Qwen3.5-Flash ist ein Qwen3.5-Modell für Text- und visuelles Verständnis. Es nimmt Text, Bilder und Video entgegen und gibt Text zurück. Die Modelltabellen des Herstellers nennen einen Kontext von 1 Million Tokens, Thinking-Unterstützung, Function Calling, integrierte Werkzeuge und strukturierte Ausgabe.
Kombinieren Sie für eine Support-Erklärung die schriftliche Frage mit einem Screenshot oder einer relevanten visuellen Quelle. Benennen Sie die wichtigen Beschriftungen, Objekte oder Bereiche und definieren Sie das Ziel des Lesers. Fordern Sie eine knappe Textantwort mit Bezug zum Sichtbaren an und halten Sie unsichere Details von den Beobachtungen getrennt.
Grenzen Sie bei einer aufgezeichneten Sequenz die für die Frage relevante Episode ein und bewahren Sie ihre Reihenfolge. Fordern Sie die sichtbaren Ereignisse und die Belege für die Erklärung an. Wenn die Frage von Sprache abhängt, stellen Sie das benötigte Transkript als Text zusammen mit dem visuellen Material bereit.
In einer Integration mit Funktionsaufrufen definiert die Anwendung die verfügbare Aktion und die Eingabefelder, führt einen ausgewählten Aufruf aus und gibt dessen Ergebnis zurück. Integrierte Werkzeuge sind eine separate Funktion auf Herstellerseite. Die Integration bestimmt, welche Steuerungsmöglichkeiten sie bereitstellt. Definieren Sie für eine strukturierte Antwort die erforderlichen Felder und den Umgang mit fehlenden Werten und prüfen Sie anschließend sowohl Inhalt als auch Form der Rückgabe.
Die Tabelle der visuellen Modelle des Herstellers nennt für dieses benannte Modell ein Ausgabekontingent von 64K sowie bis zu 256 Bilder und 64 Videos. Der dokumentierte Video-Workflow unterstützt Dateien mit bis zu zwei Stunden und 2 GB. Dies sind Grenzen des Hersteller-Workflows; sämtliches bereitgestelltes Material teilt sich weiterhin das Kontextbudget. Bereiten Sie lesbares Quellenmaterial vor, bewahren Sie seine Kennzeichnungen und verwenden Sie für die Planung der tatsächlichen Anfrage die Grenzen der gewählten Schnittstelle.
Wählen Sie das vorzubereitende Ergebnis: eine analytische Notiz, extrahierte Felder, eine überarbeitete Passage oder eine Erklärung des visuellen Materials. Fordern Sie die Belege für wichtige Details an und prüfen Sie die Antwort anhand der Quellen. Das zurückgegebene Artefakt ist Text; Aktionen und Dateioperationen in einem verbundenen Workflow haben eigene Ausführungsergebnisse.
", "aboutText": "Qwen3.5-Flash ist ein Qwen3.5-Modell für Text- und visuelles Verständnis. Es nimmt Text, Bilder und Video entgegen und gibt Text zurück. Die Modelltabellen des Herstellers nennen einen Kontext von 1 Million Tokens, Thinking-Unterstützung, Function Calling, integrierte Werkzeuge und strukturierte Ausgabe.\n\n### Erklärungen zu gemischten Medien und Support-Antworten vorbereiten\n\nKombinieren Sie für eine Support-Erklärung die schriftliche Frage mit einem Screenshot oder einer relevanten visuellen Quelle. Benennen Sie die wichtigen Beschriftungen, Objekte oder Bereiche und definieren Sie das Ziel des Lesers. Fordern Sie eine knappe Textantwort mit Bezug zum Sichtbaren an und halten Sie unsichere Details von den Beobachtungen getrennt.\n\n### Klare Ausgabeanforderungen wählen\n\nGrenzen Sie bei einer aufgezeichneten Sequenz die für die Frage relevante Episode ein und bewahren Sie ihre Reihenfolge. Fordern Sie die sichtbaren Ereignisse und die Belege für die Erklärung an. Wenn die Frage von Sprache abhängt, stellen Sie das benötigte Transkript als Text zusammen mit dem visuellen Material bereit.\n\n### Werkzeuge mit tatsächlichen Ergebnissen verbinden\n\nIn einer Integration mit Funktionsaufrufen definiert die Anwendung die verfügbare Aktion und die Eingabefelder, führt einen ausgewählten Aufruf aus und gibt dessen Ergebnis zurück. Integrierte Werkzeuge sind eine separate Funktion auf Herstellerseite. Die Integration bestimmt, welche Steuerungsmöglichkeiten sie bereitstellt. Definieren Sie für eine strukturierte Antwort die erforderlichen Felder und den Umgang mit fehlenden Werten und prüfen Sie anschließend sowohl Inhalt als auch Form der Rückgabe.\n\n### Visuelle Eingaben und Text gemeinsam planen\n\nDie Tabelle der visuellen Modelle des Herstellers nennt für dieses benannte Modell ein Ausgabekontingent von 64K sowie bis zu 256 Bilder und 64 Videos. Der dokumentierte Video-Workflow unterstützt Dateien mit bis zu zwei Stunden und 2 GB. Dies sind Grenzen des Hersteller-Workflows; sämtliches bereitgestelltes Material teilt sich weiterhin das Kontextbudget. Bereiten Sie lesbares Quellenmaterial vor, bewahren Sie seine Kennzeichnungen und verwenden Sie für die Planung der tatsächlichen Anfrage die Grenzen der gewählten Schnittstelle.\n\n### Das Textartefakt prüfen\n\nWählen Sie das vorzubereitende Ergebnis: eine analytische Notiz, extrahierte Felder, eine überarbeitete Passage oder eine Erklärung des visuellen Materials. Fordern Sie die Belege für wichtige Details an und prüfen Sie die Antwort anhand der Quellen. Das zurückgegebene Artefakt ist Text; Aktionen und Dateioperationen in einem verbundenen Workflow haben eigene Ausführungsergebnisse.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.qwen3.5-flashQwen3.5-Flash verbindet Text, Bilder und Video und erzeugt Text für Erklärungen zu gemischten Medien und Support-Antworten. Der Hersteller dokumentiert einen Kontext von 1 Million Tokens, Thinking-Unterstützung sowie optionale Werkzeugfunktionen und strukturierte Antworten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3.5-Flash ist ein Qwen3.5-Modell für Text- und visuelles Verständnis. Es nimmt Text, Bilder und Video entgegen und gibt Text zurück. Die Modelltabellen des Herstellers nennen einen Kontext von 1 Million Tokens, Thinking-Unterstützung, Function Calling, integrierte Werkzeuge und strukturierte Ausgabe.
Kombinieren Sie für eine Support-Erklärung die schriftliche Frage mit einem Screenshot oder einer relevanten visuellen Quelle. Benennen Sie die wichtigen Beschriftungen, Objekte oder Bereiche und definieren Sie das Ziel des Lesers. Fordern Sie eine knappe Textantwort mit Bezug zum Sichtbaren an und halten Sie unsichere Details von den Beobachtungen getrennt.
Grenzen Sie bei einer aufgezeichneten Sequenz die für die Frage relevante Episode ein und bewahren Sie ihre Reihenfolge. Fordern Sie die sichtbaren Ereignisse und die Belege für die Erklärung an. Wenn die Frage von Sprache abhängt, stellen Sie das benötigte Transkript als Text zusammen mit dem visuellen Material bereit.
In einer Integration mit Funktionsaufrufen definiert die Anwendung die verfügbare Aktion und die Eingabefelder, führt einen ausgewählten Aufruf aus und gibt dessen Ergebnis zurück. Integrierte Werkzeuge sind eine separate Funktion auf Herstellerseite. Die Integration bestimmt, welche Steuerungsmöglichkeiten sie bereitstellt. Definieren Sie für eine strukturierte Antwort die erforderlichen Felder und den Umgang mit fehlenden Werten und prüfen Sie anschließend sowohl Inhalt als auch Form der Rückgabe.
Die Tabelle der visuellen Modelle des Herstellers nennt für dieses benannte Modell ein Ausgabekontingent von 64K sowie bis zu 256 Bilder und 64 Videos. Der dokumentierte Video-Workflow unterstützt Dateien mit bis zu zwei Stunden und 2 GB. Dies sind Grenzen des Hersteller-Workflows; sämtliches bereitgestelltes Material teilt sich weiterhin das Kontextbudget. Bereiten Sie lesbares Quellenmaterial vor, bewahren Sie seine Kennzeichnungen und verwenden Sie für die Planung der tatsächlichen Anfrage die Grenzen der gewählten Schnittstelle.
Wählen Sie das vorzubereitende Ergebnis: eine analytische Notiz, extrahierte Felder, eine überarbeitete Passage oder eine Erklärung des visuellen Materials. Fordern Sie die Belege für wichtige Details an und prüfen Sie die Antwort anhand der Quellen. Das zurückgegebene Artefakt ist Text; Aktionen und Dateioperationen in einem verbundenen Workflow haben eigene Ausführungsergebnisse.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-flash | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00006 / 1K Token Ausgabe · Ausgabetoken $0.00058 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen3.5-flash", "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='qwen3.5-flash',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='qwen3.5-flash',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 qwen3.5-flash
Verwenden Sie die oben angezeigten Methodenpfade.
qwen3.5-flashQwen3.5-Flash verbindet Text, Bilder und Video und erzeugt Text für Erklärungen zu gemischten Medien und Support-Antworten. Der Hersteller dokumentiert einen Kontext von 1 Million Tokens, Thinking-Unterstützung sowie optionale Werkzeugfunktionen und strukturierte Antworten.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3.5-Flash ist ein Qwen3.5-Modell für Text- und visuelles Verständnis. Es nimmt Text, Bilder und Video entgegen und gibt Text zurück. Die Modelltabellen des Herstellers nennen einen Kontext von 1 Million Tokens, Thinking-Unterstützung, Function Calling, integrierte Werkzeuge und strukturierte Ausgabe.
Kombinieren Sie für eine Support-Erklärung die schriftliche Frage mit einem Screenshot oder einer relevanten visuellen Quelle. Benennen Sie die wichtigen Beschriftungen, Objekte oder Bereiche und definieren Sie das Ziel des Lesers. Fordern Sie eine knappe Textantwort mit Bezug zum Sichtbaren an und halten Sie unsichere Details von den Beobachtungen getrennt.
Grenzen Sie bei einer aufgezeichneten Sequenz die für die Frage relevante Episode ein und bewahren Sie ihre Reihenfolge. Fordern Sie die sichtbaren Ereignisse und die Belege für die Erklärung an. Wenn die Frage von Sprache abhängt, stellen Sie das benötigte Transkript als Text zusammen mit dem visuellen Material bereit.
In einer Integration mit Funktionsaufrufen definiert die Anwendung die verfügbare Aktion und die Eingabefelder, führt einen ausgewählten Aufruf aus und gibt dessen Ergebnis zurück. Integrierte Werkzeuge sind eine separate Funktion auf Herstellerseite. Die Integration bestimmt, welche Steuerungsmöglichkeiten sie bereitstellt. Definieren Sie für eine strukturierte Antwort die erforderlichen Felder und den Umgang mit fehlenden Werten und prüfen Sie anschließend sowohl Inhalt als auch Form der Rückgabe.
Die Tabelle der visuellen Modelle des Herstellers nennt für dieses benannte Modell ein Ausgabekontingent von 64K sowie bis zu 256 Bilder und 64 Videos. Der dokumentierte Video-Workflow unterstützt Dateien mit bis zu zwei Stunden und 2 GB. Dies sind Grenzen des Hersteller-Workflows; sämtliches bereitgestelltes Material teilt sich weiterhin das Kontextbudget. Bereiten Sie lesbares Quellenmaterial vor, bewahren Sie seine Kennzeichnungen und verwenden Sie für die Planung der tatsächlichen Anfrage die Grenzen der gewählten Schnittstelle.
Wählen Sie das vorzubereitende Ergebnis: eine analytische Notiz, extrahierte Felder, eine überarbeitete Passage oder eine Erklärung des visuellen Materials. Fordern Sie die Belege für wichtige Details an und prüfen Sie die Antwort anhand der Quellen. Das zurückgegebene Artefakt ist Text; Aktionen und Dateioperationen in einem verbundenen Workflow haben eigene Ausführungsergebnisse.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen3.5-flash | 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.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00006 / 1K Token Ausgabe · Ausgabetoken $0.00058 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwen3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.5-flash', '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': 'qwen3.5-flash', '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 qwen3.5-flash
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Explain a recorded interface state\n\nDraft a support explanation from this text observation: "Upload panel shows file orders.csv, status Failed, message Required column sku missing. Retry button visible." Explain what the user should check in the CSV before retrying. Keep the error wording and filename, and do not claim to inspect or modify the file or interact with the interface.A concise explanation with the recorded error and a proposed file-check step before retry.Check that the advice addresses the missing sku column and does not claim a successful retry.