Qwen-Max (2025-01-25) est la version textuelle du 25 janvier que le fabricant présente comme fonctionnellement équivalente à son profil Qwen-Max. Qwen-Max appartient à la famille Qwen d’Alibaba et traite plusieurs langues d’entrée, dont le chinois et l’anglais. Les tâches langagières décrites comprennent la génération de code, le raisonnement logique, l’écriture créative, la mise en forme JSON et la conversation fondée sur un rôle.
Fournissez au modèle les conditions, les éléments probants et les critères de décision nécessaires à la tâche. Une analyse d’exigences peut demander les points d’accord, les contradictions et les questions encore ouvertes. Une comparaison peut préciser les critères importants et demander une explication de la manière dont chaque option les satisfait. Séparez les affirmations des sources des hypothèses pour pouvoir vérifier la réponse à partir des éléments fournis.
Pour une demande de programmation, indiquez le langage, les sources pertinentes et le comportement attendu. Demandez une proposition d’implémentation et une explication de la logique concernée. Enregistrez le code obtenu et exécutez-le dans l’environnement de développement pour vérifier la modification. Pour la rédaction, précisez le public, l’objectif et les faits obligatoires, puis demandez un passage terminé accompagné d’une brève note sur les changements.
Pour une réponse au format JSON, définissez les noms des champs, leurs types et le traitement des valeurs manquantes. Vérifiez la structure renvoyée ainsi que son contenu avant de l’utiliser dans une application. Dans une conversation fondée sur un rôle, fournissez la description du personnage ou du rôle et les informations que la réponse doit conserver.
Les configurations régionales de déploiement du fabricant diffèrent quant à la prise en charge des appels de fonctions et de la recherche web. Les sorties structurées et la complétion à partir d’un préfixe figurent dans les deux configurations présentées sur sa page du modèle. Une application capable d’appeler des fonctions définit l’action, exécute l’appel choisi et renvoie le résultat ; ces étapes relèvent de l’intégration qui entoure le modèle.
Le profil Qwen-Max équivalent du fabricant indique 32 768 jetons de contexte, jusqu’à 30 720 jetons en entrée et 8 192 jetons en sortie. Le profil hébergé publié séparément pour cet identifiant daté indique 131 072 jetons de contexte. Ces spécifications correspondent à des profils distincts : préparez donc la requête selon les limites proposées par l’interface utilisée. Conservez l’identifiant daté exact avec le prompt et le résultat lorsque vous comparez les réponses.
", "aboutText": "Qwen-Max (2025-01-25) est la version textuelle du 25 janvier que le fabricant présente comme fonctionnellement équivalente à son profil Qwen-Max. Qwen-Max appartient à la famille Qwen d’Alibaba et traite plusieurs langues d’entrée, dont le chinois et l’anglais. Les tâches langagières décrites comprennent la génération de code, le raisonnement logique, l’écriture créative, la mise en forme JSON et la conversation fondée sur un rôle.\n\n### Analyser une question délimitée\n\nFournissez au modèle les conditions, les éléments probants et les critères de décision nécessaires à la tâche. Une analyse d’exigences peut demander les points d’accord, les contradictions et les questions encore ouvertes. Une comparaison peut préciser les critères importants et demander une explication de la manière dont chaque option les satisfait. Séparez les affirmations des sources des hypothèses pour pouvoir vérifier la réponse à partir des éléments fournis.\n\n### Préparer du code ou un texte\n\nPour une demande de programmation, indiquez le langage, les sources pertinentes et le comportement attendu. Demandez une proposition d’implémentation et une explication de la logique concernée. Enregistrez le code obtenu et exécutez-le dans l’environnement de développement pour vérifier la modification. Pour la rédaction, précisez le public, l’objectif et les faits obligatoires, puis demandez un passage terminé accompagné d’une brève note sur les changements.\n\nPour une réponse au format JSON, définissez les noms des champs, leurs types et le traitement des valeurs manquantes. Vérifiez la structure renvoyée ainsi que son contenu avant de l’utiliser dans une application. Dans une conversation fondée sur un rôle, fournissez la description du personnage ou du rôle et les informations que la réponse doit conserver.\n\n### Utiliser les commandes proposées par l’intégration\n\nLes configurations régionales de déploiement du fabricant diffèrent quant à la prise en charge des appels de fonctions et de la recherche web. Les sorties structurées et la complétion à partir d’un préfixe figurent dans les deux configurations présentées sur sa page du modèle. Une application capable d’appeler des fonctions définit l’action, exécute l’appel choisi et renvoie le résultat ; ces étapes relèvent de l’intégration qui entoure le modèle.\n\n### Adapter le contexte au profil sélectionné\n\nLe profil Qwen-Max équivalent du fabricant indique 32 768 jetons de contexte, jusqu’à 30 720 jetons en entrée et 8 192 jetons en sortie. Le profil hébergé publié séparément pour cet identifiant daté indique 131 072 jetons de contexte. Ces spécifications correspondent à des profils distincts : préparez donc la requête selon les limites proposées par l’interface utilisée. Conservez l’identifiant daté exact avec le prompt et le résultat lorsque vous comparez les réponses.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.qwen-max-2025-01-25Qwen-Max (2025-01-25) est une version datée du modèle textuel Qwen pour les tâches de langage, de raisonnement, de programmation et de rédaction. Le fabricant la présente comme fonctionnellement équivalente au profil Qwen-Max ; le contexte et les options de contrôle dépendent de la configuration de déploiement.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-Max (2025-01-25) est la version textuelle du 25 janvier que le fabricant présente comme fonctionnellement équivalente à son profil Qwen-Max. Qwen-Max appartient à la famille Qwen d’Alibaba et traite plusieurs langues d’entrée, dont le chinois et l’anglais. Les tâches langagières décrites comprennent la génération de code, le raisonnement logique, l’écriture créative, la mise en forme JSON et la conversation fondée sur un rôle.
Fournissez au modèle les conditions, les éléments probants et les critères de décision nécessaires à la tâche. Une analyse d’exigences peut demander les points d’accord, les contradictions et les questions encore ouvertes. Une comparaison peut préciser les critères importants et demander une explication de la manière dont chaque option les satisfait. Séparez les affirmations des sources des hypothèses pour pouvoir vérifier la réponse à partir des éléments fournis.
Pour une demande de programmation, indiquez le langage, les sources pertinentes et le comportement attendu. Demandez une proposition d’implémentation et une explication de la logique concernée. Enregistrez le code obtenu et exécutez-le dans l’environnement de développement pour vérifier la modification. Pour la rédaction, précisez le public, l’objectif et les faits obligatoires, puis demandez un passage terminé accompagné d’une brève note sur les changements.
Pour une réponse au format JSON, définissez les noms des champs, leurs types et le traitement des valeurs manquantes. Vérifiez la structure renvoyée ainsi que son contenu avant de l’utiliser dans une application. Dans une conversation fondée sur un rôle, fournissez la description du personnage ou du rôle et les informations que la réponse doit conserver.
Les configurations régionales de déploiement du fabricant diffèrent quant à la prise en charge des appels de fonctions et de la recherche web. Les sorties structurées et la complétion à partir d’un préfixe figurent dans les deux configurations présentées sur sa page du modèle. Une application capable d’appeler des fonctions définit l’action, exécute l’appel choisi et renvoie le résultat ; ces étapes relèvent de l’intégration qui entoure le modèle.
Le profil Qwen-Max équivalent du fabricant indique 32 768 jetons de contexte, jusqu’à 30 720 jetons en entrée et 8 192 jetons en sortie. Le profil hébergé publié séparément pour cet identifiant daté indique 131 072 jetons de contexte. Ces spécifications correspondent à des profils distincts : préparez donc la requête selon les limites proposées par l’interface utilisée. Conservez l’identifiant daté exact avec le prompt et le résultat lorsque vous comparez les réponses.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-max-2025-01-25 | 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 $0.000686 / 1K tokens Sortie · Tokens en sortie $0.002744 / 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": "qwen-max-2025-01-25", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='qwen-max-2025-01-25',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='qwen-max-2025-01-25',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-max-2025-01-25
Utilisez les chemins de méthode indiqués ci-dessus.
qwen-max-2025-01-25Qwen-Max (2025-01-25) est une version datée du modèle textuel Qwen pour les tâches de langage, de raisonnement, de programmation et de rédaction. Le fabricant la présente comme fonctionnellement équivalente au profil Qwen-Max ; le contexte et les options de contrôle dépendent de la configuration de déploiement.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-Max (2025-01-25) est la version textuelle du 25 janvier que le fabricant présente comme fonctionnellement équivalente à son profil Qwen-Max. Qwen-Max appartient à la famille Qwen d’Alibaba et traite plusieurs langues d’entrée, dont le chinois et l’anglais. Les tâches langagières décrites comprennent la génération de code, le raisonnement logique, l’écriture créative, la mise en forme JSON et la conversation fondée sur un rôle.
Fournissez au modèle les conditions, les éléments probants et les critères de décision nécessaires à la tâche. Une analyse d’exigences peut demander les points d’accord, les contradictions et les questions encore ouvertes. Une comparaison peut préciser les critères importants et demander une explication de la manière dont chaque option les satisfait. Séparez les affirmations des sources des hypothèses pour pouvoir vérifier la réponse à partir des éléments fournis.
Pour une demande de programmation, indiquez le langage, les sources pertinentes et le comportement attendu. Demandez une proposition d’implémentation et une explication de la logique concernée. Enregistrez le code obtenu et exécutez-le dans l’environnement de développement pour vérifier la modification. Pour la rédaction, précisez le public, l’objectif et les faits obligatoires, puis demandez un passage terminé accompagné d’une brève note sur les changements.
Pour une réponse au format JSON, définissez les noms des champs, leurs types et le traitement des valeurs manquantes. Vérifiez la structure renvoyée ainsi que son contenu avant de l’utiliser dans une application. Dans une conversation fondée sur un rôle, fournissez la description du personnage ou du rôle et les informations que la réponse doit conserver.
Les configurations régionales de déploiement du fabricant diffèrent quant à la prise en charge des appels de fonctions et de la recherche web. Les sorties structurées et la complétion à partir d’un préfixe figurent dans les deux configurations présentées sur sa page du modèle. Une application capable d’appeler des fonctions définit l’action, exécute l’appel choisi et renvoie le résultat ; ces étapes relèvent de l’intégration qui entoure le modèle.
Le profil Qwen-Max équivalent du fabricant indique 32 768 jetons de contexte, jusqu’à 30 720 jetons en entrée et 8 192 jetons en sortie. Le profil hébergé publié séparément pour cet identifiant daté indique 131 072 jetons de contexte. Ces spécifications correspondent à des profils distincts : préparez donc la requête selon les limites proposées par l’interface utilisée. Conservez l’identifiant daté exact avec le prompt et le résultat lorsque vous comparez les réponses.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-max-2025-01-25 | 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 $0.000686 / 1K tokens Sortie · Tokens en sortie $0.002744 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen-max-2025-01-25",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-max-2025-01-25', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'qwen-max-2025-01-25', '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-max-2025-01-25
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Write a brief museum role-play\n\nWrite a three-turn dialogue: Visitor, Guide, Visitor. The guide speaks patiently to an eight-year-old. Exhibit facts: this model locomotive uses steam; water is heated in a boiler; the wheels are driven through rods. The visitor first asks why it needs water, the guide explains simply and the visitor asks one related follow-up. Use only the exhibit facts.Exactly three labelled dialogue turns, with a child-friendly guide explanation and one relevant visitor follow-up.Check the turn order and confirm the guide adds no invented exhibit history or operating specification.