QwQ 32B Preview ist ein experimentelles Reasoning-Modell des Qwen-Teams. Der Hersteller nennt 32,5 Milliarden Parameter und einen Kontext von 32.768 Tokens. Die benannte gehostete Katalogvariante auf dieser Karte führt eine Kontextlänge von 32.000 Tokens auf. Die Kennzeichnung Preview unterscheidet diese Ausgabe von späteren QwQ-Veröffentlichungen.
Nennen Sie die Frage, Annahmen und Belege, die zur Beantwortung benötigt werden. Geben Sie bei einer mathematischen Aufgabe Einheiten und erforderliche Genauigkeit an. Fordern Sie das Ergebnis zusammen mit den Zusammenhängen an, die zu seiner Prüfung nötig sind. Stellen Sie bei Codeaufgaben die relevante Funktion, auslösende Eingabe und das erwartete Verhalten bereit und bitten Sie um eine gezielte Korrektur und einen unterscheidenden Test.
Definieren Sie, was als abgeschlossene Antwort gilt: ein Wert mit seinen Annahmen, eine Argumentation für eine benannte Aussage oder Code, der die angegebenen Beispiele erfüllt. Binden Sie die Anfrage an dieses Ergebnis, damit sich eine lange Analyse an einem konkreten Ziel prüfen lässt.
Kennzeichnen Sie für einen Vergleich die Alternativen und nennen Sie die zu untersuchenden Aspekte. Fordern Sie die stützenden Beobachtungen zusammen mit der Schlussfolgerung an. Eine quellenbasierte Aufgabe kann nummerierte Auszüge bereitstellen und eine Antwort verlangen, die diese Kennzeichnungen beibehält.
Der Hersteller nennt Sprachmischung und rekursive Denkschleifen als Einschränkungen dieser Vorschau. Geben Sie die gewünschte Antwortsprache an und fordern Sie die endgültige Antwort ausdrücklich. Falls eine Antwort kreist, ohne das gewünschte Ergebnis zu erreichen, verwenden Sie das ursprüngliche Problem und eine engere Frage für die nächste Prüfung, statt die Länge als Beleg für einen Abschluss zu behandeln.
Wählen Sie Textstellen, Code und frühere Entscheidungen aus, die für das unmittelbare Problem relevant sind. Lassen Sie innerhalb des aufgeführten Kontexts der gehosteten Variante Raum für die gewünschte Antwort. Die veröffentlichte beispielhafte Antwortlänge des Modells ist ein Beispiel und keine unabhängige feste Höchstgrenze für jede Aufgabe.
Die dokumentierten Stärken und Einschränkungen der Vorschau gelten spezifisch für diese Ausgabe. Prüfen Sie mathematische Ergebnisse, Codevorschläge und Interpretationen anhand der tatsächlichen Belege der Aufgabe, bevor Sie sie in einen anderen Ablauf übernehmen.
", "aboutText": "QwQ 32B Preview ist ein experimentelles Reasoning-Modell des Qwen-Teams. Der Hersteller nennt 32,5 Milliarden Parameter und einen Kontext von 32.768 Tokens. Die benannte gehostete Katalogvariante auf dieser Karte führt eine Kontextlänge von 32.000 Tokens auf. Die Kennzeichnung Preview unterscheidet diese Ausgabe von späteren QwQ-Veröffentlichungen.\n\n### Bereiten Sie ein Problem mit einer Abschlussbedingung vor\n\nNennen Sie die Frage, Annahmen und Belege, die zur Beantwortung benötigt werden. Geben Sie bei einer mathematischen Aufgabe Einheiten und erforderliche Genauigkeit an. Fordern Sie das Ergebnis zusammen mit den Zusammenhängen an, die zu seiner Prüfung nötig sind. Stellen Sie bei Codeaufgaben die relevante Funktion, auslösende Eingabe und das erwartete Verhalten bereit und bitten Sie um eine gezielte Korrektur und einen unterscheidenden Test.\n\nDefinieren Sie, was als abgeschlossene Antwort gilt: ein Wert mit seinen Annahmen, eine Argumentation für eine benannte Aussage oder Code, der die angegebenen Beispiele erfüllt. Binden Sie die Anfrage an dieses Ergebnis, damit sich eine lange Analyse an einem konkreten Ziel prüfen lässt.\n\n### Halten Sie Schlussfolgerungen mit Belegen verbunden\n\nKennzeichnen Sie für einen Vergleich die Alternativen und nennen Sie die zu untersuchenden Aspekte. Fordern Sie die stützenden Beobachtungen zusammen mit der Schlussfolgerung an. Eine quellenbasierte Aufgabe kann nummerierte Auszüge bereitstellen und eine Antwort verlangen, die diese Kennzeichnungen beibehält.\n\nDer Hersteller nennt Sprachmischung und rekursive Denkschleifen als Einschränkungen dieser Vorschau. Geben Sie die gewünschte Antwortsprache an und fordern Sie die endgültige Antwort ausdrücklich. Falls eine Antwort kreist, ohne das gewünschte Ergebnis zu erreichen, verwenden Sie das ursprüngliche Problem und eine engere Frage für die nächste Prüfung, statt die Länge als Beleg für einen Abschluss zu behandeln.\n\n### Nutzen Sie den Kontext der benannten Katalogvariante\n\nWählen Sie Textstellen, Code und frühere Entscheidungen aus, die für das unmittelbare Problem relevant sind. Lassen Sie innerhalb des aufgeführten Kontexts der gehosteten Variante Raum für die gewünschte Antwort. Die veröffentlichte beispielhafte Antwortlänge des Modells ist ein Beispiel und keine unabhängige feste Höchstgrenze für jede Aufgabe.\n\nDie dokumentierten Stärken und Einschränkungen der Vorschau gelten spezifisch für diese Ausgabe. Prüfen Sie mathematische Ergebnisse, Codevorschläge und Interpretationen anhand der tatsächlichen Belege der Aufgabe, bevor Sie sie in einen anderen Ablauf übernehmen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Find the minimum number of boxes\n\nFour indivisible parcels weigh 4, 4, 2 and 2 kg. Each box may hold at most 6 kg, with no limit on parcel count. Find the minimum number of boxes, give a packing assignment and justify why fewer boxes cannot work. Return the final result in English with total weights for every box.A minimum-box count, a parcel assignment and a short lower-bound argument using the total weight and capacity.Check that every parcel is assigned once, each box is within 6 kg and the lower bound matches the proposed packing.qwq-32b-previewQwQ 32B Preview ist das experimentelle Text-Reasoning-Modell des Qwen-Teams für analytische Aufgaben. Der Hersteller nennt 32,5 Milliarden Parameter und einen Kontext von 32.768 Tokens; diese gehostete Katalogvariante führt 32.000 Tokens auf. Geben Sie ihr ein begrenztes Problem und eine klare Bedingung für eine abschließende Antwort.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
QwQ 32B Preview ist ein experimentelles Reasoning-Modell des Qwen-Teams. Der Hersteller nennt 32,5 Milliarden Parameter und einen Kontext von 32.768 Tokens. Die benannte gehostete Katalogvariante auf dieser Karte führt eine Kontextlänge von 32.000 Tokens auf. Die Kennzeichnung Preview unterscheidet diese Ausgabe von späteren QwQ-Veröffentlichungen.
Nennen Sie die Frage, Annahmen und Belege, die zur Beantwortung benötigt werden. Geben Sie bei einer mathematischen Aufgabe Einheiten und erforderliche Genauigkeit an. Fordern Sie das Ergebnis zusammen mit den Zusammenhängen an, die zu seiner Prüfung nötig sind. Stellen Sie bei Codeaufgaben die relevante Funktion, auslösende Eingabe und das erwartete Verhalten bereit und bitten Sie um eine gezielte Korrektur und einen unterscheidenden Test.
Definieren Sie, was als abgeschlossene Antwort gilt: ein Wert mit seinen Annahmen, eine Argumentation für eine benannte Aussage oder Code, der die angegebenen Beispiele erfüllt. Binden Sie die Anfrage an dieses Ergebnis, damit sich eine lange Analyse an einem konkreten Ziel prüfen lässt.
Kennzeichnen Sie für einen Vergleich die Alternativen und nennen Sie die zu untersuchenden Aspekte. Fordern Sie die stützenden Beobachtungen zusammen mit der Schlussfolgerung an. Eine quellenbasierte Aufgabe kann nummerierte Auszüge bereitstellen und eine Antwort verlangen, die diese Kennzeichnungen beibehält.
Der Hersteller nennt Sprachmischung und rekursive Denkschleifen als Einschränkungen dieser Vorschau. Geben Sie die gewünschte Antwortsprache an und fordern Sie die endgültige Antwort ausdrücklich. Falls eine Antwort kreist, ohne das gewünschte Ergebnis zu erreichen, verwenden Sie das ursprüngliche Problem und eine engere Frage für die nächste Prüfung, statt die Länge als Beleg für einen Abschluss zu behandeln.
Wählen Sie Textstellen, Code und frühere Entscheidungen aus, die für das unmittelbare Problem relevant sind. Lassen Sie innerhalb des aufgeführten Kontexts der gehosteten Variante Raum für die gewünschte Antwort. Die veröffentlichte beispielhafte Antwortlänge des Modells ist ein Beispiel und keine unabhängige feste Höchstgrenze für jede Aufgabe.
Die dokumentierten Stärken und Einschränkungen der Vorschau gelten spezifisch für diese Ausgabe. Prüfen Sie mathematische Ergebnisse, Codevorschläge und Interpretationen anhand der tatsächlichen Belege der Aufgabe, bevor Sie sie in einen anderen Ablauf übernehmen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwq-32b-preview | 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 $0.00058 / 1K Token Ausgabe · Ausgabetoken $0.00172 / 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": "qwq-32b-preview", "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='qwq-32b-preview',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='qwq-32b-preview',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 qwq-32b-preview
Verwenden Sie die oben angezeigten Methodenpfade.
qwq-32b-previewQwQ 32B Preview ist das experimentelle Text-Reasoning-Modell des Qwen-Teams für analytische Aufgaben. Der Hersteller nennt 32,5 Milliarden Parameter und einen Kontext von 32.768 Tokens; diese gehostete Katalogvariante führt 32.000 Tokens auf. Geben Sie ihr ein begrenztes Problem und eine klare Bedingung für eine abschließende Antwort.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
QwQ 32B Preview ist ein experimentelles Reasoning-Modell des Qwen-Teams. Der Hersteller nennt 32,5 Milliarden Parameter und einen Kontext von 32.768 Tokens. Die benannte gehostete Katalogvariante auf dieser Karte führt eine Kontextlänge von 32.000 Tokens auf. Die Kennzeichnung Preview unterscheidet diese Ausgabe von späteren QwQ-Veröffentlichungen.
Nennen Sie die Frage, Annahmen und Belege, die zur Beantwortung benötigt werden. Geben Sie bei einer mathematischen Aufgabe Einheiten und erforderliche Genauigkeit an. Fordern Sie das Ergebnis zusammen mit den Zusammenhängen an, die zu seiner Prüfung nötig sind. Stellen Sie bei Codeaufgaben die relevante Funktion, auslösende Eingabe und das erwartete Verhalten bereit und bitten Sie um eine gezielte Korrektur und einen unterscheidenden Test.
Definieren Sie, was als abgeschlossene Antwort gilt: ein Wert mit seinen Annahmen, eine Argumentation für eine benannte Aussage oder Code, der die angegebenen Beispiele erfüllt. Binden Sie die Anfrage an dieses Ergebnis, damit sich eine lange Analyse an einem konkreten Ziel prüfen lässt.
Kennzeichnen Sie für einen Vergleich die Alternativen und nennen Sie die zu untersuchenden Aspekte. Fordern Sie die stützenden Beobachtungen zusammen mit der Schlussfolgerung an. Eine quellenbasierte Aufgabe kann nummerierte Auszüge bereitstellen und eine Antwort verlangen, die diese Kennzeichnungen beibehält.
Der Hersteller nennt Sprachmischung und rekursive Denkschleifen als Einschränkungen dieser Vorschau. Geben Sie die gewünschte Antwortsprache an und fordern Sie die endgültige Antwort ausdrücklich. Falls eine Antwort kreist, ohne das gewünschte Ergebnis zu erreichen, verwenden Sie das ursprüngliche Problem und eine engere Frage für die nächste Prüfung, statt die Länge als Beleg für einen Abschluss zu behandeln.
Wählen Sie Textstellen, Code und frühere Entscheidungen aus, die für das unmittelbare Problem relevant sind. Lassen Sie innerhalb des aufgeführten Kontexts der gehosteten Variante Raum für die gewünschte Antwort. Die veröffentlichte beispielhafte Antwortlänge des Modells ist ein Beispiel und keine unabhängige feste Höchstgrenze für jede Aufgabe.
Die dokumentierten Stärken und Einschränkungen der Vorschau gelten spezifisch für diese Ausgabe. Prüfen Sie mathematische Ergebnisse, Codevorschläge und Interpretationen anhand der tatsächlichen Belege der Aufgabe, bevor Sie sie in einen anderen Ablauf übernehmen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwq-32b-preview | 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 $0.00058 / 1K Token Ausgabe · Ausgabetoken $0.00172 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwq-32b-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwq-32b-preview', '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': 'qwq-32b-preview', '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 qwq-32b-preview
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Find the minimum number of boxes\n\nFour indivisible parcels weigh 4, 4, 2 and 2 kg. Each box may hold at most 6 kg, with no limit on parcel count. Find the minimum number of boxes, give a packing assignment and justify why fewer boxes cannot work. Return the final result in English with total weights for every box.A minimum-box count, a parcel assignment and a short lower-bound argument using the total weight and capacity.Check that every parcel is assigned once, each box is within 6 kg and the lower bound matches the proposed packing.