La versión Flash del 23 de febrero
Qwen3.5 Flash es una familia nativa de modelos de visión y lenguaje. La versión del desarrollador identifica la instantánea del 23 de febrero de 2026 y describe una arquitectura híbrida que combina atención lineal con cálculo de mezcla dispersa de expertos. Sus entradas son texto, imágenes y vídeo y su resultado es texto. La versión se centra en equilibrar la inferencia y la capacidad de tareas entre trabajo textual y multimodal; no establece una latencia fija para una aplicación concreta.
La ficha de modelo abierto de Qwen describe el modelo gestionado Qwen3.5-Flash como correspondiente a Qwen3.5-35B-A3B, con funciones adicionales como un contexto predeterminado de un millón de tokens y herramientas integradas. Es una relación entre ofertas descrita por el fabricante, no una razón para fusionar sus nombres exactos, configuraciones o funciones de interfaz. La instantánea del 23 de febrero sigue siendo distinta de un nombre Flash que cambia y de generaciones posteriores de Qwen.
Tareas textuales, visuales y de programación
La familia Qwen3.5 se entrena con fusión temprana de texto y visión y admite razonamiento, programación, agentes y comprensión visual. Para una tarea de programación basada en una captura de pantalla, proporciona la referencia visual, el código pertinente y el comportamiento requerido, y después pide un artefacto editable con una explicación de las condiciones afectadas. Para un documento o gráfico, conserva las etiquetas y las unidades y pide los campos o conclusiones concretos necesarios.
Una respuesta visual útil puede distinguir los hechos visibles de las relaciones inferidas e identificar la región de origen o el pasaje que respalda cada conclusión. Para vídeo, conserva la secuencia y los tiempos e indica el evento de interés. Para análisis de documentos y vídeo, compara los campos y afirmaciones devueltos con las etiquetas, pasajes y marcas de tiempo originales. El modelo produce análisis textual o código; la entrada visual no implica generación de imágenes o vídeo.
Pensamiento y respuestas directas
La guía de modos del desarrollador identifica Qwen3.5 Flash como de pensamiento híbrido, con pensamiento habilitado de forma predeterminada. El flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén el artefacto final separado del razonamiento cuando la interfaz elegida proporcione ambos. Una respuesta concisa puede servir para extracción o reescritura sencillas, mientras que una pregunta que conecte varias condiciones se beneficia de una explicación que siga siendo rastreable hasta la fuente.
Utiliza los controles documentados de la edición Flash, en lugar de importar preajustes de muestreo, opciones de razonamiento histórico o marcadores de prompt de otro punto de control Qwen. La ficha abierta de Qwen3.5-35B-A3B tiene su propia receta de historial y generación; sus ajustes no son automáticamente unas condiciones exactas de interfaz Flash alojada.
Herramientas y flujos de aplicación
El fabricante describe herramientas adicionales en la oferta Flash gestionada. Un flujo conectado puede proporcionar recuperación, inspección o ejecución permitida y devolver las observaciones al modelo. Define las herramientas disponibles, las acciones permitidas y la condición observable de finalización. Pide que el informe final distinga el trabajo propuesto de los resultados que devolvió una herramienta real.
La capacidad de un modelo orientada a herramientas no establece acceso integrado a fuentes actuales, archivos o un entorno de código a través de todas las interfaces. Pedir una tabla o texto con forma de JSON tampoco crea por sí solo un esquema de salida impuesto. Mantén el artefacto fácil de inspeccionar: archivos de código, una tabla de pruebas o una conclusión breve vinculada al material proporcionado.
Contexto y límites específicos de la edición
Qwen describe un contexto predeterminado de un millón de tokens para su versión Flash gestionada. El punto de control abierto correspondiente tiene un contexto nativo diferente y un procedimiento explícito de ampliación, por lo que esas descripciones numéricas deben mantenerse dentro del ámbito de sus propias ofertas. El texto, los archivos multimedia representados, el historial de conversación, el razonamiento y la respuesta deben caber en el presupuesto de secuencia configurado aplicable.
Selecciona el texto, las imágenes o los segmentos de vídeo pertinentes, conserva los identificadores documentales y de código y reserva espacio en la secuencia de trabajo para el resultado.
Preparación práctica y revisión
Para una tarea iterativa de programación, proporciona retroalimentación real de errores o revisión junto con la siguiente pregunta para que el modelo pueda actualizar el cambio propuesto. Para análisis documental, pide pasajes de apoyo e identifica expresamente las pruebas ausentes. Comprueba el texto extraído, los cálculos y el código generado frente a la fuente. Utiliza esta versión fija para análisis de texto, imágenes o vídeo que devuelva un entregable textual concreto.
", "aboutText": "La versión Flash del 23 de febrero\n\nQwen3.5 Flash es una familia nativa de modelos de visión y lenguaje. La versión del desarrollador identifica la instantánea del 23 de febrero de 2026 y describe una arquitectura híbrida que combina atención lineal con cálculo de mezcla dispersa de expertos. Sus entradas son texto, imágenes y vídeo y su resultado es texto. La versión se centra en equilibrar la inferencia y la capacidad de tareas entre trabajo textual y multimodal; no establece una latencia fija para una aplicación concreta.\n\nLa ficha de modelo abierto de Qwen describe el modelo gestionado Qwen3.5-Flash como correspondiente a Qwen3.5-35B-A3B, con funciones adicionales como un contexto predeterminado de un millón de tokens y herramientas integradas. Es una relación entre ofertas descrita por el fabricante, no una razón para fusionar sus nombres exactos, configuraciones o funciones de interfaz. La instantánea del 23 de febrero sigue siendo distinta de un nombre Flash que cambia y de generaciones posteriores de Qwen.\n\nTareas textuales, visuales y de programación\n\nLa familia Qwen3.5 se entrena con fusión temprana de texto y visión y admite razonamiento, programación, agentes y comprensión visual. Para una tarea de programación basada en una captura de pantalla, proporciona la referencia visual, el código pertinente y el comportamiento requerido, y después pide un artefacto editable con una explicación de las condiciones afectadas. Para un documento o gráfico, conserva las etiquetas y las unidades y pide los campos o conclusiones concretos necesarios.\n\nUna respuesta visual útil puede distinguir los hechos visibles de las relaciones inferidas e identificar la región de origen o el pasaje que respalda cada conclusión. Para vídeo, conserva la secuencia y los tiempos e indica el evento de interés. Para análisis de documentos y vídeo, compara los campos y afirmaciones devueltos con las etiquetas, pasajes y marcas de tiempo originales. El modelo produce análisis textual o código; la entrada visual no implica generación de imágenes o vídeo.\n\nPensamiento y respuestas directas\n\nLa guía de modos del desarrollador identifica Qwen3.5 Flash como de pensamiento híbrido, con pensamiento habilitado de forma predeterminada. El flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén el artefacto final separado del razonamiento cuando la interfaz elegida proporcione ambos. Una respuesta concisa puede servir para extracción o reescritura sencillas, mientras que una pregunta que conecte varias condiciones se beneficia de una explicación que siga siendo rastreable hasta la fuente.\n\nUtiliza los controles documentados de la edición Flash, en lugar de importar preajustes de muestreo, opciones de razonamiento histórico o marcadores de prompt de otro punto de control Qwen. La ficha abierta de Qwen3.5-35B-A3B tiene su propia receta de historial y generación; sus ajustes no son automáticamente unas condiciones exactas de interfaz Flash alojada.\n\nHerramientas y flujos de aplicación\n\nEl fabricante describe herramientas adicionales en la oferta Flash gestionada. Un flujo conectado puede proporcionar recuperación, inspección o ejecución permitida y devolver las observaciones al modelo. Define las herramientas disponibles, las acciones permitidas y la condición observable de finalización. Pide que el informe final distinga el trabajo propuesto de los resultados que devolvió una herramienta real.\n\nLa capacidad de un modelo orientada a herramientas no establece acceso integrado a fuentes actuales, archivos o un entorno de código a través de todas las interfaces. Pedir una tabla o texto con forma de JSON tampoco crea por sí solo un esquema de salida impuesto. Mantén el artefacto fácil de inspeccionar: archivos de código, una tabla de pruebas o una conclusión breve vinculada al material proporcionado.\n\nContexto y límites específicos de la edición\n\nQwen describe un contexto predeterminado de un millón de tokens para su versión Flash gestionada. El punto de control abierto correspondiente tiene un contexto nativo diferente y un procedimiento explícito de ampliación, por lo que esas descripciones numéricas deben mantenerse dentro del ámbito de sus propias ofertas. El texto, los archivos multimedia representados, el historial de conversación, el razonamiento y la respuesta deben caber en el presupuesto de secuencia configurado aplicable.\n\nSelecciona el texto, las imágenes o los segmentos de vídeo pertinentes, conserva los identificadores documentales y de código y reserva espacio en la secuencia de trabajo para el resultado.\n\nPreparación práctica y revisión\n\nPara una tarea iterativa de programación, proporciona retroalimentación real de errores o revisión junto con la siguiente pregunta para que el modelo pueda actualizar el cambio propuesto. Para análisis documental, pide pasajes de apoyo e identifica expresamente las pruebas ausentes. Comprueba el texto extraído, los cálculos y el código generado frente a la fuente. Utiliza esta versión fija para análisis de texto, imágenes o vídeo que devuelva un entregable textual concreto.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Refine a patch using test feedback\n\nA first patch changes deduplicate(values) to list(set(values)). The returned test observation is: input [3,1,3,2] expected [3,1,2], but order was not preserved. Propose a replacement that retains first occurrences and works on integers. Include a regression assertion and explain the one behavior the failed patch overlooked. Do not claim to run the test.A revised Python function, a regression assertion and a short explanation tied to the supplied test observation.The duplicate 3 is removed while the order 3,1,2 survives; test execution remains a proposed check.qwen/qwen3.5-flash-02-23La versión del 23 de febrero de Qwen3.5 Flash es un modelo de visión y lenguaje para texto, imágenes y vídeo, con salida textual. Combina atención híbrida y expertos dispersos con el flujo de pensamiento y respuesta directa de la familia Flash, para programación, análisis visual y tareas asistidas por herramientas.
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 Flash del 23 de febrero
Qwen3.5 Flash es una familia nativa de modelos de visión y lenguaje. La versión del desarrollador identifica la instantánea del 23 de febrero de 2026 y describe una arquitectura híbrida que combina atención lineal con cálculo de mezcla dispersa de expertos. Sus entradas son texto, imágenes y vídeo y su resultado es texto. La versión se centra en equilibrar la inferencia y la capacidad de tareas entre trabajo textual y multimodal; no establece una latencia fija para una aplicación concreta.
La ficha de modelo abierto de Qwen describe el modelo gestionado Qwen3.5-Flash como correspondiente a Qwen3.5-35B-A3B, con funciones adicionales como un contexto predeterminado de un millón de tokens y herramientas integradas. Es una relación entre ofertas descrita por el fabricante, no una razón para fusionar sus nombres exactos, configuraciones o funciones de interfaz. La instantánea del 23 de febrero sigue siendo distinta de un nombre Flash que cambia y de generaciones posteriores de Qwen.
Tareas textuales, visuales y de programación
La familia Qwen3.5 se entrena con fusión temprana de texto y visión y admite razonamiento, programación, agentes y comprensión visual. Para una tarea de programación basada en una captura de pantalla, proporciona la referencia visual, el código pertinente y el comportamiento requerido, y después pide un artefacto editable con una explicación de las condiciones afectadas. Para un documento o gráfico, conserva las etiquetas y las unidades y pide los campos o conclusiones concretos necesarios.
Una respuesta visual útil puede distinguir los hechos visibles de las relaciones inferidas e identificar la región de origen o el pasaje que respalda cada conclusión. Para vídeo, conserva la secuencia y los tiempos e indica el evento de interés. Para análisis de documentos y vídeo, compara los campos y afirmaciones devueltos con las etiquetas, pasajes y marcas de tiempo originales. El modelo produce análisis textual o código; la entrada visual no implica generación de imágenes o vídeo.
Pensamiento y respuestas directas
La guía de modos del desarrollador identifica Qwen3.5 Flash como de pensamiento híbrido, con pensamiento habilitado de forma predeterminada. El flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén el artefacto final separado del razonamiento cuando la interfaz elegida proporcione ambos. Una respuesta concisa puede servir para extracción o reescritura sencillas, mientras que una pregunta que conecte varias condiciones se beneficia de una explicación que siga siendo rastreable hasta la fuente.
Utiliza los controles documentados de la edición Flash, en lugar de importar preajustes de muestreo, opciones de razonamiento histórico o marcadores de prompt de otro punto de control Qwen. La ficha abierta de Qwen3.5-35B-A3B tiene su propia receta de historial y generación; sus ajustes no son automáticamente unas condiciones exactas de interfaz Flash alojada.
Herramientas y flujos de aplicación
El fabricante describe herramientas adicionales en la oferta Flash gestionada. Un flujo conectado puede proporcionar recuperación, inspección o ejecución permitida y devolver las observaciones al modelo. Define las herramientas disponibles, las acciones permitidas y la condición observable de finalización. Pide que el informe final distinga el trabajo propuesto de los resultados que devolvió una herramienta real.
La capacidad de un modelo orientada a herramientas no establece acceso integrado a fuentes actuales, archivos o un entorno de código a través de todas las interfaces. Pedir una tabla o texto con forma de JSON tampoco crea por sí solo un esquema de salida impuesto. Mantén el artefacto fácil de inspeccionar: archivos de código, una tabla de pruebas o una conclusión breve vinculada al material proporcionado.
Contexto y límites específicos de la edición
Qwen describe un contexto predeterminado de un millón de tokens para su versión Flash gestionada. El punto de control abierto correspondiente tiene un contexto nativo diferente y un procedimiento explícito de ampliación, por lo que esas descripciones numéricas deben mantenerse dentro del ámbito de sus propias ofertas. El texto, los archivos multimedia representados, el historial de conversación, el razonamiento y la respuesta deben caber en el presupuesto de secuencia configurado aplicable.
Selecciona el texto, las imágenes o los segmentos de vídeo pertinentes, conserva los identificadores documentales y de código y reserva espacio en la secuencia de trabajo para el resultado.
Preparación práctica y revisión
Para una tarea iterativa de programación, proporciona retroalimentación real de errores o revisión junto con la siguiente pregunta para que el modelo pueda actualizar el cambio propuesto. Para análisis documental, pide pasajes de apoyo e identifica expresamente las pruebas ausentes. Comprueba el texto extraído, los cálculos y el código generado frente a la fuente. Utiliza esta versión fija para análisis de texto, imágenes o vídeo que devuelva un entregable textual concreto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3.5-flash-02-23 | 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 $0.00013 / 1K tokens Salida · Tokens de salida $0.00052 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00013 / 1K tokens Salida · Tokens de salida $0.00052 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.5-flash-02-23", "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/qwen3.5-flash-02-23',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/qwen3.5-flash-02-23',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/qwen3.5-flash-02-23
Usa las rutas de método indicadas arriba.
qwen/qwen3.5-flash-02-23La versión del 23 de febrero de Qwen3.5 Flash es un modelo de visión y lenguaje para texto, imágenes y vídeo, con salida textual. Combina atención híbrida y expertos dispersos con el flujo de pensamiento y respuesta directa de la familia Flash, para programación, análisis visual y tareas asistidas por herramientas.
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 Flash del 23 de febrero
Qwen3.5 Flash es una familia nativa de modelos de visión y lenguaje. La versión del desarrollador identifica la instantánea del 23 de febrero de 2026 y describe una arquitectura híbrida que combina atención lineal con cálculo de mezcla dispersa de expertos. Sus entradas son texto, imágenes y vídeo y su resultado es texto. La versión se centra en equilibrar la inferencia y la capacidad de tareas entre trabajo textual y multimodal; no establece una latencia fija para una aplicación concreta.
La ficha de modelo abierto de Qwen describe el modelo gestionado Qwen3.5-Flash como correspondiente a Qwen3.5-35B-A3B, con funciones adicionales como un contexto predeterminado de un millón de tokens y herramientas integradas. Es una relación entre ofertas descrita por el fabricante, no una razón para fusionar sus nombres exactos, configuraciones o funciones de interfaz. La instantánea del 23 de febrero sigue siendo distinta de un nombre Flash que cambia y de generaciones posteriores de Qwen.
Tareas textuales, visuales y de programación
La familia Qwen3.5 se entrena con fusión temprana de texto y visión y admite razonamiento, programación, agentes y comprensión visual. Para una tarea de programación basada en una captura de pantalla, proporciona la referencia visual, el código pertinente y el comportamiento requerido, y después pide un artefacto editable con una explicación de las condiciones afectadas. Para un documento o gráfico, conserva las etiquetas y las unidades y pide los campos o conclusiones concretos necesarios.
Una respuesta visual útil puede distinguir los hechos visibles de las relaciones inferidas e identificar la región de origen o el pasaje que respalda cada conclusión. Para vídeo, conserva la secuencia y los tiempos e indica el evento de interés. Para análisis de documentos y vídeo, compara los campos y afirmaciones devueltos con las etiquetas, pasajes y marcas de tiempo originales. El modelo produce análisis textual o código; la entrada visual no implica generación de imágenes o vídeo.
Pensamiento y respuestas directas
La guía de modos del desarrollador identifica Qwen3.5 Flash como de pensamiento híbrido, con pensamiento habilitado de forma predeterminada. El flujo híbrido documentado puede desactivar el pensamiento para una respuesta directa. Mantén el artefacto final separado del razonamiento cuando la interfaz elegida proporcione ambos. Una respuesta concisa puede servir para extracción o reescritura sencillas, mientras que una pregunta que conecte varias condiciones se beneficia de una explicación que siga siendo rastreable hasta la fuente.
Utiliza los controles documentados de la edición Flash, en lugar de importar preajustes de muestreo, opciones de razonamiento histórico o marcadores de prompt de otro punto de control Qwen. La ficha abierta de Qwen3.5-35B-A3B tiene su propia receta de historial y generación; sus ajustes no son automáticamente unas condiciones exactas de interfaz Flash alojada.
Herramientas y flujos de aplicación
El fabricante describe herramientas adicionales en la oferta Flash gestionada. Un flujo conectado puede proporcionar recuperación, inspección o ejecución permitida y devolver las observaciones al modelo. Define las herramientas disponibles, las acciones permitidas y la condición observable de finalización. Pide que el informe final distinga el trabajo propuesto de los resultados que devolvió una herramienta real.
La capacidad de un modelo orientada a herramientas no establece acceso integrado a fuentes actuales, archivos o un entorno de código a través de todas las interfaces. Pedir una tabla o texto con forma de JSON tampoco crea por sí solo un esquema de salida impuesto. Mantén el artefacto fácil de inspeccionar: archivos de código, una tabla de pruebas o una conclusión breve vinculada al material proporcionado.
Contexto y límites específicos de la edición
Qwen describe un contexto predeterminado de un millón de tokens para su versión Flash gestionada. El punto de control abierto correspondiente tiene un contexto nativo diferente y un procedimiento explícito de ampliación, por lo que esas descripciones numéricas deben mantenerse dentro del ámbito de sus propias ofertas. El texto, los archivos multimedia representados, el historial de conversación, el razonamiento y la respuesta deben caber en el presupuesto de secuencia configurado aplicable.
Selecciona el texto, las imágenes o los segmentos de vídeo pertinentes, conserva los identificadores documentales y de código y reserva espacio en la secuencia de trabajo para el resultado.
Preparación práctica y revisión
Para una tarea iterativa de programación, proporciona retroalimentación real de errores o revisión junto con la siguiente pregunta para que el modelo pueda actualizar el cambio propuesto. Para análisis documental, pide pasajes de apoyo e identifica expresamente las pruebas ausentes. Comprueba el texto extraído, los cálculos y el código generado frente a la fuente. Utiliza esta versión fija para análisis de texto, imágenes o vídeo que devuelva un entregable textual concreto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites qwen/qwen3.5-flash-02-23 | 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 $0.00013 / 1K tokens Salida · Tokens de salida $0.00052 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.00013 / 1K tokens Salida · Tokens de salida $0.00052 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "qwen/qwen3.5-flash-02-23",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/qwen3.5-flash-02-23', '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/qwen3.5-flash-02-23', '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/qwen3.5-flash-02-23
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Refine a patch using test feedback\n\nA first patch changes deduplicate(values) to list(set(values)). The returned test observation is: input [3,1,3,2] expected [3,1,2], but order was not preserved. Propose a replacement that retains first occurrences and works on integers. Include a regression assertion and explain the one behavior the failed patch overlooked. Do not claim to run the test.A revised Python function, a regression assertion and a short explanation tied to the supplied test observation.The duplicate 3 is removed while the order 3,1,2 survives; test execution remains a proposed check.