Qwen-Max (2025-01-25) es la versión de texto del 25 de enero que el fabricante identifica como funcionalmente equivalente a su perfil Qwen-Max. Qwen-Max pertenece a la familia Qwen de Alibaba y procesa entradas en varios idiomas, incluidos el chino y el inglés. Las tareas lingüísticas descritas incluyen generación de código, razonamiento lógico, escritura creativa, formato JSON y conversaciones basadas en roles.
Proporciona al modelo las condiciones, la evidencia y los criterios de decisión necesarios para la tarea. En una revisión de requisitos, puedes pedirle que identifique coincidencias, conflictos y preguntas pendientes. Para una comparación, especifica los criterios relevantes y solicita una explicación de cómo los cumple cada opción. Mantén separadas las afirmaciones de las fuentes y los supuestos para poder verificar la respuesta con el material proporcionado.
Para una solicitud de programación, proporciona el lenguaje, el código fuente relevante y el comportamiento esperado. Pide una propuesta de implementación y una explicación de la lógica afectada. Guarda y ejecuta el código resultante en el entorno de desarrollo para verificar el cambio. Para redactar, especifica el público, el propósito y los hechos que deben incluirse; después, solicita un texto terminado y una nota breve sobre los cambios.
Para una respuesta en formato JSON, define los nombres de los campos, sus tipos y cómo deben tratarse los valores faltantes. Verifica tanto la estructura devuelta como su contenido antes de usarlos en una aplicación. En una conversación basada en roles, proporciona la descripción del personaje o rol y la información que la respuesta debe conservar.
Las configuraciones regionales de despliegue del fabricante difieren en su compatibilidad con las llamadas a funciones y la búsqueda web. Las salidas estructuradas y la completación a partir de un prefijo figuran en ambas configuraciones mostradas en su página del modelo. Una aplicación compatible con funciones define la acción, ejecuta la llamada seleccionada y devuelve el resultado; esos pasos corresponden a la integración que rodea al modelo.
El perfil Qwen-Max equivalente del fabricante especifica 32,768 tokens de contexto, hasta 30,720 tokens de entrada y 8,192 tokens de salida. El perfil alojado que se publica por separado para este identificador fechado especifica 131,072 tokens de contexto. Son especificaciones de perfiles distintos, por lo que debes preparar la solicitud según los límites que ofrezca la interfaz utilizada. Conserva el identificador fechado exacto junto con el prompt y el resultado al comparar respuestas.
", "aboutText": "Qwen-Max (2025-01-25) es la versión de texto del 25 de enero que el fabricante identifica como funcionalmente equivalente a su perfil Qwen-Max. Qwen-Max pertenece a la familia Qwen de Alibaba y procesa entradas en varios idiomas, incluidos el chino y el inglés. Las tareas lingüísticas descritas incluyen generación de código, razonamiento lógico, escritura creativa, formato JSON y conversaciones basadas en roles.\n\n### Analiza una pregunta bien definida\n\nProporciona al modelo las condiciones, la evidencia y los criterios de decisión necesarios para la tarea. En una revisión de requisitos, puedes pedirle que identifique coincidencias, conflictos y preguntas pendientes. Para una comparación, especifica los criterios relevantes y solicita una explicación de cómo los cumple cada opción. Mantén separadas las afirmaciones de las fuentes y los supuestos para poder verificar la respuesta con el material proporcionado.\n\n### Prepara código o material escrito\n\nPara una solicitud de programación, proporciona el lenguaje, el código fuente relevante y el comportamiento esperado. Pide una propuesta de implementación y una explicación de la lógica afectada. Guarda y ejecuta el código resultante en el entorno de desarrollo para verificar el cambio. Para redactar, especifica el público, el propósito y los hechos que deben incluirse; después, solicita un texto terminado y una nota breve sobre los cambios.\n\nPara una respuesta en formato JSON, define los nombres de los campos, sus tipos y cómo deben tratarse los valores faltantes. Verifica tanto la estructura devuelta como su contenido antes de usarlos en una aplicación. En una conversación basada en roles, proporciona la descripción del personaje o rol y la información que la respuesta debe conservar.\n\n### Usa los controles que ofrece la integración\n\nLas configuraciones regionales de despliegue del fabricante difieren en su compatibilidad con las llamadas a funciones y la búsqueda web. Las salidas estructuradas y la completación a partir de un prefijo figuran en ambas configuraciones mostradas en su página del modelo. Una aplicación compatible con funciones define la acción, ejecuta la llamada seleccionada y devuelve el resultado; esos pasos corresponden a la integración que rodea al modelo.\n\n### Ajusta el contexto al perfil seleccionado\n\nEl perfil Qwen-Max equivalente del fabricante especifica 32,768 tokens de contexto, hasta 30,720 tokens de entrada y 8,192 tokens de salida. El perfil alojado que se publica por separado para este identificador fechado especifica 131,072 tokens de contexto. Son especificaciones de perfiles distintos, por lo que debes preparar la solicitud según los límites que ofrezca la interfaz utilizada. Conserva el identificador fechado exacto junto con el prompt y el resultado al comparar respuestas.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.qwen-max-2025-01-25Qwen-Max (2025-01-25) es una versión de texto fechada de Qwen para tareas de lenguaje, razonamiento, programación y redacción. El fabricante la identifica como funcionalmente equivalente al perfil Qwen-Max; el contexto y los controles opcionales dependen de la configuración de despliegue.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen-Max (2025-01-25) es la versión de texto del 25 de enero que el fabricante identifica como funcionalmente equivalente a su perfil Qwen-Max. Qwen-Max pertenece a la familia Qwen de Alibaba y procesa entradas en varios idiomas, incluidos el chino y el inglés. Las tareas lingüísticas descritas incluyen generación de código, razonamiento lógico, escritura creativa, formato JSON y conversaciones basadas en roles.
Proporciona al modelo las condiciones, la evidencia y los criterios de decisión necesarios para la tarea. En una revisión de requisitos, puedes pedirle que identifique coincidencias, conflictos y preguntas pendientes. Para una comparación, especifica los criterios relevantes y solicita una explicación de cómo los cumple cada opción. Mantén separadas las afirmaciones de las fuentes y los supuestos para poder verificar la respuesta con el material proporcionado.
Para una solicitud de programación, proporciona el lenguaje, el código fuente relevante y el comportamiento esperado. Pide una propuesta de implementación y una explicación de la lógica afectada. Guarda y ejecuta el código resultante en el entorno de desarrollo para verificar el cambio. Para redactar, especifica el público, el propósito y los hechos que deben incluirse; después, solicita un texto terminado y una nota breve sobre los cambios.
Para una respuesta en formato JSON, define los nombres de los campos, sus tipos y cómo deben tratarse los valores faltantes. Verifica tanto la estructura devuelta como su contenido antes de usarlos en una aplicación. En una conversación basada en roles, proporciona la descripción del personaje o rol y la información que la respuesta debe conservar.
Las configuraciones regionales de despliegue del fabricante difieren en su compatibilidad con las llamadas a funciones y la búsqueda web. Las salidas estructuradas y la completación a partir de un prefijo figuran en ambas configuraciones mostradas en su página del modelo. Una aplicación compatible con funciones define la acción, ejecuta la llamada seleccionada y devuelve el resultado; esos pasos corresponden a la integración que rodea al modelo.
El perfil Qwen-Max equivalente del fabricante especifica 32,768 tokens de contexto, hasta 30,720 tokens de entrada y 8,192 tokens de salida. El perfil alojado que se publica por separado para este identificador fechado especifica 131,072 tokens de contexto. Son especificaciones de perfiles distintos, por lo que debes preparar la solicitud según los límites que ofrezca la interfaz utilizada. Conserva el identificador fechado exacto junto con el prompt y el resultado al comparar respuestas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen-max-2025-01-25 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.000686 / 1K tokens Salida · Tokens de salida $0.002744 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-max-2025-01-25", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-max-2025-01-25',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-max-2025-01-25',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen-max-2025-01-25
Usa las rutas de método indicadas arriba.
qwen-max-2025-01-25Qwen-Max (2025-01-25) es una versión de texto fechada de Qwen para tareas de lenguaje, razonamiento, programación y redacción. El fabricante la identifica como funcionalmente equivalente al perfil Qwen-Max; el contexto y los controles opcionales dependen de la configuración de despliegue.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Qwen-Max (2025-01-25) es la versión de texto del 25 de enero que el fabricante identifica como funcionalmente equivalente a su perfil Qwen-Max. Qwen-Max pertenece a la familia Qwen de Alibaba y procesa entradas en varios idiomas, incluidos el chino y el inglés. Las tareas lingüísticas descritas incluyen generación de código, razonamiento lógico, escritura creativa, formato JSON y conversaciones basadas en roles.
Proporciona al modelo las condiciones, la evidencia y los criterios de decisión necesarios para la tarea. En una revisión de requisitos, puedes pedirle que identifique coincidencias, conflictos y preguntas pendientes. Para una comparación, especifica los criterios relevantes y solicita una explicación de cómo los cumple cada opción. Mantén separadas las afirmaciones de las fuentes y los supuestos para poder verificar la respuesta con el material proporcionado.
Para una solicitud de programación, proporciona el lenguaje, el código fuente relevante y el comportamiento esperado. Pide una propuesta de implementación y una explicación de la lógica afectada. Guarda y ejecuta el código resultante en el entorno de desarrollo para verificar el cambio. Para redactar, especifica el público, el propósito y los hechos que deben incluirse; después, solicita un texto terminado y una nota breve sobre los cambios.
Para una respuesta en formato JSON, define los nombres de los campos, sus tipos y cómo deben tratarse los valores faltantes. Verifica tanto la estructura devuelta como su contenido antes de usarlos en una aplicación. En una conversación basada en roles, proporciona la descripción del personaje o rol y la información que la respuesta debe conservar.
Las configuraciones regionales de despliegue del fabricante difieren en su compatibilidad con las llamadas a funciones y la búsqueda web. Las salidas estructuradas y la completación a partir de un prefijo figuran en ambas configuraciones mostradas en su página del modelo. Una aplicación compatible con funciones define la acción, ejecuta la llamada seleccionada y devuelve el resultado; esos pasos corresponden a la integración que rodea al modelo.
El perfil Qwen-Max equivalente del fabricante especifica 32,768 tokens de contexto, hasta 30,720 tokens de entrada y 8,192 tokens de salida. El perfil alojado que se publica por separado para este identificador fechado especifica 131,072 tokens de contexto. Son especificaciones de perfiles distintos, por lo que debes preparar la solicitud según los límites que ofrezca la interfaz utilizada. Conserva el identificador fechado exacto junto con el prompt y el resultado al comparar respuestas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen-max-2025-01-25 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.000686 / 1K tokens Salida · Tokens de salida $0.002744 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen-max-2025-01-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-max-2025-01-25', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-max-2025-01-25', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra qwen-max-2025-01-25
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.