Présentation : raisonnement fondé sur Qwen2.5
QwQ-Plus est le modèle de raisonnement QwQ amélioré fondé sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, particulièrement en mathématiques et en programmation, ainsi que pour les tâches générales de respect des instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail exige une solution expliquée, une comparaison ou une proposition de code qui peut être vérifiée par rapport aux conditions fournies.
Il s’agit de la lignée de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ou l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de modèle fourni par le fournisseur et contenant latest ne doit pas devenir silencieusement une révision datée fixe. Utilisez l’identité exacte du modèle demandé lorsque vous comparez les sorties ou conservez un dossier reproductible d’une tâche.
Préparer un travail mathématique et logique
Fournissez 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 les étapes logiques nécessaires pour l’appuyer. Pour un problème de planification sous contraintes, précisez séparément les choix réalisables et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une révision pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle de repérer la première étape non justifiée plutôt que de réécrire tout l’exercice sans explication.
Ce sont des applications pratiques de l’orientation documentée du modèle vers le raisonnement. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison reliée aux critères énoncés. Un texte plus explicatif n’établit pas à lui seul une conclusion correcte; gardez donc les hypothèses visibles et comparez le résultat final à la question originale.
Préparer un 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 façon dont elle traite cette entrée et les cas limites encore à vérifier. Pour une question d’algorithme, 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’une petite modification est requise, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples sont des façons proposées d’appliquer la spécialisation mathématique et de programmation 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 jetons, une entrée maximale de 98,304 jetons et une sortie maximale de 8,192 jetons. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en allocation garantie de raisonnement non documentée. Les sources textuelles, l’historique conversationnel et la réponse doivent rester dans les limites configurées applicables.
Pour une longue spécification 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 sert à fournir davantage de conditions ensemble; elle ne promet pas que chaque fait sera rappelé ou que chaque dépendance sera comprise.
Outils, formatage et limites propres au modèle
La matrice de déploiement du fabricant indique les appels de fonction et la recherche Web dans certaines configurations et les marque comme non pris en charge dans une autre. Ce sont donc des capacités conditionnelles, pas des fonctions que le seul nom du modèle permet de promettre. La même matrice indique la prise en charge de l’inférence par lots dans certaines configurations du fabricant. Un processus 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 quand même demander un tableau ou une réponse de forme JSON, mais l’application doit examiner le résultat au lieu de considérer la demande comme une application stricte du schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de règles propres au modèle pour basculer entre les modes avec et sans réflexion dans un fonctionnement hybride; les commandes documentées pour les générations Qwen plus récentes ne doivent pas être importées dans cette édition.
Gardez la réponse finale facile à examiner, vérifiez les calculs par rapport aux unités indiquées et inspectez les propositions de code avant l’exécution. Le rôle pratique de QwQ-Plus consiste à résoudre un problème textuel difficile et à renvoyer une explication ou un livrable utile dans ses propres limites documentées.
", "aboutText": "Présentation : raisonnement fondé sur Qwen2.5\n\nQwQ-Plus est le modèle de raisonnement QwQ amélioré fondé sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, particulièrement en mathématiques et en programmation, ainsi que pour les tâches générales de respect des instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail exige une solution expliquée, une comparaison ou une proposition de code qui peut être vérifiée par rapport aux conditions fournies.\n\nIl s’agit de la lignée de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ou l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de modèle fourni par le fournisseur et contenant latest ne doit pas devenir silencieusement une révision datée fixe. Utilisez l’identité exacte du modèle demandé lorsque vous comparez les sorties ou conservez un dossier reproductible d’une tâche.\n\nPréparer un travail mathématique et logique\n\nFournissez 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 les étapes logiques nécessaires pour l’appuyer. Pour un problème de planification sous contraintes, précisez séparément les choix réalisables et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une révision pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle de repérer la première étape non justifiée plutôt que de réécrire tout l’exercice sans explication.\n\nCe sont des applications pratiques de l’orientation documentée du modèle vers le raisonnement. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison reliée aux critères énoncés. Un texte plus explicatif n’établit pas à lui seul une conclusion correcte; gardez donc les hypothèses visibles et comparez le résultat final à la question originale.\n\nPréparer un 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 façon dont elle traite cette entrée et les cas limites encore à vérifier. Pour une question d’algorithme, 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’une petite modification est requise, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples sont des façons proposées d’appliquer la spécialisation mathématique et de programmation 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 jetons, une entrée maximale de 98,304 jetons et une sortie maximale de 8,192 jetons. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en allocation garantie de raisonnement non documentée. Les sources textuelles, l’historique conversationnel et la réponse doivent rester dans les limites configurées applicables.\n\nPour une longue spécification 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 sert à fournir davantage de conditions ensemble; elle ne promet pas que chaque fait sera rappelé ou que chaque dépendance sera comprise.\n\nOutils, formatage et limites propres au modèle\n\nLa matrice de déploiement du fabricant indique les appels de fonction et la recherche Web dans certaines configurations et les marque comme non pris en charge dans une autre. Ce sont donc des capacités conditionnelles, pas des fonctions que le seul nom du modèle permet de promettre. La même matrice indique la prise en charge de l’inférence par lots dans certaines configurations du fabricant. Un processus 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 quand même demander un tableau ou une réponse de forme JSON, mais l’application doit examiner le résultat au lieu de considérer la demande comme une application stricte du schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de règles propres au modèle pour basculer entre les modes avec et sans réflexion dans un fonctionnement hybride; les commandes documentées pour les générations Qwen plus récentes ne doivent pas être importées dans cette édition.\n\nGardez la réponse finale facile à examiner, vérifiez les calculs par rapport aux unités indiquées et inspectez les propositions de code avant l’exécution. Le rôle pratique de QwQ-Plus consiste à résoudre un problème textuel difficile et à 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 l’apprentissage par renforcement pour les tâches textuelles mathématiques, de code et de logique. Sa spécification dédiée indique un contexte de 131,072 jetons, une entrée maximale de 98,304 jetons et une sortie maximale de 8,192 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Présentation : raisonnement fondé sur Qwen2.5
QwQ-Plus est le modèle de raisonnement QwQ amélioré fondé sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, particulièrement en mathématiques et en programmation, ainsi que pour les tâches générales de respect des instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail exige une solution expliquée, une comparaison ou une proposition de code qui peut être vérifiée par rapport aux conditions fournies.
Il s’agit de la lignée de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ou l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de modèle fourni par le fournisseur et contenant latest ne doit pas devenir silencieusement une révision datée fixe. Utilisez l’identité exacte du modèle demandé lorsque vous comparez les sorties ou conservez un dossier reproductible d’une tâche.
Préparer un travail mathématique et logique
Fournissez 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 les étapes logiques nécessaires pour l’appuyer. Pour un problème de planification sous contraintes, précisez séparément les choix réalisables et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une révision pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle de repérer la première étape non justifiée plutôt que de réécrire tout l’exercice sans explication.
Ce sont des applications pratiques de l’orientation documentée du modèle vers le raisonnement. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison reliée aux critères énoncés. Un texte plus explicatif n’établit pas à lui seul une conclusion correcte; gardez donc les hypothèses visibles et comparez le résultat final à la question originale.
Préparer un 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 façon dont elle traite cette entrée et les cas limites encore à vérifier. Pour une question d’algorithme, 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’une petite modification est requise, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples sont des façons proposées d’appliquer la spécialisation mathématique et de programmation 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 jetons, une entrée maximale de 98,304 jetons et une sortie maximale de 8,192 jetons. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en allocation garantie de raisonnement non documentée. Les sources textuelles, l’historique conversationnel et la réponse doivent rester dans les limites configurées applicables.
Pour une longue spécification 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 sert à fournir davantage de conditions ensemble; elle ne promet pas que chaque fait sera rappelé ou que chaque dépendance sera comprise.
Outils, formatage et limites propres au modèle
La matrice de déploiement du fabricant indique les appels de fonction et la recherche Web dans certaines configurations et les marque comme non pris en charge dans une autre. Ce sont donc des capacités conditionnelles, pas des fonctions que le seul nom du modèle permet de promettre. La même matrice indique la prise en charge de l’inférence par lots dans certaines configurations du fabricant. Un processus 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 quand même demander un tableau ou une réponse de forme JSON, mais l’application doit examiner le résultat au lieu de considérer la demande comme une application stricte du schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de règles propres au modèle pour basculer entre les modes avec et sans réflexion dans un fonctionnement hybride; les commandes documentées pour les générations Qwen plus récentes ne doivent pas être importées dans cette édition.
Gardez la réponse finale facile à examiner, vérifiez les calculs par rapport aux unités indiquées et inspectez les propositions de code avant l’exécution. Le rôle pratique de QwQ-Plus consiste à résoudre un problème textuel difficile et à 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’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 $0.00046 / 1K jetons Sortie · Jetons en sortie $0.00116 / 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": "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, 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 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 l’apprentissage par renforcement pour les tâches textuelles mathématiques, de code et de logique. Sa spécification dédiée indique un contexte de 131,072 jetons, une entrée maximale de 98,304 jetons et une sortie maximale de 8,192 jetons.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Présentation : raisonnement fondé sur Qwen2.5
QwQ-Plus est le modèle de raisonnement QwQ amélioré fondé sur Qwen2.5. Qwen décrit l’apprentissage par renforcement comme la méthode utilisée pour renforcer son raisonnement, particulièrement en mathématiques et en programmation, ainsi que pour les tâches générales de respect des instructions. Il reçoit du texte et renvoie du texte. Choisissez-le lorsque le travail exige une solution expliquée, une comparaison ou une proposition de code qui peut être vérifiée par rapport aux conditions fournies.
Il s’agit de la lignée de modèles QwQ-Plus. Son nom n’établit pas le nombre de paramètres ou l’identité des poids d’un point de contrôle QwQ ouvert, et un nom de modèle fourni par le fournisseur et contenant latest ne doit pas devenir silencieusement une révision datée fixe. Utilisez l’identité exacte du modèle demandé lorsque vous comparez les sorties ou conservez un dossier reproductible d’une tâche.
Préparer un travail mathématique et logique
Fournissez 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 les étapes logiques nécessaires pour l’appuyer. Pour un problème de planification sous contraintes, précisez séparément les choix réalisables et les critères d’évaluation, puis demandez un tableau montrant les conditions satisfaites par chaque choix. Pour une révision pédagogique, incluez la tentative de solution de l’apprenant et demandez au modèle de repérer la première étape non justifiée plutôt que de réécrire tout l’exercice sans explication.
Ce sont des applications pratiques de l’orientation documentée du modèle vers le raisonnement. Le livrable utile est un résultat vérifiable : une valeur avec ses unités, une conclusion avec ses prémisses ou une comparaison reliée aux critères énoncés. Un texte plus explicatif n’établit pas à lui seul une conclusion correcte; gardez donc les hypothèses visibles et comparez le résultat final à la question originale.
Préparer un 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 façon dont elle traite cette entrée et les cas limites encore à vérifier. Pour une question d’algorithme, 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’une petite modification est requise, demandez un correctif compact plutôt qu’un projet réécrit. Ces exemples sont des façons proposées d’appliquer la spécialisation mathématique et de programmation 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 jetons, une entrée maximale de 98,304 jetons et une sortie maximale de 8,192 jetons. Ce sont des limites distinctes du producteur. Ne transformez pas leur différence arithmétique en allocation garantie de raisonnement non documentée. Les sources textuelles, l’historique conversationnel et la réponse doivent rester dans les limites configurées applicables.
Pour une longue spécification 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 sert à fournir davantage de conditions ensemble; elle ne promet pas que chaque fait sera rappelé ou que chaque dépendance sera comprise.
Outils, formatage et limites propres au modèle
La matrice de déploiement du fabricant indique les appels de fonction et la recherche Web dans certaines configurations et les marque comme non pris en charge dans une autre. Ce sont donc des capacités conditionnelles, pas des fonctions que le seul nom du modèle permet de promettre. La même matrice indique la prise en charge de l’inférence par lots dans certaines configurations du fabricant. Un processus 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 quand même demander un tableau ou une réponse de forme JSON, mais l’application doit examiner le résultat au lieu de considérer la demande comme une application stricte du schéma. La page exacte du modèle décrit une spécialisation de raisonnement sans fournir de règles propres au modèle pour basculer entre les modes avec et sans réflexion dans un fonctionnement hybride; les commandes documentées pour les générations Qwen plus récentes ne doivent pas être importées dans cette édition.
Gardez la réponse finale facile à examiner, vérifiez les calculs par rapport aux unités indiquées et inspectez les propositions de code avant l’exécution. Le rôle pratique de QwQ-Plus consiste à résoudre un problème textuel difficile et à 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.00046 / 1K jetons Sortie · Jetons en sortie $0.00116 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwq-plus",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 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.