Qwen3.7-Max 2026-06-08 est l’instantané nommé du 8 juin d’Alibaba pour le modèle Max de la famille Qwen3.7. Le changement distinctif de cette édition est l’ajout de la compréhension visuelle à l’instantané du 20 mai, permettant une interaction ancrée dans des scènes réelles. Il accepte du texte, des images et de la vidéo et génère du texte. L’objectif de la famille, axé sur les agents, couvre la programmation, le travail de bureau et de productivité, ainsi que les tâches prolongées combinant instructions et résultats d’outils.
L’édition compte pour les tâches visuelles. Le nom non daté Qwen3.7-Max est documenté comme équivalent à l’instantané textuel du 20 mai, tandis que le tableau exact du modèle de juin inclut les entrées image et vidéo. Pour ce modèle, une capture d’écran peut accompagner une tâche de code, ou une vidéo peut fournir la scène qu’une instruction écrite demande à l’agent d’analyser. La sortie est une explication, du code, un enregistrement structuré ou une instruction d’appel d’outil plutôt que des images, de la vidéo ou de la parole générées.
Le guide de réflexion d’Alibaba indique explicitement cet instantané de juin comme hybride : la réflexion est activée par défaut dans le flux du producteur et peut être désactivée pour une réponse directe. Le mode réflexion produit du raisonnement avant la réponse et exige du temps de raisonnement supplémentaire. Le guide sépare le contenu de raisonnement de la réponse finale et permet de préserver le raisonnement historique fourni d’un tour à l’autre pour ce modèle exact. Le raisonnement conservé devient une partie de l’entrée suivante; une tâche continue doit donc le budgéter avec la conversation et les sources.
Function Calling prend en charge une tâche où l’application fournit une question et les définitions des outils disponibles. Le modèle renvoie une fonction sélectionnée et ses arguments; l’application exécute cette fonction, ajoute son résultat à la conversation et demande au modèle de poursuivre. Pour un assistant de programmation, définissez précisément l’outil de lecture du dépôt ou de validation et demandez la modification achevée ainsi que le résultat qui l’appuie. Décrire un outil diffère de l’exécuter : l’application environnante fournit l’accès et effectue l’opération.
L’instantané de juin indique aussi Structured Outputs, Web Search, Prefix Completion et Context Caching. Ces fonctions soutiennent les enregistrements de sortie définis, le travail assisté par recherche, la continuation à partir d’un début fourni et la réutilisation d’un préfixe d’entrée commun dans le flux du fabricant. Pour une analyse récurrente, gardez le document ou les instructions stables au début et placez la question variable après. La réutilisation du cache dépend des conditions de ce flux; le fait que le modèle prenne en charge le cache ne prouve pas une réutilisation effective du cache pour une demande précise. L’inférence par lots et l’affinage sont indiqués comme non pris en charge pour cette édition.
Le tableau exact de juin donne une fenêtre de contexte de 1,000,000 jetons. L’entrée maximale est de 991,808 jetons dans le profil ordinaire et de 983,616 jetons en mode réflexion; la sortie maximale est de 131,072 jetons dans les deux profils. Ce sont des limites distinctes de contexte, d’entrée et de sortie. Les sources volumineuses, l’historique conversationnel et le contenu visuel doivent toujours tenir dans la limite d’entrée applicable, et le plafond de sortie n’exige pas qu’une réponse utilise autant d’espace.
Pour une tâche pratique d’interface, fournissez la capture d’écran, les extraits sources pertinents, le comportement souhaité et un livrable explicite. Voici un exemple de demande : « Utilisez cet écran et le texte du composant joint pour expliquer pourquoi les libellés du formulaire ne correspondent pas au déroulement du processus. Proposez une modification de code ciblée et énumérez les éléments visibles qui la motivent. » Pour une tâche documentaire ou de productivité, fournissez les sections sources, l’enregistrement final souhaité et les critères déterminant quoi inclure. Numérotez les images distinctes et décrivez leur relation pour que le résultat textuel puisse renvoyer aux éléments probants.
Pour l’analyse vidéo, identifiez l’événement ou la séquence recherchés, demandez une description concise et conservez les horodatages dans l’entrée préparée lorsque le résultat doit identifier un moment particulier. Dans le processus de traitement des fichiers d’Alibaba, une image par URL peut atteindre 20 MB; une vidéo par URL peut atteindre 2 GB et durer de 2 secondes à 2 heures. La vidéo Base64 doit faire moins de 10 MB après encodage. Distinguez les limites de fichiers du budget de jetons. Si l’audio est essentiel, fournissez une transcription textuelle; le tableau d’entrée de cet instantané n’indique pas l’audio. Dans une tâche d’agent plus longue, précisez le livrable final, les outils permis et le résultat qui doit compter comme achèvement. Cette préparation oriente le modèle vers un livrable textuel à examiner plutôt que vers une suite ouverte de suggestions intermédiaires.
", "aboutText": "Qwen3.7-Max 2026-06-08 est l’instantané nommé du 8 juin d’Alibaba pour le modèle Max de la famille Qwen3.7. Le changement distinctif de cette édition est l’ajout de la compréhension visuelle à l’instantané du 20 mai, permettant une interaction ancrée dans des scènes réelles. Il accepte du texte, des images et de la vidéo et génère du texte. L’objectif de la famille, axé sur les agents, couvre la programmation, le travail de bureau et de productivité, ainsi que les tâches prolongées combinant instructions et résultats d’outils.\n\nL’édition compte pour les tâches visuelles. Le nom non daté Qwen3.7-Max est documenté comme équivalent à l’instantané textuel du 20 mai, tandis que le tableau exact du modèle de juin inclut les entrées image et vidéo. Pour ce modèle, une capture d’écran peut accompagner une tâche de code, ou une vidéo peut fournir la scène qu’une instruction écrite demande à l’agent d’analyser. La sortie est une explication, du code, un enregistrement structuré ou une instruction d’appel d’outil plutôt que des images, de la vidéo ou de la parole générées.\n\nLe guide de réflexion d’Alibaba indique explicitement cet instantané de juin comme hybride : la réflexion est activée par défaut dans le flux du producteur et peut être désactivée pour une réponse directe. Le mode réflexion produit du raisonnement avant la réponse et exige du temps de raisonnement supplémentaire. Le guide sépare le contenu de raisonnement de la réponse finale et permet de préserver le raisonnement historique fourni d’un tour à l’autre pour ce modèle exact. Le raisonnement conservé devient une partie de l’entrée suivante; une tâche continue doit donc le budgéter avec la conversation et les sources.\n\nFunction Calling prend en charge une tâche où l’application fournit une question et les définitions des outils disponibles. Le modèle renvoie une fonction sélectionnée et ses arguments; l’application exécute cette fonction, ajoute son résultat à la conversation et demande au modèle de poursuivre. Pour un assistant de programmation, définissez précisément l’outil de lecture du dépôt ou de validation et demandez la modification achevée ainsi que le résultat qui l’appuie. Décrire un outil diffère de l’exécuter : l’application environnante fournit l’accès et effectue l’opération.\n\nL’instantané de juin indique aussi Structured Outputs, Web Search, Prefix Completion et Context Caching. Ces fonctions soutiennent les enregistrements de sortie définis, le travail assisté par recherche, la continuation à partir d’un début fourni et la réutilisation d’un préfixe d’entrée commun dans le flux du fabricant. Pour une analyse récurrente, gardez le document ou les instructions stables au début et placez la question variable après. La réutilisation du cache dépend des conditions de ce flux; le fait que le modèle prenne en charge le cache ne prouve pas une réutilisation effective du cache pour une demande précise. L’inférence par lots et l’affinage sont indiqués comme non pris en charge pour cette édition.\n\nLe tableau exact de juin donne une fenêtre de contexte de 1,000,000 jetons. L’entrée maximale est de 991,808 jetons dans le profil ordinaire et de 983,616 jetons en mode réflexion; la sortie maximale est de 131,072 jetons dans les deux profils. Ce sont des limites distinctes de contexte, d’entrée et de sortie. Les sources volumineuses, l’historique conversationnel et le contenu visuel doivent toujours tenir dans la limite d’entrée applicable, et le plafond de sortie n’exige pas qu’une réponse utilise autant d’espace.\n\nPour une tâche pratique d’interface, fournissez la capture d’écran, les extraits sources pertinents, le comportement souhaité et un livrable explicite. Voici un exemple de demande : « Utilisez cet écran et le texte du composant joint pour expliquer pourquoi les libellés du formulaire ne correspondent pas au déroulement du processus. Proposez une modification de code ciblée et énumérez les éléments visibles qui la motivent. » Pour une tâche documentaire ou de productivité, fournissez les sections sources, l’enregistrement final souhaité et les critères déterminant quoi inclure. Numérotez les images distinctes et décrivez leur relation pour que le résultat textuel puisse renvoyer aux éléments probants.\n\nPour l’analyse vidéo, identifiez l’événement ou la séquence recherchés, demandez une description concise et conservez les horodatages dans l’entrée préparée lorsque le résultat doit identifier un moment particulier. Dans le processus de traitement des fichiers d’Alibaba, une image par URL peut atteindre 20 MB; une vidéo par URL peut atteindre 2 GB et durer de 2 secondes à 2 heures. La vidéo Base64 doit faire moins de 10 MB après encodage. Distinguez les limites de fichiers du budget de jetons. Si l’audio est essentiel, fournissez une transcription textuelle; le tableau d’entrée de cet instantané n’indique pas l’audio. Dans une tâche d’agent plus longue, précisez le livrable final, les outils permis et le résultat qui doit compter comme achèvement. Cette préparation oriente le modèle vers un livrable textuel à examiner plutôt que vers une suite ouverte de suggestions intermédiaires.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 combine la compréhension du texte, des images et de la vidéo avec un processus de travail textuel axé sur les agents. Cet instantané nommé ajoute la vision à l’édition de mai, prend en charge la réflexion hybride et les outils, et offre un contexte d’un million de jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3.7-Max 2026-06-08 est l’instantané nommé du 8 juin d’Alibaba pour le modèle Max de la famille Qwen3.7. Le changement distinctif de cette édition est l’ajout de la compréhension visuelle à l’instantané du 20 mai, permettant une interaction ancrée dans des scènes réelles. Il accepte du texte, des images et de la vidéo et génère du texte. L’objectif de la famille, axé sur les agents, couvre la programmation, le travail de bureau et de productivité, ainsi que les tâches prolongées combinant instructions et résultats d’outils.
L’édition compte pour les tâches visuelles. Le nom non daté Qwen3.7-Max est documenté comme équivalent à l’instantané textuel du 20 mai, tandis que le tableau exact du modèle de juin inclut les entrées image et vidéo. Pour ce modèle, une capture d’écran peut accompagner une tâche de code, ou une vidéo peut fournir la scène qu’une instruction écrite demande à l’agent d’analyser. La sortie est une explication, du code, un enregistrement structuré ou une instruction d’appel d’outil plutôt que des images, de la vidéo ou de la parole générées.
Le guide de réflexion d’Alibaba indique explicitement cet instantané de juin comme hybride : la réflexion est activée par défaut dans le flux du producteur et peut être désactivée pour une réponse directe. Le mode réflexion produit du raisonnement avant la réponse et exige du temps de raisonnement supplémentaire. Le guide sépare le contenu de raisonnement de la réponse finale et permet de préserver le raisonnement historique fourni d’un tour à l’autre pour ce modèle exact. Le raisonnement conservé devient une partie de l’entrée suivante; une tâche continue doit donc le budgéter avec la conversation et les sources.
Function Calling prend en charge une tâche où l’application fournit une question et les définitions des outils disponibles. Le modèle renvoie une fonction sélectionnée et ses arguments; l’application exécute cette fonction, ajoute son résultat à la conversation et demande au modèle de poursuivre. Pour un assistant de programmation, définissez précisément l’outil de lecture du dépôt ou de validation et demandez la modification achevée ainsi que le résultat qui l’appuie. Décrire un outil diffère de l’exécuter : l’application environnante fournit l’accès et effectue l’opération.
L’instantané de juin indique aussi Structured Outputs, Web Search, Prefix Completion et Context Caching. Ces fonctions soutiennent les enregistrements de sortie définis, le travail assisté par recherche, la continuation à partir d’un début fourni et la réutilisation d’un préfixe d’entrée commun dans le flux du fabricant. Pour une analyse récurrente, gardez le document ou les instructions stables au début et placez la question variable après. La réutilisation du cache dépend des conditions de ce flux; le fait que le modèle prenne en charge le cache ne prouve pas une réutilisation effective du cache pour une demande précise. L’inférence par lots et l’affinage sont indiqués comme non pris en charge pour cette édition.
Le tableau exact de juin donne une fenêtre de contexte de 1,000,000 jetons. L’entrée maximale est de 991,808 jetons dans le profil ordinaire et de 983,616 jetons en mode réflexion; la sortie maximale est de 131,072 jetons dans les deux profils. Ce sont des limites distinctes de contexte, d’entrée et de sortie. Les sources volumineuses, l’historique conversationnel et le contenu visuel doivent toujours tenir dans la limite d’entrée applicable, et le plafond de sortie n’exige pas qu’une réponse utilise autant d’espace.
Pour une tâche pratique d’interface, fournissez la capture d’écran, les extraits sources pertinents, le comportement souhaité et un livrable explicite. Voici un exemple de demande : « Utilisez cet écran et le texte du composant joint pour expliquer pourquoi les libellés du formulaire ne correspondent pas au déroulement du processus. Proposez une modification de code ciblée et énumérez les éléments visibles qui la motivent. » Pour une tâche documentaire ou de productivité, fournissez les sections sources, l’enregistrement final souhaité et les critères déterminant quoi inclure. Numérotez les images distinctes et décrivez leur relation pour que le résultat textuel puisse renvoyer aux éléments probants.
Pour l’analyse vidéo, identifiez l’événement ou la séquence recherchés, demandez une description concise et conservez les horodatages dans l’entrée préparée lorsque le résultat doit identifier un moment particulier. Dans le processus de traitement des fichiers d’Alibaba, une image par URL peut atteindre 20 MB; une vidéo par URL peut atteindre 2 GB et durer de 2 secondes à 2 heures. La vidéo Base64 doit faire moins de 10 MB après encodage. Distinguez les limites de fichiers du budget de jetons. Si l’audio est essentiel, fournissez une transcription textuelle; le tableau d’entrée de cet instantané n’indique pas l’audio. Dans une tâche d’agent plus longue, précisez le livrable final, les outils permis et le résultat qui doit compter comme achèvement. Cette préparation oriente le modèle vers un livrable textuel à examiner plutôt que vers une suite ouverte de suggestions intermédiaires.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K jetons Sortie · Jetons en sortie $0.0106 / 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": "qwen3.7-max-2026-06-08", "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='qwen3.7-max-2026-06-08',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='qwen3.7-max-2026-06-08',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 qwen3.7-max-2026-06-08
Utilisez les chemins de méthode indiqués ci-dessus.
qwen3.7-max-2026-06-08Qwen3.7-Max 2026-06-08 combine la compréhension du texte, des images et de la vidéo avec un processus de travail textuel axé sur les agents. Cet instantané nommé ajoute la vision à l’édition de mai, prend en charge la réflexion hybride et les outils, et offre un contexte d’un million de jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3.7-Max 2026-06-08 est l’instantané nommé du 8 juin d’Alibaba pour le modèle Max de la famille Qwen3.7. Le changement distinctif de cette édition est l’ajout de la compréhension visuelle à l’instantané du 20 mai, permettant une interaction ancrée dans des scènes réelles. Il accepte du texte, des images et de la vidéo et génère du texte. L’objectif de la famille, axé sur les agents, couvre la programmation, le travail de bureau et de productivité, ainsi que les tâches prolongées combinant instructions et résultats d’outils.
L’édition compte pour les tâches visuelles. Le nom non daté Qwen3.7-Max est documenté comme équivalent à l’instantané textuel du 20 mai, tandis que le tableau exact du modèle de juin inclut les entrées image et vidéo. Pour ce modèle, une capture d’écran peut accompagner une tâche de code, ou une vidéo peut fournir la scène qu’une instruction écrite demande à l’agent d’analyser. La sortie est une explication, du code, un enregistrement structuré ou une instruction d’appel d’outil plutôt que des images, de la vidéo ou de la parole générées.
Le guide de réflexion d’Alibaba indique explicitement cet instantané de juin comme hybride : la réflexion est activée par défaut dans le flux du producteur et peut être désactivée pour une réponse directe. Le mode réflexion produit du raisonnement avant la réponse et exige du temps de raisonnement supplémentaire. Le guide sépare le contenu de raisonnement de la réponse finale et permet de préserver le raisonnement historique fourni d’un tour à l’autre pour ce modèle exact. Le raisonnement conservé devient une partie de l’entrée suivante; une tâche continue doit donc le budgéter avec la conversation et les sources.
Function Calling prend en charge une tâche où l’application fournit une question et les définitions des outils disponibles. Le modèle renvoie une fonction sélectionnée et ses arguments; l’application exécute cette fonction, ajoute son résultat à la conversation et demande au modèle de poursuivre. Pour un assistant de programmation, définissez précisément l’outil de lecture du dépôt ou de validation et demandez la modification achevée ainsi que le résultat qui l’appuie. Décrire un outil diffère de l’exécuter : l’application environnante fournit l’accès et effectue l’opération.
L’instantané de juin indique aussi Structured Outputs, Web Search, Prefix Completion et Context Caching. Ces fonctions soutiennent les enregistrements de sortie définis, le travail assisté par recherche, la continuation à partir d’un début fourni et la réutilisation d’un préfixe d’entrée commun dans le flux du fabricant. Pour une analyse récurrente, gardez le document ou les instructions stables au début et placez la question variable après. La réutilisation du cache dépend des conditions de ce flux; le fait que le modèle prenne en charge le cache ne prouve pas une réutilisation effective du cache pour une demande précise. L’inférence par lots et l’affinage sont indiqués comme non pris en charge pour cette édition.
Le tableau exact de juin donne une fenêtre de contexte de 1,000,000 jetons. L’entrée maximale est de 991,808 jetons dans le profil ordinaire et de 983,616 jetons en mode réflexion; la sortie maximale est de 131,072 jetons dans les deux profils. Ce sont des limites distinctes de contexte, d’entrée et de sortie. Les sources volumineuses, l’historique conversationnel et le contenu visuel doivent toujours tenir dans la limite d’entrée applicable, et le plafond de sortie n’exige pas qu’une réponse utilise autant d’espace.
Pour une tâche pratique d’interface, fournissez la capture d’écran, les extraits sources pertinents, le comportement souhaité et un livrable explicite. Voici un exemple de demande : « Utilisez cet écran et le texte du composant joint pour expliquer pourquoi les libellés du formulaire ne correspondent pas au déroulement du processus. Proposez une modification de code ciblée et énumérez les éléments visibles qui la motivent. » Pour une tâche documentaire ou de productivité, fournissez les sections sources, l’enregistrement final souhaité et les critères déterminant quoi inclure. Numérotez les images distinctes et décrivez leur relation pour que le résultat textuel puisse renvoyer aux éléments probants.
Pour l’analyse vidéo, identifiez l’événement ou la séquence recherchés, demandez une description concise et conservez les horodatages dans l’entrée préparée lorsque le résultat doit identifier un moment particulier. Dans le processus de traitement des fichiers d’Alibaba, une image par URL peut atteindre 20 MB; une vidéo par URL peut atteindre 2 GB et durer de 2 secondes à 2 heures. La vidéo Base64 doit faire moins de 10 MB après encodage. Distinguez les limites de fichiers du budget de jetons. Si l’audio est essentiel, fournissez une transcription textuelle; le tableau d’entrée de cet instantané n’indique pas l’audio. Dans une tâche d’agent plus longue, précisez le livrable final, les outils permis et le résultat qui doit compter comme achèvement. Cette préparation oriente le modèle vers un livrable textuel à examiner plutôt que vers une suite ouverte de suggestions intermédiaires.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3.7-max-2026-06-08 | 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 $0.0036 / 1K jetons Sortie · Jetons en sortie $0.0106 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen3.7-max-2026-06-08",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'qwen3.7-max-2026-06-08', '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': 'qwen3.7-max-2026-06-08', '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 qwen3.7-max-2026-06-08
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Prepare an office task handover\n\nPrepare a handover from these work records. [Draft] Budget note completed. [Review] Manager requested a supplier quote before approval. [Quote] Supplier sent prices but omitted shipping. [Schedule] Meeting is Friday. List completed artifacts, the unresolved approval dependency and a focused next request. Preserve the record labels and avoid claiming the budget is approved.A source-labelled handover with completed work, the shipping-cost dependency and a proposed supplier question.Verify that a finished draft and received quote are not treated as approval or a complete total cost.