Qwen Turbo 2024-11-01 הוא גרסת Qwen-Turbo הקבועה של Alibaba מדור Qwen2.5. הוא מקבל הוראות כתובות והקשר טקסטואלי ומפיק תשובה בטקסט. משימות שימושיות כוללות שאלות על מסמכים שסופקו, סיכומים שמחברים בין כמה מקורות, הסברים על בסיס קוד וחילוץ מידע ל־JSON. בעת השוואת תוצאות בין גרסאות, שמרו את שם המודל המתוארך יחד עם הפרומפט.
הצגת Qwen2.5-Turbo של Qwen מדגימה קריאת טקסטים נרטיביים ארוכים וכמה מאמרים קשורים. הפלט המועיל תלוי בשאלה: סקירה יכולה להסביר את הקשר בין העבודות, ואילו השוואה ממוקדת יכולה להבחין בין הגישות שלהן ובין הראיות שתומכות בהן. ספקו טקסטים עם סימון ברור ובקשו את ההבחנות החשובות לקורא. הנחיות ראשוניות יכולות לבקש את ההצעה העיקרית של כל מסמך, את הקטע התומך בה ואת המחלוקות בין המסמכים. בקשו את התשובה בשפה שקהל היעד צריך, ושמרו על הקשר בין הציטוטים למקורותיהם.
המפתחת מדגימה גם קריאת מאגר קוד שנאסף לקובץ טקסט, תחילה באמצעות הסבר מטרתו ולאחר מכן באיתור מחלקות ונתיבי הקבצים שלהן. הכינו את הקוד תוך שמירה על גבולות הקבצים, על השמות ועל ההגדרות הרלוונטיות שמסביב. בקשו מיפוי של רכיב לפני שתבקשו הסבר ממוקד יותר על הקשרים בין חלקיו. ההסבר או רשימת המיקומים שמתקבלים יכולים להנחות את בדיקת הקבצים המקוריים; בדקו את המיקומים האלה מול הקוד שסופק.
בתהליך העבודה הטקסטואלי המתועד של המפתחת, הודעת מערכת מגדירה את התפקיד ואת כללי המשימה, הודעת משתמש מספקת את השאלה ואת החומרים, והמודל משיב בתור העוזר. ציינו בבירור את התוצר המבוקש: סיכום, טבלת השוואה, הסבר תמציתי או שדות שחולצו. במשימת מסמכים, הבחינו בין הטקסט שיש לקרוא לבין ההוראה שמתארת מה לעשות בו. כללו מונחים, שפת פלט וכל כלל לטיפול במידע שאינו מופיע במקור.
תהליך Chat Completions של המפתחת אינו שומר מצב: המשך הדיון משתמש בהיסטוריית השיחה שמסופקת עם השאלה הבאה. צרפו את הודעות המשתמש והעוזר הקודמות כאשר בקשת ההמשך תלויה בהן. סבב ראשון יכול לזהות את הטיעון של מסמך; סבב שני יכול לשאול איזה קטע תומך במסקנה מסוימת. השאירו את הקשר המקור הנדרש זמין, במקום להניח שתשובה קודמת נותנת למודל זיכרון קבוע. ככל שהדיון מתארך, שמרו על הסבבים האחרונים ועל העובדות החשובות מהמקורות, או השתמשו בסיכום שנבדק של החומרים הקודמים. הסרת ההיסטוריה או דחיסתה עלולות להסיר פרטים שנדרשים לתשובה הבאה.
Alibaba כוללת במפורש את qwen-turbo-2024-11-01 בתמיכה שלה ב־JSON Object. בתהליך העבודה של המפתחת, פורמט התשובה מוגדר ל־json_object, והוראת מערכת או משתמש חייבת לכלול את המילה JSON. ציינו שמות שדות ואת אופן הטיפול במידע חסר. לדוגמה, הנחיות חילוץ יכולות לבקש את כותרת המסמך, את שם המחבר המצוין בו ואת הקטע התומך, עם כלל מוגדר למקרה שלא מצוין מחבר.
מצב JSON Object מיועד להפיק תחביר JSON תקין; הוא אינו אוכף סכימה מסוימת, שמות שדות קבועים או טיפוסי שדות. בדקו שהאובייקט שהוחזר מכיל את השדות והערכים הנדרשים למשימה לפני השימוש בו בהמשך התהליך. גם תוצאה שנקטעת לפני השלמתה עלולה להיות JSON לא תקין. שמרו על האובייקט המלא ועל טקסט המקור שלו כדי שאפשר יהיה להבחין בין בעיית עיצוב הפורמט לבין חילוץ שגוי.
ההצגה של Qwen מציינת חוסר יציבות במשימות מאתגרות עם רצפים ארוכים. כמות גדולה של טקסט שסופק אינה מבטיחה שכל פרט יאוחזר או שכל קשר יפורש נכון. בדקו אמירות חשובות, הפניות ומיקומי קוד מול החומרים המקוריים, במיוחד כשהמסקנה מחברת בין קטעים מרוחקים. שמרו את המקור, את הפרומפט המדויק ואת התשובה שנבחרה כתוצר העבודה. מיפוי הגרסאות של Alibaba מבדיל בין הגרסה הזאת לבין Qwen-Turbo-2025-04-28, ולכן השוואה בין גרסאות צריכה לשמור על שני שמות המודלים ועל אותה משימה.
", "aboutText": "Qwen Turbo 2024-11-01 הוא גרסת Qwen-Turbo הקבועה של Alibaba מדור Qwen2.5. הוא מקבל הוראות כתובות והקשר טקסטואלי ומפיק תשובה בטקסט. משימות שימושיות כוללות שאלות על מסמכים שסופקו, סיכומים שמחברים בין כמה מקורות, הסברים על בסיס קוד וחילוץ מידע ל־JSON. בעת השוואת תוצאות בין גרסאות, שמרו את שם המודל המתוארך יחד עם הפרומפט.\n\n### קראו חומרים קשורים בעזרת שאלה ממוקדת\n\nהצגת Qwen2.5-Turbo של Qwen מדגימה קריאת טקסטים נרטיביים ארוכים וכמה מאמרים קשורים. הפלט המועיל תלוי בשאלה: סקירה יכולה להסביר את הקשר בין העבודות, ואילו השוואה ממוקדת יכולה להבחין בין הגישות שלהן ובין הראיות שתומכות בהן. ספקו טקסטים עם סימון ברור ובקשו את ההבחנות החשובות לקורא. הנחיות ראשוניות יכולות לבקש את ההצעה העיקרית של כל מסמך, את הקטע התומך בה ואת המחלוקות בין המסמכים. בקשו את התשובה בשפה שקהל היעד צריך, ושמרו על הקשר בין הציטוטים למקורותיהם.\n\n### הבינו מאגר קוד דרך הטקסט שלו\n\nהמפתחת מדגימה גם קריאת מאגר קוד שנאסף לקובץ טקסט, תחילה באמצעות הסבר מטרתו ולאחר מכן באיתור מחלקות ונתיבי הקבצים שלהן. הכינו את הקוד תוך שמירה על גבולות הקבצים, על השמות ועל ההגדרות הרלוונטיות שמסביב. בקשו מיפוי של רכיב לפני שתבקשו הסבר ממוקד יותר על הקשרים בין חלקיו. ההסבר או רשימת המיקומים שמתקבלים יכולים להנחות את בדיקת הקבצים המקוריים; בדקו את המיקומים האלה מול הקוד שסופק.\n\n### ספקו הוראות וחומרים בתור הודעות\n\nבתהליך העבודה הטקסטואלי המתועד של המפתחת, הודעת מערכת מגדירה את התפקיד ואת כללי המשימה, הודעת משתמש מספקת את השאלה ואת החומרים, והמודל משיב בתור העוזר. ציינו בבירור את התוצר המבוקש: סיכום, טבלת השוואה, הסבר תמציתי או שדות שחולצו. במשימת מסמכים, הבחינו בין הטקסט שיש לקרוא לבין ההוראה שמתארת מה לעשות בו. כללו מונחים, שפת פלט וכל כלל לטיפול במידע שאינו מופיע במקור.\n\n### המשיכו שיחה עם ההיסטוריה הרלוונטית\n\nתהליך Chat Completions של המפתחת אינו שומר מצב: המשך הדיון משתמש בהיסטוריית השיחה שמסופקת עם השאלה הבאה. צרפו את הודעות המשתמש והעוזר הקודמות כאשר בקשת ההמשך תלויה בהן. סבב ראשון יכול לזהות את הטיעון של מסמך; סבב שני יכול לשאול איזה קטע תומך במסקנה מסוימת. השאירו את הקשר המקור הנדרש זמין, במקום להניח שתשובה קודמת נותנת למודל זיכרון קבוע. ככל שהדיון מתארך, שמרו על הסבבים האחרונים ועל העובדות החשובות מהמקורות, או השתמשו בסיכום שנבדק של החומרים הקודמים. הסרת ההיסטוריה או דחיסתה עלולות להסיר פרטים שנדרשים לתשובה הבאה.\n\n### חלצו מידע באמצעות מצב JSON Object\n\nAlibaba כוללת במפורש את qwen-turbo-2024-11-01 בתמיכה שלה ב־JSON Object. בתהליך העבודה של המפתחת, פורמט התשובה מוגדר ל־json_object, והוראת מערכת או משתמש חייבת לכלול את המילה JSON. ציינו שמות שדות ואת אופן הטיפול במידע חסר. לדוגמה, הנחיות חילוץ יכולות לבקש את כותרת המסמך, את שם המחבר המצוין בו ואת הקטע התומך, עם כלל מוגדר למקרה שלא מצוין מחבר.\n\nמצב JSON Object מיועד להפיק תחביר JSON תקין; הוא אינו אוכף סכימה מסוימת, שמות שדות קבועים או טיפוסי שדות. בדקו שהאובייקט שהוחזר מכיל את השדות והערכים הנדרשים למשימה לפני השימוש בו בהמשך התהליך. גם תוצאה שנקטעת לפני השלמתה עלולה להיות JSON לא תקין. שמרו על האובייקט המלא ועל טקסט המקור שלו כדי שאפשר יהיה להבחין בין בעיית עיצוב הפורמט לבין חילוץ שגוי.\n\n### בדקו את התשובה מול החומרים המקוריים\n\nההצגה של Qwen מציינת חוסר יציבות במשימות מאתגרות עם רצפים ארוכים. כמות גדולה של טקסט שסופק אינה מבטיחה שכל פרט יאוחזר או שכל קשר יפורש נכון. בדקו אמירות חשובות, הפניות ומיקומי קוד מול החומרים המקוריים, במיוחד כשהמסקנה מחברת בין קטעים מרוחקים. שמרו את המקור, את הפרומפט המדויק ואת התשובה שנבחרה כתוצר העבודה. מיפוי הגרסאות של Alibaba מבדיל בין הגרסה הזאת לבין Qwen-Turbo-2025-04-28, ולכן השוואה בין גרסאות צריכה לשמור על שני שמות המודלים ועל אותה משימה.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
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 של Alibaba הוא גרסה קבועה של מודל טקסט למענה על שאלות לגבי חומר שסופק, לסיכום מסמכים קשורים ולקריאת קוד מקור. הוא תומך גם במצב JSON Object של המפתחת לחילוץ מידע לתוצאה שניתנת לפענוח בתוכנה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen Turbo 2024-11-01 הוא גרסת Qwen-Turbo הקבועה של Alibaba מדור Qwen2.5. הוא מקבל הוראות כתובות והקשר טקסטואלי ומפיק תשובה בטקסט. משימות שימושיות כוללות שאלות על מסמכים שסופקו, סיכומים שמחברים בין כמה מקורות, הסברים על בסיס קוד וחילוץ מידע ל־JSON. בעת השוואת תוצאות בין גרסאות, שמרו את שם המודל המתוארך יחד עם הפרומפט.
הצגת Qwen2.5-Turbo של Qwen מדגימה קריאת טקסטים נרטיביים ארוכים וכמה מאמרים קשורים. הפלט המועיל תלוי בשאלה: סקירה יכולה להסביר את הקשר בין העבודות, ואילו השוואה ממוקדת יכולה להבחין בין הגישות שלהן ובין הראיות שתומכות בהן. ספקו טקסטים עם סימון ברור ובקשו את ההבחנות החשובות לקורא. הנחיות ראשוניות יכולות לבקש את ההצעה העיקרית של כל מסמך, את הקטע התומך בה ואת המחלוקות בין המסמכים. בקשו את התשובה בשפה שקהל היעד צריך, ושמרו על הקשר בין הציטוטים למקורותיהם.
המפתחת מדגימה גם קריאת מאגר קוד שנאסף לקובץ טקסט, תחילה באמצעות הסבר מטרתו ולאחר מכן באיתור מחלקות ונתיבי הקבצים שלהן. הכינו את הקוד תוך שמירה על גבולות הקבצים, על השמות ועל ההגדרות הרלוונטיות שמסביב. בקשו מיפוי של רכיב לפני שתבקשו הסבר ממוקד יותר על הקשרים בין חלקיו. ההסבר או רשימת המיקומים שמתקבלים יכולים להנחות את בדיקת הקבצים המקוריים; בדקו את המיקומים האלה מול הקוד שסופק.
בתהליך העבודה הטקסטואלי המתועד של המפתחת, הודעת מערכת מגדירה את התפקיד ואת כללי המשימה, הודעת משתמש מספקת את השאלה ואת החומרים, והמודל משיב בתור העוזר. ציינו בבירור את התוצר המבוקש: סיכום, טבלת השוואה, הסבר תמציתי או שדות שחולצו. במשימת מסמכים, הבחינו בין הטקסט שיש לקרוא לבין ההוראה שמתארת מה לעשות בו. כללו מונחים, שפת פלט וכל כלל לטיפול במידע שאינו מופיע במקור.
תהליך Chat Completions של המפתחת אינו שומר מצב: המשך הדיון משתמש בהיסטוריית השיחה שמסופקת עם השאלה הבאה. צרפו את הודעות המשתמש והעוזר הקודמות כאשר בקשת ההמשך תלויה בהן. סבב ראשון יכול לזהות את הטיעון של מסמך; סבב שני יכול לשאול איזה קטע תומך במסקנה מסוימת. השאירו את הקשר המקור הנדרש זמין, במקום להניח שתשובה קודמת נותנת למודל זיכרון קבוע. ככל שהדיון מתארך, שמרו על הסבבים האחרונים ועל העובדות החשובות מהמקורות, או השתמשו בסיכום שנבדק של החומרים הקודמים. הסרת ההיסטוריה או דחיסתה עלולות להסיר פרטים שנדרשים לתשובה הבאה.
Alibaba כוללת במפורש את qwen-turbo-2024-11-01 בתמיכה שלה ב־JSON Object. בתהליך העבודה של המפתחת, פורמט התשובה מוגדר ל־json_object, והוראת מערכת או משתמש חייבת לכלול את המילה JSON. ציינו שמות שדות ואת אופן הטיפול במידע חסר. לדוגמה, הנחיות חילוץ יכולות לבקש את כותרת המסמך, את שם המחבר המצוין בו ואת הקטע התומך, עם כלל מוגדר למקרה שלא מצוין מחבר.
מצב JSON Object מיועד להפיק תחביר JSON תקין; הוא אינו אוכף סכימה מסוימת, שמות שדות קבועים או טיפוסי שדות. בדקו שהאובייקט שהוחזר מכיל את השדות והערכים הנדרשים למשימה לפני השימוש בו בהמשך התהליך. גם תוצאה שנקטעת לפני השלמתה עלולה להיות JSON לא תקין. שמרו על האובייקט המלא ועל טקסט המקור שלו כדי שאפשר יהיה להבחין בין בעיית עיצוב הפורמט לבין חילוץ שגוי.
ההצגה של Qwen מציינת חוסר יציבות במשימות מאתגרות עם רצפים ארוכים. כמות גדולה של טקסט שסופק אינה מבטיחה שכל פרט יאוחזר או שכל קשר יפורש נכון. בדקו אמירות חשובות, הפניות ומיקומי קוד מול החומרים המקוריים, במיוחד כשהמסקנה מחברת בין קטעים מרוחקים. שמרו את המקור, את הפרומפט המדויק ואת התשובה שנבחרה כתוצר העבודה. מיפוי הגרסאות של Alibaba מבדיל בין הגרסה הזאת לבין Qwen-Turbo-2025-04-28, ולכן השוואה בין גרסאות צריכה לשמור על שני שמות המודלים ועל אותה משימה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-turbo-2024-11-01 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0001 / 1K טוקנים פלט · טוקני פלט $0.00018 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen-turbo-2024-11-01
השתמשו בנתיבי השיטות המוצגים למעלה.
qwen-turbo-2024-11-01Qwen Turbo 2024-11-01 של Alibaba הוא גרסה קבועה של מודל טקסט למענה על שאלות לגבי חומר שסופק, לסיכום מסמכים קשורים ולקריאת קוד מקור. הוא תומך גם במצב JSON Object של המפתחת לחילוץ מידע לתוצאה שניתנת לפענוח בתוכנה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Qwen Turbo 2024-11-01 הוא גרסת Qwen-Turbo הקבועה של Alibaba מדור Qwen2.5. הוא מקבל הוראות כתובות והקשר טקסטואלי ומפיק תשובה בטקסט. משימות שימושיות כוללות שאלות על מסמכים שסופקו, סיכומים שמחברים בין כמה מקורות, הסברים על בסיס קוד וחילוץ מידע ל־JSON. בעת השוואת תוצאות בין גרסאות, שמרו את שם המודל המתוארך יחד עם הפרומפט.
הצגת Qwen2.5-Turbo של Qwen מדגימה קריאת טקסטים נרטיביים ארוכים וכמה מאמרים קשורים. הפלט המועיל תלוי בשאלה: סקירה יכולה להסביר את הקשר בין העבודות, ואילו השוואה ממוקדת יכולה להבחין בין הגישות שלהן ובין הראיות שתומכות בהן. ספקו טקסטים עם סימון ברור ובקשו את ההבחנות החשובות לקורא. הנחיות ראשוניות יכולות לבקש את ההצעה העיקרית של כל מסמך, את הקטע התומך בה ואת המחלוקות בין המסמכים. בקשו את התשובה בשפה שקהל היעד צריך, ושמרו על הקשר בין הציטוטים למקורותיהם.
המפתחת מדגימה גם קריאת מאגר קוד שנאסף לקובץ טקסט, תחילה באמצעות הסבר מטרתו ולאחר מכן באיתור מחלקות ונתיבי הקבצים שלהן. הכינו את הקוד תוך שמירה על גבולות הקבצים, על השמות ועל ההגדרות הרלוונטיות שמסביב. בקשו מיפוי של רכיב לפני שתבקשו הסבר ממוקד יותר על הקשרים בין חלקיו. ההסבר או רשימת המיקומים שמתקבלים יכולים להנחות את בדיקת הקבצים המקוריים; בדקו את המיקומים האלה מול הקוד שסופק.
בתהליך העבודה הטקסטואלי המתועד של המפתחת, הודעת מערכת מגדירה את התפקיד ואת כללי המשימה, הודעת משתמש מספקת את השאלה ואת החומרים, והמודל משיב בתור העוזר. ציינו בבירור את התוצר המבוקש: סיכום, טבלת השוואה, הסבר תמציתי או שדות שחולצו. במשימת מסמכים, הבחינו בין הטקסט שיש לקרוא לבין ההוראה שמתארת מה לעשות בו. כללו מונחים, שפת פלט וכל כלל לטיפול במידע שאינו מופיע במקור.
תהליך Chat Completions של המפתחת אינו שומר מצב: המשך הדיון משתמש בהיסטוריית השיחה שמסופקת עם השאלה הבאה. צרפו את הודעות המשתמש והעוזר הקודמות כאשר בקשת ההמשך תלויה בהן. סבב ראשון יכול לזהות את הטיעון של מסמך; סבב שני יכול לשאול איזה קטע תומך במסקנה מסוימת. השאירו את הקשר המקור הנדרש זמין, במקום להניח שתשובה קודמת נותנת למודל זיכרון קבוע. ככל שהדיון מתארך, שמרו על הסבבים האחרונים ועל העובדות החשובות מהמקורות, או השתמשו בסיכום שנבדק של החומרים הקודמים. הסרת ההיסטוריה או דחיסתה עלולות להסיר פרטים שנדרשים לתשובה הבאה.
Alibaba כוללת במפורש את qwen-turbo-2024-11-01 בתמיכה שלה ב־JSON Object. בתהליך העבודה של המפתחת, פורמט התשובה מוגדר ל־json_object, והוראת מערכת או משתמש חייבת לכלול את המילה JSON. ציינו שמות שדות ואת אופן הטיפול במידע חסר. לדוגמה, הנחיות חילוץ יכולות לבקש את כותרת המסמך, את שם המחבר המצוין בו ואת הקטע התומך, עם כלל מוגדר למקרה שלא מצוין מחבר.
מצב JSON Object מיועד להפיק תחביר JSON תקין; הוא אינו אוכף סכימה מסוימת, שמות שדות קבועים או טיפוסי שדות. בדקו שהאובייקט שהוחזר מכיל את השדות והערכים הנדרשים למשימה לפני השימוש בו בהמשך התהליך. גם תוצאה שנקטעת לפני השלמתה עלולה להיות JSON לא תקין. שמרו על האובייקט המלא ועל טקסט המקור שלו כדי שאפשר יהיה להבחין בין בעיית עיצוב הפורמט לבין חילוץ שגוי.
ההצגה של Qwen מציינת חוסר יציבות במשימות מאתגרות עם רצפים ארוכים. כמות גדולה של טקסט שסופק אינה מבטיחה שכל פרט יאוחזר או שכל קשר יפורש נכון. בדקו אמירות חשובות, הפניות ומיקומי קוד מול החומרים המקוריים, במיוחד כשהמסקנה מחברת בין קטעים מרוחקים. שמרו את המקור, את הפרומפט המדויק ואת התשובה שנבחרה כתוצר העבודה. מיפוי הגרסאות של Alibaba מבדיל בין הגרסה הזאת לבין Qwen-Turbo-2025-04-28, ולכן השוואה בין גרסאות צריכה לשמור על שני שמות המודלים ועל אותה משימה.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות qwen-turbo-2024-11-01 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0001 / 1K טוקנים פלט · טוקני פלט $0.00018 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "qwen-turbo-2024-11-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra qwen-turbo-2024-11-01
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
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.