Qwen Turbo 2024-11-01 est la version figée de Qwen-Turbo d’Alibaba issue de la génération Qwen2.5. Elle reçoit des instructions écrites et un contexte textuel et produit une réponse textuelle. Parmi les tâches utiles figurent les questions sur des documents fournis, les synthèses reliant plusieurs sources, les explications d’une base de code et l’extraction en JSON. Conservez le nom daté du modèle avec le prompt lorsque vous comparez les résultats de plusieurs éditions.
La présentation de Qwen2.5-Turbo par Qwen montre la lecture de longs récits et de plusieurs articles scientifiques liés. Le résultat utile dépend de la question : une vue d’ensemble peut expliquer les relations entre les travaux, tandis qu’une comparaison ciblée peut distinguer leurs approches et les éléments de preuve qui les étayent. Fournissez des textes clairement étiquetés et demandez les distinctions importantes pour le lecteur. Les consignes initiales peuvent demander la proposition principale de chaque document, le passage qui l’étaye et les éventuels désaccords entre les documents. Demandez une réponse dans la langue dont le public a besoin et gardez les citations reliées à leur source.
Le fabricant montre également la lecture d’un dépôt rassemblé dans un fichier texte, d’abord pour en expliquer l’objectif, puis pour localiser les classes et leurs chemins de fichiers. Préparez le code en conservant les limites entre fichiers, les noms et les définitions environnantes pertinentes. Demandez une vue d’ensemble d’un composant avant de solliciter une explication plus ciblée des relations entre ses parties. L’explication ou la liste d’emplacements obtenue peut guider l’examen des fichiers originaux ; vérifiez ces emplacements au regard du code fourni.
Dans le flux textuel documenté du fabricant, un message système établit le rôle et les règles de la tâche, un message utilisateur fournit la question et les sources, et le modèle répond en tant qu’assistant. Précisez explicitement le livrable attendu : une synthèse, un tableau comparatif, une explication concise ou des champs extraits. Pour une tâche documentaire, distinguez le texte à lire de l’instruction décrivant ce qu’il faut en faire. Incluez la terminologie, la langue de sortie et toute règle de traitement des informations absentes de la source.
Le flux Chat Completions du fabricant ne conserve pas d’état : la poursuite de la discussion utilise l’historique de conversation fourni avec la question suivante. Ajoutez les messages utilisateur et assistant précédents lorsque la demande complémentaire en dépend. Un premier tour peut établir l’argument d’un document ; un second peut demander quel passage étaye une conclusion. Gardez le contexte source nécessaire à disposition plutôt que de supposer qu’une réponse antérieure donne au modèle une mémoire permanente. À mesure que la discussion s’allonge, conservez les tours récents et les faits importants des sources, ou utilisez un résumé vérifié des éléments antérieurs. Supprimer ou compresser l’historique peut faire disparaître des détails nécessaires à la réponse suivante.
Alibaba inclut explicitement qwen-turbo-2024-11-01 parmi les modèles prenant en charge JSON Object. Dans le flux du fabricant, le format de réponse est défini sur json_object et une instruction système ou utilisateur doit contenir le mot JSON. Précisez les noms des champs et le traitement des informations manquantes. Par exemple, des consignes d’extraction peuvent demander le titre d’un document, le nom de son auteur et un passage qui l’étaye, avec une convention définie lorsque l’auteur n’est pas indiqué.
Le mode JSON Object vise une syntaxe JSON valide ; il n’impose ni schéma particulier, ni noms de champs stables, ni types de champs. Examinez l’objet renvoyé pour vérifier les champs et les valeurs requis par la tâche avant de l’utiliser en aval. Un résultat interrompu avant d’être complet peut aussi être un JSON invalide. Conservez l’objet complet et son texte source afin de distinguer un problème de mise en forme d’une extraction incorrecte.
La présentation de Qwen signale une instabilité dans les tâches exigeantes portant sur de longues séquences. Une grande quantité de texte fourni ne garantit pas que chaque détail sera retrouvé ni que chaque relation sera correctement interprétée. Vérifiez les affirmations importantes, les références et les emplacements de code au regard des sources originales, surtout lorsque la conclusion rapproche des passages éloignés. Conservez la source, le prompt exact et la réponse retenue comme dossier de travail. La correspondance des versions d’Alibaba distingue cette version de Qwen-Turbo-2025-04-28 ; une comparaison des éditions doit donc conserver les deux noms de modèles et la même tâche.
", "aboutText": "Qwen Turbo 2024-11-01 est la version figée de Qwen-Turbo d’Alibaba issue de la génération Qwen2.5. Elle reçoit des instructions écrites et un contexte textuel et produit une réponse textuelle. Parmi les tâches utiles figurent les questions sur des documents fournis, les synthèses reliant plusieurs sources, les explications d’une base de code et l’extraction en JSON. Conservez le nom daté du modèle avec le prompt lorsque vous comparez les résultats de plusieurs éditions.\n\n### Lire des sources liées avec une question précise\n\nLa présentation de Qwen2.5-Turbo par Qwen montre la lecture de longs récits et de plusieurs articles scientifiques liés. Le résultat utile dépend de la question : une vue d’ensemble peut expliquer les relations entre les travaux, tandis qu’une comparaison ciblée peut distinguer leurs approches et les éléments de preuve qui les étayent. Fournissez des textes clairement étiquetés et demandez les distinctions importantes pour le lecteur. Les consignes initiales peuvent demander la proposition principale de chaque document, le passage qui l’étaye et les éventuels désaccords entre les documents. Demandez une réponse dans la langue dont le public a besoin et gardez les citations reliées à leur source.\n\n### Comprendre un dépôt à travers son texte\n\nLe fabricant montre également la lecture d’un dépôt rassemblé dans un fichier texte, d’abord pour en expliquer l’objectif, puis pour localiser les classes et leurs chemins de fichiers. Préparez le code en conservant les limites entre fichiers, les noms et les définitions environnantes pertinentes. Demandez une vue d’ensemble d’un composant avant de solliciter une explication plus ciblée des relations entre ses parties. L’explication ou la liste d’emplacements obtenue peut guider l’examen des fichiers originaux ; vérifiez ces emplacements au regard du code fourni.\n\n### Fournir les instructions et les sources sous forme de messages\n\nDans le flux textuel documenté du fabricant, un message système établit le rôle et les règles de la tâche, un message utilisateur fournit la question et les sources, et le modèle répond en tant qu’assistant. Précisez explicitement le livrable attendu : une synthèse, un tableau comparatif, une explication concise ou des champs extraits. Pour une tâche documentaire, distinguez le texte à lire de l’instruction décrivant ce qu’il faut en faire. Incluez la terminologie, la langue de sortie et toute règle de traitement des informations absentes de la source.\n\n### Poursuivre une conversation avec l’historique pertinent\n\nLe flux Chat Completions du fabricant ne conserve pas d’état : la poursuite de la discussion utilise l’historique de conversation fourni avec la question suivante. Ajoutez les messages utilisateur et assistant précédents lorsque la demande complémentaire en dépend. Un premier tour peut établir l’argument d’un document ; un second peut demander quel passage étaye une conclusion. Gardez le contexte source nécessaire à disposition plutôt que de supposer qu’une réponse antérieure donne au modèle une mémoire permanente. À mesure que la discussion s’allonge, conservez les tours récents et les faits importants des sources, ou utilisez un résumé vérifié des éléments antérieurs. Supprimer ou compresser l’historique peut faire disparaître des détails nécessaires à la réponse suivante.\n\n### Extraire des informations avec le mode JSON Object\n\nAlibaba inclut explicitement qwen-turbo-2024-11-01 parmi les modèles prenant en charge JSON Object. Dans le flux du fabricant, le format de réponse est défini sur json_object et une instruction système ou utilisateur doit contenir le mot JSON. Précisez les noms des champs et le traitement des informations manquantes. Par exemple, des consignes d’extraction peuvent demander le titre d’un document, le nom de son auteur et un passage qui l’étaye, avec une convention définie lorsque l’auteur n’est pas indiqué.\n\nLe mode JSON Object vise une syntaxe JSON valide ; il n’impose ni schéma particulier, ni noms de champs stables, ni types de champs. Examinez l’objet renvoyé pour vérifier les champs et les valeurs requis par la tâche avant de l’utiliser en aval. Un résultat interrompu avant d’être complet peut aussi être un JSON invalide. Conservez l’objet complet et son texte source afin de distinguer un problème de mise en forme d’une extraction incorrecte.\n\n### Vérifier la réponse au regard des sources originales\n\nLa présentation de Qwen signale une instabilité dans les tâches exigeantes portant sur de longues séquences. Une grande quantité de texte fourni ne garantit pas que chaque détail sera retrouvé ni que chaque relation sera correctement interprétée. Vérifiez les affirmations importantes, les références et les emplacements de code au regard des sources originales, surtout lorsque la conclusion rapproche des passages éloignés. Conservez la source, le prompt exact et la réponse retenue comme dossier de travail. La correspondance des versions d’Alibaba distingue cette version de Qwen-Turbo-2025-04-28 ; une comparaison des éditions doit donc conserver les deux noms de modèles et la même tâche.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Map a component from supplied code text\n\nMap this miniature repository. File reader.py: class CsvReader exposes read(path). File service.py: class ImportService receives a reader and calls reader.read(path) inside import_file(path). Explain each class’s role, identify where file loading occurs and list the supplied paths. Do not invent validation, storage or error handling absent from the excerpts.A two-component map, the read call location and an explicit list of unspecified behavior.Check that file loading is attributed to CsvReader.read and orchestration to ImportService.import_file, using the supplied paths only.qwen-turbo-2024-11-01Qwen Turbo 2024-11-01 d’Alibaba est une version figée de modèle textuel pour répondre aux questions sur des sources fournies, résumer des documents liés et lire du code source. Elle prend aussi en charge le mode JSON Object du fabricant pour extraire des informations dans un résultat pouvant être analysé automatiquement.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen Turbo 2024-11-01 est la version figée de Qwen-Turbo d’Alibaba issue de la génération Qwen2.5. Elle reçoit des instructions écrites et un contexte textuel et produit une réponse textuelle. Parmi les tâches utiles figurent les questions sur des documents fournis, les synthèses reliant plusieurs sources, les explications d’une base de code et l’extraction en JSON. Conservez le nom daté du modèle avec le prompt lorsque vous comparez les résultats de plusieurs éditions.
La présentation de Qwen2.5-Turbo par Qwen montre la lecture de longs récits et de plusieurs articles scientifiques liés. Le résultat utile dépend de la question : une vue d’ensemble peut expliquer les relations entre les travaux, tandis qu’une comparaison ciblée peut distinguer leurs approches et les éléments de preuve qui les étayent. Fournissez des textes clairement étiquetés et demandez les distinctions importantes pour le lecteur. Les consignes initiales peuvent demander la proposition principale de chaque document, le passage qui l’étaye et les éventuels désaccords entre les documents. Demandez une réponse dans la langue dont le public a besoin et gardez les citations reliées à leur source.
Le fabricant montre également la lecture d’un dépôt rassemblé dans un fichier texte, d’abord pour en expliquer l’objectif, puis pour localiser les classes et leurs chemins de fichiers. Préparez le code en conservant les limites entre fichiers, les noms et les définitions environnantes pertinentes. Demandez une vue d’ensemble d’un composant avant de solliciter une explication plus ciblée des relations entre ses parties. L’explication ou la liste d’emplacements obtenue peut guider l’examen des fichiers originaux ; vérifiez ces emplacements au regard du code fourni.
Dans le flux textuel documenté du fabricant, un message système établit le rôle et les règles de la tâche, un message utilisateur fournit la question et les sources, et le modèle répond en tant qu’assistant. Précisez explicitement le livrable attendu : une synthèse, un tableau comparatif, une explication concise ou des champs extraits. Pour une tâche documentaire, distinguez le texte à lire de l’instruction décrivant ce qu’il faut en faire. Incluez la terminologie, la langue de sortie et toute règle de traitement des informations absentes de la source.
Le flux Chat Completions du fabricant ne conserve pas d’état : la poursuite de la discussion utilise l’historique de conversation fourni avec la question suivante. Ajoutez les messages utilisateur et assistant précédents lorsque la demande complémentaire en dépend. Un premier tour peut établir l’argument d’un document ; un second peut demander quel passage étaye une conclusion. Gardez le contexte source nécessaire à disposition plutôt que de supposer qu’une réponse antérieure donne au modèle une mémoire permanente. À mesure que la discussion s’allonge, conservez les tours récents et les faits importants des sources, ou utilisez un résumé vérifié des éléments antérieurs. Supprimer ou compresser l’historique peut faire disparaître des détails nécessaires à la réponse suivante.
Alibaba inclut explicitement qwen-turbo-2024-11-01 parmi les modèles prenant en charge JSON Object. Dans le flux du fabricant, le format de réponse est défini sur json_object et une instruction système ou utilisateur doit contenir le mot JSON. Précisez les noms des champs et le traitement des informations manquantes. Par exemple, des consignes d’extraction peuvent demander le titre d’un document, le nom de son auteur et un passage qui l’étaye, avec une convention définie lorsque l’auteur n’est pas indiqué.
Le mode JSON Object vise une syntaxe JSON valide ; il n’impose ni schéma particulier, ni noms de champs stables, ni types de champs. Examinez l’objet renvoyé pour vérifier les champs et les valeurs requis par la tâche avant de l’utiliser en aval. Un résultat interrompu avant d’être complet peut aussi être un JSON invalide. Conservez l’objet complet et son texte source afin de distinguer un problème de mise en forme d’une extraction incorrecte.
La présentation de Qwen signale une instabilité dans les tâches exigeantes portant sur de longues séquences. Une grande quantité de texte fourni ne garantit pas que chaque détail sera retrouvé ni que chaque relation sera correctement interprétée. Vérifiez les affirmations importantes, les références et les emplacements de code au regard des sources originales, surtout lorsque la conclusion rapproche des passages éloignés. Conservez la source, le prompt exact et la réponse retenue comme dossier de travail. La correspondance des versions d’Alibaba distingue cette version de Qwen-Turbo-2025-04-28 ; une comparaison des éditions doit donc conserver les deux noms de modèles et la même tâche.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-turbo-2024-11-01 | 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 $0.0001 / 1K tokens Sortie · Tokens en sortie $0.00018 / 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-turbo-2024-11-01", "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-turbo-2024-11-01',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-turbo-2024-11-01',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-turbo-2024-11-01
Utilisez les chemins de méthode indiqués ci-dessus.
qwen-turbo-2024-11-01Qwen Turbo 2024-11-01 d’Alibaba est une version figée de modèle textuel pour répondre aux questions sur des sources fournies, résumer des documents liés et lire du code source. Elle prend aussi en charge le mode JSON Object du fabricant pour extraire des informations dans un résultat pouvant être analysé automatiquement.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen Turbo 2024-11-01 est la version figée de Qwen-Turbo d’Alibaba issue de la génération Qwen2.5. Elle reçoit des instructions écrites et un contexte textuel et produit une réponse textuelle. Parmi les tâches utiles figurent les questions sur des documents fournis, les synthèses reliant plusieurs sources, les explications d’une base de code et l’extraction en JSON. Conservez le nom daté du modèle avec le prompt lorsque vous comparez les résultats de plusieurs éditions.
La présentation de Qwen2.5-Turbo par Qwen montre la lecture de longs récits et de plusieurs articles scientifiques liés. Le résultat utile dépend de la question : une vue d’ensemble peut expliquer les relations entre les travaux, tandis qu’une comparaison ciblée peut distinguer leurs approches et les éléments de preuve qui les étayent. Fournissez des textes clairement étiquetés et demandez les distinctions importantes pour le lecteur. Les consignes initiales peuvent demander la proposition principale de chaque document, le passage qui l’étaye et les éventuels désaccords entre les documents. Demandez une réponse dans la langue dont le public a besoin et gardez les citations reliées à leur source.
Le fabricant montre également la lecture d’un dépôt rassemblé dans un fichier texte, d’abord pour en expliquer l’objectif, puis pour localiser les classes et leurs chemins de fichiers. Préparez le code en conservant les limites entre fichiers, les noms et les définitions environnantes pertinentes. Demandez une vue d’ensemble d’un composant avant de solliciter une explication plus ciblée des relations entre ses parties. L’explication ou la liste d’emplacements obtenue peut guider l’examen des fichiers originaux ; vérifiez ces emplacements au regard du code fourni.
Dans le flux textuel documenté du fabricant, un message système établit le rôle et les règles de la tâche, un message utilisateur fournit la question et les sources, et le modèle répond en tant qu’assistant. Précisez explicitement le livrable attendu : une synthèse, un tableau comparatif, une explication concise ou des champs extraits. Pour une tâche documentaire, distinguez le texte à lire de l’instruction décrivant ce qu’il faut en faire. Incluez la terminologie, la langue de sortie et toute règle de traitement des informations absentes de la source.
Le flux Chat Completions du fabricant ne conserve pas d’état : la poursuite de la discussion utilise l’historique de conversation fourni avec la question suivante. Ajoutez les messages utilisateur et assistant précédents lorsque la demande complémentaire en dépend. Un premier tour peut établir l’argument d’un document ; un second peut demander quel passage étaye une conclusion. Gardez le contexte source nécessaire à disposition plutôt que de supposer qu’une réponse antérieure donne au modèle une mémoire permanente. À mesure que la discussion s’allonge, conservez les tours récents et les faits importants des sources, ou utilisez un résumé vérifié des éléments antérieurs. Supprimer ou compresser l’historique peut faire disparaître des détails nécessaires à la réponse suivante.
Alibaba inclut explicitement qwen-turbo-2024-11-01 parmi les modèles prenant en charge JSON Object. Dans le flux du fabricant, le format de réponse est défini sur json_object et une instruction système ou utilisateur doit contenir le mot JSON. Précisez les noms des champs et le traitement des informations manquantes. Par exemple, des consignes d’extraction peuvent demander le titre d’un document, le nom de son auteur et un passage qui l’étaye, avec une convention définie lorsque l’auteur n’est pas indiqué.
Le mode JSON Object vise une syntaxe JSON valide ; il n’impose ni schéma particulier, ni noms de champs stables, ni types de champs. Examinez l’objet renvoyé pour vérifier les champs et les valeurs requis par la tâche avant de l’utiliser en aval. Un résultat interrompu avant d’être complet peut aussi être un JSON invalide. Conservez l’objet complet et son texte source afin de distinguer un problème de mise en forme d’une extraction incorrecte.
La présentation de Qwen signale une instabilité dans les tâches exigeantes portant sur de longues séquences. Une grande quantité de texte fourni ne garantit pas que chaque détail sera retrouvé ni que chaque relation sera correctement interprétée. Vérifiez les affirmations importantes, les références et les emplacements de code au regard des sources originales, surtout lorsque la conclusion rapproche des passages éloignés. Conservez la source, le prompt exact et la réponse retenue comme dossier de travail. La correspondance des versions d’Alibaba distingue cette version de Qwen-Turbo-2025-04-28 ; une comparaison des éditions doit donc conserver les deux noms de modèles et la même tâche.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-turbo-2024-11-01 | 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 $0.0001 / 1K tokens Sortie · Tokens en sortie $0.00018 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen-turbo-2024-11-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-turbo-2024-11-01', '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-turbo-2024-11-01', '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-turbo-2024-11-01
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Map a component from supplied code text\n\nMap this miniature repository. File reader.py: class CsvReader exposes read(path). File service.py: class ImportService receives a reader and calls reader.read(path) inside import_file(path). Explain each class’s role, identify where file loading occurs and list the supplied paths. Do not invent validation, storage or error handling absent from the excerpts.A two-component map, the read call location and an explicit list of unspecified behavior.Check that file loading is attributed to CsvReader.read and orchestration to ImportService.import_file, using the supplied paths only.