Einführung: Fähigkeiten der Qwen3.8 Max-Familie
Qwen3.8 Max Prime gehört zur Qwen3.8 Max-Familie. Qwen entwickelt diese Familie für Programmierung, professionelle Arbeit, Forschung und Aufgaben, die viele verbundene Schritte umfassen. Ihr praktischer Zweck ist, die Anforderungen im Blick zu behalten, während der Arbeit neue Informationen zu nutzen und ein fertiges Textartefakt zu erzeugen. Die Prime-Ausgabe behält ihre eigene Identität; die Familienbeschreibung belegt weder einen eigenen Gewichtssatz noch eine ausgabespezifische Antwortzeitgarantie.
Kernaufgaben: Programmierung, professionelle Aufgaben und Forschung
Stellen Sie für eine Entwicklungsaufgabe die relevanten Projektdateien oder Ausschnitte, das zu ändernde Verhalten und das erwartete Arbeitsergebnis bereit. Fordern Sie eine Diagnose, einen Implementierungsvorschlag und Prüfungen an, die zeigen würden, ob die Änderung die Anforderung erfüllt. Geben Sie für eine Forschungsaufgabe das zu vergleichende Material an und verlangen Sie einen Bericht, der Quellenbelege von Interpretation unterscheidet. Legen Sie für ein professionelles Dokument Zielgruppe, Abschnitte und Kriterien für ein vollständiges Ergebnis fest. Verwenden Sie Quellenmaterial und Abschlusskriterien, um die resultierende Diagnose, den Bericht oder das Dokument zu prüfen.
Agentenausführung und Rückmeldungen
Der Hersteller betont autonome Planung und die Fähigkeit, Rückmeldungen aus einer Umgebung zu nutzen. Eine Agentenaufgabe kann durch Ziel, erlaubte Aktionen, relevante Werkzeuge und eine sichtbare Abschlussbedingung beschrieben werden. Eine Anwendung könnte das Modell beispielsweise ein Repository untersuchen, eine Änderung vorschlagen, das Ergebnis einer erlaubten Prüfung empfangen und seinen nächsten Schritt überarbeiten lassen. Das Modell trägt Planung und Reasoning bei; die Anwendung verbindet Werkzeuge und führt deren Aktionen aus.
Fordern Sie neben dem endgültigen Artefakt eine Aufzeichnung der abgeschlossenen Arbeit und offenen Bedingungen an. Dies hilft, einen vorgeschlagenen nächsten Schritt von einer ausgeführten Aktion zu unterscheiden. Auch eine mehrstufige Aufgabe braucht ausdrückliche Eingaben und Rückmeldungen; die Planungsfähigkeit eines Modells belegt keinen Zugriff auf einen Computer, aktuelle Quellen oder Geschäftssysteme.
Kompatibilität und Reasoning-Steuerung
Die Familiendokumentation von Qwen3.8 beschreibt die Integration mit Entwicklungs-Harnesses und die Steuerung der Reasoning-Tiefe durch reasoning_effort. Sie beschreibt auch die Beibehaltung des Reasoning-Kontexts über den Gesprächsverlauf durch preserve_thinking. Dies sind Herstellerfunktionen, deren Verfügbarkeit und genaue Einstellungen von Ausgabe und Schnittstelle abhängen. Halten Sie Korrekturen und Werkzeugergebnisse der Aufgabe zugeordnet, die sie aktualisieren, und fordern Sie ein knappes abschließendes Fazit an, selbst wenn die Überlegungen lang sind.
Der Hersteller unterscheidet das verwaltete Angebot Qwen3.8-Max vom offenen Checkpoint Qwen3.8-2.4T-A95B. Seine Max-Referenz umfasst Text-, Bild- und Videoeingabe, Textausgabe und Unterstützung direkter Antworten; der offene Checkpoint ist rein textbasiert und verwendet immer Thinking. Diese Verträge sollten getrennt bleiben. Stellen Sie für visuelle Aufgaben der Max-Familie lesbare Dokumentseiten, Abbildungen oder den relevanten Videoabschnitt bereit und benennen Sie die Belege, die die Antwort behandeln soll.
Werkzeuge und strukturierte Ergebnisse
Die verwaltete Max-Referenz des Herstellers führt Function Calling, strukturierte Ausgaben, Abrufwerkzeuge und Werkzeuge nach Art eines Code-Interpreters auf, wobei die Unterstützung von der Schnittstelle abhängt. Ein nützlicher Dokument-Workflow kann eine Befundtabelle mit stützenden Seiten- oder Abschnittsverweisen verlangen; ein Programmier-Workflow kann einen Patch und eine getrennte Erklärung anfordern. Erzwungene Ausgabeschemas und externe Ausführung sind Funktionen des verbundenen Workflows, keine Folgen davon, dass die Wörter JSON oder „ausführen“ in einem Prompt stehen. Diese Familienbeschreibung verspricht nicht, dass Prime oder eine andere Anwendung jede aufgeführte verwaltete Funktion bereitstellt.
Kontext und ausgabespezifische Grenzen
Die verwaltete Max-Referenz beschreibt einen Kontext von einer Million Tokens mit separaten gerundeten Kontingenten für Eingabe, Ausgabe und Reasoning. Der offene Checkpoint dokumentiert dagegen einen nativen Kontext von 262.144 Tokens und eine bedingte Erweiterung auf 1.010.000. Dies sind unterschiedliche Herstellerspezifikationen, die nicht zu einer universellen Prime-Grenze zusammengefasst werden dürfen. Die genaue Prime-spezifische Ausgabeobergrenze, die Mediengrenzen und die Spezifikation der Steuerungsmöglichkeiten werden durch die hier verwendeten Familienquellen nicht belegt.
Bereiten Sie nur das für die Aufgabe erforderliche Material vor und reservieren Sie Platz für Erklärung und endgültiges Artefakt. Bewahren Sie bei langen Eingaben Dokumentgrenzen und Codekennungen, damit Schlussfolgerungen nachvollziehbar bleiben. Prüfen Sie generierten Code, Berechnungen und zitierte Passagen anhand der bereitgestellten Belege. Halten Sie die endgültige Implementierung, den Bericht oder das Dokument mit den bereitgestellten Belegen und den Abschlusskriterien der Aufgabe verbunden.
", "aboutText": "Einführung: Fähigkeiten der Qwen3.8 Max-Familie\n\nQwen3.8 Max Prime gehört zur Qwen3.8 Max-Familie. Qwen entwickelt diese Familie für Programmierung, professionelle Arbeit, Forschung und Aufgaben, die viele verbundene Schritte umfassen. Ihr praktischer Zweck ist, die Anforderungen im Blick zu behalten, während der Arbeit neue Informationen zu nutzen und ein fertiges Textartefakt zu erzeugen. Die Prime-Ausgabe behält ihre eigene Identität; die Familienbeschreibung belegt weder einen eigenen Gewichtssatz noch eine ausgabespezifische Antwortzeitgarantie.\n\nKernaufgaben: Programmierung, professionelle Aufgaben und Forschung\n\nStellen Sie für eine Entwicklungsaufgabe die relevanten Projektdateien oder Ausschnitte, das zu ändernde Verhalten und das erwartete Arbeitsergebnis bereit. Fordern Sie eine Diagnose, einen Implementierungsvorschlag und Prüfungen an, die zeigen würden, ob die Änderung die Anforderung erfüllt. Geben Sie für eine Forschungsaufgabe das zu vergleichende Material an und verlangen Sie einen Bericht, der Quellenbelege von Interpretation unterscheidet. Legen Sie für ein professionelles Dokument Zielgruppe, Abschnitte und Kriterien für ein vollständiges Ergebnis fest. Verwenden Sie Quellenmaterial und Abschlusskriterien, um die resultierende Diagnose, den Bericht oder das Dokument zu prüfen.\n\nAgentenausführung und Rückmeldungen\n\nDer Hersteller betont autonome Planung und die Fähigkeit, Rückmeldungen aus einer Umgebung zu nutzen. Eine Agentenaufgabe kann durch Ziel, erlaubte Aktionen, relevante Werkzeuge und eine sichtbare Abschlussbedingung beschrieben werden. Eine Anwendung könnte das Modell beispielsweise ein Repository untersuchen, eine Änderung vorschlagen, das Ergebnis einer erlaubten Prüfung empfangen und seinen nächsten Schritt überarbeiten lassen. Das Modell trägt Planung und Reasoning bei; die Anwendung verbindet Werkzeuge und führt deren Aktionen aus.\n\nFordern Sie neben dem endgültigen Artefakt eine Aufzeichnung der abgeschlossenen Arbeit und offenen Bedingungen an. Dies hilft, einen vorgeschlagenen nächsten Schritt von einer ausgeführten Aktion zu unterscheiden. Auch eine mehrstufige Aufgabe braucht ausdrückliche Eingaben und Rückmeldungen; die Planungsfähigkeit eines Modells belegt keinen Zugriff auf einen Computer, aktuelle Quellen oder Geschäftssysteme.\n\nKompatibilität und Reasoning-Steuerung\n\nDie Familiendokumentation von Qwen3.8 beschreibt die Integration mit Entwicklungs-Harnesses und die Steuerung der Reasoning-Tiefe durch reasoning_effort. Sie beschreibt auch die Beibehaltung des Reasoning-Kontexts über den Gesprächsverlauf durch preserve_thinking. Dies sind Herstellerfunktionen, deren Verfügbarkeit und genaue Einstellungen von Ausgabe und Schnittstelle abhängen. Halten Sie Korrekturen und Werkzeugergebnisse der Aufgabe zugeordnet, die sie aktualisieren, und fordern Sie ein knappes abschließendes Fazit an, selbst wenn die Überlegungen lang sind.\n\nDer Hersteller unterscheidet das verwaltete Angebot Qwen3.8-Max vom offenen Checkpoint Qwen3.8-2.4T-A95B. Seine Max-Referenz umfasst Text-, Bild- und Videoeingabe, Textausgabe und Unterstützung direkter Antworten; der offene Checkpoint ist rein textbasiert und verwendet immer Thinking. Diese Verträge sollten getrennt bleiben. Stellen Sie für visuelle Aufgaben der Max-Familie lesbare Dokumentseiten, Abbildungen oder den relevanten Videoabschnitt bereit und benennen Sie die Belege, die die Antwort behandeln soll.\n\nWerkzeuge und strukturierte Ergebnisse\n\nDie verwaltete Max-Referenz des Herstellers führt Function Calling, strukturierte Ausgaben, Abrufwerkzeuge und Werkzeuge nach Art eines Code-Interpreters auf, wobei die Unterstützung von der Schnittstelle abhängt. Ein nützlicher Dokument-Workflow kann eine Befundtabelle mit stützenden Seiten- oder Abschnittsverweisen verlangen; ein Programmier-Workflow kann einen Patch und eine getrennte Erklärung anfordern. Erzwungene Ausgabeschemas und externe Ausführung sind Funktionen des verbundenen Workflows, keine Folgen davon, dass die Wörter JSON oder „ausführen“ in einem Prompt stehen. Diese Familienbeschreibung verspricht nicht, dass Prime oder eine andere Anwendung jede aufgeführte verwaltete Funktion bereitstellt.\n\nKontext und ausgabespezifische Grenzen\n\nDie verwaltete Max-Referenz beschreibt einen Kontext von einer Million Tokens mit separaten gerundeten Kontingenten für Eingabe, Ausgabe und Reasoning. Der offene Checkpoint dokumentiert dagegen einen nativen Kontext von 262.144 Tokens und eine bedingte Erweiterung auf 1.010.000. Dies sind unterschiedliche Herstellerspezifikationen, die nicht zu einer universellen Prime-Grenze zusammengefasst werden dürfen. Die genaue Prime-spezifische Ausgabeobergrenze, die Mediengrenzen und die Spezifikation der Steuerungsmöglichkeiten werden durch die hier verwendeten Familienquellen nicht belegt.\n\nBereiten Sie nur das für die Aufgabe erforderliche Material vor und reservieren Sie Platz für Erklärung und endgültiges Artefakt. Bewahren Sie bei langen Eingaben Dokumentgrenzen und Codekennungen, damit Schlussfolgerungen nachvollziehbar bleiben. Prüfen Sie generierten Code, Berechnungen und zitierte Passagen anhand der bereitgestellten Belege. Halten Sie die endgültige Implementierung, den Bericht oder das Dokument mit den bereitgestellten Belegen und den Abschlusskriterien der Aufgabe verbunden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Produce an evidence-based readiness memo\n\nPrepare a release-readiness memo from supplied feedback. [REQUIREMENTS] New exports must preserve column order and empty headings. [CHECK A] Column order passed. [CHECK B] Empty headings were dropped. [REVIEW] Preserve all header cells, including blank ones. Give the decision, a focused correction proposal and the exact follow-up check needed. Do not report unexecuted work as complete.A short readiness decision with evidence, proposed correction and a targeted recheck definition.Check the memo treats the failed header case as unresolved despite the passing order check.qwen/qwen3.8-max-primeQwen3.8 Max Prime gehört zu Qwens Max-Familie für Programmierung, professionelle Arbeit, Forschung und länger andauernde Agentenaufgaben. Sein nutzbarer Aufgabenumfang umfasst das Interpretieren von Anforderungen, das Verarbeiten von Rückmeldungen und das Erstellen vollständiger textueller Arbeitsergebnisse aus bereitgestelltem Projektmaterial.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Einführung: Fähigkeiten der Qwen3.8 Max-Familie
Qwen3.8 Max Prime gehört zur Qwen3.8 Max-Familie. Qwen entwickelt diese Familie für Programmierung, professionelle Arbeit, Forschung und Aufgaben, die viele verbundene Schritte umfassen. Ihr praktischer Zweck ist, die Anforderungen im Blick zu behalten, während der Arbeit neue Informationen zu nutzen und ein fertiges Textartefakt zu erzeugen. Die Prime-Ausgabe behält ihre eigene Identität; die Familienbeschreibung belegt weder einen eigenen Gewichtssatz noch eine ausgabespezifische Antwortzeitgarantie.
Kernaufgaben: Programmierung, professionelle Aufgaben und Forschung
Stellen Sie für eine Entwicklungsaufgabe die relevanten Projektdateien oder Ausschnitte, das zu ändernde Verhalten und das erwartete Arbeitsergebnis bereit. Fordern Sie eine Diagnose, einen Implementierungsvorschlag und Prüfungen an, die zeigen würden, ob die Änderung die Anforderung erfüllt. Geben Sie für eine Forschungsaufgabe das zu vergleichende Material an und verlangen Sie einen Bericht, der Quellenbelege von Interpretation unterscheidet. Legen Sie für ein professionelles Dokument Zielgruppe, Abschnitte und Kriterien für ein vollständiges Ergebnis fest. Verwenden Sie Quellenmaterial und Abschlusskriterien, um die resultierende Diagnose, den Bericht oder das Dokument zu prüfen.
Agentenausführung und Rückmeldungen
Der Hersteller betont autonome Planung und die Fähigkeit, Rückmeldungen aus einer Umgebung zu nutzen. Eine Agentenaufgabe kann durch Ziel, erlaubte Aktionen, relevante Werkzeuge und eine sichtbare Abschlussbedingung beschrieben werden. Eine Anwendung könnte das Modell beispielsweise ein Repository untersuchen, eine Änderung vorschlagen, das Ergebnis einer erlaubten Prüfung empfangen und seinen nächsten Schritt überarbeiten lassen. Das Modell trägt Planung und Reasoning bei; die Anwendung verbindet Werkzeuge und führt deren Aktionen aus.
Fordern Sie neben dem endgültigen Artefakt eine Aufzeichnung der abgeschlossenen Arbeit und offenen Bedingungen an. Dies hilft, einen vorgeschlagenen nächsten Schritt von einer ausgeführten Aktion zu unterscheiden. Auch eine mehrstufige Aufgabe braucht ausdrückliche Eingaben und Rückmeldungen; die Planungsfähigkeit eines Modells belegt keinen Zugriff auf einen Computer, aktuelle Quellen oder Geschäftssysteme.
Kompatibilität und Reasoning-Steuerung
Die Familiendokumentation von Qwen3.8 beschreibt die Integration mit Entwicklungs-Harnesses und die Steuerung der Reasoning-Tiefe durch reasoning_effort. Sie beschreibt auch die Beibehaltung des Reasoning-Kontexts über den Gesprächsverlauf durch preserve_thinking. Dies sind Herstellerfunktionen, deren Verfügbarkeit und genaue Einstellungen von Ausgabe und Schnittstelle abhängen. Halten Sie Korrekturen und Werkzeugergebnisse der Aufgabe zugeordnet, die sie aktualisieren, und fordern Sie ein knappes abschließendes Fazit an, selbst wenn die Überlegungen lang sind.
Der Hersteller unterscheidet das verwaltete Angebot Qwen3.8-Max vom offenen Checkpoint Qwen3.8-2.4T-A95B. Seine Max-Referenz umfasst Text-, Bild- und Videoeingabe, Textausgabe und Unterstützung direkter Antworten; der offene Checkpoint ist rein textbasiert und verwendet immer Thinking. Diese Verträge sollten getrennt bleiben. Stellen Sie für visuelle Aufgaben der Max-Familie lesbare Dokumentseiten, Abbildungen oder den relevanten Videoabschnitt bereit und benennen Sie die Belege, die die Antwort behandeln soll.
Werkzeuge und strukturierte Ergebnisse
Die verwaltete Max-Referenz des Herstellers führt Function Calling, strukturierte Ausgaben, Abrufwerkzeuge und Werkzeuge nach Art eines Code-Interpreters auf, wobei die Unterstützung von der Schnittstelle abhängt. Ein nützlicher Dokument-Workflow kann eine Befundtabelle mit stützenden Seiten- oder Abschnittsverweisen verlangen; ein Programmier-Workflow kann einen Patch und eine getrennte Erklärung anfordern. Erzwungene Ausgabeschemas und externe Ausführung sind Funktionen des verbundenen Workflows, keine Folgen davon, dass die Wörter JSON oder „ausführen“ in einem Prompt stehen. Diese Familienbeschreibung verspricht nicht, dass Prime oder eine andere Anwendung jede aufgeführte verwaltete Funktion bereitstellt.
Kontext und ausgabespezifische Grenzen
Die verwaltete Max-Referenz beschreibt einen Kontext von einer Million Tokens mit separaten gerundeten Kontingenten für Eingabe, Ausgabe und Reasoning. Der offene Checkpoint dokumentiert dagegen einen nativen Kontext von 262.144 Tokens und eine bedingte Erweiterung auf 1.010.000. Dies sind unterschiedliche Herstellerspezifikationen, die nicht zu einer universellen Prime-Grenze zusammengefasst werden dürfen. Die genaue Prime-spezifische Ausgabeobergrenze, die Mediengrenzen und die Spezifikation der Steuerungsmöglichkeiten werden durch die hier verwendeten Familienquellen nicht belegt.
Bereiten Sie nur das für die Aufgabe erforderliche Material vor und reservieren Sie Platz für Erklärung und endgültiges Artefakt. Bewahren Sie bei langen Eingaben Dokumentgrenzen und Codekennungen, damit Schlussfolgerungen nachvollziehbar bleiben. Prüfen Sie generierten Code, Berechnungen und zitierte Passagen anhand der bereitgestellten Belege. Halten Sie die endgültige Implementierung, den Bericht oder das Dokument mit den bereitgestellten Belegen und den Abschlusskriterien der Aufgabe verbunden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.8-max-prime | 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 $0.008 / 1K Token Ausgabe · Ausgabetoken $0.024 / 1K Token Eingabe · Cache-Lesen $0.001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Token Ausgabe · Ausgabetoken $0.024 / 1K Token Eingabe · Cache-Lesen $0.001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.8-max-prime", "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/qwen3.8-max-prime',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/qwen3.8-max-prime',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/qwen3.8-max-prime
Verwenden Sie die oben angezeigten Methodenpfade.
qwen/qwen3.8-max-primeQwen3.8 Max Prime gehört zu Qwens Max-Familie für Programmierung, professionelle Arbeit, Forschung und länger andauernde Agentenaufgaben. Sein nutzbarer Aufgabenumfang umfasst das Interpretieren von Anforderungen, das Verarbeiten von Rückmeldungen und das Erstellen vollständiger textueller Arbeitsergebnisse aus bereitgestelltem Projektmaterial.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Einführung: Fähigkeiten der Qwen3.8 Max-Familie
Qwen3.8 Max Prime gehört zur Qwen3.8 Max-Familie. Qwen entwickelt diese Familie für Programmierung, professionelle Arbeit, Forschung und Aufgaben, die viele verbundene Schritte umfassen. Ihr praktischer Zweck ist, die Anforderungen im Blick zu behalten, während der Arbeit neue Informationen zu nutzen und ein fertiges Textartefakt zu erzeugen. Die Prime-Ausgabe behält ihre eigene Identität; die Familienbeschreibung belegt weder einen eigenen Gewichtssatz noch eine ausgabespezifische Antwortzeitgarantie.
Kernaufgaben: Programmierung, professionelle Aufgaben und Forschung
Stellen Sie für eine Entwicklungsaufgabe die relevanten Projektdateien oder Ausschnitte, das zu ändernde Verhalten und das erwartete Arbeitsergebnis bereit. Fordern Sie eine Diagnose, einen Implementierungsvorschlag und Prüfungen an, die zeigen würden, ob die Änderung die Anforderung erfüllt. Geben Sie für eine Forschungsaufgabe das zu vergleichende Material an und verlangen Sie einen Bericht, der Quellenbelege von Interpretation unterscheidet. Legen Sie für ein professionelles Dokument Zielgruppe, Abschnitte und Kriterien für ein vollständiges Ergebnis fest. Verwenden Sie Quellenmaterial und Abschlusskriterien, um die resultierende Diagnose, den Bericht oder das Dokument zu prüfen.
Agentenausführung und Rückmeldungen
Der Hersteller betont autonome Planung und die Fähigkeit, Rückmeldungen aus einer Umgebung zu nutzen. Eine Agentenaufgabe kann durch Ziel, erlaubte Aktionen, relevante Werkzeuge und eine sichtbare Abschlussbedingung beschrieben werden. Eine Anwendung könnte das Modell beispielsweise ein Repository untersuchen, eine Änderung vorschlagen, das Ergebnis einer erlaubten Prüfung empfangen und seinen nächsten Schritt überarbeiten lassen. Das Modell trägt Planung und Reasoning bei; die Anwendung verbindet Werkzeuge und führt deren Aktionen aus.
Fordern Sie neben dem endgültigen Artefakt eine Aufzeichnung der abgeschlossenen Arbeit und offenen Bedingungen an. Dies hilft, einen vorgeschlagenen nächsten Schritt von einer ausgeführten Aktion zu unterscheiden. Auch eine mehrstufige Aufgabe braucht ausdrückliche Eingaben und Rückmeldungen; die Planungsfähigkeit eines Modells belegt keinen Zugriff auf einen Computer, aktuelle Quellen oder Geschäftssysteme.
Kompatibilität und Reasoning-Steuerung
Die Familiendokumentation von Qwen3.8 beschreibt die Integration mit Entwicklungs-Harnesses und die Steuerung der Reasoning-Tiefe durch reasoning_effort. Sie beschreibt auch die Beibehaltung des Reasoning-Kontexts über den Gesprächsverlauf durch preserve_thinking. Dies sind Herstellerfunktionen, deren Verfügbarkeit und genaue Einstellungen von Ausgabe und Schnittstelle abhängen. Halten Sie Korrekturen und Werkzeugergebnisse der Aufgabe zugeordnet, die sie aktualisieren, und fordern Sie ein knappes abschließendes Fazit an, selbst wenn die Überlegungen lang sind.
Der Hersteller unterscheidet das verwaltete Angebot Qwen3.8-Max vom offenen Checkpoint Qwen3.8-2.4T-A95B. Seine Max-Referenz umfasst Text-, Bild- und Videoeingabe, Textausgabe und Unterstützung direkter Antworten; der offene Checkpoint ist rein textbasiert und verwendet immer Thinking. Diese Verträge sollten getrennt bleiben. Stellen Sie für visuelle Aufgaben der Max-Familie lesbare Dokumentseiten, Abbildungen oder den relevanten Videoabschnitt bereit und benennen Sie die Belege, die die Antwort behandeln soll.
Werkzeuge und strukturierte Ergebnisse
Die verwaltete Max-Referenz des Herstellers führt Function Calling, strukturierte Ausgaben, Abrufwerkzeuge und Werkzeuge nach Art eines Code-Interpreters auf, wobei die Unterstützung von der Schnittstelle abhängt. Ein nützlicher Dokument-Workflow kann eine Befundtabelle mit stützenden Seiten- oder Abschnittsverweisen verlangen; ein Programmier-Workflow kann einen Patch und eine getrennte Erklärung anfordern. Erzwungene Ausgabeschemas und externe Ausführung sind Funktionen des verbundenen Workflows, keine Folgen davon, dass die Wörter JSON oder „ausführen“ in einem Prompt stehen. Diese Familienbeschreibung verspricht nicht, dass Prime oder eine andere Anwendung jede aufgeführte verwaltete Funktion bereitstellt.
Kontext und ausgabespezifische Grenzen
Die verwaltete Max-Referenz beschreibt einen Kontext von einer Million Tokens mit separaten gerundeten Kontingenten für Eingabe, Ausgabe und Reasoning. Der offene Checkpoint dokumentiert dagegen einen nativen Kontext von 262.144 Tokens und eine bedingte Erweiterung auf 1.010.000. Dies sind unterschiedliche Herstellerspezifikationen, die nicht zu einer universellen Prime-Grenze zusammengefasst werden dürfen. Die genaue Prime-spezifische Ausgabeobergrenze, die Mediengrenzen und die Spezifikation der Steuerungsmöglichkeiten werden durch die hier verwendeten Familienquellen nicht belegt.
Bereiten Sie nur das für die Aufgabe erforderliche Material vor und reservieren Sie Platz für Erklärung und endgültiges Artefakt. Bewahren Sie bei langen Eingaben Dokumentgrenzen und Codekennungen, damit Schlussfolgerungen nachvollziehbar bleiben. Prüfen Sie generierten Code, Berechnungen und zitierte Passagen anhand der bereitgestellten Belege. Halten Sie die endgültige Implementierung, den Bericht oder das Dokument mit den bereitgestellten Belegen und den Abschlusskriterien der Aufgabe verbunden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3.8-max-prime | 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 $0.008 / 1K Token Ausgabe · Ausgabetoken $0.024 / 1K Token Eingabe · Cache-Lesen $0.001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.008 / 1K Token Ausgabe · Ausgabetoken $0.024 / 1K Token Eingabe · Cache-Lesen $0.001 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen/qwen3.8-max-prime",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.8-max-prime', '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/qwen3.8-max-prime', '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/qwen3.8-max-prime
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Produce an evidence-based readiness memo\n\nPrepare a release-readiness memo from supplied feedback. [REQUIREMENTS] New exports must preserve column order and empty headings. [CHECK A] Column order passed. [CHECK B] Empty headings were dropped. [REVIEW] Preserve all header cells, including blank ones. Give the decision, a focused correction proposal and the exact follow-up check needed. Do not report unexecuted work as complete.A short readiness decision with evidence, proposed correction and a targeted recheck definition.Check the memo treats the failed header case as unresolved despite the passing order check.