QwenLong L1 32B
Το QwenLong-L1-32B είναι το μοντέλο συλλογισμού κειμένου της Tongyi Lab για ερωτήσεις βασισμένες σε μεγάλα έγγραφα. Συνδυάζει αφετηρία DeepSeek-R1-Distill-Qwen-32B με ενισχυτική μάθηση εστιασμένη σε έγγραφα για αριθμητικό και λογικό συλλογισμό, καθώς και για συλλογισμό που συνδυάζει πληροφορίες από διαφορετικά έγγραφα.
- Ailoot Ultra · OpenAI Chat
POST /v1/chat/completionsTongyi-Zhiwen/QwenLong-L1-32B - Ailoot Ultra · Anthropic Messages
POST /v1/messagesTongyi-Zhiwen/QwenLong-L1-32B
Σχετικά με το μοντέλο
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Εισαγωγή: συλλογισμός πάνω σε μεγάλα έγγραφα
Το QwenLong-L1-32B είναι το μοντέλο συλλογισμού κειμένου μεγάλου παραθύρου της Tongyi Lab. Σκοπός του είναι να απαντά ερωτήσεις των οποίων τα τεκμήρια είναι διάσπαρτα σε έγγραφο ή σε πολλά έγγραφα, αντί να επαναλαμβάνει απλώς κοντινό απόσπασμα. Βασίζεται στο DeepSeek-R1-Distill-Qwen-32B και εκπαιδεύεται περαιτέρω για συλλογισμό θεμελιωμένο σε έγγραφα. Δώστε κείμενο και ερώτηση· το μοντέλο παράγει ακολουθία συλλογισμού και απάντηση κειμένου. Σαρωμένες σελίδες, ήχος και βίντεο χρειάζονται κατάλληλο χωριστό βήμα μετατροπής πριν από αυτήν τη ροή κειμένου.
Πώς λειτουργεί η εκπαίδευση μεγάλου παραθύρου
Το πλαίσιο QwenLong-L1 πρώτα προθερμαίνει μια πολιτική συλλογισμού με supervised fine-tuning και έπειτα αυξάνει το μήκος συμφραζομένων μέσω προγράμματος ενισχυτικής μάθησης. Η αναδρομική δειγματοληψία βάσει δυσκολίας προσαρμόζει τα παραδείγματα που επανεξετάζονται καθώς προχωρά η εκπαίδευση. Ο κατασκευαστής συνδυάζει δυαδικές ανταμοιβές αποτελέσματος βάσει κανόνων και μοντέλου, χρησιμοποιώντας βελτιστοποίηση πολιτικής σχετική προς την ομάδα για να ενθαρρύνει απαντήσεις που παραμένουν θεμελιωμένες σε εκτενή τεκμήρια. Αυτό περιγράφει την εκπαιδευτική προσέγγιση του checkpoint· δεν σημαίνει ότι κάθε απάντηση επαληθεύεται αυτόματα από εξωτερικό κριτή.
Η κυκλοφορημένη έκδοση
Αυτή είναι η αρχική κυκλοφορία QwenLong-L1-32B. Το χωριστά ονομασμένο QwenLong-L1-32B-AWQ είναι κβαντισμένη έκδοση INT4 και πρέπει να διατηρεί δική του ταυτότητα. Η δημοσιευμένη διαμόρφωση χρησιμοποιεί αρχιτεκτονική αιτιακού γλωσσικού μοντέλου Qwen2 με 64 επίπεδα και βάρη bfloat16. Η εξειδίκευση σε έγγραφα είναι σημαντικότερη για την επιλογή από την αντιμετώπιση του ονόματος 32B ως απόδειξης βελτίωσης κάθε εργασίας γενικής χρήσης.
Προετοιμασία ερώτησης εγγράφου
Το παράδειγμα του κατασκευαστή διαχωρίζει έγγραφο και ερώτηση με ρητούς οριοθέτες κειμένου και ζητά αναγνωρίσιμη φράση τελικής απάντησης μετά τον συλλογισμό. Ακολουθήστε αυτή τη δομή: δώστε το σχετικό σώμα εγγράφου, κρατήστε τίτλους και πίνακες ευανάγνωστους και κάντε μία συγκεκριμένη ερώτηση. Για υπολογισμό αναφοράς, διατηρήστε μονάδες, περιόδους αναφοράς και ετικέτες πινάκων και ζητήστε τύπο, χρησιμοποιούμενες τιμές και τελικό αποτέλεσμα. Για σύγκριση πολιτικών, επισημάνετε τα έγγραφα ως A και B και ζητήστε πίνακα αντίστοιχων κανόνων, διαφορών και υποστηρικτικής ενότητας ανά γραμμή. Αυτά είναι παραδείγματα εφαρμογής που βασίζονται στις τεκμηριωμένες δυνατότητες αριθμητικού συλλογισμού και συνδυασμού πληροφοριών από διαφορετικά έγγραφα.
Το παράδειγμα αναλύει χωριστά τον συλλογισμό και το κείμενο τελικής απάντησης. Χρησιμοποιεί προϋπολογισμό παραγωγής 10.000 token, temperature 0.7 και top_p 0.95· είναι ρυθμίσεις παραδείγματος, όχι δηλωμένο μέγιστο μήκος εξόδου. Η κάρτα δείχνει επίσης προαιρετικό system message ορισμού ταυτότητας. Διατηρήστε τις οδηγίες prompt αυτού του μοντέλου αντί να εισάγετε συστάσεις άλλου checkpoint μόνο επειδή εμφανίζεται στην καταγωγή του.
Επεξεργασία μεγάλων εγγράφων
Η Tongyi Lab επαληθεύει μήκη συμφραζομένων έως 131.072 token με YaRN και συνιστά επέκταση όταν η συνδυασμένη είσοδος και έξοδος υπερβαίνουν σημαντικά τα 32.768 token. Τα παραδείγματα περιγράφουν συντελεστή τέσσερα ή μικρότερο, όπως δύο για φόρτο 65.536 token. Η στατική επέκταση μπορεί να μειώνει την απόδοση σε συντομότερο κείμενο, επομένως η κάρτα συμβουλεύει να μην ενεργοποιείται όταν τα συνηθισμένα αιτήματα μένουν εντός 32.768 token. Η δημοσιευμένη διαμόρφωση αναφέρει 131.072 θέσεις αλλά χωρίς ενεργό πεδίο rope_scaling· συνεπώς η διαμόρφωση και η υπό όρους διαδικασία μεγάλου παραθύρου του κατασκευαστή πρέπει να εξετάζονται μαζί.
Μια μεγάλη είσοδος χρειάζεται ακόμη χώρο για συλλογισμό και απάντηση. Ξεκινήστε με τα αποσπάσματα που χρειάζονται για την ερώτηση, αφαιρέστε επαναλαμβανόμενες κεφαλίδες και κείμενο πλοήγησης και διατηρήστε αναγνωριστικά σελίδων ή ενοτήτων. Ζητήστε αναφορές τεκμηρίων στο αποτέλεσμα, ώστε ο ελεγκτής να εντοπίζει την πηγή του συμπεράσματος στο παρεχόμενο υλικό. Ένα μεγάλο παράθυρο βοηθά να χωρέσουν περισσότερα τεκμήρια σε ένα αίτημα· δεν τεκμηριώνει τέλεια ανάκληση κάθε λεπτομέρειας.
Τι καλύπτει η εκπαίδευση εγγράφων
Το DocQA-RL-1.6K περιέχει 1.600 προβλήματα εκπαίδευσης σε τρία πεδία συλλογισμού: 600 αριθμητικές ερωτήσεις από μεγάλα εξειδικευμένα έγγραφα όπως οικονομικές αναφορές· 600 λογικές ερωτήσεις πολλαπλής επιλογής για νομικά, χρηματοοικονομικά, ασφαλιστικά έγγραφα και έγγραφα παραγωγής· και 400 παραδείγματα πολλαπλών βημάτων που συνδέουν τεκμήρια μεταξύ πηγών. Αυτό καθιστά το μοντέλο σχετικό υποψήφιο για αριθμητικούς υπολογισμούς αναφορών, ερμηνεία κανόνων και ερωτήσεις που απαιτούν πολλά υποστηρικτικά αποσπάσματα. Τα πεδία εκπαίδευσης περιγράφουν εμπειρία σε αυτές τις εργασίες, όχι επαγγελματική πιστοποίηση ή εγγυημένα συμπεράσματα.
Πρακτική έξοδος και όρια
Επιλέξτε απάντηση που ελέγχεται: υπολογισμένη τιμή με μονάδες, σύγκριση κανόνων με παραπομπές ενοτήτων ή σύντομο συμπέρασμα με ακολουθία υποστηρικτικών γεγονότων. Αν το έγγραφο παραλείπει απαιτούμενη ημερομηνία ή ορισμό, ζητήστε να εντοπιστούν τα ελλείποντα τεκμήρια αντί να επινοηθούν. Το υλικό κυκλοφορίας εστιάζει σε απαντήσεις ερωτήσεων εγγράφων και δεν τεκμηριώνει ειδική σύμβαση κλήσεων εργαλείων ή χωριστό ανώτατο όριο εξόδου. Αντιμετωπίστε τις απαντήσεις ως προσχέδια βασισμένα σε πηγές και επαληθεύστε υπολογισμούς, αναφορές και ερμηνείες έναντι των παρεχόμενων εγγράφων.
Πρακτική εργασία
Πρακτική εργασία
Τεχνικό παράδειγμα στα αγγλικά
Connect evidence across report sections
Document section 1 says 240 units were shipped. Section 4 says 30 shipped units were returned before month end. Appendix A says net shipped units equal shipped minus returned units. Calculate net shipped units for the month, cite every section needed and state whether revenue can be calculated from these facts. End with a clearly labelled final answer.Αναμενόμενο αποτέλεσμα
A source-linked formula and calculation, a revenue-information limit and a labelled final result.Έλεγχος αποτελέσματος
Check that all three source sections support the calculation and that a price or revenue value is not invented.Ailoot Ultra · OpenAI Chat POST /v1/chat/completions Tongyi-Zhiwen/QwenLong-L1-32B
Tongyi-Zhiwen/QwenLong-L1-32BΕισαγωγή
Το QwenLong-L1-32B είναι το μοντέλο συλλογισμού κειμένου της Tongyi Lab για ερωτήσεις βασισμένες σε μεγάλα έγγραφα. Συνδυάζει αφετηρία DeepSeek-R1-Distill-Qwen-32B με ενισχυτική μάθηση εστιασμένη σε έγγραφα για αριθμητικό και λογικό συλλογισμό, καθώς και για συλλογισμό που συνδυάζει πληροφορίες από διαφορετικά έγγραφα.
- Αποδεκτές είσοδοι
- Κείμενο
- Αποτελέσματα
- Κείμενο
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
- Είσοδος
text- Έξοδος
text- Μορφή εξόδου
- json ή SSE
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Tongyi-Zhiwen/QwenLong-L1-32B | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Συνδυασμοί υλικών εισόδου
Κείμενο · Κείμενο UTF8
messages[].content
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Τιμολόγηση
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
- Γρήγορη λειτουργία
- Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
- Λειτουργία flex
- Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
- Μέγιστη προσπάθεια συλλογισμού
- Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default
Χρεώσεις Ailoot
Τιμές ανά διαμόρφωση
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00028 / 1K token Έξοδος · Token εξόδου $0.0012 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot Ultra · OpenAI Chat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "Tongyi-Zhiwen/QwenLong-L1-32B", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='Tongyi-Zhiwen/QwenLong-L1-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
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
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
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
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
with client.chat.completions.stream(model='Tongyi-Zhiwen/QwenLong-L1-32B',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
for event in stream:
payload=event.to_dict(mode="json")
log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
print(json.dumps(payload,ensure_ascii=False))
final=stream.get_final_completion()
save_result(final.to_dict(mode="json"),"stream-result")
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · OpenAI Chat
json ή SSE
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot Ultra Tongyi-Zhiwen/QwenLong-L1-32B
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
Ailoot Ultra · Anthropic Messages POST /v1/messages Tongyi-Zhiwen/QwenLong-L1-32B
Tongyi-Zhiwen/QwenLong-L1-32BΕισαγωγή
Το QwenLong-L1-32B είναι το μοντέλο συλλογισμού κειμένου της Tongyi Lab για ερωτήσεις βασισμένες σε μεγάλα έγγραφα. Συνδυάζει αφετηρία DeepSeek-R1-Distill-Qwen-32B με ενισχυτική μάθηση εστιασμένη σε έγγραφα για αριθμητικό και λογικό συλλογισμό, καθώς και για συλλογισμό που συνδυάζει πληροφορίες από διαφορετικά έγγραφα.
- Αποδεκτές είσοδοι
- Κείμενο
- Αποτελέσματα
- json · sse
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot Ultra · Anthropic Messages POST /v1/messages
- Είσοδος
text- Έξοδος
json,sse- Μορφή εξόδου
- JSON ή SSE
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Tongyi-Zhiwen/QwenLong-L1-32B | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Συνδυασμοί υλικών εισόδου
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Τιμολόγηση
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
- Γρήγορη λειτουργία
- Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
- Λειτουργία flex
- Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
- Μέγιστη προσπάθεια συλλογισμού
- Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default
Χρεώσεις Ailoot
Τιμές ανά διαμόρφωση
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00028 / 1K token Έξοδος · Token εξόδου $0.0012 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot Ultra · Anthropic Messages
{
"model": "Tongyi-Zhiwen/QwenLong-L1-32B",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'Tongyi-Zhiwen/QwenLong-L1-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'Tongyi-Zhiwen/QwenLong-L1-32B', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError
api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
with urlopen(request, timeout=120) as response:
raw = response.read()
Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
Path('result.json').write_bytes(error.read())
Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · Anthropic Messages
JSON ή SSE
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot Ultra Tongyi-Zhiwen/QwenLong-L1-32B
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
FAQ · Tongyi-Zhiwen/QwenLong-L1-32B
- Ποιες είσοδοι και αποτελέσματα διατίθενται;
POST /v1/chat/completions·Tongyi-Zhiwen/QwenLong-L1-32B:text→textPOST /v1/messages·Tongyi-Zhiwen/QwenLong-L1-32B:text→json,sse- Ποια πεδία χρησιμοποιεί το αίτημα;
POST /v1/chat/completions·Tongyi-Zhiwen/QwenLong-L1-32B:model,messages,stream,modalities,providerPOST /v1/messages·Tongyi-Zhiwen/QwenLong-L1-32B:model,messages,max_tokens,stream- Ποια όρια ισχύουν;
POST /v1/chat/completions·Tongyi-Zhiwen/QwenLong-L1-32B:messages.min_items:1