Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers hebt verbesserte agentengestützte Programmierung, Frontend-Programmierung und visuell informierte Entwicklung sowie allgemeine Objekterkennung, OCR und Objektlokalisierung hervor. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Codevorschlag, extrahierte Informationen oder ein Bericht, der sich auf die bereitgestellten Belege bezieht.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag behält die angefragte Identität der Plus-Familie bei, statt sie in einen festen Snapshot umzudeuten. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt dessen Expertenzahlen, Gewichte oder numerische Kontextgrenzen nicht auf Plus.
Agentengestützte Programmierung und Frontend-Entwicklung
Stellen Sie bei einer Frontend-Aufgabe die visuelle Referenz, funktionale Anforderungen und den relevanten vorhandenen Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die bei Abschluss erwartet werden. Fordern Sie bearbeitbaren Quelltext und eine getrennte Erklärung an, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Geben Sie bei einer Repository-Aufgabe die relevanten Module und eine Eingabe an, die das Problem veranschaulicht, und fordern Sie anschließend die betroffenen Änderungen und die zu ihrer Prüfung erforderlichen Kontrollen an.
Ein Programmieragent kann tatsächliche Rückmeldungen aus der verbundenen Umgebung nutzen: Untersuchungsergebnisse, beobachtete Fehler oder Prüfbefunde können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und bitten Sie das Modell, zwischen einem Vorschlag und einem tatsächlich ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Objektlokalisierung
Die Veröffentlichung dokumentiert eine verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Fordern Sie für eine Seite benannte Felder mit stützenden Seiten- oder Bereichsverweisen an. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel des Nutzers entspricht. Geben Sie die Koordinatenkonvention der Anwendung ausdrücklich an, wenn sie ein Lokalisierungsergebnis verarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Video und erzeugt textuelle Antworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie die Reihenfolge und zeitliche Zuordnung von Videos, wenn die Frage von einer Sequenz abhängt. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originalmaterials geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch eine vollkommen lesbare Transkription oder kalibrierte physikalische Messungen.
Thinking und Kontinuität der Überlegungen
Der Modusleitfaden des Herstellers führt Qwen3.6 Plus mit hybridem Thinking auf, das standardmäßig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Thinking eine direkte Antwort liefern. Halten Sie Reasoning-Inhalte und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Codeartefakt, eine Belegtabelle oder ein knappes Fazit, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt zudem die Beibehaltung früherer Überlegungen für iterative Arbeit ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuen Rückmeldungen relevant bleiben; die genaue Steuerung von Plus sollte sich nach dessen eigener Schnittstelle richten. Standardwerte oder Parametercontainer eines offenen Checkpoints dürfen ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Programmieragenten dieser Familie umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentpassage, einer Codekennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich genommen keinen integrierten Zugriff auf aktuelle Quellen oder eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Prefix Completion und Context Caching auf. Batch-Inferenz wird für den Beijing-Alias unterstützt und in den anderen aufgeführten Regionen nicht unterstützt; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit der Ausgabe vom 2. April, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschließt.
Alibabas eigene Plus-Tabelle nennt einen Kontext von 1.000.000 Tokens, eine maximale Eingabe von 991.808 Tokens für direkte Antworten beziehungsweise 983.616 für Thinking, eine maximale Ausgabe von 65.536 in beiden Modi und ein separates Chain-of-Thought-Kontingent von 81.920 Tokens. Bewahren Sie bei langen Eingaben Dokumentgrenzen und relevante Codepfade, kürzen Sie sachfremde Belege heraus und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültige Grenze auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ausgaben sind etwa ein auf einem Screenshot beruhender Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und stützenden Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag mit erzwungenem Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und erzeugten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie bei der Prüfung des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellergrenzen und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
", "aboutText": "Die Qwen3.6 Plus-Familie\n\nQwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers hebt verbesserte agentengestützte Programmierung, Frontend-Programmierung und visuell informierte Entwicklung sowie allgemeine Objekterkennung, OCR und Objektlokalisierung hervor. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Codevorschlag, extrahierte Informationen oder ein Bericht, der sich auf die bereitgestellten Belege bezieht.\n\nDie offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag behält die angefragte Identität der Plus-Familie bei, statt sie in einen festen Snapshot umzudeuten. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt dessen Expertenzahlen, Gewichte oder numerische Kontextgrenzen nicht auf Plus.\n\nAgentengestützte Programmierung und Frontend-Entwicklung\n\nStellen Sie bei einer Frontend-Aufgabe die visuelle Referenz, funktionale Anforderungen und den relevanten vorhandenen Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die bei Abschluss erwartet werden. Fordern Sie bearbeitbaren Quelltext und eine getrennte Erklärung an, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Geben Sie bei einer Repository-Aufgabe die relevanten Module und eine Eingabe an, die das Problem veranschaulicht, und fordern Sie anschließend die betroffenen Änderungen und die zu ihrer Prüfung erforderlichen Kontrollen an.\n\nEin Programmieragent kann tatsächliche Rückmeldungen aus der verbundenen Umgebung nutzen: Untersuchungsergebnisse, beobachtete Fehler oder Prüfbefunde können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und bitten Sie das Modell, zwischen einem Vorschlag und einem tatsächlich ausgeführten Ergebnis zu unterscheiden.\n\nVisuelle Erkennung, OCR und Objektlokalisierung\n\nDie Veröffentlichung dokumentiert eine verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Fordern Sie für eine Seite benannte Felder mit stützenden Seiten- oder Bereichsverweisen an. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel des Nutzers entspricht. Geben Sie die Koordinatenkonvention der Anwendung ausdrücklich an, wenn sie ein Lokalisierungsergebnis verarbeitet.\n\nDer Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Video und erzeugt textuelle Antworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie die Reihenfolge und zeitliche Zuordnung von Videos, wenn die Frage von einer Sequenz abhängt. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originalmaterials geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch eine vollkommen lesbare Transkription oder kalibrierte physikalische Messungen.\n\nThinking und Kontinuität der Überlegungen\n\nDer Modusleitfaden des Herstellers führt Qwen3.6 Plus mit hybridem Thinking auf, das standardmäßig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Thinking eine direkte Antwort liefern. Halten Sie Reasoning-Inhalte und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Codeartefakt, eine Belegtabelle oder ein knappes Fazit, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.\n\nDie Qwen3.6-Familie führt zudem die Beibehaltung früherer Überlegungen für iterative Arbeit ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuen Rückmeldungen relevant bleiben; die genaue Steuerung von Plus sollte sich nach dessen eigener Schnittstelle richten. Standardwerte oder Parametercontainer eines offenen Checkpoints dürfen ohne ausdrückliche Dokumentation nicht übernommen werden.\n\nWerkzeuge und umfangreiches Material\n\nDie Beschreibung der Programmieragenten dieser Familie umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentpassage, einer Codekennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich genommen keinen integrierten Zugriff auf aktuelle Quellen oder eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Prefix Completion und Context Caching auf. Batch-Inferenz wird für den Beijing-Alias unterstützt und in den anderen aufgeführten Regionen nicht unterstützt; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit der Ausgabe vom 2. April, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschließt.\n\nAlibabas eigene Plus-Tabelle nennt einen Kontext von 1.000.000 Tokens, eine maximale Eingabe von 991.808 Tokens für direkte Antworten beziehungsweise 983.616 für Thinking, eine maximale Ausgabe von 65.536 in beiden Modi und ein separates Chain-of-Thought-Kontingent von 81.920 Tokens. Bewahren Sie bei langen Eingaben Dokumentgrenzen und relevante Codepfade, kürzen Sie sachfremde Belege heraus und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültige Grenze auf diese Familie.\n\nPraktisches Ergebnis und Grenzen\n\nNützliche Ausgaben sind etwa ein auf einem Screenshot beruhender Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und stützenden Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag mit erzwungenem Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und erzeugten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie bei der Prüfung des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellergrenzen und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Repair keyboard access to a disclosure\n\nA disclosure uses a clickable div to toggle its details panel. Provide a small HTML/JavaScript replacement using a native button, preserving the label 'Delivery details'. The button must expose expanded state, control the panel and work with standard keyboard activation. Include a short review checklist for closed and open states without claiming a rendered result.A bounded disclosure component proposal with synchronized expanded state and a two-state checklist.The control is a button, its expanded value matches panel visibility and its label remains unchanged.qwen/qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Video, mit verbesserter agentengestützter Programmierung und Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Thinking-Workflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projektunterlagen oder visueller Inhalte.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers hebt verbesserte agentengestützte Programmierung, Frontend-Programmierung und visuell informierte Entwicklung sowie allgemeine Objekterkennung, OCR und Objektlokalisierung hervor. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Codevorschlag, extrahierte Informationen oder ein Bericht, der sich auf die bereitgestellten Belege bezieht.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag behält die angefragte Identität der Plus-Familie bei, statt sie in einen festen Snapshot umzudeuten. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt dessen Expertenzahlen, Gewichte oder numerische Kontextgrenzen nicht auf Plus.
Agentengestützte Programmierung und Frontend-Entwicklung
Stellen Sie bei einer Frontend-Aufgabe die visuelle Referenz, funktionale Anforderungen und den relevanten vorhandenen Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die bei Abschluss erwartet werden. Fordern Sie bearbeitbaren Quelltext und eine getrennte Erklärung an, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Geben Sie bei einer Repository-Aufgabe die relevanten Module und eine Eingabe an, die das Problem veranschaulicht, und fordern Sie anschließend die betroffenen Änderungen und die zu ihrer Prüfung erforderlichen Kontrollen an.
Ein Programmieragent kann tatsächliche Rückmeldungen aus der verbundenen Umgebung nutzen: Untersuchungsergebnisse, beobachtete Fehler oder Prüfbefunde können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und bitten Sie das Modell, zwischen einem Vorschlag und einem tatsächlich ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Objektlokalisierung
Die Veröffentlichung dokumentiert eine verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Fordern Sie für eine Seite benannte Felder mit stützenden Seiten- oder Bereichsverweisen an. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel des Nutzers entspricht. Geben Sie die Koordinatenkonvention der Anwendung ausdrücklich an, wenn sie ein Lokalisierungsergebnis verarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Video und erzeugt textuelle Antworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie die Reihenfolge und zeitliche Zuordnung von Videos, wenn die Frage von einer Sequenz abhängt. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originalmaterials geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch eine vollkommen lesbare Transkription oder kalibrierte physikalische Messungen.
Thinking und Kontinuität der Überlegungen
Der Modusleitfaden des Herstellers führt Qwen3.6 Plus mit hybridem Thinking auf, das standardmäßig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Thinking eine direkte Antwort liefern. Halten Sie Reasoning-Inhalte und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Codeartefakt, eine Belegtabelle oder ein knappes Fazit, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt zudem die Beibehaltung früherer Überlegungen für iterative Arbeit ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuen Rückmeldungen relevant bleiben; die genaue Steuerung von Plus sollte sich nach dessen eigener Schnittstelle richten. Standardwerte oder Parametercontainer eines offenen Checkpoints dürfen ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Programmieragenten dieser Familie umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentpassage, einer Codekennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich genommen keinen integrierten Zugriff auf aktuelle Quellen oder eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Prefix Completion und Context Caching auf. Batch-Inferenz wird für den Beijing-Alias unterstützt und in den anderen aufgeführten Regionen nicht unterstützt; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit der Ausgabe vom 2. April, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschließt.
Alibabas eigene Plus-Tabelle nennt einen Kontext von 1.000.000 Tokens, eine maximale Eingabe von 991.808 Tokens für direkte Antworten beziehungsweise 983.616 für Thinking, eine maximale Ausgabe von 65.536 in beiden Modi und ein separates Chain-of-Thought-Kontingent von 81.920 Tokens. Bewahren Sie bei langen Eingaben Dokumentgrenzen und relevante Codepfade, kürzen Sie sachfremde Belege heraus und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültige Grenze auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ausgaben sind etwa ein auf einem Screenshot beruhender Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und stützenden Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag mit erzwungenem Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und erzeugten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie bei der Prüfung des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellergrenzen und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.6-plus | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Token Ausgabe · Ausgabetoken $0.0078 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00325 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.6-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.6-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.6-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen/qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Video, mit verbesserter agentengestützter Programmierung und Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Thinking-Workflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projektunterlagen oder visueller Inhalte.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers hebt verbesserte agentengestützte Programmierung, Frontend-Programmierung und visuell informierte Entwicklung sowie allgemeine Objekterkennung, OCR und Objektlokalisierung hervor. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Codevorschlag, extrahierte Informationen oder ein Bericht, der sich auf die bereitgestellten Belege bezieht.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag behält die angefragte Identität der Plus-Familie bei, statt sie in einen festen Snapshot umzudeuten. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt dessen Expertenzahlen, Gewichte oder numerische Kontextgrenzen nicht auf Plus.
Agentengestützte Programmierung und Frontend-Entwicklung
Stellen Sie bei einer Frontend-Aufgabe die visuelle Referenz, funktionale Anforderungen und den relevanten vorhandenen Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die bei Abschluss erwartet werden. Fordern Sie bearbeitbaren Quelltext und eine getrennte Erklärung an, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Geben Sie bei einer Repository-Aufgabe die relevanten Module und eine Eingabe an, die das Problem veranschaulicht, und fordern Sie anschließend die betroffenen Änderungen und die zu ihrer Prüfung erforderlichen Kontrollen an.
Ein Programmieragent kann tatsächliche Rückmeldungen aus der verbundenen Umgebung nutzen: Untersuchungsergebnisse, beobachtete Fehler oder Prüfbefunde können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und bitten Sie das Modell, zwischen einem Vorschlag und einem tatsächlich ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Objektlokalisierung
Die Veröffentlichung dokumentiert eine verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Fordern Sie für eine Seite benannte Felder mit stützenden Seiten- oder Bereichsverweisen an. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel des Nutzers entspricht. Geben Sie die Koordinatenkonvention der Anwendung ausdrücklich an, wenn sie ein Lokalisierungsergebnis verarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Video und erzeugt textuelle Antworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie die Reihenfolge und zeitliche Zuordnung von Videos, wenn die Frage von einer Sequenz abhängt. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originalmaterials geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch eine vollkommen lesbare Transkription oder kalibrierte physikalische Messungen.
Thinking und Kontinuität der Überlegungen
Der Modusleitfaden des Herstellers führt Qwen3.6 Plus mit hybridem Thinking auf, das standardmäßig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Thinking eine direkte Antwort liefern. Halten Sie Reasoning-Inhalte und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Codeartefakt, eine Belegtabelle oder ein knappes Fazit, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt zudem die Beibehaltung früherer Überlegungen für iterative Arbeit ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuen Rückmeldungen relevant bleiben; die genaue Steuerung von Plus sollte sich nach dessen eigener Schnittstelle richten. Standardwerte oder Parametercontainer eines offenen Checkpoints dürfen ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Programmieragenten dieser Familie umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentpassage, einer Codekennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich genommen keinen integrierten Zugriff auf aktuelle Quellen oder eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Prefix Completion und Context Caching auf. Batch-Inferenz wird für den Beijing-Alias unterstützt und in den anderen aufgeführten Regionen nicht unterstützt; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit der Ausgabe vom 2. April, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschließt.
Alibabas eigene Plus-Tabelle nennt einen Kontext von 1.000.000 Tokens, eine maximale Eingabe von 991.808 Tokens für direkte Antworten beziehungsweise 983.616 für Thinking, eine maximale Ausgabe von 65.536 in beiden Modi und ein separates Chain-of-Thought-Kontingent von 81.920 Tokens. Bewahren Sie bei langen Eingaben Dokumentgrenzen und relevante Codepfade, kürzen Sie sachfremde Belege heraus und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültige Grenze auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ausgaben sind etwa ein auf einem Screenshot beruhender Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und stützenden Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag mit erzwungenem Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und erzeugten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie bei der Prüfung des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellergrenzen und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.6-plus | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Token Ausgabe · Ausgabetoken $0.0078 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00325 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3.6-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Video, mit verbesserter agentengestützter Programmierung und Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Thinking-Workflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projektunterlagen oder visueller Inhalte.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers hebt verbesserte agentengestützte Programmierung, Frontend-Programmierung und visuell informierte Entwicklung sowie allgemeine Objekterkennung, OCR und Objektlokalisierung hervor. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Codevorschlag, extrahierte Informationen oder ein Bericht, der sich auf die bereitgestellten Belege bezieht.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag behält die angefragte Identität der Plus-Familie bei, statt sie in einen festen Snapshot umzudeuten. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt dessen Expertenzahlen, Gewichte oder numerische Kontextgrenzen nicht auf Plus.
Agentengestützte Programmierung und Frontend-Entwicklung
Stellen Sie bei einer Frontend-Aufgabe die visuelle Referenz, funktionale Anforderungen und den relevanten vorhandenen Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die bei Abschluss erwartet werden. Fordern Sie bearbeitbaren Quelltext und eine getrennte Erklärung an, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Geben Sie bei einer Repository-Aufgabe die relevanten Module und eine Eingabe an, die das Problem veranschaulicht, und fordern Sie anschließend die betroffenen Änderungen und die zu ihrer Prüfung erforderlichen Kontrollen an.
Ein Programmieragent kann tatsächliche Rückmeldungen aus der verbundenen Umgebung nutzen: Untersuchungsergebnisse, beobachtete Fehler oder Prüfbefunde können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und bitten Sie das Modell, zwischen einem Vorschlag und einem tatsächlich ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Objektlokalisierung
Die Veröffentlichung dokumentiert eine verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Fordern Sie für eine Seite benannte Felder mit stützenden Seiten- oder Bereichsverweisen an. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel des Nutzers entspricht. Geben Sie die Koordinatenkonvention der Anwendung ausdrücklich an, wenn sie ein Lokalisierungsergebnis verarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Video und erzeugt textuelle Antworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie die Reihenfolge und zeitliche Zuordnung von Videos, wenn die Frage von einer Sequenz abhängt. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originalmaterials geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch eine vollkommen lesbare Transkription oder kalibrierte physikalische Messungen.
Thinking und Kontinuität der Überlegungen
Der Modusleitfaden des Herstellers führt Qwen3.6 Plus mit hybridem Thinking auf, das standardmäßig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Thinking eine direkte Antwort liefern. Halten Sie Reasoning-Inhalte und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Codeartefakt, eine Belegtabelle oder ein knappes Fazit, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt zudem die Beibehaltung früherer Überlegungen für iterative Arbeit ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuen Rückmeldungen relevant bleiben; die genaue Steuerung von Plus sollte sich nach dessen eigener Schnittstelle richten. Standardwerte oder Parametercontainer eines offenen Checkpoints dürfen ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Programmieragenten dieser Familie umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentpassage, einer Codekennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich genommen keinen integrierten Zugriff auf aktuelle Quellen oder eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Prefix Completion und Context Caching auf. Batch-Inferenz wird für den Beijing-Alias unterstützt und in den anderen aufgeführten Regionen nicht unterstützt; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit der Ausgabe vom 2. April, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschließt.
Alibabas eigene Plus-Tabelle nennt einen Kontext von 1.000.000 Tokens, eine maximale Eingabe von 991.808 Tokens für direkte Antworten beziehungsweise 983.616 für Thinking, eine maximale Ausgabe von 65.536 in beiden Modi und ein separates Chain-of-Thought-Kontingent von 81.920 Tokens. Bewahren Sie bei langen Eingaben Dokumentgrenzen und relevante Codepfade, kürzen Sie sachfremde Belege heraus und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültige Grenze auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ausgaben sind etwa ein auf einem Screenshot beruhender Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und stützenden Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag mit erzwungenem Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und erzeugten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie bei der Prüfung des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellergrenzen und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.6-plus | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Token Ausgabe · Ausgabetoken $0.0078 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00325 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"qwen3.6-plus","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="qwen3.6-plus", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3.6-plus, qwen3.6-plus
/chat/completions
qwen3.6-plusQwen3.6 Plus ist Qwens Vision-Language-Familie für Text, Bilder und Video, mit verbesserter agentengestützter Programmierung und Frontend-Entwicklung, Objekterkennung, OCR und Objektlokalisierung. Sie gibt Text zurück und unterstützt den hybriden Thinking-Workflow der Plus-Familie für Aufgaben auf Grundlage bereitgestellter Projektunterlagen oder visueller Inhalte.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Die Qwen3.6 Plus-Familie
Qwen3.6 Plus ist eine native Vision-Language-Modellfamilie für Programmierung und multimodale Aufgaben. Die Veröffentlichung des Herstellers hebt verbesserte agentengestützte Programmierung, Frontend-Programmierung und visuell informierte Entwicklung sowie allgemeine Objekterkennung, OCR und Objektlokalisierung hervor. Das nutzbare Ergebnis ist Text: eine Erklärung, ein Codevorschlag, extrahierte Informationen oder ein Bericht, der sich auf die bereitgestellten Belege bezieht.
Die offizielle Veröffentlichung führt qwen3.6-plus und qwen3.6-plus-2026-04-02 auf. Dieser Eintrag behält die angefragte Identität der Plus-Familie bei, statt sie in einen festen Snapshot umzudeuten. Die Familienbeschreibung setzt sie nicht mit dem offenen Checkpoint Qwen3.6-35B-A3B gleich und überträgt dessen Expertenzahlen, Gewichte oder numerische Kontextgrenzen nicht auf Plus.
Agentengestützte Programmierung und Frontend-Entwicklung
Stellen Sie bei einer Frontend-Aufgabe die visuelle Referenz, funktionale Anforderungen und den relevanten vorhandenen Code bereit. Beschreiben Sie die Zustände, Interaktionen und Ausgabedateien, die bei Abschluss erwartet werden. Fordern Sie bearbeitbaren Quelltext und eine getrennte Erklärung an, wie das vorgeschlagene Verhalten die Anforderungen erfüllt. Geben Sie bei einer Repository-Aufgabe die relevanten Module und eine Eingabe an, die das Problem veranschaulicht, und fordern Sie anschließend die betroffenen Änderungen und die zu ihrer Prüfung erforderlichen Kontrollen an.
Ein Programmieragent kann tatsächliche Rückmeldungen aus der verbundenen Umgebung nutzen: Untersuchungsergebnisse, beobachtete Fehler oder Prüfbefunde können den nächsten Schritt bestimmen. Nennen Sie das Ziel und die erlaubten Aktionen und bitten Sie das Modell, zwischen einem Vorschlag und einem tatsächlich ausgeführten Ergebnis zu unterscheiden.
Visuelle Erkennung, OCR und Objektlokalisierung
Die Veröffentlichung dokumentiert eine verbesserte Objekterkennung, das Lesen von Text in Bildern und die Objektlokalisierung. Stellen Sie ein klares Bild mit einer konkreten Frage bereit und benennen Sie das Zielobjekt oder die gesuchten Felder. Fordern Sie für eine Seite benannte Felder mit stützenden Seiten- oder Bereichsverweisen an. Fragen Sie bei einer Oberfläche, welches sichtbare Element dem Ziel des Nutzers entspricht. Geben Sie die Koordinatenkonvention der Anwendung ausdrücklich an, wenn sie ein Lokalisierungsergebnis verarbeitet.
Der Vision-Language-Umfang der Familie verbindet Text mit Bildern oder Video und erzeugt textuelle Antworten. Kennzeichnen Sie separate visuelle Eingaben und bewahren Sie die Reihenfolge und zeitliche Zuordnung von Videos, wenn die Frage von einer Sequenz abhängt. Ein lokalisiertes Objekt oder ein plausibles OCR-Ergebnis sollte anhand des Originalmaterials geprüft werden; diese Fähigkeiten garantieren weder exaktes Zählen noch eine vollkommen lesbare Transkription oder kalibrierte physikalische Messungen.
Thinking und Kontinuität der Überlegungen
Der Modusleitfaden des Herstellers führt Qwen3.6 Plus mit hybridem Thinking auf, das standardmäßig aktiviert ist. Der dokumentierte hybride Workflow kann bei deaktiviertem Thinking eine direkte Antwort liefern. Halten Sie Reasoning-Inhalte und das endgültige Ergebnis getrennt, wenn die gewählte Schnittstelle beides bereitstellt. Wählen Sie eine klare Endform, etwa ein Codeartefakt, eine Belegtabelle oder ein knappes Fazit, damit eine längere Erklärung das Arbeitsergebnis nicht verdeckt.
Die Qwen3.6-Familie führt zudem die Beibehaltung früherer Überlegungen für iterative Arbeit ein. Diese Familienfähigkeit ist nützlich, wenn frühere Entscheidungen nach neuen Rückmeldungen relevant bleiben; die genaue Steuerung von Plus sollte sich nach dessen eigener Schnittstelle richten. Standardwerte oder Parametercontainer eines offenen Checkpoints dürfen ohne ausdrückliche Dokumentation nicht übernommen werden.
Werkzeuge und umfangreiches Material
Die Beschreibung der Programmieragenten dieser Familie umfasst Werkzeuge und Rückmeldungen aus der Umgebung. Eine Anwendung stellt die tatsächlichen Werkzeuge bereit, führt erlaubte Vorgänge aus und gibt deren Beobachtungen an das Modell zurück. Eine Aufgabe kann einen Bericht verlangen, der jede Schlussfolgerung mit einer Dokumentpassage, einer Codekennung oder einem sichtbaren Element verknüpft. Werkzeugunterstützung in einem verbundenen Workflow belegt für sich genommen keinen integrierten Zugriff auf aktuelle Quellen oder eine Ausführungsumgebung in jeder Schnittstelle. Der Hersteller führt Function Calling, strukturierte Ausgaben, Websuche, Prefix Completion und Context Caching auf. Batch-Inferenz wird für den Beijing-Alias unterstützt und in den anderen aufgeführten Regionen nicht unterstützt; Fine-Tuning wird nicht unterstützt. Der Hersteller beschreibt den Alias als funktional gleichwertig mit der Ausgabe vom 2. April, während die separate Tabelle des Snapshots Caching und Batch-Inferenz ausschließt.
Alibabas eigene Plus-Tabelle nennt einen Kontext von 1.000.000 Tokens, eine maximale Eingabe von 991.808 Tokens für direkte Antworten beziehungsweise 983.616 für Thinking, eine maximale Ausgabe von 65.536 in beiden Modi und ein separates Chain-of-Thought-Kontingent von 81.920 Tokens. Bewahren Sie bei langen Eingaben Dokumentgrenzen und relevante Codepfade, kürzen Sie sachfremde Belege heraus und reservieren Sie Platz für die erforderliche Antwort. Übertragen Sie die nativen oder erweiterten Kontextwerte des offenen Modells 35B-A3B nicht als allgemeingültige Grenze auf diese Familie.
Praktisches Ergebnis und Grenzen
Nützliche Ausgaben sind etwa ein auf einem Screenshot beruhender Implementierungsvorschlag, eine Erklärung einer Repository-Änderung oder eine Tabelle mit Dokumentfeldern und stützenden Belegen. Eine Anfrage nach Text in JSON-Form begründet keinen Vertrag mit erzwungenem Schema, und ein vorgeschlagener Befehl ist keine ausgeführte Aktion. Prüfen Sie extrahierten Text, visuelle Positionen und erzeugten Code anhand der bereitgestellten Quelle. Bewahren Sie die Plus-Identität und halten Sie bei der Prüfung des Artefakts den gewählten Alias oder die datierte Ausgabe, die dokumentierten Herstellergrenzen und die zurückgegebenen Werkzeugergebnisse ausdrücklich fest.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.6-plus | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich256.000 | Gebühr Eingabe · Eingabetoken $0.00065 / 1K Token Ausgabe · Ausgabetoken $0.0039 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.0008125 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als256.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0026 / 1K Token Ausgabe · Ausgabetoken $0.0078 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben $0.00325 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3.6-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen3.6-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra qwen/qwen3.6-plus, qwen3.6-plus
/chat/completions
Technisches Beispiel auf Englisch
Repair keyboard access to a disclosure\n\nA disclosure uses a clickable div to toggle its details panel. Provide a small HTML/JavaScript replacement using a native button, preserving the label 'Delivery details'. The button must expose expanded state, control the panel and work with standard keyboard activation. Include a short review checklist for closed and open states without claiming a rendered result.A bounded disclosure component proposal with synchronized expanded state and a two-state checklist.The control is a button, its expanded value matches panel visibility and its label remains unchanged.