Descripción general: razonamiento basado en Qwen2.5
QwQ-Plus es el modelo de razonamiento QwQ mejorado, construido sobre Qwen2.5. Qwen describe el aprendizaje por refuerzo como el método utilizado para fortalecer su razonamiento, particularmente en matemáticas y programación, junto con tareas generales de seguimiento de instrucciones. Recibe texto y devuelve texto. Selecciónalo cuando el trabajo requiera una solución explicada, una comparación o una propuesta de código que pueda comprobarse frente a las condiciones proporcionadas.
Esta es la línea de modelos QwQ-Plus. Su nombre no establece el número de parámetros ni la identidad de los pesos de un checkpoint QwQ abierto, y un nombre de proveedor que contenga latest no debe convertirse silenciosamente en una revisión fija y fechada. Utiliza la identidad exacta del modelo solicitado al comparar salidas o conservar un registro reproducible de una tarea.
Preparación de trabajo matemático y lógico
Proporciona el enunciado completo del problema, las definiciones, las unidades y las suposiciones permitidas. Pide la respuesta final en una forma claramente delimitada y después solicita las ecuaciones o los pasos lógicos necesarios para respaldarla. Para un problema de planificación con restricciones, especifica por separado las opciones viables y los criterios de evaluación, y pide una tabla que muestre qué condiciones cumple cada opción. Para una revisión educativa, incluye el intento de solución del estudiante y pide al modelo que identifique el primer paso sin respaldo, en lugar de reescribir todo el ejercicio sin explicación.
Estas son aplicaciones prácticas del enfoque de razonamiento documentado del modelo. El entregable útil es un resultado comprobable: un valor con unidades, una conclusión con premisas o una comparación vinculada a los criterios indicados. Más texto explicativo no establece por sí mismo una conclusión correcta, así que mantén visibles las suposiciones y compara el resultado final con la pregunta original.
Preparación de trabajo de programación
Proporciona el código pertinente, la entrada que expone el problema, la salida observada y el comportamiento deseado. Pide un cambio propuesto, una explicación de por qué aborda esa entrada y casos límite que aún necesitan comprobarse. Para una pregunta de algoritmos, especifica las restricciones de entrada y la salida requerida antes de pedir un enfoque. Distingue el código generado del código que realmente se ha ejecutado en el entorno de la aplicación.
Una respuesta útil puede separar el diagnóstico, el parche y el comportamiento esperado. Cuando se requiera un cambio pequeño, pide un parche compacto, en lugar de un proyecto reescrito. Estos ejemplos son formas elaboradas de aplicar la especialización matemática y de programación de QwQ-Plus; no son una herramienta ni una capacidad de ejecución adicional.
Límites de contexto y respuesta
La especificación exacta del modelo indica una ventana de contexto de 131,072 tokens, una entrada máxima de 98,304 tokens y una salida máxima de 8,192 tokens. Son límites independientes del productor. No conviertas la diferencia aritmética entre ellos en una asignación garantizada de razonamiento que no está documentada. El texto fuente, el historial de conversación y la respuesta deben permanecer dentro de los límites configurados aplicables.
Para una especificación o un extracto de código largo, conserva los identificadores pertinentes de secciones y funciones y pide al modelo que los cite en su explicación. Elimina el material sin relación antes del envío y reserva suficiente espacio de salida para la conclusión requerida. Una ventana de contexto grande sirve para proporcionar más condiciones juntas; no promete que se recuerde cada hecho o se entienda cada dependencia.
Herramientas, formato y límites específicos del modelo
La matriz de despliegue del fabricante indica llamadas a funciones y búsqueda web en algunas configuraciones y las marca como no compatibles en otra. Por lo tanto, son capacidades condicionales, no funciones que puedan prometerse solo por el nombre del modelo. La misma matriz admite inferencia por lotes en algunas configuraciones del fabricante. Un flujo con herramientas debe proporcionar las herramientas reales y devolver sus resultados a la tarea de texto. Esta descripción no establece la disponibilidad de herramientas en una aplicación.
Las salidas estructuradas con restricciones obligatorias están marcadas como no compatibles. Aun así, una instrucción puede pedir una tabla o una respuesta con forma de JSON, pero la aplicación debe inspeccionar el resultado en lugar de tratar esa solicitud como una imposición del esquema. La página exacta del modelo describe una especialización en razonamiento sin proporcionar un contrato de cambio de pensamiento híbrido específico para este modelo; los controles documentados para generaciones más nuevas de Qwen no deben importarse a esta edición.
Haz que la respuesta final sea fácil de revisar, comprueba los cálculos frente a las unidades indicadas e inspecciona las propuestas de código antes de ejecutarlas. La función práctica de QwQ-Plus es resolver paso a paso un problema de texto difícil y devolver una explicación o un entregable útil dentro de sus propios límites documentados.
", "aboutText": "Descripción general: razonamiento basado en Qwen2.5\n\nQwQ-Plus es el modelo de razonamiento QwQ mejorado, construido sobre Qwen2.5. Qwen describe el aprendizaje por refuerzo como el método utilizado para fortalecer su razonamiento, particularmente en matemáticas y programación, junto con tareas generales de seguimiento de instrucciones. Recibe texto y devuelve texto. Selecciónalo cuando el trabajo requiera una solución explicada, una comparación o una propuesta de código que pueda comprobarse frente a las condiciones proporcionadas.\n\nEsta es la línea de modelos QwQ-Plus. Su nombre no establece el número de parámetros ni la identidad de los pesos de un checkpoint QwQ abierto, y un nombre de proveedor que contenga latest no debe convertirse silenciosamente en una revisión fija y fechada. Utiliza la identidad exacta del modelo solicitado al comparar salidas o conservar un registro reproducible de una tarea.\n\nPreparación de trabajo matemático y lógico\n\nProporciona el enunciado completo del problema, las definiciones, las unidades y las suposiciones permitidas. Pide la respuesta final en una forma claramente delimitada y después solicita las ecuaciones o los pasos lógicos necesarios para respaldarla. Para un problema de planificación con restricciones, especifica por separado las opciones viables y los criterios de evaluación, y pide una tabla que muestre qué condiciones cumple cada opción. Para una revisión educativa, incluye el intento de solución del estudiante y pide al modelo que identifique el primer paso sin respaldo, en lugar de reescribir todo el ejercicio sin explicación.\n\nEstas son aplicaciones prácticas del enfoque de razonamiento documentado del modelo. El entregable útil es un resultado comprobable: un valor con unidades, una conclusión con premisas o una comparación vinculada a los criterios indicados. Más texto explicativo no establece por sí mismo una conclusión correcta, así que mantén visibles las suposiciones y compara el resultado final con la pregunta original.\n\nPreparación de trabajo de programación\n\nProporciona el código pertinente, la entrada que expone el problema, la salida observada y el comportamiento deseado. Pide un cambio propuesto, una explicación de por qué aborda esa entrada y casos límite que aún necesitan comprobarse. Para una pregunta de algoritmos, especifica las restricciones de entrada y la salida requerida antes de pedir un enfoque. Distingue el código generado del código que realmente se ha ejecutado en el entorno de la aplicación.\n\nUna respuesta útil puede separar el diagnóstico, el parche y el comportamiento esperado. Cuando se requiera un cambio pequeño, pide un parche compacto, en lugar de un proyecto reescrito. Estos ejemplos son formas elaboradas de aplicar la especialización matemática y de programación de QwQ-Plus; no son una herramienta ni una capacidad de ejecución adicional.\n\nLímites de contexto y respuesta\n\nLa especificación exacta del modelo indica una ventana de contexto de 131,072 tokens, una entrada máxima de 98,304 tokens y una salida máxima de 8,192 tokens. Son límites independientes del productor. No conviertas la diferencia aritmética entre ellos en una asignación garantizada de razonamiento que no está documentada. El texto fuente, el historial de conversación y la respuesta deben permanecer dentro de los límites configurados aplicables.\n\nPara una especificación o un extracto de código largo, conserva los identificadores pertinentes de secciones y funciones y pide al modelo que los cite en su explicación. Elimina el material sin relación antes del envío y reserva suficiente espacio de salida para la conclusión requerida. Una ventana de contexto grande sirve para proporcionar más condiciones juntas; no promete que se recuerde cada hecho o se entienda cada dependencia.\n\nHerramientas, formato y límites específicos del modelo\n\nLa matriz de despliegue del fabricante indica llamadas a funciones y búsqueda web en algunas configuraciones y las marca como no compatibles en otra. Por lo tanto, son capacidades condicionales, no funciones que puedan prometerse solo por el nombre del modelo. La misma matriz admite inferencia por lotes en algunas configuraciones del fabricante. Un flujo con herramientas debe proporcionar las herramientas reales y devolver sus resultados a la tarea de texto. Esta descripción no establece la disponibilidad de herramientas en una aplicación.\n\nLas salidas estructuradas con restricciones obligatorias están marcadas como no compatibles. Aun así, una instrucción puede pedir una tabla o una respuesta con forma de JSON, pero la aplicación debe inspeccionar el resultado en lugar de tratar esa solicitud como una imposición del esquema. La página exacta del modelo describe una especialización en razonamiento sin proporcionar un contrato de cambio de pensamiento híbrido específico para este modelo; los controles documentados para generaciones más nuevas de Qwen no deben importarse a esta edición.\n\nHaz que la respuesta final sea fácil de revisar, comprueba los cálculos frente a las unidades indicadas e inspecciona las propuestas de código antes de ejecutarlas. La función práctica de QwQ-Plus es resolver paso a paso un problema de texto difícil y devolver una explicación o un entregable útil dentro de sus propios límites documentados.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.qwq-plusQwQ-Plus es el modelo de razonamiento de Qwen basado en Qwen2.5, reforzado mediante aprendizaje por refuerzo para tareas de texto de matemáticas, programación y lógica. Su especificación propia indica un contexto de 131,072 tokens, una entrada máxima de 98,304 tokens y una salida máxima de 8,192 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Descripción general: razonamiento basado en Qwen2.5
QwQ-Plus es el modelo de razonamiento QwQ mejorado, construido sobre Qwen2.5. Qwen describe el aprendizaje por refuerzo como el método utilizado para fortalecer su razonamiento, particularmente en matemáticas y programación, junto con tareas generales de seguimiento de instrucciones. Recibe texto y devuelve texto. Selecciónalo cuando el trabajo requiera una solución explicada, una comparación o una propuesta de código que pueda comprobarse frente a las condiciones proporcionadas.
Esta es la línea de modelos QwQ-Plus. Su nombre no establece el número de parámetros ni la identidad de los pesos de un checkpoint QwQ abierto, y un nombre de proveedor que contenga latest no debe convertirse silenciosamente en una revisión fija y fechada. Utiliza la identidad exacta del modelo solicitado al comparar salidas o conservar un registro reproducible de una tarea.
Preparación de trabajo matemático y lógico
Proporciona el enunciado completo del problema, las definiciones, las unidades y las suposiciones permitidas. Pide la respuesta final en una forma claramente delimitada y después solicita las ecuaciones o los pasos lógicos necesarios para respaldarla. Para un problema de planificación con restricciones, especifica por separado las opciones viables y los criterios de evaluación, y pide una tabla que muestre qué condiciones cumple cada opción. Para una revisión educativa, incluye el intento de solución del estudiante y pide al modelo que identifique el primer paso sin respaldo, en lugar de reescribir todo el ejercicio sin explicación.
Estas son aplicaciones prácticas del enfoque de razonamiento documentado del modelo. El entregable útil es un resultado comprobable: un valor con unidades, una conclusión con premisas o una comparación vinculada a los criterios indicados. Más texto explicativo no establece por sí mismo una conclusión correcta, así que mantén visibles las suposiciones y compara el resultado final con la pregunta original.
Preparación de trabajo de programación
Proporciona el código pertinente, la entrada que expone el problema, la salida observada y el comportamiento deseado. Pide un cambio propuesto, una explicación de por qué aborda esa entrada y casos límite que aún necesitan comprobarse. Para una pregunta de algoritmos, especifica las restricciones de entrada y la salida requerida antes de pedir un enfoque. Distingue el código generado del código que realmente se ha ejecutado en el entorno de la aplicación.
Una respuesta útil puede separar el diagnóstico, el parche y el comportamiento esperado. Cuando se requiera un cambio pequeño, pide un parche compacto, en lugar de un proyecto reescrito. Estos ejemplos son formas elaboradas de aplicar la especialización matemática y de programación de QwQ-Plus; no son una herramienta ni una capacidad de ejecución adicional.
Límites de contexto y respuesta
La especificación exacta del modelo indica una ventana de contexto de 131,072 tokens, una entrada máxima de 98,304 tokens y una salida máxima de 8,192 tokens. Son límites independientes del productor. No conviertas la diferencia aritmética entre ellos en una asignación garantizada de razonamiento que no está documentada. El texto fuente, el historial de conversación y la respuesta deben permanecer dentro de los límites configurados aplicables.
Para una especificación o un extracto de código largo, conserva los identificadores pertinentes de secciones y funciones y pide al modelo que los cite en su explicación. Elimina el material sin relación antes del envío y reserva suficiente espacio de salida para la conclusión requerida. Una ventana de contexto grande sirve para proporcionar más condiciones juntas; no promete que se recuerde cada hecho o se entienda cada dependencia.
Herramientas, formato y límites específicos del modelo
La matriz de despliegue del fabricante indica llamadas a funciones y búsqueda web en algunas configuraciones y las marca como no compatibles en otra. Por lo tanto, son capacidades condicionales, no funciones que puedan prometerse solo por el nombre del modelo. La misma matriz admite inferencia por lotes en algunas configuraciones del fabricante. Un flujo con herramientas debe proporcionar las herramientas reales y devolver sus resultados a la tarea de texto. Esta descripción no establece la disponibilidad de herramientas en una aplicación.
Las salidas estructuradas con restricciones obligatorias están marcadas como no compatibles. Aun así, una instrucción puede pedir una tabla o una respuesta con forma de JSON, pero la aplicación debe inspeccionar el resultado en lugar de tratar esa solicitud como una imposición del esquema. La página exacta del modelo describe una especialización en razonamiento sin proporcionar un contrato de cambio de pensamiento híbrido específico para este modelo; los controles documentados para generaciones más nuevas de Qwen no deben importarse a esta edición.
Haz que la respuesta final sea fácil de revisar, comprueba los cálculos frente a las unidades indicadas e inspecciona las propuestas de código antes de ejecutarlas. La función práctica de QwQ-Plus es resolver paso a paso un problema de texto difícil y devolver una explicación o un entregable útil dentro de sus propios límites documentados.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwq-plus | 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 $0.00046 / 1K tokens Salida · Tokens de salida $0.00116 / 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": "qwq-plus", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwq-plus',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwq-plus',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 qwq-plus
Usa las rutas de método indicadas arriba.
qwq-plusQwQ-Plus es el modelo de razonamiento de Qwen basado en Qwen2.5, reforzado mediante aprendizaje por refuerzo para tareas de texto de matemáticas, programación y lógica. Su especificación propia indica un contexto de 131,072 tokens, una entrada máxima de 98,304 tokens y una salida máxima de 8,192 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Descripción general: razonamiento basado en Qwen2.5
QwQ-Plus es el modelo de razonamiento QwQ mejorado, construido sobre Qwen2.5. Qwen describe el aprendizaje por refuerzo como el método utilizado para fortalecer su razonamiento, particularmente en matemáticas y programación, junto con tareas generales de seguimiento de instrucciones. Recibe texto y devuelve texto. Selecciónalo cuando el trabajo requiera una solución explicada, una comparación o una propuesta de código que pueda comprobarse frente a las condiciones proporcionadas.
Esta es la línea de modelos QwQ-Plus. Su nombre no establece el número de parámetros ni la identidad de los pesos de un checkpoint QwQ abierto, y un nombre de proveedor que contenga latest no debe convertirse silenciosamente en una revisión fija y fechada. Utiliza la identidad exacta del modelo solicitado al comparar salidas o conservar un registro reproducible de una tarea.
Preparación de trabajo matemático y lógico
Proporciona el enunciado completo del problema, las definiciones, las unidades y las suposiciones permitidas. Pide la respuesta final en una forma claramente delimitada y después solicita las ecuaciones o los pasos lógicos necesarios para respaldarla. Para un problema de planificación con restricciones, especifica por separado las opciones viables y los criterios de evaluación, y pide una tabla que muestre qué condiciones cumple cada opción. Para una revisión educativa, incluye el intento de solución del estudiante y pide al modelo que identifique el primer paso sin respaldo, en lugar de reescribir todo el ejercicio sin explicación.
Estas son aplicaciones prácticas del enfoque de razonamiento documentado del modelo. El entregable útil es un resultado comprobable: un valor con unidades, una conclusión con premisas o una comparación vinculada a los criterios indicados. Más texto explicativo no establece por sí mismo una conclusión correcta, así que mantén visibles las suposiciones y compara el resultado final con la pregunta original.
Preparación de trabajo de programación
Proporciona el código pertinente, la entrada que expone el problema, la salida observada y el comportamiento deseado. Pide un cambio propuesto, una explicación de por qué aborda esa entrada y casos límite que aún necesitan comprobarse. Para una pregunta de algoritmos, especifica las restricciones de entrada y la salida requerida antes de pedir un enfoque. Distingue el código generado del código que realmente se ha ejecutado en el entorno de la aplicación.
Una respuesta útil puede separar el diagnóstico, el parche y el comportamiento esperado. Cuando se requiera un cambio pequeño, pide un parche compacto, en lugar de un proyecto reescrito. Estos ejemplos son formas elaboradas de aplicar la especialización matemática y de programación de QwQ-Plus; no son una herramienta ni una capacidad de ejecución adicional.
Límites de contexto y respuesta
La especificación exacta del modelo indica una ventana de contexto de 131,072 tokens, una entrada máxima de 98,304 tokens y una salida máxima de 8,192 tokens. Son límites independientes del productor. No conviertas la diferencia aritmética entre ellos en una asignación garantizada de razonamiento que no está documentada. El texto fuente, el historial de conversación y la respuesta deben permanecer dentro de los límites configurados aplicables.
Para una especificación o un extracto de código largo, conserva los identificadores pertinentes de secciones y funciones y pide al modelo que los cite en su explicación. Elimina el material sin relación antes del envío y reserva suficiente espacio de salida para la conclusión requerida. Una ventana de contexto grande sirve para proporcionar más condiciones juntas; no promete que se recuerde cada hecho o se entienda cada dependencia.
Herramientas, formato y límites específicos del modelo
La matriz de despliegue del fabricante indica llamadas a funciones y búsqueda web en algunas configuraciones y las marca como no compatibles en otra. Por lo tanto, son capacidades condicionales, no funciones que puedan prometerse solo por el nombre del modelo. La misma matriz admite inferencia por lotes en algunas configuraciones del fabricante. Un flujo con herramientas debe proporcionar las herramientas reales y devolver sus resultados a la tarea de texto. Esta descripción no establece la disponibilidad de herramientas en una aplicación.
Las salidas estructuradas con restricciones obligatorias están marcadas como no compatibles. Aun así, una instrucción puede pedir una tabla o una respuesta con forma de JSON, pero la aplicación debe inspeccionar el resultado en lugar de tratar esa solicitud como una imposición del esquema. La página exacta del modelo describe una especialización en razonamiento sin proporcionar un contrato de cambio de pensamiento híbrido específico para este modelo; los controles documentados para generaciones más nuevas de Qwen no deben importarse a esta edición.
Haz que la respuesta final sea fácil de revisar, comprueba los cálculos frente a las unidades indicadas e inspecciona las propuestas de código antes de ejecutarlas. La función práctica de QwQ-Plus es resolver paso a paso un problema de texto difícil y devolver una explicación o un entregable útil dentro de sus propios límites documentados.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwq-plus | 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 $0.00046 / 1K tokens Salida · Tokens de salida $0.00116 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwq-plus', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwq-plus', '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 qwq-plus
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Review a learner calculation\n\nReview this learner solution: "A 30 percent discount on 80 gives 80 - 30 = 50." Identify the first incorrect step, explain the correct percentage operation and calculate the final price. Give a short check by adding the discount back to the sale price. Use only these numbers and no tax assumption.A concise correction identifying the unsupported subtraction, the calculation and a labelled final price.Verify the discount is 30 percent of 80 and the price plus discount returns 80.