
Die Familie Qwen3.5 Plus ist mit hybridem Denkmodus dokumentiert; das Denken ist standardmäßig aktiviert. Ihr Familienablauf kann bei deaktiviertem Denkmodus eine direkte Antwort erzeugen, während Denkprozess und endgültiger Antwortinhalt getrennt behandelt werden. Die Oberfläche für den genauen April-Stand sollte dessen eigene dokumentierte Einstellungen verwenden; die Beschreibung eines Familienmodus verspricht nicht, dass jede Anwendung einen bestimmten Parameter zugänglich macht.
Arbeit mit langem Kontext
Alibabas eigene Tabelle für den Stand vom 20. April nennt einen Kontext von 1,000,000 Token, eine maximale Eingabe von 991,808 Token für direkte Antworten oder 983,616 für den Denkmodus und eine maximale Ausgabe von 65,536 in beiden Modi. Übertragen Sie die nativen oder erweiterten Kontextzahlen des offenen Qwen3.5-Checkpoints nicht als harte Grenze auf diesen Plus-Stand. Bereiten Sie eine lange Eingabe mit Dokumentgrenzen, Seitenkennungen, Codepfaden und den für die Aufgabe nötigen Definitionen vor.
Eine nützliche Anfrage kann eine Tabelle zur Zuordnung von Anforderungen zur Implementierung, einen Dokumentvergleich oder einen Bericht verlangen, der für jede Schlussfolgerung Belege nennt. Lassen Sie nicht zugehöriges Material aus dem Prompt heraus und reservieren Sie Raum für die Antwort. Ein langer Kontext hilft, mehr Belege zusammenzuführen; er garantiert weder vollständiges Erinnerungsvermögen noch ersetzt er eine klare Frage.
Aufgaben für produktionsnahe Abläufe vorbereiten
Der Hersteller positioniert diese Edition für komplexe Agenten, Programmierabläufe und durchsatzorientierte Nutzung. Definieren Sie das beobachtbare Ergebnis der Aufgabe: die zu erzeugenden Dateien, das zu implementierende Verhalten oder die zu erklärenden Erkenntnisse. Unterscheiden Sie bei angeschlossenen Werkzeugen ihre tatsächlich zurückgelieferten Ergebnisse von den textlichen Vorschlägen des Modells. Legen Sie das endgültige Format so fest, dass das Arbeitsergebnis in einen Prüf- oder Anwendungsablauf übernommen werden kann, und prüfen Sie Syntax und Inhalt getrennt.
Die eigene Tabelle für diesen Stand nennt Funktionsaufrufe, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching; Batch-Inferenz und Fine-Tuning werden nicht unterstützt. Dies sind Funktionen des Herstellerablaufs; Grenzen für Mediendateien bleiben eine gesonderte Spezifikation. Eine Anfrage nach Text in JSON-Form, Codeausführung oder Quellenabruf sollte daher als angeforderter Ablauf behandelt werden, statt als vorausgesetzte native Garantie. Die vom Hersteller beschriebene Verbesserung ist qualitativ; daraus sollte keine uneingeschränkte Zusage zu Latenz oder Durchsatz werden.
Praktische Grenzen
Bewahren Sie bei Vergleichen späterer Revisionen die genaue datierte Plus-Edition und das Quellmaterial zusammen mit dem Ergebnis auf. Prüfen Sie erzeugten Code, Berechnungen und extrahierte visuelle Details anhand der bereitgestellten Quelle und benennen Sie noch offene Belege ausdrücklich. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis mit Bezug zu den Anforderungen der Aufgabe, bei dem die genaue datierte Plus-Identität sowie die dokumentierten Herstellergrenzen für Eingaben, Ausgaben und Werkzeuge ausdrücklich erhalten bleiben.
", "aboutText": "Der feste Plus-Stand vom 20. April\n\nQwen3.5 Plus 2026-04-20 ist der Stand von Qwens nativer Vision-Language-Familie Plus vom 20. April 2026. Die Veröffentlichungsmitteilung des Herstellers nennt eine deutliche Verbesserung bei agentengestützter Programmierung gegenüber dem Stand vom 15. Februar, zusammen mit höherer Inferenzeffizienz und erhaltenen Fähigkeiten für Wissen, Schlussfolgern und langen Kontext. Halten Sie diese datierte Edition vom fortlaufend aktualisierten Plus-Namen und vom offenen Checkpoint Qwen3.5-397B-A17B getrennt.\n\nDie Familie verarbeitet Text mit Bildern oder Video und erzeugt textliche Ergebnisse. Dieser Einsatzbereich unterstützt eine Entwicklungsaufgabe auf Grundlage eines Screenshots, eine Frage zu einem technischen Diagramm oder eine dokumentgestützte Erklärung. Der datierte Name belegt für sich genommen weder die Parameterzahl noch die aktivierten Experten oder genaue Architektur des offenen Checkpoints; deshalb werden diese Zahlen hier dieser Edition nicht zugewiesen.\n\nAgentengestützte Programmierung\n\nDie wichtigste Neuerung der Veröffentlichung ist leistungsfähigere Programmierung in einem Agentenablauf. Stellen Sie die Projektanforderungen, relevante Dateien oder Auszüge, das bestehende Verhalten und das bei Abschluss erwartete Arbeitsergebnis bereit. Fügen Sie bei einer Aufgabe zur Umsetzung eines Screenshots in eine Oberfläche die visuelle Referenz und funktionalen Vorgaben hinzu und fordern Sie anschließend editierbaren Quellcode sowie eine Erklärung des vorgesehenen Verhaltens an. Benennen Sie bei einer Repository-Änderung die betroffene Funktion und die Eingabe, die das Problem zeigt, und verlangen Sie einen Patch sowie die zu seiner Bewertung nötigen Prüfungen.\n\nEin mehrstufiger Programmierablauf profitiert von tatsächlichen Rückmeldungen: Prüfergebnisse, beobachtete Fehler und Review-Erkenntnisse können während der Arbeit an das Modell zurückgegeben werden. Die Anwendung steuert die Werkzeuge und führt erlaubte Aktionen aus. Fordern Sie einen Bericht darüber an, was vorgeschlagen wurde, was beobachtet wurde und was noch ungeklärt ist.\n\nWissen und Schlussfolgern\n\nLaut Hersteller behält dieser Stand seine ausgeprägten Wissens- und Schlussfolgerungsfähigkeiten bei und verbessert zugleich die Agentenarbeit. Trennen Sie bei einer Analyse die Quellenfakten von Annahmen und geben Sie die gesuchte Schlussfolgerung an. Fordern Sie unterstützende Passagen, Werte oder Codekennungen an, damit sich das Ergebnis prüfen lässt. Stellen Sie für einen Fachbericht das relevante Material und die gewünschten Abschnitte bereit, statt sich darauf zu verlassen, dass das Modell den fehlenden Kontext eines privaten Projekts kennt.\n\nDie Familie Qwen3.5 Plus ist mit hybridem Denkmodus dokumentiert; das Denken ist standardmäßig aktiviert. Ihr Familienablauf kann bei deaktiviertem Denkmodus eine direkte Antwort erzeugen, während Denkprozess und endgültiger Antwortinhalt getrennt behandelt werden. Die Oberfläche für den genauen April-Stand sollte dessen eigene dokumentierte Einstellungen verwenden; die Beschreibung eines Familienmodus verspricht nicht, dass jede Anwendung einen bestimmten Parameter zugänglich macht.\n\nArbeit mit langem Kontext\n\nAlibabas eigene Tabelle für den Stand vom 20. April nennt einen Kontext von 1,000,000 Token, eine maximale Eingabe von 991,808 Token für direkte Antworten oder 983,616 für den Denkmodus und eine maximale Ausgabe von 65,536 in beiden Modi. Übertragen Sie die nativen oder erweiterten Kontextzahlen des offenen Qwen3.5-Checkpoints nicht als harte Grenze auf diesen Plus-Stand. Bereiten Sie eine lange Eingabe mit Dokumentgrenzen, Seitenkennungen, Codepfaden und den für die Aufgabe nötigen Definitionen vor.\n\nEine nützliche Anfrage kann eine Tabelle zur Zuordnung von Anforderungen zur Implementierung, einen Dokumentvergleich oder einen Bericht verlangen, der für jede Schlussfolgerung Belege nennt. Lassen Sie nicht zugehöriges Material aus dem Prompt heraus und reservieren Sie Raum für die Antwort. Ein langer Kontext hilft, mehr Belege zusammenzuführen; er garantiert weder vollständiges Erinnerungsvermögen noch ersetzt er eine klare Frage.\n\nAufgaben für produktionsnahe Abläufe vorbereiten\n\nDer Hersteller positioniert diese Edition für komplexe Agenten, Programmierabläufe und durchsatzorientierte Nutzung. Definieren Sie das beobachtbare Ergebnis der Aufgabe: die zu erzeugenden Dateien, das zu implementierende Verhalten oder die zu erklärenden Erkenntnisse. Unterscheiden Sie bei angeschlossenen Werkzeugen ihre tatsächlich zurückgelieferten Ergebnisse von den textlichen Vorschlägen des Modells. Legen Sie das endgültige Format so fest, dass das Arbeitsergebnis in einen Prüf- oder Anwendungsablauf übernommen werden kann, und prüfen Sie Syntax und Inhalt getrennt.\n\nDie eigene Tabelle für diesen Stand nennt Funktionsaufrufe, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching; Batch-Inferenz und Fine-Tuning werden nicht unterstützt. Dies sind Funktionen des Herstellerablaufs; Grenzen für Mediendateien bleiben eine gesonderte Spezifikation. Eine Anfrage nach Text in JSON-Form, Codeausführung oder Quellenabruf sollte daher als angeforderter Ablauf behandelt werden, statt als vorausgesetzte native Garantie. Die vom Hersteller beschriebene Verbesserung ist qualitativ; daraus sollte keine uneingeschränkte Zusage zu Latenz oder Durchsatz werden.\n\nPraktische Grenzen\n\nBewahren Sie bei Vergleichen späterer Revisionen die genaue datierte Plus-Edition und das Quellmaterial zusammen mit dem Ergebnis auf. Prüfen Sie erzeugten Code, Berechnungen und extrahierte visuelle Details anhand der bereitgestellten Quelle und benennen Sie noch offene Belege ausdrücklich. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis mit Bezug zu den Anforderungen der Aufgabe, bei dem die genaue datierte Plus-Identität sowie die dokumentierten Herstellergrenzen für Eingaben, Ausgaben und Werkzeuge ausdrücklich erhalten bleiben.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Repair an asynchronous search race\n\nA search field calls fetchResults(query).then(render) after each keystroke. Results for an older query sometimes arrive after the latest query and overwrite the screen. Propose a focused JavaScript change that renders only the newest request's result. Preserve the existing fetchResults and render interfaces, handle request failures and describe a reversed-response-order test.A code proposal, a brief request-order explanation and a deterministic out-of-order response test.Check an older response cannot overwrite the latest result, including after a failed newer request.qwen/qwen3.5-plus-20260420Qwen3.5 Plus 2026-04-20 ist der feste Stand des Vision-Language-Modells Qwen Plus vom 20. April. Der Hersteller hebt verbesserte agentengestützte Programmierung bei erhaltenen Fähigkeiten für Schlussfolgern, Wissen und langen Kontext hervor, für komplexe Aufgaben, die bereitgestellten Text oder visuelles Material mit einem konkreten Arbeitsergebnis verbinden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Der feste Plus-Stand vom 20. April
Qwen3.5 Plus 2026-04-20 ist der Stand von Qwens nativer Vision-Language-Familie Plus vom 20. April 2026. Die Veröffentlichungsmitteilung des Herstellers nennt eine deutliche Verbesserung bei agentengestützter Programmierung gegenüber dem Stand vom 15. Februar, zusammen mit höherer Inferenzeffizienz und erhaltenen Fähigkeiten für Wissen, Schlussfolgern und langen Kontext. Halten Sie diese datierte Edition vom fortlaufend aktualisierten Plus-Namen und vom offenen Checkpoint Qwen3.5-397B-A17B getrennt.
Die Familie verarbeitet Text mit Bildern oder Video und erzeugt textliche Ergebnisse. Dieser Einsatzbereich unterstützt eine Entwicklungsaufgabe auf Grundlage eines Screenshots, eine Frage zu einem technischen Diagramm oder eine dokumentgestützte Erklärung. Der datierte Name belegt für sich genommen weder die Parameterzahl noch die aktivierten Experten oder genaue Architektur des offenen Checkpoints; deshalb werden diese Zahlen hier dieser Edition nicht zugewiesen.
Agentengestützte Programmierung
Die wichtigste Neuerung der Veröffentlichung ist leistungsfähigere Programmierung in einem Agentenablauf. Stellen Sie die Projektanforderungen, relevante Dateien oder Auszüge, das bestehende Verhalten und das bei Abschluss erwartete Arbeitsergebnis bereit. Fügen Sie bei einer Aufgabe zur Umsetzung eines Screenshots in eine Oberfläche die visuelle Referenz und funktionalen Vorgaben hinzu und fordern Sie anschließend editierbaren Quellcode sowie eine Erklärung des vorgesehenen Verhaltens an. Benennen Sie bei einer Repository-Änderung die betroffene Funktion und die Eingabe, die das Problem zeigt, und verlangen Sie einen Patch sowie die zu seiner Bewertung nötigen Prüfungen.
Ein mehrstufiger Programmierablauf profitiert von tatsächlichen Rückmeldungen: Prüfergebnisse, beobachtete Fehler und Review-Erkenntnisse können während der Arbeit an das Modell zurückgegeben werden. Die Anwendung steuert die Werkzeuge und führt erlaubte Aktionen aus. Fordern Sie einen Bericht darüber an, was vorgeschlagen wurde, was beobachtet wurde und was noch ungeklärt ist.
Wissen und Schlussfolgern
Laut Hersteller behält dieser Stand seine ausgeprägten Wissens- und Schlussfolgerungsfähigkeiten bei und verbessert zugleich die Agentenarbeit. Trennen Sie bei einer Analyse die Quellenfakten von Annahmen und geben Sie die gesuchte Schlussfolgerung an. Fordern Sie unterstützende Passagen, Werte oder Codekennungen an, damit sich das Ergebnis prüfen lässt. Stellen Sie für einen Fachbericht das relevante Material und die gewünschten Abschnitte bereit, statt sich darauf zu verlassen, dass das Modell den fehlenden Kontext eines privaten Projekts kennt.
Die Familie Qwen3.5 Plus ist mit hybridem Denkmodus dokumentiert; das Denken ist standardmäßig aktiviert. Ihr Familienablauf kann bei deaktiviertem Denkmodus eine direkte Antwort erzeugen, während Denkprozess und endgültiger Antwortinhalt getrennt behandelt werden. Die Oberfläche für den genauen April-Stand sollte dessen eigene dokumentierte Einstellungen verwenden; die Beschreibung eines Familienmodus verspricht nicht, dass jede Anwendung einen bestimmten Parameter zugänglich macht.
Arbeit mit langem Kontext
Alibabas eigene Tabelle für den Stand vom 20. April nennt einen Kontext von 1,000,000 Token, eine maximale Eingabe von 991,808 Token für direkte Antworten oder 983,616 für den Denkmodus und eine maximale Ausgabe von 65,536 in beiden Modi. Übertragen Sie die nativen oder erweiterten Kontextzahlen des offenen Qwen3.5-Checkpoints nicht als harte Grenze auf diesen Plus-Stand. Bereiten Sie eine lange Eingabe mit Dokumentgrenzen, Seitenkennungen, Codepfaden und den für die Aufgabe nötigen Definitionen vor.
Eine nützliche Anfrage kann eine Tabelle zur Zuordnung von Anforderungen zur Implementierung, einen Dokumentvergleich oder einen Bericht verlangen, der für jede Schlussfolgerung Belege nennt. Lassen Sie nicht zugehöriges Material aus dem Prompt heraus und reservieren Sie Raum für die Antwort. Ein langer Kontext hilft, mehr Belege zusammenzuführen; er garantiert weder vollständiges Erinnerungsvermögen noch ersetzt er eine klare Frage.
Aufgaben für produktionsnahe Abläufe vorbereiten
Der Hersteller positioniert diese Edition für komplexe Agenten, Programmierabläufe und durchsatzorientierte Nutzung. Definieren Sie das beobachtbare Ergebnis der Aufgabe: die zu erzeugenden Dateien, das zu implementierende Verhalten oder die zu erklärenden Erkenntnisse. Unterscheiden Sie bei angeschlossenen Werkzeugen ihre tatsächlich zurückgelieferten Ergebnisse von den textlichen Vorschlägen des Modells. Legen Sie das endgültige Format so fest, dass das Arbeitsergebnis in einen Prüf- oder Anwendungsablauf übernommen werden kann, und prüfen Sie Syntax und Inhalt getrennt.
Die eigene Tabelle für diesen Stand nennt Funktionsaufrufe, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching; Batch-Inferenz und Fine-Tuning werden nicht unterstützt. Dies sind Funktionen des Herstellerablaufs; Grenzen für Mediendateien bleiben eine gesonderte Spezifikation. Eine Anfrage nach Text in JSON-Form, Codeausführung oder Quellenabruf sollte daher als angeforderter Ablauf behandelt werden, statt als vorausgesetzte native Garantie. Die vom Hersteller beschriebene Verbesserung ist qualitativ; daraus sollte keine uneingeschränkte Zusage zu Latenz oder Durchsatz werden.
Praktische Grenzen
Bewahren Sie bei Vergleichen späterer Revisionen die genaue datierte Plus-Edition und das Quellmaterial zusammen mit dem Ergebnis auf. Prüfen Sie erzeugten Code, Berechnungen und extrahierte visuelle Details anhand der bereitgestellten Quelle und benennen Sie noch offene Belege ausdrücklich. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis mit Bezug zu den Anforderungen der Aufgabe, bei dem die genaue datierte Plus-Identität sowie die dokumentierten Herstellergrenzen für Eingaben, Ausgaben und Werkzeuge ausdrücklich erhalten bleiben.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.5-plus-20260420 | 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 $0.0006 / 1K Token Ausgabe · Ausgabetoken $0.0036 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00075 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Token Ausgabe · Ausgabetoken $0.0036 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00075 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00075 / 1K Token Ausgabe · Ausgabetoken $0.0045 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0009375 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-20260420", "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-20260420',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-20260420',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-20260420
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3.5-plus-20260420Qwen3.5 Plus 2026-04-20 ist der feste Stand des Vision-Language-Modells Qwen Plus vom 20. April. Der Hersteller hebt verbesserte agentengestützte Programmierung bei erhaltenen Fähigkeiten für Schlussfolgern, Wissen und langen Kontext hervor, für komplexe Aufgaben, die bereitgestellten Text oder visuelles Material mit einem konkreten Arbeitsergebnis verbinden.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Der feste Plus-Stand vom 20. April
Qwen3.5 Plus 2026-04-20 ist der Stand von Qwens nativer Vision-Language-Familie Plus vom 20. April 2026. Die Veröffentlichungsmitteilung des Herstellers nennt eine deutliche Verbesserung bei agentengestützter Programmierung gegenüber dem Stand vom 15. Februar, zusammen mit höherer Inferenzeffizienz und erhaltenen Fähigkeiten für Wissen, Schlussfolgern und langen Kontext. Halten Sie diese datierte Edition vom fortlaufend aktualisierten Plus-Namen und vom offenen Checkpoint Qwen3.5-397B-A17B getrennt.
Die Familie verarbeitet Text mit Bildern oder Video und erzeugt textliche Ergebnisse. Dieser Einsatzbereich unterstützt eine Entwicklungsaufgabe auf Grundlage eines Screenshots, eine Frage zu einem technischen Diagramm oder eine dokumentgestützte Erklärung. Der datierte Name belegt für sich genommen weder die Parameterzahl noch die aktivierten Experten oder genaue Architektur des offenen Checkpoints; deshalb werden diese Zahlen hier dieser Edition nicht zugewiesen.
Agentengestützte Programmierung
Die wichtigste Neuerung der Veröffentlichung ist leistungsfähigere Programmierung in einem Agentenablauf. Stellen Sie die Projektanforderungen, relevante Dateien oder Auszüge, das bestehende Verhalten und das bei Abschluss erwartete Arbeitsergebnis bereit. Fügen Sie bei einer Aufgabe zur Umsetzung eines Screenshots in eine Oberfläche die visuelle Referenz und funktionalen Vorgaben hinzu und fordern Sie anschließend editierbaren Quellcode sowie eine Erklärung des vorgesehenen Verhaltens an. Benennen Sie bei einer Repository-Änderung die betroffene Funktion und die Eingabe, die das Problem zeigt, und verlangen Sie einen Patch sowie die zu seiner Bewertung nötigen Prüfungen.
Ein mehrstufiger Programmierablauf profitiert von tatsächlichen Rückmeldungen: Prüfergebnisse, beobachtete Fehler und Review-Erkenntnisse können während der Arbeit an das Modell zurückgegeben werden. Die Anwendung steuert die Werkzeuge und führt erlaubte Aktionen aus. Fordern Sie einen Bericht darüber an, was vorgeschlagen wurde, was beobachtet wurde und was noch ungeklärt ist.
Wissen und Schlussfolgern
Laut Hersteller behält dieser Stand seine ausgeprägten Wissens- und Schlussfolgerungsfähigkeiten bei und verbessert zugleich die Agentenarbeit. Trennen Sie bei einer Analyse die Quellenfakten von Annahmen und geben Sie die gesuchte Schlussfolgerung an. Fordern Sie unterstützende Passagen, Werte oder Codekennungen an, damit sich das Ergebnis prüfen lässt. Stellen Sie für einen Fachbericht das relevante Material und die gewünschten Abschnitte bereit, statt sich darauf zu verlassen, dass das Modell den fehlenden Kontext eines privaten Projekts kennt.
Die Familie Qwen3.5 Plus ist mit hybridem Denkmodus dokumentiert; das Denken ist standardmäßig aktiviert. Ihr Familienablauf kann bei deaktiviertem Denkmodus eine direkte Antwort erzeugen, während Denkprozess und endgültiger Antwortinhalt getrennt behandelt werden. Die Oberfläche für den genauen April-Stand sollte dessen eigene dokumentierte Einstellungen verwenden; die Beschreibung eines Familienmodus verspricht nicht, dass jede Anwendung einen bestimmten Parameter zugänglich macht.
Arbeit mit langem Kontext
Alibabas eigene Tabelle für den Stand vom 20. April nennt einen Kontext von 1,000,000 Token, eine maximale Eingabe von 991,808 Token für direkte Antworten oder 983,616 für den Denkmodus und eine maximale Ausgabe von 65,536 in beiden Modi. Übertragen Sie die nativen oder erweiterten Kontextzahlen des offenen Qwen3.5-Checkpoints nicht als harte Grenze auf diesen Plus-Stand. Bereiten Sie eine lange Eingabe mit Dokumentgrenzen, Seitenkennungen, Codepfaden und den für die Aufgabe nötigen Definitionen vor.
Eine nützliche Anfrage kann eine Tabelle zur Zuordnung von Anforderungen zur Implementierung, einen Dokumentvergleich oder einen Bericht verlangen, der für jede Schlussfolgerung Belege nennt. Lassen Sie nicht zugehöriges Material aus dem Prompt heraus und reservieren Sie Raum für die Antwort. Ein langer Kontext hilft, mehr Belege zusammenzuführen; er garantiert weder vollständiges Erinnerungsvermögen noch ersetzt er eine klare Frage.
Aufgaben für produktionsnahe Abläufe vorbereiten
Der Hersteller positioniert diese Edition für komplexe Agenten, Programmierabläufe und durchsatzorientierte Nutzung. Definieren Sie das beobachtbare Ergebnis der Aufgabe: die zu erzeugenden Dateien, das zu implementierende Verhalten oder die zu erklärenden Erkenntnisse. Unterscheiden Sie bei angeschlossenen Werkzeugen ihre tatsächlich zurückgelieferten Ergebnisse von den textlichen Vorschlägen des Modells. Legen Sie das endgültige Format so fest, dass das Arbeitsergebnis in einen Prüf- oder Anwendungsablauf übernommen werden kann, und prüfen Sie Syntax und Inhalt getrennt.
Die eigene Tabelle für diesen Stand nennt Funktionsaufrufe, strukturierte Ausgaben, Websuche, Präfixvervollständigung und Kontext-Caching; Batch-Inferenz und Fine-Tuning werden nicht unterstützt. Dies sind Funktionen des Herstellerablaufs; Grenzen für Mediendateien bleiben eine gesonderte Spezifikation. Eine Anfrage nach Text in JSON-Form, Codeausführung oder Quellenabruf sollte daher als angeforderter Ablauf behandelt werden, statt als vorausgesetzte native Garantie. Die vom Hersteller beschriebene Verbesserung ist qualitativ; daraus sollte keine uneingeschränkte Zusage zu Latenz oder Durchsatz werden.
Praktische Grenzen
Bewahren Sie bei Vergleichen späterer Revisionen die genaue datierte Plus-Edition und das Quellmaterial zusammen mit dem Ergebnis auf. Prüfen Sie erzeugten Code, Berechnungen und extrahierte visuelle Details anhand der bereitgestellten Quelle und benennen Sie noch offene Belege ausdrücklich. Das nützliche Ergebnis ist ein konkretes textliches Arbeitsergebnis mit Bezug zu den Anforderungen der Aufgabe, bei dem die genaue datierte Plus-Identität sowie die dokumentierten Herstellergrenzen für Eingaben, Ausgaben und Werkzeuge ausdrücklich erhalten bleiben.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.5-plus-20260420 | 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 $0.0006 / 1K Token Ausgabe · Ausgabetoken $0.0036 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00075 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.0006 / 1K Token Ausgabe · Ausgabetoken $0.0036 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00075 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00075 / 1K Token Ausgabe · Ausgabetoken $0.0045 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0009375 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3.5-plus-20260420",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-20260420', '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-20260420', '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-20260420
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Repair an asynchronous search race\n\nA search field calls fetchResults(query).then(render) after each keystroke. Results for an older query sometimes arrive after the latest query and overwrite the screen. Propose a focused JavaScript change that renders only the newest request's result. Preserve the existing fetchResults and render interfaces, handle request failures and describe a reversed-response-order test.A code proposal, a brief request-order explanation and a deterministic out-of-order response test.Check an older response cannot overwrite the latest result, including after a failed newer request.