La versión Qwen3.7 Flash
Qwen3.7 Flash es una familia nativa de modelos de lenguaje visual para comprensión de texto, imágenes y video con respuestas textuales. La versión del fabricante describe una percepción multimodal y una ejecución de agentes más sólidas que las de Qwen3.6 Flash. Su ámbito práctico de tareas incluye reconocer objetos, comprender una escena visual, razonar sobre relaciones espaciales y preparar código o explicaciones a partir de material visual.
La versión oficial nombra tanto qwen3.7-flash como el nombre fechado qwen3.7-flash-2026-07-15. Conserva el nombre exacto del modelo al registrar un resultado: el nombre Flash sin fecha no identifica una versión fija del fabricante. La descripción de la versión usada aquí no establece una cantidad de parámetros de checkpoint abierto ni una representación numérica.
Reconocimiento de objetos, percepción del mundo real y espacio
Proporciona una imagen de escena con una pregunta concreta: qué objeto importa, qué relación se debe examinar y qué detalles visibles deben respaldar la respuesta. Para un diagrama, conserva las etiquetas y proporciona las definiciones necesarias para interpretarlas. Una salida útil separa las observaciones de las relaciones inferidas, facilitando comparar la explicación con la fuente.
Para varias imágenes, etiqueta cada entrada y solicita una comparación organizada por esas etiquetas. Para video, identifica el evento pertinente y conserva la secuencia o la información temporal. Revisa las cantidades exactas, las medidas espaciales y las observaciones por fotograma contra el material suministrado.
Agentes multimodales
La versión destaca escenarios de Search Agent y agentes con intérprete de código, con una ejecución de varios pasos más estable. En un flujo así, la aplicación proporciona las herramientas permitidas, realiza sus acciones y devuelve sus observaciones. El modelo puede usar esos resultados para actualizar su plan. Describe el objetivo y la condición de terminación, y solicita un artefacto final junto con cualquier evidencia sin resolver. El productor lista llamadas a funciones, salidas estructuradas, completado de prefijos y caché de contexto. La búsqueda web es compatible en Beijing y Singapur, y no es compatible en los demás ámbitos regionales listados. La inferencia por lotes es compatible para el alias de Beijing y no lo es en otros lugares; el ajuste fino no es compatible.
La especialización de un modelo en agentes no debe confundirse con acceso integrado a fuentes actuales o a un entorno de ejecución en todas las interfaces. Cuando una tarea requiera recuperación o ejecución de código, distingue el resultado devuelto por una herramienta real de una acción propuesta en el texto del modelo. Esta descripción no establece qué herramientas expone otra aplicación.
Programación visual
Qwen describe mejoras de programación basadas en material visual. Una solicitud útil puede combinar una captura de pantalla o un diseño con requisitos funcionales y pedir código editable. Especifica el framework o la forma de salida, los estados de interacción y las restricciones en la tarea proporcionada. Solicita el artefacto generado por separado de la explicación para que el flujo de desarrollo pueda revisarlo o renderizarlo.
Para una interfaz existente, identifica el cambio previsto y el contexto fuente pertinente, en lugar de solicitar un rediseño sin relación. El modelo puede conectar un requisito visual con una propuesta de código; esa propuesta no es evidencia de que la interfaz se haya renderizado o se comporte correctamente. Estos ejemplos de tareas aplican el ámbito de programación visual del fabricante sin añadir una garantía de ejecución.
Pensamiento y respuestas directas
La guía de modelos compatibles del fabricante lista Qwen3.7 Flash como una familia de pensamiento híbrido con pensamiento habilitado de forma predeterminada. Su flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén la salida de razonamiento separada de la respuesta final cuando una interfaz proporcione ambas. No deben importarse controles de un modelo Qwen-Omni con otro nombre o de un modelo denso abierto únicamente por compartir el nombre Qwen.
Usa un análisis más profundo para una pregunta visual que conecte varias observaciones; solicita un resultado directo para una descripción sencilla. Especifica una estructura final verificable, como una tabla de observaciones, una conclusión concisa o archivos de código, en lugar de usar la extensión de la respuesta como señal de calidad.
Límites y preparación de entradas
La página dedicada de Alibaba para Qwen3.7-Flash indica un contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respuestas directas o 983,616 para pensamiento y salida máxima de 131,072 en cualquiera de los modos. Por separado, lista una longitud máxima de cadena de pensamiento de 262,144 tokens. Mantén legible el detalle visual pertinente, recorta el material sin relación y reserva espacio para el resultado requerido. Verifica las etiquetas de objetos, las inferencias espaciales, el texto extraído y las propuestas de código contra la evidencia suministrada. La descripción útil es el ámbito específico de percepción, agentes y programación visual del fabricante, conservando su modo híbrido de respuesta.
", "aboutText": "La versión Qwen3.7 Flash\n\nQwen3.7 Flash es una familia nativa de modelos de lenguaje visual para comprensión de texto, imágenes y video con respuestas textuales. La versión del fabricante describe una percepción multimodal y una ejecución de agentes más sólidas que las de Qwen3.6 Flash. Su ámbito práctico de tareas incluye reconocer objetos, comprender una escena visual, razonar sobre relaciones espaciales y preparar código o explicaciones a partir de material visual.\n\nLa versión oficial nombra tanto qwen3.7-flash como el nombre fechado qwen3.7-flash-2026-07-15. Conserva el nombre exacto del modelo al registrar un resultado: el nombre Flash sin fecha no identifica una versión fija del fabricante. La descripción de la versión usada aquí no establece una cantidad de parámetros de checkpoint abierto ni una representación numérica.\n\nReconocimiento de objetos, percepción del mundo real y espacio\n\nProporciona una imagen de escena con una pregunta concreta: qué objeto importa, qué relación se debe examinar y qué detalles visibles deben respaldar la respuesta. Para un diagrama, conserva las etiquetas y proporciona las definiciones necesarias para interpretarlas. Una salida útil separa las observaciones de las relaciones inferidas, facilitando comparar la explicación con la fuente.\n\nPara varias imágenes, etiqueta cada entrada y solicita una comparación organizada por esas etiquetas. Para video, identifica el evento pertinente y conserva la secuencia o la información temporal. Revisa las cantidades exactas, las medidas espaciales y las observaciones por fotograma contra el material suministrado.\n\nAgentes multimodales\n\nLa versión destaca escenarios de Search Agent y agentes con intérprete de código, con una ejecución de varios pasos más estable. En un flujo así, la aplicación proporciona las herramientas permitidas, realiza sus acciones y devuelve sus observaciones. El modelo puede usar esos resultados para actualizar su plan. Describe el objetivo y la condición de terminación, y solicita un artefacto final junto con cualquier evidencia sin resolver. El productor lista llamadas a funciones, salidas estructuradas, completado de prefijos y caché de contexto. La búsqueda web es compatible en Beijing y Singapur, y no es compatible en los demás ámbitos regionales listados. La inferencia por lotes es compatible para el alias de Beijing y no lo es en otros lugares; el ajuste fino no es compatible.\n\nLa especialización de un modelo en agentes no debe confundirse con acceso integrado a fuentes actuales o a un entorno de ejecución en todas las interfaces. Cuando una tarea requiera recuperación o ejecución de código, distingue el resultado devuelto por una herramienta real de una acción propuesta en el texto del modelo. Esta descripción no establece qué herramientas expone otra aplicación.\n\nProgramación visual\n\nQwen describe mejoras de programación basadas en material visual. Una solicitud útil puede combinar una captura de pantalla o un diseño con requisitos funcionales y pedir código editable. Especifica el framework o la forma de salida, los estados de interacción y las restricciones en la tarea proporcionada. Solicita el artefacto generado por separado de la explicación para que el flujo de desarrollo pueda revisarlo o renderizarlo.\n\nPara una interfaz existente, identifica el cambio previsto y el contexto fuente pertinente, en lugar de solicitar un rediseño sin relación. El modelo puede conectar un requisito visual con una propuesta de código; esa propuesta no es evidencia de que la interfaz se haya renderizado o se comporte correctamente. Estos ejemplos de tareas aplican el ámbito de programación visual del fabricante sin añadir una garantía de ejecución.\n\nPensamiento y respuestas directas\n\nLa guía de modelos compatibles del fabricante lista Qwen3.7 Flash como una familia de pensamiento híbrido con pensamiento habilitado de forma predeterminada. Su flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén la salida de razonamiento separada de la respuesta final cuando una interfaz proporcione ambas. No deben importarse controles de un modelo Qwen-Omni con otro nombre o de un modelo denso abierto únicamente por compartir el nombre Qwen.\n\nUsa un análisis más profundo para una pregunta visual que conecte varias observaciones; solicita un resultado directo para una descripción sencilla. Especifica una estructura final verificable, como una tabla de observaciones, una conclusión concisa o archivos de código, en lugar de usar la extensión de la respuesta como señal de calidad.\n\nLímites y preparación de entradas\n\nLa página dedicada de Alibaba para Qwen3.7-Flash indica un contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respuestas directas o 983,616 para pensamiento y salida máxima de 131,072 en cualquiera de los modos. Por separado, lista una longitud máxima de cadena de pensamiento de 262,144 tokens. Mantén legible el detalle visual pertinente, recorta el material sin relación y reserva espacio para el resultado requerido. Verifica las etiquetas de objetos, las inferencias espaciales, el texto extraído y las propuestas de código contra la evidencia suministrada. La descripción útil es el ámbito específico de percepción, agentes y programación visual del fabricante, conservando su modo híbrido de respuesta.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.qwen/qwen3.7-flashQwen3.7 Flash es la familia de modelos de lenguaje visual de Qwen para texto, imágenes y video, con salida de texto. El fabricante destaca mejoras en reconocimiento de objetos, comprensión espacial, trabajo de agentes multimodales y programación visual, con pensamiento habilitado de forma predeterminada y un modo opcional de respuesta directa.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
La versión Qwen3.7 Flash
Qwen3.7 Flash es una familia nativa de modelos de lenguaje visual para comprensión de texto, imágenes y video con respuestas textuales. La versión del fabricante describe una percepción multimodal y una ejecución de agentes más sólidas que las de Qwen3.6 Flash. Su ámbito práctico de tareas incluye reconocer objetos, comprender una escena visual, razonar sobre relaciones espaciales y preparar código o explicaciones a partir de material visual.
La versión oficial nombra tanto qwen3.7-flash como el nombre fechado qwen3.7-flash-2026-07-15. Conserva el nombre exacto del modelo al registrar un resultado: el nombre Flash sin fecha no identifica una versión fija del fabricante. La descripción de la versión usada aquí no establece una cantidad de parámetros de checkpoint abierto ni una representación numérica.
Reconocimiento de objetos, percepción del mundo real y espacio
Proporciona una imagen de escena con una pregunta concreta: qué objeto importa, qué relación se debe examinar y qué detalles visibles deben respaldar la respuesta. Para un diagrama, conserva las etiquetas y proporciona las definiciones necesarias para interpretarlas. Una salida útil separa las observaciones de las relaciones inferidas, facilitando comparar la explicación con la fuente.
Para varias imágenes, etiqueta cada entrada y solicita una comparación organizada por esas etiquetas. Para video, identifica el evento pertinente y conserva la secuencia o la información temporal. Revisa las cantidades exactas, las medidas espaciales y las observaciones por fotograma contra el material suministrado.
Agentes multimodales
La versión destaca escenarios de Search Agent y agentes con intérprete de código, con una ejecución de varios pasos más estable. En un flujo así, la aplicación proporciona las herramientas permitidas, realiza sus acciones y devuelve sus observaciones. El modelo puede usar esos resultados para actualizar su plan. Describe el objetivo y la condición de terminación, y solicita un artefacto final junto con cualquier evidencia sin resolver. El productor lista llamadas a funciones, salidas estructuradas, completado de prefijos y caché de contexto. La búsqueda web es compatible en Beijing y Singapur, y no es compatible en los demás ámbitos regionales listados. La inferencia por lotes es compatible para el alias de Beijing y no lo es en otros lugares; el ajuste fino no es compatible.
La especialización de un modelo en agentes no debe confundirse con acceso integrado a fuentes actuales o a un entorno de ejecución en todas las interfaces. Cuando una tarea requiera recuperación o ejecución de código, distingue el resultado devuelto por una herramienta real de una acción propuesta en el texto del modelo. Esta descripción no establece qué herramientas expone otra aplicación.
Programación visual
Qwen describe mejoras de programación basadas en material visual. Una solicitud útil puede combinar una captura de pantalla o un diseño con requisitos funcionales y pedir código editable. Especifica el framework o la forma de salida, los estados de interacción y las restricciones en la tarea proporcionada. Solicita el artefacto generado por separado de la explicación para que el flujo de desarrollo pueda revisarlo o renderizarlo.
Para una interfaz existente, identifica el cambio previsto y el contexto fuente pertinente, en lugar de solicitar un rediseño sin relación. El modelo puede conectar un requisito visual con una propuesta de código; esa propuesta no es evidencia de que la interfaz se haya renderizado o se comporte correctamente. Estos ejemplos de tareas aplican el ámbito de programación visual del fabricante sin añadir una garantía de ejecución.
Pensamiento y respuestas directas
La guía de modelos compatibles del fabricante lista Qwen3.7 Flash como una familia de pensamiento híbrido con pensamiento habilitado de forma predeterminada. Su flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén la salida de razonamiento separada de la respuesta final cuando una interfaz proporcione ambas. No deben importarse controles de un modelo Qwen-Omni con otro nombre o de un modelo denso abierto únicamente por compartir el nombre Qwen.
Usa un análisis más profundo para una pregunta visual que conecte varias observaciones; solicita un resultado directo para una descripción sencilla. Especifica una estructura final verificable, como una tabla de observaciones, una conclusión concisa o archivos de código, en lugar de usar la extensión de la respuesta como señal de calidad.
Límites y preparación de entradas
La página dedicada de Alibaba para Qwen3.7-Flash indica un contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respuestas directas o 983,616 para pensamiento y salida máxima de 131,072 en cualquiera de los modos. Por separado, lista una longitud máxima de cadena de pensamiento de 262,144 tokens. Mantén legible el detalle visual pertinente, recorta el material sin relación y reserva espacio para el resultado requerido. Verifica las etiquetas de objetos, las inferencias espaciales, el texto extraído y las propuestas de código contra la evidencia suministrada. La descripción útil es el ámbito específico de percepción, agentes y programación visual del fabricante, conservando su modo híbrido de respuesta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3.7-flash | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00006 / 1K tokens Salida · Tokens de salida $0.00026 / 1K tokens Entrada · Lectura de caché $0.000012 / 1K tokens Entrada · Escritura en caché $0.000076 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive32,000 | Cargo Entrada · Tokens de entrada $0.00006 / 1K tokens Salida · Tokens de salida $0.00026 / 1K tokens Entrada · Lectura de caché $0.000012 / 1K tokens Entrada · Escritura en caché $0.000076 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de32,000 | Tokens de contexto, hasta inclusive256,000 | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00004 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 3 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de256,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0004 / 1K tokens Salida · Tokens de salida $0.0016 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché $0.0005 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.7-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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/qwen3.7-flash
Usa las rutas de método indicadas arriba.
qwen/qwen3.7-flashQwen3.7 Flash es la familia de modelos de lenguaje visual de Qwen para texto, imágenes y video, con salida de texto. El fabricante destaca mejoras en reconocimiento de objetos, comprensión espacial, trabajo de agentes multimodales y programación visual, con pensamiento habilitado de forma predeterminada y un modo opcional de respuesta directa.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
La versión Qwen3.7 Flash
Qwen3.7 Flash es una familia nativa de modelos de lenguaje visual para comprensión de texto, imágenes y video con respuestas textuales. La versión del fabricante describe una percepción multimodal y una ejecución de agentes más sólidas que las de Qwen3.6 Flash. Su ámbito práctico de tareas incluye reconocer objetos, comprender una escena visual, razonar sobre relaciones espaciales y preparar código o explicaciones a partir de material visual.
La versión oficial nombra tanto qwen3.7-flash como el nombre fechado qwen3.7-flash-2026-07-15. Conserva el nombre exacto del modelo al registrar un resultado: el nombre Flash sin fecha no identifica una versión fija del fabricante. La descripción de la versión usada aquí no establece una cantidad de parámetros de checkpoint abierto ni una representación numérica.
Reconocimiento de objetos, percepción del mundo real y espacio
Proporciona una imagen de escena con una pregunta concreta: qué objeto importa, qué relación se debe examinar y qué detalles visibles deben respaldar la respuesta. Para un diagrama, conserva las etiquetas y proporciona las definiciones necesarias para interpretarlas. Una salida útil separa las observaciones de las relaciones inferidas, facilitando comparar la explicación con la fuente.
Para varias imágenes, etiqueta cada entrada y solicita una comparación organizada por esas etiquetas. Para video, identifica el evento pertinente y conserva la secuencia o la información temporal. Revisa las cantidades exactas, las medidas espaciales y las observaciones por fotograma contra el material suministrado.
Agentes multimodales
La versión destaca escenarios de Search Agent y agentes con intérprete de código, con una ejecución de varios pasos más estable. En un flujo así, la aplicación proporciona las herramientas permitidas, realiza sus acciones y devuelve sus observaciones. El modelo puede usar esos resultados para actualizar su plan. Describe el objetivo y la condición de terminación, y solicita un artefacto final junto con cualquier evidencia sin resolver. El productor lista llamadas a funciones, salidas estructuradas, completado de prefijos y caché de contexto. La búsqueda web es compatible en Beijing y Singapur, y no es compatible en los demás ámbitos regionales listados. La inferencia por lotes es compatible para el alias de Beijing y no lo es en otros lugares; el ajuste fino no es compatible.
La especialización de un modelo en agentes no debe confundirse con acceso integrado a fuentes actuales o a un entorno de ejecución en todas las interfaces. Cuando una tarea requiera recuperación o ejecución de código, distingue el resultado devuelto por una herramienta real de una acción propuesta en el texto del modelo. Esta descripción no establece qué herramientas expone otra aplicación.
Programación visual
Qwen describe mejoras de programación basadas en material visual. Una solicitud útil puede combinar una captura de pantalla o un diseño con requisitos funcionales y pedir código editable. Especifica el framework o la forma de salida, los estados de interacción y las restricciones en la tarea proporcionada. Solicita el artefacto generado por separado de la explicación para que el flujo de desarrollo pueda revisarlo o renderizarlo.
Para una interfaz existente, identifica el cambio previsto y el contexto fuente pertinente, en lugar de solicitar un rediseño sin relación. El modelo puede conectar un requisito visual con una propuesta de código; esa propuesta no es evidencia de que la interfaz se haya renderizado o se comporte correctamente. Estos ejemplos de tareas aplican el ámbito de programación visual del fabricante sin añadir una garantía de ejecución.
Pensamiento y respuestas directas
La guía de modelos compatibles del fabricante lista Qwen3.7 Flash como una familia de pensamiento híbrido con pensamiento habilitado de forma predeterminada. Su flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén la salida de razonamiento separada de la respuesta final cuando una interfaz proporcione ambas. No deben importarse controles de un modelo Qwen-Omni con otro nombre o de un modelo denso abierto únicamente por compartir el nombre Qwen.
Usa un análisis más profundo para una pregunta visual que conecte varias observaciones; solicita un resultado directo para una descripción sencilla. Especifica una estructura final verificable, como una tabla de observaciones, una conclusión concisa o archivos de código, en lugar de usar la extensión de la respuesta como señal de calidad.
Límites y preparación de entradas
La página dedicada de Alibaba para Qwen3.7-Flash indica un contexto de 1,000,000 tokens, entrada máxima de 991,808 tokens para respuestas directas o 983,616 para pensamiento y salida máxima de 131,072 en cualquiera de los modos. Por separado, lista una longitud máxima de cadena de pensamiento de 262,144 tokens. Mantén legible el detalle visual pertinente, recorta el material sin relación y reserva espacio para el resultado requerido. Verifica las etiquetas de objetos, las inferencias espaciales, el texto extraído y las propuestas de código contra la evidencia suministrada. La descripción útil es el ámbito específico de percepción, agentes y programación visual del fabricante, conservando su modo híbrido de respuesta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3.7-flash | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00006 / 1K tokens Salida · Tokens de salida $0.00026 / 1K tokens Entrada · Lectura de caché $0.000012 / 1K tokens Entrada · Escritura en caché $0.000076 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive32,000 | Cargo Entrada · Tokens de entrada $0.00006 / 1K tokens Salida · Tokens de salida $0.00026 / 1K tokens Entrada · Lectura de caché $0.000012 / 1K tokens Entrada · Escritura en caché $0.000076 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de32,000 | Tokens de contexto, hasta inclusive256,000 | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00004 / 1K tokens Entrada · Escritura en caché $0.00025 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 3 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de256,000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0004 / 1K tokens Salida · Tokens de salida $0.0016 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché $0.0005 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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/qwen3.7-flash
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.