Qwen-Max es un modelo textual de gran escala de la familia Qwen para tareas que combinan comprensión del lenguaje, razonamiento lógico y un resultado escrito sustancial. Su fabricante destaca la programación en chino e inglés, el trabajo multilingüe, la escritura creativa y la conversación por roles. El modelo está diseñado para producir respuestas más claras y detalladas siguiendo el estilo solicitado.
Capacidades del modelo
Qwen-Max acepta texto y produce texto. Puede trabajar con una conversación, pasajes originales, un requisito de software o un fragmento de código existente. Utilízalo cuando el resultado deba ser una explicación, un documento reescrito, una implementación o un conjunto de campos extraídos. Una página escaneada o una captura de pantalla requiere un paso independiente que haga disponible la información necesaria como texto; la entrada documentada de este modelo no es una imagen.
El fabricante destaca especialmente el cumplimiento del formato JSON. Una tarea práctica de extracción puede especificar campos como el tema, las condiciones mencionadas explícitamente en la fuente y una pregunta sin resolver. Proporciona el pasaje original y los nombres de los campos previstos e indica cómo representar la información ausente. Esto convierte una respuesta conversacional en datos que una aplicación puede inspeccionar y procesar. Pedir JSON y pedir una explicación en prosa son requisitos de salida distintos y deben indicarse por separado.
Las interfaces documentadas por el fabricante también incluyen llamadas a funciones, salida estructurada, continuación a partir de un prefijo de respuesta, caché de contexto e inferencia por lotes. Las llamadas a funciones y la búsqueda web no se ofrecen de forma idéntica en todas las configuraciones del proveedor. Utiliza únicamente los controles documentados para la interfaz seleccionada. En una aplicación con herramientas, la aplicación proporciona las herramientas, ejecuta las acciones seleccionadas y devuelve sus resultados. La caché y el procesamiento por lotes se refieren a cómo se envía y reutiliza el trabajo, no a una nueva modalidad de contenido.
Preparación de la solicitud
Mantén el material de origen, la conversación y la respuesta solicitada dentro del margen permitido por la interfaz seleccionada. Reserva espacio para la respuesta y elige entre una contestación compacta y un documento largo.
Para una tarea documental, coloca las secciones esenciales de las fuentes antes de los ejemplos opcionales e indica qué debe contener el artefacto final. Por ejemplo, proporciona la descripción de un producto y las preguntas de un cliente y pide una respuesta que conserve las condiciones suministradas, utilice el idioma del cliente y separe las preguntas sin respuesta de la información confirmada. El resultado puede ser una respuesta dirigida al cliente y un pequeño registro JSON para el siguiente paso de la aplicación.
Para programación, proporciona la finalidad de la función, la entrada admitida, la salida esperada y el fragmento existente con el que debe mantener la compatibilidad. Pide la implementación, una explicación de las decisiones y ejemplos que cubran una entrada habitual y un caso límite. Esto aprovecha el enfoque documentado del modelo en programación y razonamiento sin suponer que tenga acceso a un repositorio, un compilador o una aplicación en ejecución.
Para escritura creativa o diálogo por roles, define el público, el tono y los hechos que deben mantenerse tras la revisión. Un rol puede organizar la conversación, mientras que el material original determina qué debe decir el modelo. Pide introducciones o explicaciones alternativas para distintos lectores en vez de una reescritura sin especificar; así, cada variante tiene una finalidad observable.
Límites relevantes
Qwen-Max es una línea de texto a texto, no una edición visual ni de generación de voz. El fabricante no incluye el ajuste fino entre las capacidades admitidas por la interfaz en esta ficha. El comportamiento con herramientas depende de la interfaz conectada. Estas distinciones ayudan a seleccionar la edición adecuada y preparar una entrada acorde con el resultado que realmente necesitas.
", "aboutText": "Qwen-Max es un modelo textual de gran escala de la familia Qwen para tareas que combinan comprensión del lenguaje, razonamiento lógico y un resultado escrito sustancial. Su fabricante destaca la programación en chino e inglés, el trabajo multilingüe, la escritura creativa y la conversación por roles. El modelo está diseñado para producir respuestas más claras y detalladas siguiendo el estilo solicitado.\n\nCapacidades del modelo\n\nQwen-Max acepta texto y produce texto. Puede trabajar con una conversación, pasajes originales, un requisito de software o un fragmento de código existente. Utilízalo cuando el resultado deba ser una explicación, un documento reescrito, una implementación o un conjunto de campos extraídos. Una página escaneada o una captura de pantalla requiere un paso independiente que haga disponible la información necesaria como texto; la entrada documentada de este modelo no es una imagen.\n\nEl fabricante destaca especialmente el cumplimiento del formato JSON. Una tarea práctica de extracción puede especificar campos como el tema, las condiciones mencionadas explícitamente en la fuente y una pregunta sin resolver. Proporciona el pasaje original y los nombres de los campos previstos e indica cómo representar la información ausente. Esto convierte una respuesta conversacional en datos que una aplicación puede inspeccionar y procesar. Pedir JSON y pedir una explicación en prosa son requisitos de salida distintos y deben indicarse por separado.\n\nLas interfaces documentadas por el fabricante también incluyen llamadas a funciones, salida estructurada, continuación a partir de un prefijo de respuesta, caché de contexto e inferencia por lotes. Las llamadas a funciones y la búsqueda web no se ofrecen de forma idéntica en todas las configuraciones del proveedor. Utiliza únicamente los controles documentados para la interfaz seleccionada. En una aplicación con herramientas, la aplicación proporciona las herramientas, ejecuta las acciones seleccionadas y devuelve sus resultados. La caché y el procesamiento por lotes se refieren a cómo se envía y reutiliza el trabajo, no a una nueva modalidad de contenido.\n\nPreparación de la solicitud\n\nMantén el material de origen, la conversación y la respuesta solicitada dentro del margen permitido por la interfaz seleccionada. Reserva espacio para la respuesta y elige entre una contestación compacta y un documento largo.\n\nPara una tarea documental, coloca las secciones esenciales de las fuentes antes de los ejemplos opcionales e indica qué debe contener el artefacto final. Por ejemplo, proporciona la descripción de un producto y las preguntas de un cliente y pide una respuesta que conserve las condiciones suministradas, utilice el idioma del cliente y separe las preguntas sin respuesta de la información confirmada. El resultado puede ser una respuesta dirigida al cliente y un pequeño registro JSON para el siguiente paso de la aplicación.\n\nPara programación, proporciona la finalidad de la función, la entrada admitida, la salida esperada y el fragmento existente con el que debe mantener la compatibilidad. Pide la implementación, una explicación de las decisiones y ejemplos que cubran una entrada habitual y un caso límite. Esto aprovecha el enfoque documentado del modelo en programación y razonamiento sin suponer que tenga acceso a un repositorio, un compilador o una aplicación en ejecución.\n\nPara escritura creativa o diálogo por roles, define el público, el tono y los hechos que deben mantenerse tras la revisión. Un rol puede organizar la conversación, mientras que el material original determina qué debe decir el modelo. Pide introducciones o explicaciones alternativas para distintos lectores en vez de una reescritura sin especificar; así, cada variante tiene una finalidad observable.\n\nLímites relevantes\n\nQwen-Max es una línea de texto a texto, no una edición visual ni de generación de voz. El fabricante no incluye el ajuste fino entre las capacidades admitidas por la interfaz en esta ficha. El comportamiento con herramientas depende de la interfaz conectada. Estas distinciones ayudan a seleccionar la edición adecuada y preparar una entrada acorde con el resultado que realmente necesitas.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Write two explanations for different readers\n\nUse these facts to write two versions of a product note: the desk lamp has three brightness settings, uses a replaceable cable and turns off automatically after 30 minutes when its timer is enabled. Version A is for a shop assistant; Version B is for a first-time buyer. Keep each under 55 words and preserve the timer condition.Two labelled audience-specific notes with the same product facts and distinct practical emphasis.Neither version claims that automatic shutoff occurs when the timer is disabled or omits the 30-minute condition.qwen-maxQwen-Max es un modelo textual para conversación multilingüe, razonamiento lógico, programación y creación de contenido. Combina el seguimiento detallado de instrucciones con salida orientada a JSON y control sobre el estilo de respuesta.
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 es un modelo textual de gran escala de la familia Qwen para tareas que combinan comprensión del lenguaje, razonamiento lógico y un resultado escrito sustancial. Su fabricante destaca la programación en chino e inglés, el trabajo multilingüe, la escritura creativa y la conversación por roles. El modelo está diseñado para producir respuestas más claras y detalladas siguiendo el estilo solicitado.
Capacidades del modelo
Qwen-Max acepta texto y produce texto. Puede trabajar con una conversación, pasajes originales, un requisito de software o un fragmento de código existente. Utilízalo cuando el resultado deba ser una explicación, un documento reescrito, una implementación o un conjunto de campos extraídos. Una página escaneada o una captura de pantalla requiere un paso independiente que haga disponible la información necesaria como texto; la entrada documentada de este modelo no es una imagen.
El fabricante destaca especialmente el cumplimiento del formato JSON. Una tarea práctica de extracción puede especificar campos como el tema, las condiciones mencionadas explícitamente en la fuente y una pregunta sin resolver. Proporciona el pasaje original y los nombres de los campos previstos e indica cómo representar la información ausente. Esto convierte una respuesta conversacional en datos que una aplicación puede inspeccionar y procesar. Pedir JSON y pedir una explicación en prosa son requisitos de salida distintos y deben indicarse por separado.
Las interfaces documentadas por el fabricante también incluyen llamadas a funciones, salida estructurada, continuación a partir de un prefijo de respuesta, caché de contexto e inferencia por lotes. Las llamadas a funciones y la búsqueda web no se ofrecen de forma idéntica en todas las configuraciones del proveedor. Utiliza únicamente los controles documentados para la interfaz seleccionada. En una aplicación con herramientas, la aplicación proporciona las herramientas, ejecuta las acciones seleccionadas y devuelve sus resultados. La caché y el procesamiento por lotes se refieren a cómo se envía y reutiliza el trabajo, no a una nueva modalidad de contenido.
Preparación de la solicitud
Mantén el material de origen, la conversación y la respuesta solicitada dentro del margen permitido por la interfaz seleccionada. Reserva espacio para la respuesta y elige entre una contestación compacta y un documento largo.
Para una tarea documental, coloca las secciones esenciales de las fuentes antes de los ejemplos opcionales e indica qué debe contener el artefacto final. Por ejemplo, proporciona la descripción de un producto y las preguntas de un cliente y pide una respuesta que conserve las condiciones suministradas, utilice el idioma del cliente y separe las preguntas sin respuesta de la información confirmada. El resultado puede ser una respuesta dirigida al cliente y un pequeño registro JSON para el siguiente paso de la aplicación.
Para programación, proporciona la finalidad de la función, la entrada admitida, la salida esperada y el fragmento existente con el que debe mantener la compatibilidad. Pide la implementación, una explicación de las decisiones y ejemplos que cubran una entrada habitual y un caso límite. Esto aprovecha el enfoque documentado del modelo en programación y razonamiento sin suponer que tenga acceso a un repositorio, un compilador o una aplicación en ejecución.
Para escritura creativa o diálogo por roles, define el público, el tono y los hechos que deben mantenerse tras la revisión. Un rol puede organizar la conversación, mientras que el material original determina qué debe decir el modelo. Pide introducciones o explicaciones alternativas para distintos lectores en vez de una reescritura sin especificar; así, cada variante tiene una finalidad observable.
Límites relevantes
Qwen-Max es una línea de texto a texto, no una edición visual ni de generación de voz. El fabricante no incluye el ajuste fino entre las capacidades admitidas por la interfaz en esta ficha. El comportamiento con herramientas depende de la interfaz conectada. Estas distinciones ayudan a seleccionar la edición adecuada y preparar una entrada acorde con el resultado que realmente necesitas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen-max | 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 $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen-max", "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',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',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 las cabeceras. 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
Usa las rutas de método indicadas arriba.
qwen-maxQwen-Max es un modelo textual para conversación multilingüe, razonamiento lógico, programación y creación de contenido. Combina el seguimiento detallado de instrucciones con salida orientada a JSON y control sobre el estilo de respuesta.
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 es un modelo textual de gran escala de la familia Qwen para tareas que combinan comprensión del lenguaje, razonamiento lógico y un resultado escrito sustancial. Su fabricante destaca la programación en chino e inglés, el trabajo multilingüe, la escritura creativa y la conversación por roles. El modelo está diseñado para producir respuestas más claras y detalladas siguiendo el estilo solicitado.
Capacidades del modelo
Qwen-Max acepta texto y produce texto. Puede trabajar con una conversación, pasajes originales, un requisito de software o un fragmento de código existente. Utilízalo cuando el resultado deba ser una explicación, un documento reescrito, una implementación o un conjunto de campos extraídos. Una página escaneada o una captura de pantalla requiere un paso independiente que haga disponible la información necesaria como texto; la entrada documentada de este modelo no es una imagen.
El fabricante destaca especialmente el cumplimiento del formato JSON. Una tarea práctica de extracción puede especificar campos como el tema, las condiciones mencionadas explícitamente en la fuente y una pregunta sin resolver. Proporciona el pasaje original y los nombres de los campos previstos e indica cómo representar la información ausente. Esto convierte una respuesta conversacional en datos que una aplicación puede inspeccionar y procesar. Pedir JSON y pedir una explicación en prosa son requisitos de salida distintos y deben indicarse por separado.
Las interfaces documentadas por el fabricante también incluyen llamadas a funciones, salida estructurada, continuación a partir de un prefijo de respuesta, caché de contexto e inferencia por lotes. Las llamadas a funciones y la búsqueda web no se ofrecen de forma idéntica en todas las configuraciones del proveedor. Utiliza únicamente los controles documentados para la interfaz seleccionada. En una aplicación con herramientas, la aplicación proporciona las herramientas, ejecuta las acciones seleccionadas y devuelve sus resultados. La caché y el procesamiento por lotes se refieren a cómo se envía y reutiliza el trabajo, no a una nueva modalidad de contenido.
Preparación de la solicitud
Mantén el material de origen, la conversación y la respuesta solicitada dentro del margen permitido por la interfaz seleccionada. Reserva espacio para la respuesta y elige entre una contestación compacta y un documento largo.
Para una tarea documental, coloca las secciones esenciales de las fuentes antes de los ejemplos opcionales e indica qué debe contener el artefacto final. Por ejemplo, proporciona la descripción de un producto y las preguntas de un cliente y pide una respuesta que conserve las condiciones suministradas, utilice el idioma del cliente y separe las preguntas sin respuesta de la información confirmada. El resultado puede ser una respuesta dirigida al cliente y un pequeño registro JSON para el siguiente paso de la aplicación.
Para programación, proporciona la finalidad de la función, la entrada admitida, la salida esperada y el fragmento existente con el que debe mantener la compatibilidad. Pide la implementación, una explicación de las decisiones y ejemplos que cubran una entrada habitual y un caso límite. Esto aprovecha el enfoque documentado del modelo en programación y razonamiento sin suponer que tenga acceso a un repositorio, un compilador o una aplicación en ejecución.
Para escritura creativa o diálogo por roles, define el público, el tono y los hechos que deben mantenerse tras la revisión. Un rol puede organizar la conversación, mientras que el material original determina qué debe decir el modelo. Pide introducciones o explicaciones alternativas para distintos lectores en vez de una reescritura sin especificar; así, cada variante tiene una finalidad observable.
Límites relevantes
Qwen-Max es una línea de texto a texto, no una edición visual ni de generación de voz. El fabricante no incluye el ajuste fino entre las capacidades admitidas por la interfaz en esta ficha. El comportamiento con herramientas depende de la interfaz conectada. Estas distinciones ayudan a seleccionar la edición adecuada y preparar una entrada acorde con el resultado que realmente necesitas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen-max | 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 $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 las cabeceras. 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
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Write two explanations for different readers\n\nUse these facts to write two versions of a product note: the desk lamp has three brightness settings, uses a replaceable cable and turns off automatically after 30 minutes when its timer is enabled. Version A is for a shop assistant; Version B is for a first-time buyer. Keep each under 55 words and preserve the timer condition.Two labelled audience-specific notes with the same product facts and distinct practical emphasis.Neither version claims that automatic shutoff occurs when the timer is disabled or omits the 30-minute condition.