Qwen-Max est un modèle textuel à grande échelle de la famille Qwen pour les tâches qui combinent compréhension du langage, raisonnement logique et résultat écrit substantiel. Le fabricant souligne la programmation en chinois et en anglais, le travail multilingue, l’écriture créative et la conversation fondée sur des rôles. Le modèle vise des réponses plus claires et détaillées tout en suivant le style demandé.
Capacités du modèle
Qwen-Max accepte du texte et produit du texte. Il peut travailler à partir d’une conversation, de passages source, d’une exigence logicielle ou d’un fragment de code existant. Utilisez-le lorsque le résultat doit être une explication, un document réécrit, une implémentation ou un ensemble de champs extraits. Une page numérisée ou une capture d’écran nécessite une étape séparée qui rend les renseignements requis disponibles sous forme de texte ; l’entrée documentée de ce modèle n’est pas une image.
Le fabricant souligne particulièrement le respect du format JSON. Une tâche pratique d’extraction peut préciser des champs comme le sujet, les conditions explicitement mentionnées dans la source et une question non résolue. Fournissez le passage source et les noms de champs souhaités, et précisez comment représenter les renseignements manquants. Cela transforme une réponse conversationnelle en données qu’une application peut inspecter et traiter. Une demande de JSON et une demande d’explication rédigée sont des exigences de sortie différentes et doivent être formulées séparément.
Les interfaces documentées du fabricant comprennent aussi l’appel de fonctions, la sortie structurée, la continuation à partir d’un préfixe de réponse, la mise en cache du contexte et l’inférence par lots. Les appels de fonctions et la recherche Web ne sont pas exposés de façon identique dans toutes les configurations du fournisseur. Utilisez uniquement les commandes documentées pour l’interface choisie. Dans une application disposant d’outils, l’application fournit les outils, exécute les actions sélectionnées et retourne leurs résultats. La mise en cache et le traitement par lots concernent la façon de soumettre et de réutiliser le travail, et non une nouvelle modalité de contenu.
Préparation de la requête
Gardez le contenu source, la conversation et la réponse demandée dans la capacité accordée par l’interface choisie. Réservez de l’espace pour la réponse et choisissez entre une réponse compacte et un long document.
Pour une tâche documentaire, placez les sections source essentielles avant les exemples facultatifs et précisez ce que le livrable final doit contenir. Par exemple, fournissez une description de produit et les questions d’un client, puis demandez une réponse qui conserve les conditions fournies, utilise la langue du client et sépare les questions sans réponse des renseignements confirmés. Le résultat peut être une réponse destinée au client accompagnée d’un petit enregistrement JSON pour l’étape suivante de l’application.
Pour la programmation, fournissez l’objectif de la fonction, l’entrée acceptée, la sortie attendue et le fragment existant qui doit rester compatible. Demandez l’implémentation, une explication des décisions et des exemples couvrant une entrée ordinaire et un cas limite. Cela utilise l’orientation documentée du modèle vers le code et le raisonnement sans présumer un accès à un dépôt, à un compilateur ou à une application en cours d’exécution.
Pour l’écriture créative ou le dialogue fondé sur des rôles, définissez le public, le ton et les faits qui doivent être conservés dans la révision. Un rôle peut organiser la conversation, tandis que les sources déterminent ce que le modèle doit dire. Demandez des introductions ou des explications différentes selon les lecteurs plutôt qu’une réécriture non précisée ; chaque variante a alors un objectif observable.
Limites importantes
Qwen-Max est une gamme texte-vers-texte, et non une édition de génération visuelle ou vocale. Le fabricant n’indique pas l’ajustement fin parmi les capacités d’interface prises en charge dans cette fiche. Le comportement avec outils dépend de l’interface connectée. Ces distinctions aident à choisir la bonne édition et à préparer une entrée qui correspond au résultat dont vous avez réellement besoin.
", "aboutText": "Qwen-Max est un modèle textuel à grande échelle de la famille Qwen pour les tâches qui combinent compréhension du langage, raisonnement logique et résultat écrit substantiel. Le fabricant souligne la programmation en chinois et en anglais, le travail multilingue, l’écriture créative et la conversation fondée sur des rôles. Le modèle vise des réponses plus claires et détaillées tout en suivant le style demandé.\n\nCapacités du modèle\n\nQwen-Max accepte du texte et produit du texte. Il peut travailler à partir d’une conversation, de passages source, d’une exigence logicielle ou d’un fragment de code existant. Utilisez-le lorsque le résultat doit être une explication, un document réécrit, une implémentation ou un ensemble de champs extraits. Une page numérisée ou une capture d’écran nécessite une étape séparée qui rend les renseignements requis disponibles sous forme de texte ; l’entrée documentée de ce modèle n’est pas une image.\n\nLe fabricant souligne particulièrement le respect du format JSON. Une tâche pratique d’extraction peut préciser des champs comme le sujet, les conditions explicitement mentionnées dans la source et une question non résolue. Fournissez le passage source et les noms de champs souhaités, et précisez comment représenter les renseignements manquants. Cela transforme une réponse conversationnelle en données qu’une application peut inspecter et traiter. Une demande de JSON et une demande d’explication rédigée sont des exigences de sortie différentes et doivent être formulées séparément.\n\nLes interfaces documentées du fabricant comprennent aussi l’appel de fonctions, la sortie structurée, la continuation à partir d’un préfixe de réponse, la mise en cache du contexte et l’inférence par lots. Les appels de fonctions et la recherche Web ne sont pas exposés de façon identique dans toutes les configurations du fournisseur. Utilisez uniquement les commandes documentées pour l’interface choisie. Dans une application disposant d’outils, l’application fournit les outils, exécute les actions sélectionnées et retourne leurs résultats. La mise en cache et le traitement par lots concernent la façon de soumettre et de réutiliser le travail, et non une nouvelle modalité de contenu.\n\nPréparation de la requête\n\nGardez le contenu source, la conversation et la réponse demandée dans la capacité accordée par l’interface choisie. Réservez de l’espace pour la réponse et choisissez entre une réponse compacte et un long document.\n\nPour une tâche documentaire, placez les sections source essentielles avant les exemples facultatifs et précisez ce que le livrable final doit contenir. Par exemple, fournissez une description de produit et les questions d’un client, puis demandez une réponse qui conserve les conditions fournies, utilise la langue du client et sépare les questions sans réponse des renseignements confirmés. Le résultat peut être une réponse destinée au client accompagnée d’un petit enregistrement JSON pour l’étape suivante de l’application.\n\nPour la programmation, fournissez l’objectif de la fonction, l’entrée acceptée, la sortie attendue et le fragment existant qui doit rester compatible. Demandez l’implémentation, une explication des décisions et des exemples couvrant une entrée ordinaire et un cas limite. Cela utilise l’orientation documentée du modèle vers le code et le raisonnement sans présumer un accès à un dépôt, à un compilateur ou à une application en cours d’exécution.\n\nPour l’écriture créative ou le dialogue fondé sur des rôles, définissez le public, le ton et les faits qui doivent être conservés dans la révision. Un rôle peut organiser la conversation, tandis que les sources déterminent ce que le modèle doit dire. Demandez des introductions ou des explications différentes selon les lecteurs plutôt qu’une réécriture non précisée ; chaque variante a alors un objectif observable.\n\nLimites importantes\n\nQwen-Max est une gamme texte-vers-texte, et non une édition de génération visuelle ou vocale. Le fabricant n’indique pas l’ajustement fin parmi les capacités d’interface prises en charge dans cette fiche. Le comportement avec outils dépend de l’interface connectée. Ces distinctions aident à choisir la bonne édition et à préparer une entrée qui correspond au résultat dont vous avez réellement besoin.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
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 est un modèle textuel pour la conversation multilingue, le raisonnement logique, la programmation et la création de contenu. Il combine un suivi détaillé des instructions, une sortie orientée JSON et le réglage du style de réponse.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-Max est un modèle textuel à grande échelle de la famille Qwen pour les tâches qui combinent compréhension du langage, raisonnement logique et résultat écrit substantiel. Le fabricant souligne la programmation en chinois et en anglais, le travail multilingue, l’écriture créative et la conversation fondée sur des rôles. Le modèle vise des réponses plus claires et détaillées tout en suivant le style demandé.
Capacités du modèle
Qwen-Max accepte du texte et produit du texte. Il peut travailler à partir d’une conversation, de passages source, d’une exigence logicielle ou d’un fragment de code existant. Utilisez-le lorsque le résultat doit être une explication, un document réécrit, une implémentation ou un ensemble de champs extraits. Une page numérisée ou une capture d’écran nécessite une étape séparée qui rend les renseignements requis disponibles sous forme de texte ; l’entrée documentée de ce modèle n’est pas une image.
Le fabricant souligne particulièrement le respect du format JSON. Une tâche pratique d’extraction peut préciser des champs comme le sujet, les conditions explicitement mentionnées dans la source et une question non résolue. Fournissez le passage source et les noms de champs souhaités, et précisez comment représenter les renseignements manquants. Cela transforme une réponse conversationnelle en données qu’une application peut inspecter et traiter. Une demande de JSON et une demande d’explication rédigée sont des exigences de sortie différentes et doivent être formulées séparément.
Les interfaces documentées du fabricant comprennent aussi l’appel de fonctions, la sortie structurée, la continuation à partir d’un préfixe de réponse, la mise en cache du contexte et l’inférence par lots. Les appels de fonctions et la recherche Web ne sont pas exposés de façon identique dans toutes les configurations du fournisseur. Utilisez uniquement les commandes documentées pour l’interface choisie. Dans une application disposant d’outils, l’application fournit les outils, exécute les actions sélectionnées et retourne leurs résultats. La mise en cache et le traitement par lots concernent la façon de soumettre et de réutiliser le travail, et non une nouvelle modalité de contenu.
Préparation de la requête
Gardez le contenu source, la conversation et la réponse demandée dans la capacité accordée par l’interface choisie. Réservez de l’espace pour la réponse et choisissez entre une réponse compacte et un long document.
Pour une tâche documentaire, placez les sections source essentielles avant les exemples facultatifs et précisez ce que le livrable final doit contenir. Par exemple, fournissez une description de produit et les questions d’un client, puis demandez une réponse qui conserve les conditions fournies, utilise la langue du client et sépare les questions sans réponse des renseignements confirmés. Le résultat peut être une réponse destinée au client accompagnée d’un petit enregistrement JSON pour l’étape suivante de l’application.
Pour la programmation, fournissez l’objectif de la fonction, l’entrée acceptée, la sortie attendue et le fragment existant qui doit rester compatible. Demandez l’implémentation, une explication des décisions et des exemples couvrant une entrée ordinaire et un cas limite. Cela utilise l’orientation documentée du modèle vers le code et le raisonnement sans présumer un accès à un dépôt, à un compilateur ou à une application en cours d’exécution.
Pour l’écriture créative ou le dialogue fondé sur des rôles, définissez le public, le ton et les faits qui doivent être conservés dans la révision. Un rôle peut organiser la conversation, tandis que les sources déterminent ce que le modèle doit dire. Demandez des introductions ou des explications différentes selon les lecteurs plutôt qu’une réécriture non précisée ; chaque variante a alors un objectif observable.
Limites importantes
Qwen-Max est une gamme texte-vers-texte, et non une édition de génération visuelle ou vocale. Le fabricant n’indique pas l’ajustement fin parmi les capacités d’interface prises en charge dans cette fiche. Le comportement avec outils dépend de l’interface connectée. Ces distinctions aident à choisir la bonne édition et à préparer une entrée qui correspond au résultat dont vous avez réellement besoin.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-max | 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.000686 / 1K jetons Sortie · Jetons en sortie $0.002744 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "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 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen-max
Utilisez les chemins de méthode indiqués ci-dessus.
qwen-maxQwen-Max est un modèle textuel pour la conversation multilingue, le raisonnement logique, la programmation et la création de contenu. Il combine un suivi détaillé des instructions, une sortie orientée JSON et le réglage du style de réponse.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-Max est un modèle textuel à grande échelle de la famille Qwen pour les tâches qui combinent compréhension du langage, raisonnement logique et résultat écrit substantiel. Le fabricant souligne la programmation en chinois et en anglais, le travail multilingue, l’écriture créative et la conversation fondée sur des rôles. Le modèle vise des réponses plus claires et détaillées tout en suivant le style demandé.
Capacités du modèle
Qwen-Max accepte du texte et produit du texte. Il peut travailler à partir d’une conversation, de passages source, d’une exigence logicielle ou d’un fragment de code existant. Utilisez-le lorsque le résultat doit être une explication, un document réécrit, une implémentation ou un ensemble de champs extraits. Une page numérisée ou une capture d’écran nécessite une étape séparée qui rend les renseignements requis disponibles sous forme de texte ; l’entrée documentée de ce modèle n’est pas une image.
Le fabricant souligne particulièrement le respect du format JSON. Une tâche pratique d’extraction peut préciser des champs comme le sujet, les conditions explicitement mentionnées dans la source et une question non résolue. Fournissez le passage source et les noms de champs souhaités, et précisez comment représenter les renseignements manquants. Cela transforme une réponse conversationnelle en données qu’une application peut inspecter et traiter. Une demande de JSON et une demande d’explication rédigée sont des exigences de sortie différentes et doivent être formulées séparément.
Les interfaces documentées du fabricant comprennent aussi l’appel de fonctions, la sortie structurée, la continuation à partir d’un préfixe de réponse, la mise en cache du contexte et l’inférence par lots. Les appels de fonctions et la recherche Web ne sont pas exposés de façon identique dans toutes les configurations du fournisseur. Utilisez uniquement les commandes documentées pour l’interface choisie. Dans une application disposant d’outils, l’application fournit les outils, exécute les actions sélectionnées et retourne leurs résultats. La mise en cache et le traitement par lots concernent la façon de soumettre et de réutiliser le travail, et non une nouvelle modalité de contenu.
Préparation de la requête
Gardez le contenu source, la conversation et la réponse demandée dans la capacité accordée par l’interface choisie. Réservez de l’espace pour la réponse et choisissez entre une réponse compacte et un long document.
Pour une tâche documentaire, placez les sections source essentielles avant les exemples facultatifs et précisez ce que le livrable final doit contenir. Par exemple, fournissez une description de produit et les questions d’un client, puis demandez une réponse qui conserve les conditions fournies, utilise la langue du client et sépare les questions sans réponse des renseignements confirmés. Le résultat peut être une réponse destinée au client accompagnée d’un petit enregistrement JSON pour l’étape suivante de l’application.
Pour la programmation, fournissez l’objectif de la fonction, l’entrée acceptée, la sortie attendue et le fragment existant qui doit rester compatible. Demandez l’implémentation, une explication des décisions et des exemples couvrant une entrée ordinaire et un cas limite. Cela utilise l’orientation documentée du modèle vers le code et le raisonnement sans présumer un accès à un dépôt, à un compilateur ou à une application en cours d’exécution.
Pour l’écriture créative ou le dialogue fondé sur des rôles, définissez le public, le ton et les faits qui doivent être conservés dans la révision. Un rôle peut organiser la conversation, tandis que les sources déterminent ce que le modèle doit dire. Demandez des introductions ou des explications différentes selon les lecteurs plutôt qu’une réécriture non précisée ; chaque variante a alors un objectif observable.
Limites importantes
Qwen-Max est une gamme texte-vers-texte, et non une édition de génération visuelle ou vocale. Le fabricant n’indique pas l’ajustement fin parmi les capacités d’interface prises en charge dans cette fiche. Le comportement avec outils dépend de l’interface connectée. Ces distinctions aident à choisir la bonne édition et à préparer une entrée qui correspond au résultat dont vous avez réellement besoin.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-max | 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.000686 / 1K jetons Sortie · Jetons en sortie $0.002744 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen-max",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen-max
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
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.