Vue d’ensemble : raisonnement fondé sur Qwen2.5
QwQ-Plus est le modèle de raisonnement QwQ amélioré construit sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, notamment en mathématiques et en programmation, ainsi que pour les tâches générales de suivi d’instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail nécessite une solution expliquée, une comparaison ou une proposition de code vérifiable par rapport aux conditions fournies.
Il s’agit de la gamme de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ni l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de fournisseur contenant latest ne doit pas devenir implicitement une révision datée fixe. Utilisez l’identité exacte du modèle demandé pour comparer les sorties ou conserver un dossier reproductible de la tâche.
Préparer le travail mathématique et logique
Donnez l’énoncé complet du problème, les définitions, les unités et les hypothèses permises. Demandez la réponse finale sous une forme clairement délimitée, puis les équations ou étapes logiques nécessaires pour l’étayer. Pour un problème de planification sous contraintes, précisez séparément les choix possibles et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une revue pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle d’identifier la première étape non étayée plutôt que de réécrire tout l’exercice sans explication.
Ce sont des applications pratiques de l’orientation de raisonnement documentée du modèle. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison liée aux critères indiqués. Un texte plus explicatif ne suffit pas à établir une conclusion correcte ; gardez donc les hypothèses visibles et comparez le résultat final à la question d’origine.
Préparer le travail de programmation
Fournissez le code pertinent, l’entrée qui révèle le problème, la sortie observée et le comportement souhaité. Demandez une modification proposée, une explication de la manière dont elle traite cette entrée et les cas limites restant à vérifier. Pour une question algorithmique, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Distinguez le code généré du code réellement exécuté dans l’environnement de l’application.
Une réponse utile peut séparer le diagnostic, le correctif et le comportement attendu. Lorsqu’un petit changement est requis, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples ont été rédigés pour illustrer des façons d’appliquer la spécialisation mathématique et informatique de QwQ-Plus ; ils ne constituent pas un outil ou une capacité d’exécution supplémentaire.
Limites de contexte et de réponse
La spécification exacte du modèle donne une fenêtre de contexte de 131,072 tokens, une entrée maximale de 98,304 tokens et une sortie maximale de 8,192 tokens. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en quota de raisonnement garanti non documenté. Le texte source, l’historique de conversation et la réponse doivent rester dans les limites configurées applicables.
Pour une spécification longue ou un extrait de code, conservez les identifiants pertinents de sections et de fonctions et demandez au modèle de les citer dans son explication. Retirez les éléments sans rapport avant l’envoi et réservez assez d’espace de sortie pour la conclusion requise. Une grande fenêtre de contexte permet de fournir davantage de conditions ensemble ; elle ne promet pas que chaque fait sera rappelé ou chaque dépendance comprise.
Outils, mise en forme et limites propres au modèle
La matrice de déploiement du fabricant indique l’appel de fonctions et la recherche web dans certaines configurations et les marque comme non pris en charge dans une autre. Il s’agit donc de capacités conditionnelles, et non de fonctionnalités que l’on peut promettre sur la seule base du nom du modèle. La même matrice prend en charge l’inférence par lots dans certaines configurations du fabricant. Un parcours assisté par des outils doit fournir les outils réels et réinjecter leurs résultats dans la tâche textuelle. Cette description n’établit pas la disponibilité des outils d’une application.
Les sorties structurées imposées sont indiquées comme non prises en charge. Une consigne peut toujours demander un tableau ou une réponse au format JSON, mais l’application doit examiner le résultat au lieu de considérer cette demande comme une garantie de conformité imposée au schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de contrat de bascule de raisonnement hybride propre au modèle ; les réglages documentés pour les générations Qwen plus récentes ne doivent pas être importés dans cette édition.
Gardez la réponse finale facile à vérifier, contrôlez les calculs selon les unités indiquées et examinez les propositions de code avant leur exécution. Le rôle pratique de QwQ-Plus est de traiter un problème textuel difficile et de renvoyer une explication ou un livrable utile dans ses propres limites documentées.
", "aboutText": "Vue d’ensemble : raisonnement fondé sur Qwen2.5\n\nQwQ-Plus est le modèle de raisonnement QwQ amélioré construit sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, notamment en mathématiques et en programmation, ainsi que pour les tâches générales de suivi d’instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail nécessite une solution expliquée, une comparaison ou une proposition de code vérifiable par rapport aux conditions fournies.\n\nIl s’agit de la gamme de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ni l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de fournisseur contenant latest ne doit pas devenir implicitement une révision datée fixe. Utilisez l’identité exacte du modèle demandé pour comparer les sorties ou conserver un dossier reproductible de la tâche.\n\nPréparer le travail mathématique et logique\n\nDonnez l’énoncé complet du problème, les définitions, les unités et les hypothèses permises. Demandez la réponse finale sous une forme clairement délimitée, puis les équations ou étapes logiques nécessaires pour l’étayer. Pour un problème de planification sous contraintes, précisez séparément les choix possibles et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une revue pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle d’identifier la première étape non étayée plutôt que de réécrire tout l’exercice sans explication.\n\nCe sont des applications pratiques de l’orientation de raisonnement documentée du modèle. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison liée aux critères indiqués. Un texte plus explicatif ne suffit pas à établir une conclusion correcte ; gardez donc les hypothèses visibles et comparez le résultat final à la question d’origine.\n\nPréparer le travail de programmation\n\nFournissez le code pertinent, l’entrée qui révèle le problème, la sortie observée et le comportement souhaité. Demandez une modification proposée, une explication de la manière dont elle traite cette entrée et les cas limites restant à vérifier. Pour une question algorithmique, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Distinguez le code généré du code réellement exécuté dans l’environnement de l’application.\n\nUne réponse utile peut séparer le diagnostic, le correctif et le comportement attendu. Lorsqu’un petit changement est requis, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples ont été rédigés pour illustrer des façons d’appliquer la spécialisation mathématique et informatique de QwQ-Plus ; ils ne constituent pas un outil ou une capacité d’exécution supplémentaire.\n\nLimites de contexte et de réponse\n\nLa spécification exacte du modèle donne une fenêtre de contexte de 131,072 tokens, une entrée maximale de 98,304 tokens et une sortie maximale de 8,192 tokens. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en quota de raisonnement garanti non documenté. Le texte source, l’historique de conversation et la réponse doivent rester dans les limites configurées applicables.\n\nPour une spécification longue ou un extrait de code, conservez les identifiants pertinents de sections et de fonctions et demandez au modèle de les citer dans son explication. Retirez les éléments sans rapport avant l’envoi et réservez assez d’espace de sortie pour la conclusion requise. Une grande fenêtre de contexte permet de fournir davantage de conditions ensemble ; elle ne promet pas que chaque fait sera rappelé ou chaque dépendance comprise.\n\nOutils, mise en forme et limites propres au modèle\n\nLa matrice de déploiement du fabricant indique l’appel de fonctions et la recherche web dans certaines configurations et les marque comme non pris en charge dans une autre. Il s’agit donc de capacités conditionnelles, et non de fonctionnalités que l’on peut promettre sur la seule base du nom du modèle. La même matrice prend en charge l’inférence par lots dans certaines configurations du fabricant. Un parcours assisté par des outils doit fournir les outils réels et réinjecter leurs résultats dans la tâche textuelle. Cette description n’établit pas la disponibilité des outils d’une application.\n\nLes sorties structurées imposées sont indiquées comme non prises en charge. Une consigne peut toujours demander un tableau ou une réponse au format JSON, mais l’application doit examiner le résultat au lieu de considérer cette demande comme une garantie de conformité imposée au schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de contrat de bascule de raisonnement hybride propre au modèle ; les réglages documentés pour les générations Qwen plus récentes ne doivent pas être importés dans cette édition.\n\nGardez la réponse finale facile à vérifier, contrôlez les calculs selon les unités indiquées et examinez les propositions de code avant leur exécution. Le rôle pratique de QwQ-Plus est de traiter un problème textuel difficile et de renvoyer une explication ou un livrable utile dans ses propres limites documentées.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est le modèle de raisonnement de Qwen fondé sur Qwen2.5, renforcé par apprentissage par renforcement pour les tâches textuelles de mathématiques, de code et de logique. Sa spécification dédiée indique un contexte de 131,072 tokens, une entrée maximale de 98,304 tokens et une sortie maximale de 8,192 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Vue d’ensemble : raisonnement fondé sur Qwen2.5
QwQ-Plus est le modèle de raisonnement QwQ amélioré construit sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, notamment en mathématiques et en programmation, ainsi que pour les tâches générales de suivi d’instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail nécessite une solution expliquée, une comparaison ou une proposition de code vérifiable par rapport aux conditions fournies.
Il s’agit de la gamme de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ni l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de fournisseur contenant latest ne doit pas devenir implicitement une révision datée fixe. Utilisez l’identité exacte du modèle demandé pour comparer les sorties ou conserver un dossier reproductible de la tâche.
Préparer le travail mathématique et logique
Donnez l’énoncé complet du problème, les définitions, les unités et les hypothèses permises. Demandez la réponse finale sous une forme clairement délimitée, puis les équations ou étapes logiques nécessaires pour l’étayer. Pour un problème de planification sous contraintes, précisez séparément les choix possibles et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une revue pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle d’identifier la première étape non étayée plutôt que de réécrire tout l’exercice sans explication.
Ce sont des applications pratiques de l’orientation de raisonnement documentée du modèle. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison liée aux critères indiqués. Un texte plus explicatif ne suffit pas à établir une conclusion correcte ; gardez donc les hypothèses visibles et comparez le résultat final à la question d’origine.
Préparer le travail de programmation
Fournissez le code pertinent, l’entrée qui révèle le problème, la sortie observée et le comportement souhaité. Demandez une modification proposée, une explication de la manière dont elle traite cette entrée et les cas limites restant à vérifier. Pour une question algorithmique, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Distinguez le code généré du code réellement exécuté dans l’environnement de l’application.
Une réponse utile peut séparer le diagnostic, le correctif et le comportement attendu. Lorsqu’un petit changement est requis, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples ont été rédigés pour illustrer des façons d’appliquer la spécialisation mathématique et informatique de QwQ-Plus ; ils ne constituent pas un outil ou une capacité d’exécution supplémentaire.
Limites de contexte et de réponse
La spécification exacte du modèle donne une fenêtre de contexte de 131,072 tokens, une entrée maximale de 98,304 tokens et une sortie maximale de 8,192 tokens. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en quota de raisonnement garanti non documenté. Le texte source, l’historique de conversation et la réponse doivent rester dans les limites configurées applicables.
Pour une spécification longue ou un extrait de code, conservez les identifiants pertinents de sections et de fonctions et demandez au modèle de les citer dans son explication. Retirez les éléments sans rapport avant l’envoi et réservez assez d’espace de sortie pour la conclusion requise. Une grande fenêtre de contexte permet de fournir davantage de conditions ensemble ; elle ne promet pas que chaque fait sera rappelé ou chaque dépendance comprise.
Outils, mise en forme et limites propres au modèle
La matrice de déploiement du fabricant indique l’appel de fonctions et la recherche web dans certaines configurations et les marque comme non pris en charge dans une autre. Il s’agit donc de capacités conditionnelles, et non de fonctionnalités que l’on peut promettre sur la seule base du nom du modèle. La même matrice prend en charge l’inférence par lots dans certaines configurations du fabricant. Un parcours assisté par des outils doit fournir les outils réels et réinjecter leurs résultats dans la tâche textuelle. Cette description n’établit pas la disponibilité des outils d’une application.
Les sorties structurées imposées sont indiquées comme non prises en charge. Une consigne peut toujours demander un tableau ou une réponse au format JSON, mais l’application doit examiner le résultat au lieu de considérer cette demande comme une garantie de conformité imposée au schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de contrat de bascule de raisonnement hybride propre au modèle ; les réglages documentés pour les générations Qwen plus récentes ne doivent pas être importés dans cette édition.
Gardez la réponse finale facile à vérifier, contrôlez les calculs selon les unités indiquées et examinez les propositions de code avant leur exécution. Le rôle pratique de QwQ-Plus est de traiter un problème textuel difficile et de renvoyer une explication ou un livrable utile dans ses propres limites documentées.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwq-plus | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00046 / 1K tokens Sortie · Tokens en sortie $0.00116 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwq-plus
Utilisez les chemins de méthode indiqués ci-dessus.
qwq-plusQwQ-Plus est le modèle de raisonnement de Qwen fondé sur Qwen2.5, renforcé par apprentissage par renforcement pour les tâches textuelles de mathématiques, de code et de logique. Sa spécification dédiée indique un contexte de 131,072 tokens, une entrée maximale de 98,304 tokens et une sortie maximale de 8,192 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Vue d’ensemble : raisonnement fondé sur Qwen2.5
QwQ-Plus est le modèle de raisonnement QwQ amélioré construit sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, notamment en mathématiques et en programmation, ainsi que pour les tâches générales de suivi d’instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail nécessite une solution expliquée, une comparaison ou une proposition de code vérifiable par rapport aux conditions fournies.
Il s’agit de la gamme de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ni l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de fournisseur contenant latest ne doit pas devenir implicitement une révision datée fixe. Utilisez l’identité exacte du modèle demandé pour comparer les sorties ou conserver un dossier reproductible de la tâche.
Préparer le travail mathématique et logique
Donnez l’énoncé complet du problème, les définitions, les unités et les hypothèses permises. Demandez la réponse finale sous une forme clairement délimitée, puis les équations ou étapes logiques nécessaires pour l’étayer. Pour un problème de planification sous contraintes, précisez séparément les choix possibles et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une revue pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle d’identifier la première étape non étayée plutôt que de réécrire tout l’exercice sans explication.
Ce sont des applications pratiques de l’orientation de raisonnement documentée du modèle. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison liée aux critères indiqués. Un texte plus explicatif ne suffit pas à établir une conclusion correcte ; gardez donc les hypothèses visibles et comparez le résultat final à la question d’origine.
Préparer le travail de programmation
Fournissez le code pertinent, l’entrée qui révèle le problème, la sortie observée et le comportement souhaité. Demandez une modification proposée, une explication de la manière dont elle traite cette entrée et les cas limites restant à vérifier. Pour une question algorithmique, précisez les contraintes d’entrée et la sortie requise avant de demander une approche. Distinguez le code généré du code réellement exécuté dans l’environnement de l’application.
Une réponse utile peut séparer le diagnostic, le correctif et le comportement attendu. Lorsqu’un petit changement est requis, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples ont été rédigés pour illustrer des façons d’appliquer la spécialisation mathématique et informatique de QwQ-Plus ; ils ne constituent pas un outil ou une capacité d’exécution supplémentaire.
Limites de contexte et de réponse
La spécification exacte du modèle donne une fenêtre de contexte de 131,072 tokens, une entrée maximale de 98,304 tokens et une sortie maximale de 8,192 tokens. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en quota de raisonnement garanti non documenté. Le texte source, l’historique de conversation et la réponse doivent rester dans les limites configurées applicables.
Pour une spécification longue ou un extrait de code, conservez les identifiants pertinents de sections et de fonctions et demandez au modèle de les citer dans son explication. Retirez les éléments sans rapport avant l’envoi et réservez assez d’espace de sortie pour la conclusion requise. Une grande fenêtre de contexte permet de fournir davantage de conditions ensemble ; elle ne promet pas que chaque fait sera rappelé ou chaque dépendance comprise.
Outils, mise en forme et limites propres au modèle
La matrice de déploiement du fabricant indique l’appel de fonctions et la recherche web dans certaines configurations et les marque comme non pris en charge dans une autre. Il s’agit donc de capacités conditionnelles, et non de fonctionnalités que l’on peut promettre sur la seule base du nom du modèle. La même matrice prend en charge l’inférence par lots dans certaines configurations du fabricant. Un parcours assisté par des outils doit fournir les outils réels et réinjecter leurs résultats dans la tâche textuelle. Cette description n’établit pas la disponibilité des outils d’une application.
Les sorties structurées imposées sont indiquées comme non prises en charge. Une consigne peut toujours demander un tableau ou une réponse au format JSON, mais l’application doit examiner le résultat au lieu de considérer cette demande comme une garantie de conformité imposée au schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de contrat de bascule de raisonnement hybride propre au modèle ; les réglages documentés pour les générations Qwen plus récentes ne doivent pas être importés dans cette édition.
Gardez la réponse finale facile à vérifier, contrôlez les calculs selon les unités indiquées et examinez les propositions de code avant leur exécution. Le rôle pratique de QwQ-Plus est de traiter un problème textuel difficile et de renvoyer une explication ou un livrable utile dans ses propres limites documentées.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwq-plus | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00046 / 1K tokens Sortie · Tokens en sortie $0.00116 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwq-plus
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.