QwQ-Plus — 2025-03-05 ist ein datierter Eintrag der Text-Reasoning-Familie QwQ-Plus. Der Hersteller beschreibt QwQ-Plus als verbesserte QwQ-Reihe, die ausgehend von Qwen2.5 trainiert wird und bestärkendes Lernen zur Entwicklung von Reasoning nutzt. Die hervorgehobenen Aufgabenrichtungen sind Mathematik, Programmieren und andere Fragen, die eine Verknüpfung mehrerer Bedingungen erfordern. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder Implementierung auf Grundlage des vom Nutzer bereitgestellten Materials.
Eine Reasoning-Aufgabe braucht ein eindeutiges Ziel. Geben Sie bei mathematischen Aufgaben die vollständige Problemstellung, Definitionen, zulässige Variablenbereiche und die zu bestimmende Größe oder nachzuweisende Behauptung an. Bitten Sie um ein Endergebnis in einer bestimmten Form und ausreichend Erklärung, um die Übergänge prüfen zu können. Wenn Sie einen Lösungsversuch bewerten lassen, stellen Sie die ursprüngliche Aufgabe und den umstrittenen Schritt gemeinsam bereit. Das Modell kann dann das tatsächliche Problem besprechen, statt fehlende Annahmen aus einem unvollständigen Fragment zu rekonstruieren.
Stellen Sie bei Programmieraufgaben den relevanten Code, die Sprache, das erwartete Verhalten und eine Eingabe bereit, die das Problem sichtbar macht. Eine nützliche Anfrage verlangt eine überarbeitete Funktion, eine Erklärung der geänderten Bedingung und Beispiele für das beabsichtigte Verhalten. Bewahren Sie die Schnittstelle und geben Sie an, welches umgebende Verhalten unverändert bleiben muss. Definieren Sie beim Vergleich von Algorithmen zuerst die Kriterien, etwa Korrektheit in den vorgegebenen Fällen und die relevanten Komplexitätsannahmen. Fordern Sie anschließend eine begründete Auswahl statt einer allgemeinen Alternativenliste an.
Die Chatreferenz des Herstellers empfiehlt, QwQ-Anweisungen in der Nutzeranfrage zu platzieren, statt sich auf eine Systemnachricht zu verlassen. Trennen Sie Quelldaten von der Aufgabe, einschließlich aller Texte oder Codefragmente, die zur Analyse zitiert werden. Legen Sie den Umgang mit unzureichenden Informationen fest: die fehlende Bedingung benennen oder eine gezielte Rückfrage stellen, statt einen Wert anzunehmen. Verfügt die Anwendung bereits über Ergebnisse eines Rechners, Testprogramms oder Suchwerkzeugs, übergeben Sie diese ausdrücklich und bitten Sie das Modell, sie als Evidenz zu verwenden.
Der dokumentierte QwQ-Dienstablauf gibt die Ausgabe per Streaming zurück. Halten Sie zwischenzeitliches Reasoning und die abgeschlossene Antwort unterscheidbar und setzen Sie die zurückgegebenen Fragmente zusammen, bevor Sie die Antwort als fertiges Arbeitsergebnis behandeln. Ein unvollständiger Stream kann eine nicht abgeschlossene Berechnung oder einen verworfenen Ansatz enthalten. Benennen Sie für ein nutzerseitiges Ergebnis die endgültige Schlussfolgerung und die sie stützenden Prüfungen und bewahren Sie zugleich genügend Quellenkontext, um den tatsächlichen Auftrag prüfen zu können.
Bewahren Sie für eine wiederholbare Reasoning-Aufgabe den genauen datierten Modellnamen zusammen mit der Eingabeversion, dem angeforderten Ausgabeformat und den Generierungseinstellungen. Benennen Sie bei einer Rückfrage den konkreten zu ändernden Schritt und halten Sie die akzeptierten Fakten ausdrücklich fest. Geben Sie relevante Auszüge statt sachfremden Hintergrunds und setzen Sie ein knappes Antwortziel, damit die Anfrage Platz für Analyse und Endergebnis lässt.
Kennzeichnen Sie für eine Analyseaufgabe die verglichenen Optionen und nennen Sie die Entscheidungsregel. Unterscheiden Sie bei einem Beweis Prämissen und Behauptung, bei einem Programm einen beobachteten Fehler und eine vorgeschlagene Ursache. Bitten Sie die endgültige Antwort zu benennen, welche Schlussfolgerung aus den vorgegebenen Fakten folgt und welcher Teil von einer Annahme abhängt. Prüfen Sie Rechenoperationen mit den ursprünglichen Zahlen, testen Sie vorgeschlagenen Code anhand der tatsächlichen Fälle und prüfen Sie jede strukturiert wirkende Ausgabe, bevor eine Anwendung sie verarbeitet. Eine angeforderte Tabelle oder ein JSON-ähnliches Layout ist eine Ausgabeanweisung, keine Garantie für beschränkte strukturierte Generierung.
Wählen Sie dieses Reasoning-orientierte Aufgabenformat, wenn der Weg zu einem Ergebnis erklärt und geprüft werden muss. Ein nützliches endgültiges Arbeitsergebnis kann eine geprüfte Lösung, eine Codeänderung mit relevanten Beispielen oder ein Vergleich sein, der die entscheidende Bedingung ausdrücklich macht. Externe Aktionen benötigen weiterhin ein definiertes Anwendungswerkzeug und ein zurückgegebenes Ergebnis; Reasoning-Text allein belegt weder die Ausführung einer Berechnung noch die Anwendung einer vorgeschlagenen Änderung.
", "aboutText": "QwQ-Plus — 2025-03-05 ist ein datierter Eintrag der Text-Reasoning-Familie QwQ-Plus. Der Hersteller beschreibt QwQ-Plus als verbesserte QwQ-Reihe, die ausgehend von Qwen2.5 trainiert wird und bestärkendes Lernen zur Entwicklung von Reasoning nutzt. Die hervorgehobenen Aufgabenrichtungen sind Mathematik, Programmieren und andere Fragen, die eine Verknüpfung mehrerer Bedingungen erfordern. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder Implementierung auf Grundlage des vom Nutzer bereitgestellten Materials.\n\nEine Reasoning-Aufgabe braucht ein eindeutiges Ziel. Geben Sie bei mathematischen Aufgaben die vollständige Problemstellung, Definitionen, zulässige Variablenbereiche und die zu bestimmende Größe oder nachzuweisende Behauptung an. Bitten Sie um ein Endergebnis in einer bestimmten Form und ausreichend Erklärung, um die Übergänge prüfen zu können. Wenn Sie einen Lösungsversuch bewerten lassen, stellen Sie die ursprüngliche Aufgabe und den umstrittenen Schritt gemeinsam bereit. Das Modell kann dann das tatsächliche Problem besprechen, statt fehlende Annahmen aus einem unvollständigen Fragment zu rekonstruieren.\n\nStellen Sie bei Programmieraufgaben den relevanten Code, die Sprache, das erwartete Verhalten und eine Eingabe bereit, die das Problem sichtbar macht. Eine nützliche Anfrage verlangt eine überarbeitete Funktion, eine Erklärung der geänderten Bedingung und Beispiele für das beabsichtigte Verhalten. Bewahren Sie die Schnittstelle und geben Sie an, welches umgebende Verhalten unverändert bleiben muss. Definieren Sie beim Vergleich von Algorithmen zuerst die Kriterien, etwa Korrektheit in den vorgegebenen Fällen und die relevanten Komplexitätsannahmen. Fordern Sie anschließend eine begründete Auswahl statt einer allgemeinen Alternativenliste an.\n\nDie Chatreferenz des Herstellers empfiehlt, QwQ-Anweisungen in der Nutzeranfrage zu platzieren, statt sich auf eine Systemnachricht zu verlassen. Trennen Sie Quelldaten von der Aufgabe, einschließlich aller Texte oder Codefragmente, die zur Analyse zitiert werden. Legen Sie den Umgang mit unzureichenden Informationen fest: die fehlende Bedingung benennen oder eine gezielte Rückfrage stellen, statt einen Wert anzunehmen. Verfügt die Anwendung bereits über Ergebnisse eines Rechners, Testprogramms oder Suchwerkzeugs, übergeben Sie diese ausdrücklich und bitten Sie das Modell, sie als Evidenz zu verwenden.\n\nDer dokumentierte QwQ-Dienstablauf gibt die Ausgabe per Streaming zurück. Halten Sie zwischenzeitliches Reasoning und die abgeschlossene Antwort unterscheidbar und setzen Sie die zurückgegebenen Fragmente zusammen, bevor Sie die Antwort als fertiges Arbeitsergebnis behandeln. Ein unvollständiger Stream kann eine nicht abgeschlossene Berechnung oder einen verworfenen Ansatz enthalten. Benennen Sie für ein nutzerseitiges Ergebnis die endgültige Schlussfolgerung und die sie stützenden Prüfungen und bewahren Sie zugleich genügend Quellenkontext, um den tatsächlichen Auftrag prüfen zu können.\n\nBewahren Sie für eine wiederholbare Reasoning-Aufgabe den genauen datierten Modellnamen zusammen mit der Eingabeversion, dem angeforderten Ausgabeformat und den Generierungseinstellungen. Benennen Sie bei einer Rückfrage den konkreten zu ändernden Schritt und halten Sie die akzeptierten Fakten ausdrücklich fest. Geben Sie relevante Auszüge statt sachfremden Hintergrunds und setzen Sie ein knappes Antwortziel, damit die Anfrage Platz für Analyse und Endergebnis lässt.\n\nKennzeichnen Sie für eine Analyseaufgabe die verglichenen Optionen und nennen Sie die Entscheidungsregel. Unterscheiden Sie bei einem Beweis Prämissen und Behauptung, bei einem Programm einen beobachteten Fehler und eine vorgeschlagene Ursache. Bitten Sie die endgültige Antwort zu benennen, welche Schlussfolgerung aus den vorgegebenen Fakten folgt und welcher Teil von einer Annahme abhängt. Prüfen Sie Rechenoperationen mit den ursprünglichen Zahlen, testen Sie vorgeschlagenen Code anhand der tatsächlichen Fälle und prüfen Sie jede strukturiert wirkende Ausgabe, bevor eine Anwendung sie verarbeitet. Eine angeforderte Tabelle oder ein JSON-ähnliches Layout ist eine Ausgabeanweisung, keine Garantie für beschränkte strukturierte Generierung.\n\nWählen Sie dieses Reasoning-orientierte Aufgabenformat, wenn der Weg zu einem Ergebnis erklärt und geprüft werden muss. Ein nützliches endgültiges Arbeitsergebnis kann eine geprüfte Lösung, eine Codeänderung mit relevanten Beispielen oder ein Vergleich sein, der die entscheidende Bedingung ausdrücklich macht. Externe Aktionen benötigen weiterhin ein definiertes Anwendungswerkzeug und ein zurückgegebenes Ergebnis; Reasoning-Text allein belegt weder die Ausführung einer Berechnung noch die Anwendung einer vorgeschlagenen Änderung.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Check a batch-capacity claim\n\nA processor handles 18 records per minute and must finish 1,000 records within one hour. Each run also needs a fixed seven-minute setup, during which no records are processed. Determine whether one run can meet the deadline under these assumptions. Show the available processing time, capacity and minimum rate needed, rounding only where required.A feasibility calculation with processing time, attainable capacity and the rate required to meet the deadline.The seven-minute setup is deducted before applying the processing rate, and units remain consistent.qwq-plus-2025-03-05QwQ-Plus — 2025-03-05 bewahrt eine datierte Identität innerhalb der Text-Reasoning-Familie von Qwen. Sein auf Qwen2.5 basierender, durch bestärkendes Lernen trainierter Ansatz ist für Mathematik, Programmieren und Probleme vorgesehen, die ein begründetes Ergebnis aus mehreren miteinander verbundenen Bedingungen benötigen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
QwQ-Plus — 2025-03-05 ist ein datierter Eintrag der Text-Reasoning-Familie QwQ-Plus. Der Hersteller beschreibt QwQ-Plus als verbesserte QwQ-Reihe, die ausgehend von Qwen2.5 trainiert wird und bestärkendes Lernen zur Entwicklung von Reasoning nutzt. Die hervorgehobenen Aufgabenrichtungen sind Mathematik, Programmieren und andere Fragen, die eine Verknüpfung mehrerer Bedingungen erfordern. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder Implementierung auf Grundlage des vom Nutzer bereitgestellten Materials.
Eine Reasoning-Aufgabe braucht ein eindeutiges Ziel. Geben Sie bei mathematischen Aufgaben die vollständige Problemstellung, Definitionen, zulässige Variablenbereiche und die zu bestimmende Größe oder nachzuweisende Behauptung an. Bitten Sie um ein Endergebnis in einer bestimmten Form und ausreichend Erklärung, um die Übergänge prüfen zu können. Wenn Sie einen Lösungsversuch bewerten lassen, stellen Sie die ursprüngliche Aufgabe und den umstrittenen Schritt gemeinsam bereit. Das Modell kann dann das tatsächliche Problem besprechen, statt fehlende Annahmen aus einem unvollständigen Fragment zu rekonstruieren.
Stellen Sie bei Programmieraufgaben den relevanten Code, die Sprache, das erwartete Verhalten und eine Eingabe bereit, die das Problem sichtbar macht. Eine nützliche Anfrage verlangt eine überarbeitete Funktion, eine Erklärung der geänderten Bedingung und Beispiele für das beabsichtigte Verhalten. Bewahren Sie die Schnittstelle und geben Sie an, welches umgebende Verhalten unverändert bleiben muss. Definieren Sie beim Vergleich von Algorithmen zuerst die Kriterien, etwa Korrektheit in den vorgegebenen Fällen und die relevanten Komplexitätsannahmen. Fordern Sie anschließend eine begründete Auswahl statt einer allgemeinen Alternativenliste an.
Die Chatreferenz des Herstellers empfiehlt, QwQ-Anweisungen in der Nutzeranfrage zu platzieren, statt sich auf eine Systemnachricht zu verlassen. Trennen Sie Quelldaten von der Aufgabe, einschließlich aller Texte oder Codefragmente, die zur Analyse zitiert werden. Legen Sie den Umgang mit unzureichenden Informationen fest: die fehlende Bedingung benennen oder eine gezielte Rückfrage stellen, statt einen Wert anzunehmen. Verfügt die Anwendung bereits über Ergebnisse eines Rechners, Testprogramms oder Suchwerkzeugs, übergeben Sie diese ausdrücklich und bitten Sie das Modell, sie als Evidenz zu verwenden.
Der dokumentierte QwQ-Dienstablauf gibt die Ausgabe per Streaming zurück. Halten Sie zwischenzeitliches Reasoning und die abgeschlossene Antwort unterscheidbar und setzen Sie die zurückgegebenen Fragmente zusammen, bevor Sie die Antwort als fertiges Arbeitsergebnis behandeln. Ein unvollständiger Stream kann eine nicht abgeschlossene Berechnung oder einen verworfenen Ansatz enthalten. Benennen Sie für ein nutzerseitiges Ergebnis die endgültige Schlussfolgerung und die sie stützenden Prüfungen und bewahren Sie zugleich genügend Quellenkontext, um den tatsächlichen Auftrag prüfen zu können.
Bewahren Sie für eine wiederholbare Reasoning-Aufgabe den genauen datierten Modellnamen zusammen mit der Eingabeversion, dem angeforderten Ausgabeformat und den Generierungseinstellungen. Benennen Sie bei einer Rückfrage den konkreten zu ändernden Schritt und halten Sie die akzeptierten Fakten ausdrücklich fest. Geben Sie relevante Auszüge statt sachfremden Hintergrunds und setzen Sie ein knappes Antwortziel, damit die Anfrage Platz für Analyse und Endergebnis lässt.
Kennzeichnen Sie für eine Analyseaufgabe die verglichenen Optionen und nennen Sie die Entscheidungsregel. Unterscheiden Sie bei einem Beweis Prämissen und Behauptung, bei einem Programm einen beobachteten Fehler und eine vorgeschlagene Ursache. Bitten Sie die endgültige Antwort zu benennen, welche Schlussfolgerung aus den vorgegebenen Fakten folgt und welcher Teil von einer Annahme abhängt. Prüfen Sie Rechenoperationen mit den ursprünglichen Zahlen, testen Sie vorgeschlagenen Code anhand der tatsächlichen Fälle und prüfen Sie jede strukturiert wirkende Ausgabe, bevor eine Anwendung sie verarbeitet. Eine angeforderte Tabelle oder ein JSON-ähnliches Layout ist eine Ausgabeanweisung, keine Garantie für beschränkte strukturierte Generierung.
Wählen Sie dieses Reasoning-orientierte Aufgabenformat, wenn der Weg zu einem Ergebnis erklärt und geprüft werden muss. Ein nützliches endgültiges Arbeitsergebnis kann eine geprüfte Lösung, eine Codeänderung mit relevanten Beispielen oder ein Vergleich sein, der die entscheidende Bedingung ausdrücklich macht. Externe Aktionen benötigen weiterhin ein definiertes Anwendungswerkzeug und ein zurückgegebenes Ergebnis; Reasoning-Text allein belegt weder die Ausführung einer Berechnung noch die Anwendung einer vorgeschlagenen Änderung.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwq-plus-2025-03-05 | 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 $0.00046 / 1K Token Ausgabe · Ausgabetoken $0.00116 / 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-plus-2025-03-05", "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-plus-2025-03-05',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-plus-2025-03-05',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-plus-2025-03-05
Verwenden Sie die oben angezeigten Methodenpfade.
qwq-plus-2025-03-05QwQ-Plus — 2025-03-05 bewahrt eine datierte Identität innerhalb der Text-Reasoning-Familie von Qwen. Sein auf Qwen2.5 basierender, durch bestärkendes Lernen trainierter Ansatz ist für Mathematik, Programmieren und Probleme vorgesehen, die ein begründetes Ergebnis aus mehreren miteinander verbundenen Bedingungen benötigen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
QwQ-Plus — 2025-03-05 ist ein datierter Eintrag der Text-Reasoning-Familie QwQ-Plus. Der Hersteller beschreibt QwQ-Plus als verbesserte QwQ-Reihe, die ausgehend von Qwen2.5 trainiert wird und bestärkendes Lernen zur Entwicklung von Reasoning nutzt. Die hervorgehobenen Aufgabenrichtungen sind Mathematik, Programmieren und andere Fragen, die eine Verknüpfung mehrerer Bedingungen erfordern. Das nützliche Ergebnis ist eine Textlösung, Erklärung oder Implementierung auf Grundlage des vom Nutzer bereitgestellten Materials.
Eine Reasoning-Aufgabe braucht ein eindeutiges Ziel. Geben Sie bei mathematischen Aufgaben die vollständige Problemstellung, Definitionen, zulässige Variablenbereiche und die zu bestimmende Größe oder nachzuweisende Behauptung an. Bitten Sie um ein Endergebnis in einer bestimmten Form und ausreichend Erklärung, um die Übergänge prüfen zu können. Wenn Sie einen Lösungsversuch bewerten lassen, stellen Sie die ursprüngliche Aufgabe und den umstrittenen Schritt gemeinsam bereit. Das Modell kann dann das tatsächliche Problem besprechen, statt fehlende Annahmen aus einem unvollständigen Fragment zu rekonstruieren.
Stellen Sie bei Programmieraufgaben den relevanten Code, die Sprache, das erwartete Verhalten und eine Eingabe bereit, die das Problem sichtbar macht. Eine nützliche Anfrage verlangt eine überarbeitete Funktion, eine Erklärung der geänderten Bedingung und Beispiele für das beabsichtigte Verhalten. Bewahren Sie die Schnittstelle und geben Sie an, welches umgebende Verhalten unverändert bleiben muss. Definieren Sie beim Vergleich von Algorithmen zuerst die Kriterien, etwa Korrektheit in den vorgegebenen Fällen und die relevanten Komplexitätsannahmen. Fordern Sie anschließend eine begründete Auswahl statt einer allgemeinen Alternativenliste an.
Die Chatreferenz des Herstellers empfiehlt, QwQ-Anweisungen in der Nutzeranfrage zu platzieren, statt sich auf eine Systemnachricht zu verlassen. Trennen Sie Quelldaten von der Aufgabe, einschließlich aller Texte oder Codefragmente, die zur Analyse zitiert werden. Legen Sie den Umgang mit unzureichenden Informationen fest: die fehlende Bedingung benennen oder eine gezielte Rückfrage stellen, statt einen Wert anzunehmen. Verfügt die Anwendung bereits über Ergebnisse eines Rechners, Testprogramms oder Suchwerkzeugs, übergeben Sie diese ausdrücklich und bitten Sie das Modell, sie als Evidenz zu verwenden.
Der dokumentierte QwQ-Dienstablauf gibt die Ausgabe per Streaming zurück. Halten Sie zwischenzeitliches Reasoning und die abgeschlossene Antwort unterscheidbar und setzen Sie die zurückgegebenen Fragmente zusammen, bevor Sie die Antwort als fertiges Arbeitsergebnis behandeln. Ein unvollständiger Stream kann eine nicht abgeschlossene Berechnung oder einen verworfenen Ansatz enthalten. Benennen Sie für ein nutzerseitiges Ergebnis die endgültige Schlussfolgerung und die sie stützenden Prüfungen und bewahren Sie zugleich genügend Quellenkontext, um den tatsächlichen Auftrag prüfen zu können.
Bewahren Sie für eine wiederholbare Reasoning-Aufgabe den genauen datierten Modellnamen zusammen mit der Eingabeversion, dem angeforderten Ausgabeformat und den Generierungseinstellungen. Benennen Sie bei einer Rückfrage den konkreten zu ändernden Schritt und halten Sie die akzeptierten Fakten ausdrücklich fest. Geben Sie relevante Auszüge statt sachfremden Hintergrunds und setzen Sie ein knappes Antwortziel, damit die Anfrage Platz für Analyse und Endergebnis lässt.
Kennzeichnen Sie für eine Analyseaufgabe die verglichenen Optionen und nennen Sie die Entscheidungsregel. Unterscheiden Sie bei einem Beweis Prämissen und Behauptung, bei einem Programm einen beobachteten Fehler und eine vorgeschlagene Ursache. Bitten Sie die endgültige Antwort zu benennen, welche Schlussfolgerung aus den vorgegebenen Fakten folgt und welcher Teil von einer Annahme abhängt. Prüfen Sie Rechenoperationen mit den ursprünglichen Zahlen, testen Sie vorgeschlagenen Code anhand der tatsächlichen Fälle und prüfen Sie jede strukturiert wirkende Ausgabe, bevor eine Anwendung sie verarbeitet. Eine angeforderte Tabelle oder ein JSON-ähnliches Layout ist eine Ausgabeanweisung, keine Garantie für beschränkte strukturierte Generierung.
Wählen Sie dieses Reasoning-orientierte Aufgabenformat, wenn der Weg zu einem Ergebnis erklärt und geprüft werden muss. Ein nützliches endgültiges Arbeitsergebnis kann eine geprüfte Lösung, eine Codeänderung mit relevanten Beispielen oder ein Vergleich sein, der die entscheidende Bedingung ausdrücklich macht. Externe Aktionen benötigen weiterhin ein definiertes Anwendungswerkzeug und ein zurückgegebenes Ergebnis; Reasoning-Text allein belegt weder die Ausführung einer Berechnung noch die Anwendung einer vorgeschlagenen Änderung.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwq-plus-2025-03-05 | 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 $0.00046 / 1K Token Ausgabe · Ausgabetoken $0.00116 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "qwq-plus-2025-03-05",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-plus-2025-03-05', '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-plus-2025-03-05', '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-plus-2025-03-05
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Check a batch-capacity claim\n\nA processor handles 18 records per minute and must finish 1,000 records within one hour. Each run also needs a fixed seven-minute setup, during which no records are processed. Determine whether one run can meet the deadline under these assumptions. Show the available processing time, capacity and minimum rate needed, rounding only where required.A feasibility calculation with processing time, attainable capacity and the rate required to meet the deadline.The seven-minute setup is deducted before applying the processing rate, and units remain consistent.