QwQ-Plus — 2025-03-05 est une entrée datée de la famille de raisonnement textuel QwQ-Plus. Le fabricant décrit QwQ-Plus comme une ligne QwQ améliorée, entraînée à partir de Qwen2.5, avec un apprentissage par renforcement destiné à développer le raisonnement. Les tâches mises en avant sont les mathématiques, la programmation et les autres questions exigeant de relier plusieurs conditions. Le résultat utile est une solution, une explication ou une implémentation textuelle fondée sur les éléments fournis par l’utilisateur.
Une tâche de raisonnement nécessite un objectif défini. Pour les mathématiques, donnez l’énoncé complet, les définitions, les plages autorisées des variables et la quantité ou l’affirmation à établir. Demandez un résultat final sous une forme précise et une explication suffisante pour vérifier les transitions. Pour évaluer une tentative de solution, incluez ensemble le problème d’origine et l’étape contestée. Le modèle peut alors traiter le problème réel au lieu de reconstituer les hypothèses manquantes à partir d’un fragment partiel.
Pour la programmation, fournissez le code pertinent, le langage, le comportement attendu et une entrée qui expose le problème. Une demande utile sollicite une fonction révisée, une explication de la condition modifiée et des exemples montrant le comportement visé. Préservez l’interface et précisez quel comportement environnant doit rester inchangé. Pour comparer des algorithmes, définissez d’abord les critères, par exemple la justesse sur les cas fournis et les hypothèses de complexité pertinentes, puis demandez un choix argumenté plutôt qu’une liste générale d’alternatives.
La référence de conversation du fabricant recommande de placer les instructions QwQ dans la demande utilisateur plutôt que de s’appuyer sur un message système. Séparez les données sources de la tâche, y compris tout texte ou code cité pour analyse. Précisez comment traiter les informations insuffisantes : nommer la condition manquante ou poser une question complémentaire ciblée plutôt que supposer une valeur. Si l’application dispose déjà de résultats d’un calculateur, d’un exécuteur de tests ou d’un outil de recherche, transmettez-les explicitement et demandez au modèle de les utiliser comme éléments probants.
Le parcours de service QwQ documenté renvoie la sortie en streaming. Distinguez le raisonnement intermédiaire de la réponse achevée et assemblez les fragments reçus avant de considérer la réponse comme un livrable terminé. Un flux partiel peut contenir un calcul inachevé ou une approche abandonnée. Pour un résultat destiné à l’utilisateur, identifiez la conclusion finale et les vérifications qui l’étayent, tout en conservant assez de contexte source pour examiner la demande réelle.
Pour une tâche de raisonnement reproductible, conservez le nom exact et daté du modèle avec la version de l’entrée, le format de sortie demandé et les paramètres de génération. Lors d’une suite, identifiez l’étape précise à modifier et gardez les faits acceptés explicites. Fournissez les extraits pertinents plutôt que des informations de fond sans rapport, et fixez une cible de réponse concise afin de laisser de la place à l’analyse comme au résultat final.
Pour une tâche analytique, étiquetez les options comparées et précisez la règle de décision. Pour une preuve, distinguez les prémisses de l’affirmation ; pour un programme, distinguez l’échec observé de la cause proposée. Demandez à la réponse finale d’identifier la conclusion qui découle des faits fournis et la partie qui dépend d’une hypothèse. Vérifiez les calculs avec les nombres d’origine, testez le code proposé sur les cas réels et inspectez toute sortie d’apparence structurée avant son utilisation par une application. Un tableau ou une présentation de type JSON demandés sont des instructions de sortie, pas une garantie de génération structurée contrainte.
Choisissez ce format de tâche axé sur le raisonnement lorsque le chemin vers le résultat doit être expliqué et vérifié. Le livrable final utile peut être une solution vérifiée, une modification de code avec des exemples pertinents ou une comparaison qui explicite la condition décisive. Les actions externes nécessitent toujours un outil applicatif défini et un résultat renvoyé ; le texte de raisonnement ne suffit pas à établir qu’un calcul a été exécuté ou qu’une modification proposée a été appliquée.
", "aboutText": "QwQ-Plus — 2025-03-05 est une entrée datée de la famille de raisonnement textuel QwQ-Plus. Le fabricant décrit QwQ-Plus comme une ligne QwQ améliorée, entraînée à partir de Qwen2.5, avec un apprentissage par renforcement destiné à développer le raisonnement. Les tâches mises en avant sont les mathématiques, la programmation et les autres questions exigeant de relier plusieurs conditions. Le résultat utile est une solution, une explication ou une implémentation textuelle fondée sur les éléments fournis par l’utilisateur.\n\nUne tâche de raisonnement nécessite un objectif défini. Pour les mathématiques, donnez l’énoncé complet, les définitions, les plages autorisées des variables et la quantité ou l’affirmation à établir. Demandez un résultat final sous une forme précise et une explication suffisante pour vérifier les transitions. Pour évaluer une tentative de solution, incluez ensemble le problème d’origine et l’étape contestée. Le modèle peut alors traiter le problème réel au lieu de reconstituer les hypothèses manquantes à partir d’un fragment partiel.\n\nPour la programmation, fournissez le code pertinent, le langage, le comportement attendu et une entrée qui expose le problème. Une demande utile sollicite une fonction révisée, une explication de la condition modifiée et des exemples montrant le comportement visé. Préservez l’interface et précisez quel comportement environnant doit rester inchangé. Pour comparer des algorithmes, définissez d’abord les critères, par exemple la justesse sur les cas fournis et les hypothèses de complexité pertinentes, puis demandez un choix argumenté plutôt qu’une liste générale d’alternatives.\n\nLa référence de conversation du fabricant recommande de placer les instructions QwQ dans la demande utilisateur plutôt que de s’appuyer sur un message système. Séparez les données sources de la tâche, y compris tout texte ou code cité pour analyse. Précisez comment traiter les informations insuffisantes : nommer la condition manquante ou poser une question complémentaire ciblée plutôt que supposer une valeur. Si l’application dispose déjà de résultats d’un calculateur, d’un exécuteur de tests ou d’un outil de recherche, transmettez-les explicitement et demandez au modèle de les utiliser comme éléments probants.\n\nLe parcours de service QwQ documenté renvoie la sortie en streaming. Distinguez le raisonnement intermédiaire de la réponse achevée et assemblez les fragments reçus avant de considérer la réponse comme un livrable terminé. Un flux partiel peut contenir un calcul inachevé ou une approche abandonnée. Pour un résultat destiné à l’utilisateur, identifiez la conclusion finale et les vérifications qui l’étayent, tout en conservant assez de contexte source pour examiner la demande réelle.\n\nPour une tâche de raisonnement reproductible, conservez le nom exact et daté du modèle avec la version de l’entrée, le format de sortie demandé et les paramètres de génération. Lors d’une suite, identifiez l’étape précise à modifier et gardez les faits acceptés explicites. Fournissez les extraits pertinents plutôt que des informations de fond sans rapport, et fixez une cible de réponse concise afin de laisser de la place à l’analyse comme au résultat final.\n\nPour une tâche analytique, étiquetez les options comparées et précisez la règle de décision. Pour une preuve, distinguez les prémisses de l’affirmation ; pour un programme, distinguez l’échec observé de la cause proposée. Demandez à la réponse finale d’identifier la conclusion qui découle des faits fournis et la partie qui dépend d’une hypothèse. Vérifiez les calculs avec les nombres d’origine, testez le code proposé sur les cas réels et inspectez toute sortie d’apparence structurée avant son utilisation par une application. Un tableau ou une présentation de type JSON demandés sont des instructions de sortie, pas une garantie de génération structurée contrainte.\n\nChoisissez ce format de tâche axé sur le raisonnement lorsque le chemin vers le résultat doit être expliqué et vérifié. Le livrable final utile peut être une solution vérifiée, une modification de code avec des exemples pertinents ou une comparaison qui explicite la condition décisive. Les actions externes nécessitent toujours un outil applicatif défini et un résultat renvoyé ; le texte de raisonnement ne suffit pas à établir qu’un calcul a été exécuté ou qu’une modification proposée a été appliquée.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Check a batch-capacity claim\n\nA processor handles 18 records per minute and must finish 1,000 records within one hour. Each run also needs a fixed seven-minute setup, during which no records are processed. Determine whether one run can meet the deadline under these assumptions. Show the available processing time, capacity and minimum rate needed, rounding only where required.A feasibility calculation with processing time, attainable capacity and the rate required to meet the deadline.The seven-minute setup is deducted before applying the processing rate, and units remain consistent.qwq-plus-2025-03-05QwQ-Plus — 2025-03-05 conserve une identité datée dans la famille de raisonnement textuel de Qwen. Son approche fondée sur Qwen2.5 et entraînée par renforcement vise les mathématiques, la programmation et les problèmes qui exigent un résultat justifié à partir de plusieurs conditions liées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
QwQ-Plus — 2025-03-05 est une entrée datée de la famille de raisonnement textuel QwQ-Plus. Le fabricant décrit QwQ-Plus comme une ligne QwQ améliorée, entraînée à partir de Qwen2.5, avec un apprentissage par renforcement destiné à développer le raisonnement. Les tâches mises en avant sont les mathématiques, la programmation et les autres questions exigeant de relier plusieurs conditions. Le résultat utile est une solution, une explication ou une implémentation textuelle fondée sur les éléments fournis par l’utilisateur.
Une tâche de raisonnement nécessite un objectif défini. Pour les mathématiques, donnez l’énoncé complet, les définitions, les plages autorisées des variables et la quantité ou l’affirmation à établir. Demandez un résultat final sous une forme précise et une explication suffisante pour vérifier les transitions. Pour évaluer une tentative de solution, incluez ensemble le problème d’origine et l’étape contestée. Le modèle peut alors traiter le problème réel au lieu de reconstituer les hypothèses manquantes à partir d’un fragment partiel.
Pour la programmation, fournissez le code pertinent, le langage, le comportement attendu et une entrée qui expose le problème. Une demande utile sollicite une fonction révisée, une explication de la condition modifiée et des exemples montrant le comportement visé. Préservez l’interface et précisez quel comportement environnant doit rester inchangé. Pour comparer des algorithmes, définissez d’abord les critères, par exemple la justesse sur les cas fournis et les hypothèses de complexité pertinentes, puis demandez un choix argumenté plutôt qu’une liste générale d’alternatives.
La référence de conversation du fabricant recommande de placer les instructions QwQ dans la demande utilisateur plutôt que de s’appuyer sur un message système. Séparez les données sources de la tâche, y compris tout texte ou code cité pour analyse. Précisez comment traiter les informations insuffisantes : nommer la condition manquante ou poser une question complémentaire ciblée plutôt que supposer une valeur. Si l’application dispose déjà de résultats d’un calculateur, d’un exécuteur de tests ou d’un outil de recherche, transmettez-les explicitement et demandez au modèle de les utiliser comme éléments probants.
Le parcours de service QwQ documenté renvoie la sortie en streaming. Distinguez le raisonnement intermédiaire de la réponse achevée et assemblez les fragments reçus avant de considérer la réponse comme un livrable terminé. Un flux partiel peut contenir un calcul inachevé ou une approche abandonnée. Pour un résultat destiné à l’utilisateur, identifiez la conclusion finale et les vérifications qui l’étayent, tout en conservant assez de contexte source pour examiner la demande réelle.
Pour une tâche de raisonnement reproductible, conservez le nom exact et daté du modèle avec la version de l’entrée, le format de sortie demandé et les paramètres de génération. Lors d’une suite, identifiez l’étape précise à modifier et gardez les faits acceptés explicites. Fournissez les extraits pertinents plutôt que des informations de fond sans rapport, et fixez une cible de réponse concise afin de laisser de la place à l’analyse comme au résultat final.
Pour une tâche analytique, étiquetez les options comparées et précisez la règle de décision. Pour une preuve, distinguez les prémisses de l’affirmation ; pour un programme, distinguez l’échec observé de la cause proposée. Demandez à la réponse finale d’identifier la conclusion qui découle des faits fournis et la partie qui dépend d’une hypothèse. Vérifiez les calculs avec les nombres d’origine, testez le code proposé sur les cas réels et inspectez toute sortie d’apparence structurée avant son utilisation par une application. Un tableau ou une présentation de type JSON demandés sont des instructions de sortie, pas une garantie de génération structurée contrainte.
Choisissez ce format de tâche axé sur le raisonnement lorsque le chemin vers le résultat doit être expliqué et vérifié. Le livrable final utile peut être une solution vérifiée, une modification de code avec des exemples pertinents ou une comparaison qui explicite la condition décisive. Les actions externes nécessitent toujours un outil applicatif défini et un résultat renvoyé ; le texte de raisonnement ne suffit pas à établir qu’un calcul a été exécuté ou qu’une modification proposée a été appliquée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwq-plus-2025-03-05 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00046 / 1K tokens Sortie · Tokens en sortie $0.00116 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwq-plus-2025-03-05", "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-2025-03-05',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-2025-03-05',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwq-plus-2025-03-05
Utilisez les chemins de méthode indiqués ci-dessus.
qwq-plus-2025-03-05QwQ-Plus — 2025-03-05 conserve une identité datée dans la famille de raisonnement textuel de Qwen. Son approche fondée sur Qwen2.5 et entraînée par renforcement vise les mathématiques, la programmation et les problèmes qui exigent un résultat justifié à partir de plusieurs conditions liées.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
QwQ-Plus — 2025-03-05 est une entrée datée de la famille de raisonnement textuel QwQ-Plus. Le fabricant décrit QwQ-Plus comme une ligne QwQ améliorée, entraînée à partir de Qwen2.5, avec un apprentissage par renforcement destiné à développer le raisonnement. Les tâches mises en avant sont les mathématiques, la programmation et les autres questions exigeant de relier plusieurs conditions. Le résultat utile est une solution, une explication ou une implémentation textuelle fondée sur les éléments fournis par l’utilisateur.
Une tâche de raisonnement nécessite un objectif défini. Pour les mathématiques, donnez l’énoncé complet, les définitions, les plages autorisées des variables et la quantité ou l’affirmation à établir. Demandez un résultat final sous une forme précise et une explication suffisante pour vérifier les transitions. Pour évaluer une tentative de solution, incluez ensemble le problème d’origine et l’étape contestée. Le modèle peut alors traiter le problème réel au lieu de reconstituer les hypothèses manquantes à partir d’un fragment partiel.
Pour la programmation, fournissez le code pertinent, le langage, le comportement attendu et une entrée qui expose le problème. Une demande utile sollicite une fonction révisée, une explication de la condition modifiée et des exemples montrant le comportement visé. Préservez l’interface et précisez quel comportement environnant doit rester inchangé. Pour comparer des algorithmes, définissez d’abord les critères, par exemple la justesse sur les cas fournis et les hypothèses de complexité pertinentes, puis demandez un choix argumenté plutôt qu’une liste générale d’alternatives.
La référence de conversation du fabricant recommande de placer les instructions QwQ dans la demande utilisateur plutôt que de s’appuyer sur un message système. Séparez les données sources de la tâche, y compris tout texte ou code cité pour analyse. Précisez comment traiter les informations insuffisantes : nommer la condition manquante ou poser une question complémentaire ciblée plutôt que supposer une valeur. Si l’application dispose déjà de résultats d’un calculateur, d’un exécuteur de tests ou d’un outil de recherche, transmettez-les explicitement et demandez au modèle de les utiliser comme éléments probants.
Le parcours de service QwQ documenté renvoie la sortie en streaming. Distinguez le raisonnement intermédiaire de la réponse achevée et assemblez les fragments reçus avant de considérer la réponse comme un livrable terminé. Un flux partiel peut contenir un calcul inachevé ou une approche abandonnée. Pour un résultat destiné à l’utilisateur, identifiez la conclusion finale et les vérifications qui l’étayent, tout en conservant assez de contexte source pour examiner la demande réelle.
Pour une tâche de raisonnement reproductible, conservez le nom exact et daté du modèle avec la version de l’entrée, le format de sortie demandé et les paramètres de génération. Lors d’une suite, identifiez l’étape précise à modifier et gardez les faits acceptés explicites. Fournissez les extraits pertinents plutôt que des informations de fond sans rapport, et fixez une cible de réponse concise afin de laisser de la place à l’analyse comme au résultat final.
Pour une tâche analytique, étiquetez les options comparées et précisez la règle de décision. Pour une preuve, distinguez les prémisses de l’affirmation ; pour un programme, distinguez l’échec observé de la cause proposée. Demandez à la réponse finale d’identifier la conclusion qui découle des faits fournis et la partie qui dépend d’une hypothèse. Vérifiez les calculs avec les nombres d’origine, testez le code proposé sur les cas réels et inspectez toute sortie d’apparence structurée avant son utilisation par une application. Un tableau ou une présentation de type JSON demandés sont des instructions de sortie, pas une garantie de génération structurée contrainte.
Choisissez ce format de tâche axé sur le raisonnement lorsque le chemin vers le résultat doit être expliqué et vérifié. Le livrable final utile peut être une solution vérifiée, une modification de code avec des exemples pertinents ou une comparaison qui explicite la condition décisive. Les actions externes nécessitent toujours un outil applicatif défini et un résultat renvoyé ; le texte de raisonnement ne suffit pas à établir qu’un calcul a été exécuté ou qu’une modification proposée a été appliquée.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwq-plus-2025-03-05 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00046 / 1K tokens Sortie · Tokens en sortie $0.00116 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwq-plus-2025-03-05",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2025-03-05', '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-2025-03-05', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra qwq-plus-2025-03-05
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Check a batch-capacity claim\n\nA processor handles 18 records per minute and must finish 1,000 records within one hour. Each run also needs a fixed seven-minute setup, during which no records are processed. Determine whether one run can meet the deadline under these assumptions. Show the available processing time, capacity and minimum rate needed, rounding only where required.A feasibility calculation with processing time, attainable capacity and the rate required to meet the deadline.The seven-minute setup is deducted before applying the processing rate, and units remain consistent.