La version Qwen3.7 Flash
Qwen3.7 Flash est une famille native de modèles de langage visuel pour la compréhension du texte, des images et de la vidéo avec des réponses textuelles. La publication du concepteur décrit une perception multimodale et une exécution d’agent renforcées par rapport à Qwen3.6 Flash. Son périmètre pratique comprend la reconnaissance d’objets, la compréhension d’une scène visuelle, le raisonnement sur les relations spatiales et la préparation de code ou d’explications à partir de contenus visuels.
La publication officielle nomme qwen3.7-flash et le modèle daté qwen3.7-flash-2026-07-15. Conservez le nom exact du modèle en enregistrant un résultat : le nom Flash non daté n’identifie pas un instantané fixe du fabricant. La description de version utilisée ici n’établit ni nombre de paramètres de checkpoint ouvert ni représentation numérique.
Reconnaissance d’objets, perception du monde réel et espace
Donnez une image de scène avec une question concrète : quel objet compte, quelle relation examiner et quels détails visibles doivent étayer la réponse. Pour un schéma, conservez les libellés et fournissez les définitions nécessaires à leur interprétation. Une sortie utile sépare les observations des relations déduites pour faciliter la comparaison de l’explication à la source.
Pour plusieurs images, étiquetez chaque entrée et demandez une comparaison organisée selon ces libellés. Pour une vidéo, identifiez l’événement pertinent et préservez la séquence ou les informations temporelles. Vérifiez les décomptes exacts, les mesures spatiales et les observations image par image par rapport aux contenus fournis.
Agents multimodaux
La publication met en avant les scénarios Search Agent et d’agent interpréteur de code, avec une exécution multi-étapes plus stable. Dans un tel flux, l’application fournit les outils autorisés, effectue leurs actions et renvoie leurs observations. Le modèle peut utiliser ces résultats pour actualiser son plan. Décrivez l’objectif et la condition d’achèvement et demandez un artefact final accompagné de tout élément restant non résolu. Le producteur annonce l’appel de fonctions, les sorties structurées, la complétion de préfixe et la mise en cache du contexte. La recherche web est prise en charge à Pékin et à Singapour et ne l’est pas dans les autres périmètres régionaux annoncés. L’inférence par lots est prise en charge pour l’alias de Pékin et ne l’est pas ailleurs ; l’affinage n’est pas pris en charge.
La spécialisation d’un modèle comme agent ne doit pas être confondue avec un accès intégré aux sources actuelles ou à un environnement d’exécution dans chaque interface. Lorsqu’une tâche nécessite une récupération d’informations ou l’exécution de code, distinguez le résultat renvoyé par un outil réel d’une action proposée dans le texte du modèle. Cette description n’établit pas quels outils une autre application expose.
Programmation visuelle
Qwen décrit une programmation améliorée à partir de contenus visuels. Une requête utile peut combiner une capture d’écran ou une mise en page avec des exigences fonctionnelles et demander du code modifiable. Précisez le framework ou la forme de sortie, les états d’interaction et les contraintes dans la tâche fournie. Demandez l’artefact généré séparément de l’explication pour que le flux de développement puisse l’examiner ou le rendre.
Pour une interface existante, identifiez la modification visée et le contexte source pertinent plutôt que de demander une refonte sans rapport. Le modèle peut relier une exigence visuelle à une proposition de code ; cette proposition ne prouve pas que l’interface a été rendue ou fonctionne correctement. Ces exemples appliquent le périmètre de programmation visuelle du concepteur sans ajouter de garantie d’exécution.
Réflexion et réponses directes
Le guide des modèles pris en charge du concepteur présente Qwen3.7 Flash comme une famille à réflexion hybride activée par défaut. Son flux hybride documenté peut désactiver la réflexion pour une réponse directe. Distinguez la sortie de raisonnement de la réponse finale lorsqu’une interface fournit les deux. Les commandes d’un modèle Qwen-Omni portant un autre nom ou d’un modèle dense ouvert ne doivent pas être importées au seul motif du nom commun Qwen.
Utilisez une analyse plus approfondie pour une question visuelle reliant plusieurs observations ; demandez un résultat direct pour une description simple. Précisez une structure finale vérifiable, comme un tableau d’observations, une conclusion concise ou des fichiers de code, plutôt que de considérer la longueur de réponse comme un signe de qualité.
Limites et préparation des entrées
La page dédiée Qwen3.7-Flash d’Alibaba indique un contexte de 1,000,000 tokens, une entrée maximale de 991,808 tokens pour les réponses directes ou 983,616 pour la réflexion, et une sortie maximale de 131,072 dans les deux modes. Elle annonce séparément une longueur maximale de chaîne de pensée de 262,144 tokens. Gardez les détails visuels pertinents lisibles, retirez les contenus sans rapport et réservez de l’espace pour le résultat requis. Vérifiez les libellés d’objets, les déductions spatiales, le texte extrait et les propositions de code par rapport aux éléments fournis. La description utile est le périmètre spécifique de perception, d’agent et de programmation visuelle du concepteur, en préservant son mode de réponse hybride.
", "aboutText": "La version Qwen3.7 Flash\n\nQwen3.7 Flash est une famille native de modèles de langage visuel pour la compréhension du texte, des images et de la vidéo avec des réponses textuelles. La publication du concepteur décrit une perception multimodale et une exécution d’agent renforcées par rapport à Qwen3.6 Flash. Son périmètre pratique comprend la reconnaissance d’objets, la compréhension d’une scène visuelle, le raisonnement sur les relations spatiales et la préparation de code ou d’explications à partir de contenus visuels.\n\nLa publication officielle nomme qwen3.7-flash et le modèle daté qwen3.7-flash-2026-07-15. Conservez le nom exact du modèle en enregistrant un résultat : le nom Flash non daté n’identifie pas un instantané fixe du fabricant. La description de version utilisée ici n’établit ni nombre de paramètres de checkpoint ouvert ni représentation numérique.\n\nReconnaissance d’objets, perception du monde réel et espace\n\nDonnez une image de scène avec une question concrète : quel objet compte, quelle relation examiner et quels détails visibles doivent étayer la réponse. Pour un schéma, conservez les libellés et fournissez les définitions nécessaires à leur interprétation. Une sortie utile sépare les observations des relations déduites pour faciliter la comparaison de l’explication à la source.\n\nPour plusieurs images, étiquetez chaque entrée et demandez une comparaison organisée selon ces libellés. Pour une vidéo, identifiez l’événement pertinent et préservez la séquence ou les informations temporelles. Vérifiez les décomptes exacts, les mesures spatiales et les observations image par image par rapport aux contenus fournis.\n\nAgents multimodaux\n\nLa publication met en avant les scénarios Search Agent et d’agent interpréteur de code, avec une exécution multi-étapes plus stable. Dans un tel flux, l’application fournit les outils autorisés, effectue leurs actions et renvoie leurs observations. Le modèle peut utiliser ces résultats pour actualiser son plan. Décrivez l’objectif et la condition d’achèvement et demandez un artefact final accompagné de tout élément restant non résolu. Le producteur annonce l’appel de fonctions, les sorties structurées, la complétion de préfixe et la mise en cache du contexte. La recherche web est prise en charge à Pékin et à Singapour et ne l’est pas dans les autres périmètres régionaux annoncés. L’inférence par lots est prise en charge pour l’alias de Pékin et ne l’est pas ailleurs ; l’affinage n’est pas pris en charge.\n\nLa spécialisation d’un modèle comme agent ne doit pas être confondue avec un accès intégré aux sources actuelles ou à un environnement d’exécution dans chaque interface. Lorsqu’une tâche nécessite une récupération d’informations ou l’exécution de code, distinguez le résultat renvoyé par un outil réel d’une action proposée dans le texte du modèle. Cette description n’établit pas quels outils une autre application expose.\n\nProgrammation visuelle\n\nQwen décrit une programmation améliorée à partir de contenus visuels. Une requête utile peut combiner une capture d’écran ou une mise en page avec des exigences fonctionnelles et demander du code modifiable. Précisez le framework ou la forme de sortie, les états d’interaction et les contraintes dans la tâche fournie. Demandez l’artefact généré séparément de l’explication pour que le flux de développement puisse l’examiner ou le rendre.\n\nPour une interface existante, identifiez la modification visée et le contexte source pertinent plutôt que de demander une refonte sans rapport. Le modèle peut relier une exigence visuelle à une proposition de code ; cette proposition ne prouve pas que l’interface a été rendue ou fonctionne correctement. Ces exemples appliquent le périmètre de programmation visuelle du concepteur sans ajouter de garantie d’exécution.\n\nRéflexion et réponses directes\n\nLe guide des modèles pris en charge du concepteur présente Qwen3.7 Flash comme une famille à réflexion hybride activée par défaut. Son flux hybride documenté peut désactiver la réflexion pour une réponse directe. Distinguez la sortie de raisonnement de la réponse finale lorsqu’une interface fournit les deux. Les commandes d’un modèle Qwen-Omni portant un autre nom ou d’un modèle dense ouvert ne doivent pas être importées au seul motif du nom commun Qwen.\n\nUtilisez une analyse plus approfondie pour une question visuelle reliant plusieurs observations ; demandez un résultat direct pour une description simple. Précisez une structure finale vérifiable, comme un tableau d’observations, une conclusion concise ou des fichiers de code, plutôt que de considérer la longueur de réponse comme un signe de qualité.\n\nLimites et préparation des entrées\n\nLa page dédiée Qwen3.7-Flash d’Alibaba indique un contexte de 1,000,000 tokens, une entrée maximale de 991,808 tokens pour les réponses directes ou 983,616 pour la réflexion, et une sortie maximale de 131,072 dans les deux modes. Elle annonce séparément une longueur maximale de chaîne de pensée de 262,144 tokens. Gardez les détails visuels pertinents lisibles, retirez les contenus sans rapport et réservez de l’espace pour le résultat requis. Vérifiez les libellés d’objets, les déductions spatiales, le texte extrait et les propositions de code par rapport aux éléments fournis. La description utile est le périmètre spécifique de perception, d’agent et de programmation visuelle du concepteur, en préservant son mode de réponse hybride.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.qwen/qwen3.7-flashQwen3.7 Flash est la famille de modèles de langage visuel de Qwen pour le texte, les images et la vidéo, avec une sortie textuelle. Le concepteur souligne une meilleure reconnaissance des objets, compréhension spatiale, exécution d’agents multimodaux et programmation visuelle, avec la réflexion activée par défaut et un mode facultatif de réponse directe.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
La version Qwen3.7 Flash
Qwen3.7 Flash est une famille native de modèles de langage visuel pour la compréhension du texte, des images et de la vidéo avec des réponses textuelles. La publication du concepteur décrit une perception multimodale et une exécution d’agent renforcées par rapport à Qwen3.6 Flash. Son périmètre pratique comprend la reconnaissance d’objets, la compréhension d’une scène visuelle, le raisonnement sur les relations spatiales et la préparation de code ou d’explications à partir de contenus visuels.
La publication officielle nomme qwen3.7-flash et le modèle daté qwen3.7-flash-2026-07-15. Conservez le nom exact du modèle en enregistrant un résultat : le nom Flash non daté n’identifie pas un instantané fixe du fabricant. La description de version utilisée ici n’établit ni nombre de paramètres de checkpoint ouvert ni représentation numérique.
Reconnaissance d’objets, perception du monde réel et espace
Donnez une image de scène avec une question concrète : quel objet compte, quelle relation examiner et quels détails visibles doivent étayer la réponse. Pour un schéma, conservez les libellés et fournissez les définitions nécessaires à leur interprétation. Une sortie utile sépare les observations des relations déduites pour faciliter la comparaison de l’explication à la source.
Pour plusieurs images, étiquetez chaque entrée et demandez une comparaison organisée selon ces libellés. Pour une vidéo, identifiez l’événement pertinent et préservez la séquence ou les informations temporelles. Vérifiez les décomptes exacts, les mesures spatiales et les observations image par image par rapport aux contenus fournis.
Agents multimodaux
La publication met en avant les scénarios Search Agent et d’agent interpréteur de code, avec une exécution multi-étapes plus stable. Dans un tel flux, l’application fournit les outils autorisés, effectue leurs actions et renvoie leurs observations. Le modèle peut utiliser ces résultats pour actualiser son plan. Décrivez l’objectif et la condition d’achèvement et demandez un artefact final accompagné de tout élément restant non résolu. Le producteur annonce l’appel de fonctions, les sorties structurées, la complétion de préfixe et la mise en cache du contexte. La recherche web est prise en charge à Pékin et à Singapour et ne l’est pas dans les autres périmètres régionaux annoncés. L’inférence par lots est prise en charge pour l’alias de Pékin et ne l’est pas ailleurs ; l’affinage n’est pas pris en charge.
La spécialisation d’un modèle comme agent ne doit pas être confondue avec un accès intégré aux sources actuelles ou à un environnement d’exécution dans chaque interface. Lorsqu’une tâche nécessite une récupération d’informations ou l’exécution de code, distinguez le résultat renvoyé par un outil réel d’une action proposée dans le texte du modèle. Cette description n’établit pas quels outils une autre application expose.
Programmation visuelle
Qwen décrit une programmation améliorée à partir de contenus visuels. Une requête utile peut combiner une capture d’écran ou une mise en page avec des exigences fonctionnelles et demander du code modifiable. Précisez le framework ou la forme de sortie, les états d’interaction et les contraintes dans la tâche fournie. Demandez l’artefact généré séparément de l’explication pour que le flux de développement puisse l’examiner ou le rendre.
Pour une interface existante, identifiez la modification visée et le contexte source pertinent plutôt que de demander une refonte sans rapport. Le modèle peut relier une exigence visuelle à une proposition de code ; cette proposition ne prouve pas que l’interface a été rendue ou fonctionne correctement. Ces exemples appliquent le périmètre de programmation visuelle du concepteur sans ajouter de garantie d’exécution.
Réflexion et réponses directes
Le guide des modèles pris en charge du concepteur présente Qwen3.7 Flash comme une famille à réflexion hybride activée par défaut. Son flux hybride documenté peut désactiver la réflexion pour une réponse directe. Distinguez la sortie de raisonnement de la réponse finale lorsqu’une interface fournit les deux. Les commandes d’un modèle Qwen-Omni portant un autre nom ou d’un modèle dense ouvert ne doivent pas être importées au seul motif du nom commun Qwen.
Utilisez une analyse plus approfondie pour une question visuelle reliant plusieurs observations ; demandez un résultat direct pour une description simple. Précisez une structure finale vérifiable, comme un tableau d’observations, une conclusion concise ou des fichiers de code, plutôt que de considérer la longueur de réponse comme un signe de qualité.
Limites et préparation des entrées
La page dédiée Qwen3.7-Flash d’Alibaba indique un contexte de 1,000,000 tokens, une entrée maximale de 991,808 tokens pour les réponses directes ou 983,616 pour la réflexion, et une sortie maximale de 131,072 dans les deux modes. Elle annonce séparément une longueur maximale de chaîne de pensée de 262,144 tokens. Gardez les détails visuels pertinents lisibles, retirez les contenus sans rapport et réservez de l’espace pour le résultat requis. Vérifiez les libellés d’objets, les déductions spatiales, le texte extrait et les propositions de code par rapport aux éléments fournis. La description utile est le périmètre spécifique de perception, d’agent et de programmation visuelle du concepteur, en préservant son mode de réponse hybride.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3.7-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00006 / 1K tokens Sortie · Tokens en sortie $0.00026 / 1K tokens Entrée · Lecture du cache $0.000012 / 1K tokens Entrée · Écriture dans le cache $0.000076 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse32'000 | Coût Entrée · Tokens en entrée $0.00006 / 1K tokens Sortie · Tokens en sortie $0.00026 / 1K tokens Entrée · Lecture du cache $0.000012 / 1K tokens Entrée · Écriture dans le cache $0.000076 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de32'000 | Tokens de contexte, jusqu’à la limite incluse256'000 | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00004 / 1K tokens Entrée · Écriture dans le cache $0.00025 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 3 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de256'000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0016 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache $0.0005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen3.7-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen/qwen3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen/qwen3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3.7-flash
Utilisez les chemins de méthode indiqués ci-dessus.
qwen/qwen3.7-flashQwen3.7 Flash est la famille de modèles de langage visuel de Qwen pour le texte, les images et la vidéo, avec une sortie textuelle. Le concepteur souligne une meilleure reconnaissance des objets, compréhension spatiale, exécution d’agents multimodaux et programmation visuelle, avec la réflexion activée par défaut et un mode facultatif de réponse directe.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
La version Qwen3.7 Flash
Qwen3.7 Flash est une famille native de modèles de langage visuel pour la compréhension du texte, des images et de la vidéo avec des réponses textuelles. La publication du concepteur décrit une perception multimodale et une exécution d’agent renforcées par rapport à Qwen3.6 Flash. Son périmètre pratique comprend la reconnaissance d’objets, la compréhension d’une scène visuelle, le raisonnement sur les relations spatiales et la préparation de code ou d’explications à partir de contenus visuels.
La publication officielle nomme qwen3.7-flash et le modèle daté qwen3.7-flash-2026-07-15. Conservez le nom exact du modèle en enregistrant un résultat : le nom Flash non daté n’identifie pas un instantané fixe du fabricant. La description de version utilisée ici n’établit ni nombre de paramètres de checkpoint ouvert ni représentation numérique.
Reconnaissance d’objets, perception du monde réel et espace
Donnez une image de scène avec une question concrète : quel objet compte, quelle relation examiner et quels détails visibles doivent étayer la réponse. Pour un schéma, conservez les libellés et fournissez les définitions nécessaires à leur interprétation. Une sortie utile sépare les observations des relations déduites pour faciliter la comparaison de l’explication à la source.
Pour plusieurs images, étiquetez chaque entrée et demandez une comparaison organisée selon ces libellés. Pour une vidéo, identifiez l’événement pertinent et préservez la séquence ou les informations temporelles. Vérifiez les décomptes exacts, les mesures spatiales et les observations image par image par rapport aux contenus fournis.
Agents multimodaux
La publication met en avant les scénarios Search Agent et d’agent interpréteur de code, avec une exécution multi-étapes plus stable. Dans un tel flux, l’application fournit les outils autorisés, effectue leurs actions et renvoie leurs observations. Le modèle peut utiliser ces résultats pour actualiser son plan. Décrivez l’objectif et la condition d’achèvement et demandez un artefact final accompagné de tout élément restant non résolu. Le producteur annonce l’appel de fonctions, les sorties structurées, la complétion de préfixe et la mise en cache du contexte. La recherche web est prise en charge à Pékin et à Singapour et ne l’est pas dans les autres périmètres régionaux annoncés. L’inférence par lots est prise en charge pour l’alias de Pékin et ne l’est pas ailleurs ; l’affinage n’est pas pris en charge.
La spécialisation d’un modèle comme agent ne doit pas être confondue avec un accès intégré aux sources actuelles ou à un environnement d’exécution dans chaque interface. Lorsqu’une tâche nécessite une récupération d’informations ou l’exécution de code, distinguez le résultat renvoyé par un outil réel d’une action proposée dans le texte du modèle. Cette description n’établit pas quels outils une autre application expose.
Programmation visuelle
Qwen décrit une programmation améliorée à partir de contenus visuels. Une requête utile peut combiner une capture d’écran ou une mise en page avec des exigences fonctionnelles et demander du code modifiable. Précisez le framework ou la forme de sortie, les états d’interaction et les contraintes dans la tâche fournie. Demandez l’artefact généré séparément de l’explication pour que le flux de développement puisse l’examiner ou le rendre.
Pour une interface existante, identifiez la modification visée et le contexte source pertinent plutôt que de demander une refonte sans rapport. Le modèle peut relier une exigence visuelle à une proposition de code ; cette proposition ne prouve pas que l’interface a été rendue ou fonctionne correctement. Ces exemples appliquent le périmètre de programmation visuelle du concepteur sans ajouter de garantie d’exécution.
Réflexion et réponses directes
Le guide des modèles pris en charge du concepteur présente Qwen3.7 Flash comme une famille à réflexion hybride activée par défaut. Son flux hybride documenté peut désactiver la réflexion pour une réponse directe. Distinguez la sortie de raisonnement de la réponse finale lorsqu’une interface fournit les deux. Les commandes d’un modèle Qwen-Omni portant un autre nom ou d’un modèle dense ouvert ne doivent pas être importées au seul motif du nom commun Qwen.
Utilisez une analyse plus approfondie pour une question visuelle reliant plusieurs observations ; demandez un résultat direct pour une description simple. Précisez une structure finale vérifiable, comme un tableau d’observations, une conclusion concise ou des fichiers de code, plutôt que de considérer la longueur de réponse comme un signe de qualité.
Limites et préparation des entrées
La page dédiée Qwen3.7-Flash d’Alibaba indique un contexte de 1,000,000 tokens, une entrée maximale de 991,808 tokens pour les réponses directes ou 983,616 pour la réflexion, et une sortie maximale de 131,072 dans les deux modes. Elle annonce séparément une longueur maximale de chaîne de pensée de 262,144 tokens. Gardez les détails visuels pertinents lisibles, retirez les contenus sans rapport et réservez de l’espace pour le résultat requis. Vérifiez les libellés d’objets, les déductions spatiales, le texte extrait et les propositions de code par rapport aux éléments fournis. La description utile est le périmètre spécifique de perception, d’agent et de programmation visuelle du concepteur, en préservant son mode de réponse hybride.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen/qwen3.7-flash | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00006 / 1K tokens Sortie · Tokens en sortie $0.00026 / 1K tokens Entrée · Lecture du cache $0.000012 / 1K tokens Entrée · Écriture dans le cache $0.000076 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse32'000 | Coût Entrée · Tokens en entrée $0.00006 / 1K tokens Sortie · Tokens en sortie $0.00026 / 1K tokens Entrée · Lecture du cache $0.000012 / 1K tokens Entrée · Écriture dans le cache $0.000076 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de32'000 | Tokens de contexte, jusqu’à la limite incluse256'000 | Coût Entrée · Tokens en entrée $0.0002 / 1K tokens Sortie · Tokens en sortie $0.0008 / 1K tokens Entrée · Lecture du cache $0.00004 / 1K tokens Entrée · Écriture dans le cache $0.00025 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 3 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de256'000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0016 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache $0.0005 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen/qwen3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen/qwen3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwen/qwen3.7-flash
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Check a spatial claim from a text grid\n\nUse this written grid description: the red box is at row 2, column 1; the blue box is at row 2, column 3; the green box is at row 1, column 3. Rows increase downward and columns increase rightward. Describe their relative positions and assess the claim that green is directly above red.A relative-position description and a supported assessment of the claim, citing grid coordinates.Check that directly above requires the same column and that the stated row direction is respected.